Dopo diversi test e analisi, la digital agency ha ridefinito l’architettura delle schede prodotto per aumentare menzioni e vendite attraverso Rufus, l’assistente shopping di Amazon basato sull’intelligenza artificiale.
Un servizio per supportare i brand nel passaggio dall’era delle parole chiave a quella dell’e-commerce conversazionale.
Già oggi più di 1 consumatore su 2 (58%) usa gli strumenti Ai per cercare i prodotti*, un numero destinato a crescere nel prossimo futuro. Secondo Amazon, in particolare, i 250 milioni di utenti che interagiscono con il suo assistente shopping Rufus, basato sull’intelligenza artificiale, sono il 60% più propensi a completare un acquisto. Il marketplace stima infatti che le vendite incrementali derivanti da questo canale raggiungeranno i 10 miliardi di dollari**.
La nuova era dell’e-commerce conversazionale rende dunque essenziale per i brand farsi citare dall’Ai, ma questo richiede un cambio di logica nella strutturazione dei contenuti di marca. È in questo contesto che la digital agency Ciaodino, dopo diversi test e analisi comparative, presenta un nuovo modello per l’architettura delle schede prodotto su Amazon, basata non più sulla ricerca per parole chiave ma sul dialogo naturale con Rufus.
Non si tratta più di comparire tra i primi risultati in pagina, ma di essere menzionati all’interno di risposte argomentate che interpretano domande molto più elaborate.
Il focus informativo delle schede si sposta quindi dalle caratteristiche tecniche del prodotto a benefici funzionali e occasioni d’uso contestualizzate nella categoria merceologica di riferimento. Un passaggio che, se recepito correttamente, per chi vende sul marketplace aumenta sensibilmente la probabilità di essere citati da Rufus e farsi acquistare (secondo le proiezioni il nuovo modello Ciaodino porta a un aumento di conversioni oltre il 35% a 90 giorni dall’adozione).
Il nuovo framework è articolato nello specifico in 7 criteri complementari che vanno dalla completezza semantica alla mappatura sistematica degli intenti. Anche solo l’ottimizzazione di quest’ultima, ad esempio, incrementa del 30% la capacità di Rufus di estrarre risposte pertinenti, riducendo il ricorso a informazioni generiche o la citazione di altri brand competitor.
«Proprio come accaduto con l’avvento dei social e dei marketplace, chi entra più velocemente in un nuovo paradigma beneficia di una finestra temporale di vantaggio difficilmente recuperabile. I brand che iniziano ora a ottimizzare contenuti e architetture informative per gli agenti Ai vedono per primi che tipo di domande reali vengono fatte nella loro categoria, capiscono quali argomentazioni funzionano e possono iterare più velocemente contenuti, offerta e persino innovazione del prodotto sulla base di segnali conversazionali», spiega Marta De Cunto, head of retail media Ciaodino e ideatrice del nuovo servizio di analisi e ottimizzazione.
Sul fronte procedurale, infine, si inizia con un audit diagnostico strutturato e si articola in cinque fasi operative sequenziali: selezione del campione rappresentativo attraverso criteri di rilevanza strategica, applicazione della scorecard per ciascun criterio su scala da zero a uno, elaborazione di un corpus di interrogazioni conversazionali rappresentative, test di estrazione conversazionale attraverso simulazione dell’interazione con assistenti e benchmarking competitivo per identificare divari prestazionali relativi.
