Un’ora a separare le frasi generiche dai fatti concreti e la conclusione che l’AI non fa per te. Prima di chiudere l’argomento: il problema non era l’AI. Il problema era ciò che l’AI ha ricevuto in input.
Una conversazione che conosci bene
Quasi tutti i titolari di negozi online hanno già avuto questa conversazione. La sera, dopo la chiusura del mese, apri la chat e fai la domanda che ti preoccupa davvero. La risposta arriva in tre secondi: lunga, ordinata, scritta con tono sicuro.
Chat senza accesso ai dati del negozio
Un calo delle vendite in un negozio online può avere molte cause. Ecco le aree più comuni da analizzare:
- Stagionalità: molti settori registrano oscillazioni naturali della domanda durante l’anno…
- Concorrenza crescente: conviene monitorare i prezzi e l’offerta dei concorrenti…
- Visibilità sui motori di ricerca: cura l’ottimizzazione SEO e i contenuti…
- Esperienza utente: analizza la velocità del sito e il processo d’acquisto…
- Attività di marketing: valuta di aumentare la presenza sui social media…
- Politica dei prezzi: verifica che i tuoi prezzi siano competitivi…
Ognuno di questi punti è vero. E nessuno è utile, perché nessuno riguarda il tuo negozio. La stessa risposta va bene per un negozio di pneumatici, per una boutique di abiti e per un grossista di viti. Questa non è un’analisi. È la media di tutte le guide che il modello ha visto.
Perché l’AI risponde in modo generico
Un modello linguistico completa il testo sulla base di ciò che ha ricevuto. Nella domanda «perché calano le mie vendite» non c’è un solo numero, una sola data, un solo fatto sul tuo negozio: il modello non ha nulla con cui costruire una risposta concreta. Riempie il vuoto con ciò che statisticamente si scrive più spesso sui cali di vendite.
Non è un difetto del modello. Mancano i dati in ingresso. Il miglior analista del mondo, interpellato su un negozio che non ha mai visto, risponderebbe esattamente allo stesso modo: con frasi generiche.
Senza i dati del tuo negozio l’AI non analizza: completa il testo con la media nazionale. Il tono sicuro della risposta nasconde il fatto che il modello sta tirando a indovinare.
La stessa conversazione, con i dati
Ora la stessa domanda, ma il modello ha accesso al database del negozio: ordini, traffico e campagne, riuniti in un unico posto e aggiornati ogni giorno. Prima di rispondere, verifica. Si vede nella conversazione.
La stessa chat, database collegato · dati anonimizzati, negozio di cosmetici naturali
get_sales_summary · 7 giorni · confronto: settimana precedente
get_session_funnel · 7 giorni
Ho controllato. Le vendite non sono calate: 24.030 €, cioè +2,4% rispetto alla settimana precedente. Alla tua scala è semplice rumore, non un segnale.
Ma visto che chiedi cosa frena le vendite: nel funnel c’è un punto che si discosta dagli altri:
| Fase | Numero | Passaggio |
|---|---|---|
| Sessioni | 14.394 | – |
| Visualizzazione prodotto | 9.020 | 63% |
| Aggiunta al carrello | 5.511 | 61% |
| Inizio checkout | 685 | 12% |
| Acquisto | 520 | 76% |
I clienti aggiungono volentieri al carrello: il 61% è un ottimo risultato. Ma solo il 12% dei carrelli arriva al checkout. È la fase più debole del tuo funnel. Vuoi che suddivida questo funnel delle sessioni per canale secondo GA4 e verifichi se riguarda tutto il traffico o una sola sorgente?
Nota due cose. Primo: il modello non ha confermato la tua sensazione. La settimana non era debole, e la risposta inizia correggendo il presupposto, con un numero come prova. Secondo: invece di sei aree generiche ottieni un unico punto concreto in cui qualcosa non torna, più una proposta per il passo successivo.
Il modello è lo stesso. La domanda è la stessa. La differenza è che dietro la seconda conversazione ci sono i dati, e il modello verifica invece di indovinare.
Cosa puoi fare già oggi, senza alcuno strumento
Puoi applicare subito questo principio: incolla nella chat una tabella dal pannello del negozio o un export da GA4 e fai una domanda su quei numeri. La risposta sarà incomparabilmente migliore rispetto a quella senza dati. Davvero, prova.
Vedrai presto anche i limiti di questo metodo. Incolli una sola porzione di dati, quindi il modello vede solo quella. A ogni nuova domanda devi copiare di nuovo. E unire vendite, traffico e campagne in un solo incolla semplicemente non è possibile.
Incolli a mano
Una porzione alla volta
Il modello vede una sola porzione: la tabella che hai incollato. Ogni nuova domanda richiede un nuovo export e un nuovo incolla. I dati sono aggiornati al momento dell’export.
Colleghi una volta
Tutte le fonti insieme
Il modello sceglie da solo i dati adatti alla domanda: vendite, traffico e campagne insieme, aggiornati ogni giorno. Chiedi quando vuoi, senza preparazione.
È proprio questa la differenza colmata da un database collegato alla chat: invece di incollare porzioni a ogni domanda, colleghi le fonti una volta e il modello, in ogni conversazione, attinge a tutti i dati che gli servono per rispondere.
Conclusione
Prima di giudicare l’AI, controlla cosa ha ricevuto in input.
La risposta di un modello è buona esattamente quanto i dati che ci sono dietro. È un principio che vale per qualsiasi strumento di AI, non solo per l’analisi dei dati: una domanda generica senza contesto produce una risposta generica e senza valore.
Se un anno fa avete concluso che «l’AI non funziona nel mio business», è molto probabile che abbiate valutato un modello a cui non avevate fornito alcun dato su cui lavorare. Vale la pena ripetere il test in condizioni diverse.
DataOrganizer · MCP
DataOrganizer riunisce negozio, GA4 e campagne in un’unica banca dati e la collega alla vostra chat preferita. La prima conversazione tra 20 minuti.
