Benetton Group è stato fondato nel 1965 in provincia di Treviso. Oggi è una delle aziende di moda più note nel mondo. Antonio Patrissi, Group Chief Digital Officer, ha guidato l’implementazione di nuove soluzioni basate sull’AI negli e-commerce europei di Benetton.
Da sempre ciò che contraddistingue Benetton Group è lo spirito innovatore. Dalla comunicazione al business, passando per l’impegno sociale, ci piace essere pionieri.
Ecco perché abbiamo deciso di testare per primi in Italia una soluzione per e-commerce basata sull’Intelligenza Artificiale di Google, Recommendations AI. Questa offre oggi ai nostri clienti, sui nostri siti web in Europa, esperienze personalizzate online e suggerimenti di acquisto cuciti su misura sui loro interessi.
Non solo: abbiamo modellato il design del nuovo modulo per assicurare una user experience ottimale e rendere i suggerimenti personalizzati visibili e coinvolgenti.
Perché le raccomandazioni basate sull’AI
A causa dell'accelerazione dell'e-commerce, il comportamento dei consumatori è diventato imprevedibile. La personalizzazione degli acquisti online è la chiave di volta per riuscire a raggiungerli con successo.
Fino a poco tempo fa, chi navigava sul nostro sito riceveva suggerimenti di acquisto generici che non tenevano conto del comportamento del singolo visitatore.
Volevamo rendere i consigli davvero aderenti ai bisogni delle persone, non trascurando la tutela della privacy online, e capaci di adattarsi dinamicamente a questi in tempo reale. Il nostro obiettivo finale era aumentare il tasso di conversione del nostro sito e delle pagine di prodotto.
Siamo stati i primi a usare Recommendations AI in Italia. Abbiamo visto l’opportunità di ottenere vantaggio competitivo.
Recommendations AI ci ha offerto la possibilità di importare sulla nostra Data Platform informazioni relative alle abitudini di acquisto e di navigazione.
Così può fare predizioni su ciò che possa interessare di più alle persone e offrire consigli d’acquisto più personalizzati.
Ecco un esempio di come il modulo di raccomandazioni si presenta sul nostro sito.
Siamo stati i primi a usare Recommendations AI in Italia. Non avevamo feedback consolidati né la garanzia di ottenere risultati positivi.
Allo stesso tempo, però, abbiamo visto l’opportunità di ottenere vantaggio competitivo. Questo ci ha spinto a sperimentare lo strumento dapprima in Italia, il nostro mercato principale, e poi in altri Paesi europei: Regno Unito, Germania, Spagna e Portogallo.
Come funziona l’AI per Benetton
Abbiamo implementato il modulo di raccomandazioni in diverse sezioni del sito, in corrispondenza di differenti fasi del percorso d’acquisto.
In homepage stiamo testando il modulo “Consigliati per te”, che mostra suggerimenti personalizzati, nel momento in cui le persone arrivano sul sito ed esplorano genericamente le opzioni disponibili. L’obiettivo è coinvolgere i consumatori nelle prime fasi della canalizzazione, in modo che da qui interagiscano con le pagine dei prodotti.
Quando le persone non hanno ancora aggiunto articoli nel carrello, ma ne visitano la pagina, la call to action "Cerchi ispirazione?", utilizza il modello “Raccomandati per te” per mostrare suggerimenti personalizzati basati sugli articoli per cui hanno dimostrato interesse.
Ecco un esempio di come il modulo viene mostrato, quando il carrello risulta ancora vuoto.
Quando le persone hanno aggiunto articoli nel carrello, la call to action "Blend it your way" utilizza il modello di raccomandazione “Altri prodotti che potrebbero piacerti”. Questo consiglia capi aggiuntivi rispetto a quelli già selezionati. Viene mostrato così sul nostro sito:
Infine la call to action "Cerchi ispirazione?" posizionata nelle pagine di prodotto utilizza il modello “Acquistati spesso insieme”. Questo mostra le alternative che possono combinarsi positivamente con gli articoli già visitati. Eccone un esempio:
In questi casi, l’intento è stimolare l’acquisto di più prodotti e aumentare il valore del carrello.
Nei primi mesi di implementazione, le persone che hanno interagito con il modulo di raccomandazioni dell'e-commerce hanno avuto un tasso di conversione sei volte superiore rispetto a coloro che non hanno cliccato sul modulo.
Il valore medio del carrello di questi clienti è stato più alto del 7% e il tempo speso sul sito è quasi triplicato, rispetto a chi non ha interagito con il modulo di raccomandazioni.
È stato interessante notare come le performance siano simili in Italia e nelle altre country europee in cui abbiamo implementato il modulo. Questo dimostra come Recommendations AI sia uno strumento universale e applicabile a prescindere dalle particolarità di ogni mercato.
Moduli di raccomandazioni per l’e-commerce più visibili e coinvolgenti con l’UX design
Non abbiamo lavorato solo sul posizionamento dei nuovi moduli di raccomandazioni all’interno del sito, ma anche sul loro design. Per individuare quello più efficace, che spingesse le persone a interagire, abbiamo effettuato una serie di A/B test.
Ad esempio, abbiamo notato che portano più clic i bottoni call to action con sfondo pieno, rispetto a quelli con background trasparente. Rendere ben visibili le frecce di navigazione aiuta a incrementare la percentuale di ingaggio con il modulo.
Con i nuovi suggerimenti personalizzati abbiamo ottenuto ottimi risultati, ma i test non sono finiti qui. Siamo convinti che un approccio iterativo, soprattutto quando si tratta di nuove tecnologie, sia fondamentale.
Nel prossimo futuro ci concentreremo sempre più sulla UX per rendere il modulo di raccomandazioni il più visibile possibile a chi naviga il sito, con l’obiettivo di incrementare ulteriormente il traffico e il tasso di conversione lungo il percorso d’acquisto.
