{
AI
}
6 min di lettura
Resi e consigli dell'AI: il problema sono le schede prodotto
Quasi metà di chi compra su consiglio dell'AI restituisce un prodotto, spesso perché non è come descritto. 5 azioni sulle schede per ridurre i resi.
Scritto da
Secondo un sondaggio di Blue Yonder, quasi metà degli americani che hanno comprato su consiglio di un assistente AI ha poi restituito un prodotto. Il motivo più citato non è la taglia: è che l'articolo non corrispondeva alla descrizione. Retail Dive ha ripreso la ricerca il 4 novembre. Il messaggio per chi vende online è chiaro: prima di chiederci come farci consigliare dall'AI, dobbiamo controllare cosa trova l'AI quando legge il nostro catalogo.
Cosa dice la ricerca di Blue Yonder
Il 2026 Consumer Retail Returns Survey di Blue Yonder è arrivato alla quarta edizione. Ha coinvolto più di 5.000 consumatori tra Stati Uniti, Australia, Francia, Germania e Regno Unito, di cui 2.000 americani. Il testo del comunicato è riportato da DC Velocity.
I numeri sugli Stati Uniti sono questi:
il 24% dei consumatori ha comprato un prodotto dopo un consiglio dell'AI;
di questi, il 46% ha restituito almeno un acquisto nell'ultimo anno;
per i prodotti consigliati dall'AI, il primo motivo di reso è "diverso da come descritto" (36%), seguito da taglia o vestibilità sbagliata (23%);
per i resi in generale l'ordine si inverte: taglia e vestibilità al 42%, "diverso da come descritto" al 20%.
Secondo Retail Dive, il 43% della Gen Z ha già comprato su consiglio dell'AI, contro il 36% dei millennial, il 19% della Gen X e il 9% dei baby boomer.
Duncan Angove, CEO di Blue Yonder, lo riassume così: "Non è davvero un problema di AI. È un problema di dati. Un assistente AI è buono quanto le informazioni sul prodotto che riesce a trovare, e la maggior parte dei dati di prodotto è stata scritta per una barra di ricerca, non per una macchina che suggerisce prodotti a qualcuno".
Cosa cambia per chi vende online
Per anni abbiamo scritto le schede prodotto per due lettori: il cliente che guarda le foto e il motore di ricerca che legge titolo e parole chiave. Ora c'è un terzo lettore. Un assistente AI legge tutto il testo, lo confronta con altri negozi e lo riassume in poche righe. Se un dettaglio manca, lo deduce. Se è ambiguo, sceglie lui come interpretarlo.
Il risultato si vede nei resi. Il cliente arriva con un'aspettativa costruita da una risposta dell'AI, non dalla nostra pagina. Se quello che riceve è diverso, il pacco torna indietro.
E questo canale cresce. Secondo Big Technology, OpenAI stima che le ricerche su ChatGPT valgano già circa il 20% di quelle di Google. In Italia, per il Black Friday l'Osservatorio eCommerce B2c Netcomm–Politecnico di Milano prevede 4,3 miliardi di euro di acquisti online (+6%). Come riporta Brand News, la direttrice dell'Osservatorio Valentina Pontiggia si aspetta che chatbot e assistenti AI abbiano un ruolo crescente nella ricerca, nel confronto e nella scelta dei prodotti.
C'è poi un secondo punto della ricerca. Quando i resi crescono, la prima tentazione è stringere le regole. Ma secondo Blue Yonder il 51% degli americani ha scelto un negozio invece di un altro solo per la politica di reso migliore. E il 29% ha smesso di comprare da un negozio che nell'ultimo anno ha reso le regole più severe. La strada giusta non è punire il cliente. È ridurre i resi evitabili alla fonte: nelle schede prodotto.
Vale anche la cautela sui numeri. È un sondaggio dichiarativo, fatto a settembre 2026 soprattutto su consumatori americani. Ma la direzione coincide con quello che vediamo nei cataloghi: titoli generici, varianti incomplete, materiali e misure scritti solo nelle immagini.
Cinque azioni per non far tornare indietro i prodotti consigliati dall'AI
In NextWave lavoriamo su questo tema con un ordine preciso. Prima i dati, poi i canali.
1. Fare un audit delle schede "a rischio descrizione"
Partiamo dai prodotti con più resi per "non conforme alla descrizione" o "diverso dalle foto". Li incrociamo con i dati di Shopify e con il traffico in GA4. Per ognuno controlliamo cosa manca: materiale, composizione, misure, colore reale, cosa è incluso nella confezione. Spesso il problema è in poche decine di prodotti.
2. Portare le informazioni dalle immagini al testo
Un assistente AI legge il testo e i dati strutturati, non quello che è scritto dentro una foto. Su Shopify usiamo i metafield per scrivere in campi separati composizione, misure del capo, vestibilità, cura e dettagli tecnici. Poi li portiamo nelle schede e nel feed di Google Merchant Center, con titoli chiari e varianti complete. È il lavoro di base della SEO, e oggi anche del GEO, l'ottimizzazione per i motori generativi.
3. Scrivere descrizioni precise, anche con l'AI, ma con una revisione umana
L'AI generativa aiuta a scrivere centinaia di schede in modo coerente. Ma ogni descrizione va controllata contro il prodotto vero: colore, tessuto, peso, vestibilità. Una frase troppo bella crea un'aspettativa che il pacco non mantiene. Nei nostri contenuti AI-powered la regola è semplice: niente aggettivi che non si possono verificare, sì ai dati che il cliente può controllare.
4. Usare i motivi di reso come dato di marketing
Il motivo di reso è un'informazione preziosa, se viene raccolto bene. Lo trasformiamo in un campo con poche opzioni chiare, uguali per tutti. Con Shopify Flow lo colleghiamo al prodotto e attiviamo azioni automatiche: un avviso quando una scheda supera una soglia di resi, un'email dopo la consegna con i consigli d'uso o di vestibilità, con Shopify Messaging o con Klaviyo per chi lo usa. La politica di reso resta chiara e uguale per tutti.
5. Misurare il traffico dall'AI e i suoi resi in GA4
Per capire se il problema ci riguarda, serve vederlo nei numeri. In GA4 creiamo un gruppo di canali per il traffico dagli assistenti AI, come ChatGPT, Gemini, Perplexity e Copilot. Poi confrontiamo conversione, valore degli ordini e resi di questi clienti con quelli delle altre fonti. Se i resi sono più alti, sappiamo da quali schede partire.
Il metodo: prima i dati, poi lo strumento
Applichiamo a questo tema lo stesso metodo che usiamo in ogni progetto. In Discovery analizziamo resi, catalogo e traffico. In Design definiamo quali informazioni deve avere ogni scheda. In Build sistemiamo metafield, feed e flussi automatici. In Launch misuriamo e correggiamo. Non serve rifare tutto il catalogo in una settimana. Serve partire dai prodotti che costano di più in resi, prima del picco di Black Friday e Natale.
Parliamone
Vuoi sapere quanto sono pronte per l'AI le schede del tuo e-commerce? In NextWave partiamo da un audit del catalogo e dei motivi di reso, su Shopify e GA4. Prenota una call e guardiamo insieme da dove cominciare.
