Leader di pensiero
La decisione più intelligente dell’IA potrebbe essere non inviare il messaggio

Punti chiaveOttimizzare per i clic premia l'invio di più messaggi anche quando la moderazione…
Vedi di più
- Ottimizzare per i clic premia l'invio di più messaggi anche quando la moderazione proteggerebbe meglio la relazione con il cliente.
- Una promozione ben scritta inviata mentre un rimborso è irrisolto è un fallimento decisionale che un contenuto migliore non può correggere.
- La revisione umana dovrebbe concentrarsi su contesti ambigui e azioni ad alte conseguenze anziché sui casi di routine previsti dalle politiche.
L’IA generativa ha reso molto meno costoso creare messaggi personalizzati. Non ha però reso più semplice decidere se inviarli.
Questa distinzione è importante, perché l’IA si occupa di un numero crescente di decisioni che influenzano le interazioni con i clienti. Un sistema può formulare un’offerta pertinente e prevedere che qualcuno cliccherà, ma prendere comunque la decisione sbagliata. Il cliente potrebbe essere in attesa di un rimborso, avere un reclamo ancora irrisolto oppure aver già acquistato il prodotto usando un altro indirizzo e-mail.
Una scrittura migliore non risolverà nessuno di questi problemi. Il sistema deve comprendere meglio il cliente, perseguire un obiettivo che rispecchi ciò che l’azienda considera davvero importante e rispettare limiti chiari su ciò che può fare.
Quale obiettivo chiedete al sistema di ottimizzare?
Gli invii, le aperture e i clic sono facili da conteggiare. Per questo sono metriche operative utili, ma anche sostituti allettanti di ciò che un’azienda desidera davvero: un cliente che riconosca il valore della relazione e continui a tornare.
Un sistema di IA ottimizzato per il numero totale di clic e soggetto a pochi vincoli sulla frequenza dei contatti potrebbe concludere che inviare più messaggi migliora il suo punteggio. Ogni invio aggiuntivo può sembrare ragionevole se considerato isolatamente. Ma, tra campagne e canali diversi, un cliente può finire per ricevere comunicazioni dal marchio molto più spesso di quanto chiunque avesse previsto.
Il costo emerge al di fuori della metrica che si sta ottimizzando. Nell’indagine di Validity sui consumatori durante le festività del 2026, un terzo degli intervistati ha dichiarato che il solo volume di e-mail ricevute durante le festività era sufficiente a spingerlo a cancellare l’iscrizione. Questo non dimostra che l’IA abbia causato il sovraccarico. Dimostra che un aumento delle attività può andare a scapito della relazione con il cliente.
La cancellazione dell’iscrizione è visibile. La frustrazione che l’ha preceduta spesso non lo è. Se oggi il sistema riceve un riconoscimento per un clic, ma non viene penalizzato quando rende meno probabile che un cliente torni il mese successivo, ha pochi motivi per tenere conto di questo compromesso.
Anche trattenersi è una decisione
Pensiamo a un cliente che la settimana scorsa ha restituito un ordine ed è ancora in attesa del rimborso. Un sistema di marketing lo identifica come acquirente recente con un’alta probabilità di risposta e mette in coda un’e-mail promozionale. Dal punto di vista del cliente, il marchio gli sta chiedendo altri soldi prima di restituirgli ciò che gli deve.
La restituzione potrebbe essere registrata nel sistema degli ordini, lo stato del rimborso in uno strumento di assistenza e l’acquisto in un profilo di marketing. È possibile che questi dati non siano nemmeno collegati alla stessa persona. Il modello può funzionare esattamente come previsto e prendere comunque una decisione basandosi su un quadro incompleto del cliente.
Collegare questi dati cambia ciò che il sistema può sapere, ma non cambia automaticamente ciò che farà. Anche il processo decisionale deve tenere conto dei rimborsi irrisolti e considerare legittima la scelta di sospendere una promozione. Altrimenti, si forniscono al sistema più informazioni senza modificare il comportamento per cui viene premiato.
Ecco perché il contesto del cliente e gli obiettivi devono essere definiti insieme. Il contesto spiega cosa sta succedendo. L’obiettivo e le regole decisionali stabiliscono cosa dovrebbe accadere dopo. Una restituzione, da sola, non significa che ogni comunicazione debba interrompersi. Il cliente potrebbe aver bisogno di un aggiornamento sul rimborso. È importante distinguere tra un messaggio di assistenza utile e un’altra promozione.
Un’e-mail scritta male è un problema di contenuto. Un’e-mail ben scritta, inviata mentre il cliente aspetta di riavere i suoi soldi, è un problema decisionale. Non si risolve il secondo migliorando il primo.
Iscriversi non equivale a essere fedeli
I programmi fedeltà presentano un’altra variante dello stesso problema. Se il successo si misura in base all’aumento delle iscrizioni, un sistema potrebbe imparare ad attirare le persone offrendo uno sconto. Le iscrizioni aumentano. Ma resta da capire se quei clienti torneranno senza un altro sconto.
Le domande utili richiedono più tempo per trovare una risposta. Gli iscritti tornano? La loro spesa è redditizia una volta sottratto il costo degli incentivi? Il programma modifica il loro comportamento o si limita soprattutto a premiare acquisti che avrebbero fatto comunque?
Per rispondere a queste domande, occorre collegare nel tempo le attività del programma fedeltà con lo storico degli acquisti e dell’assistenza. Serve anche un confronto che aiuti a distinguere l’effetto del programma da comportamenti già probabili. Il solo numero degli iscritti non può fornire questa risposta.
La supervisione umana deve incidere sulla decisione
Spetta alle persone decidere quale obiettivo il sistema debba ottimizzare. La fidelizzazione, i margini e l’impegno richiesto ai clienti comportano compromessi di cui la dirigenza deve assumersi la responsabilità. Un modello può aiutare a valutare questi compromessi, ma non può assumersi la responsabilità di scegliere tra essi.
Lo stesso vale per i limiti alle azioni. Una domanda utile da cui partire è: quanto sarebbe difficile annullare questa decisione? Sospendere un messaggio promozionale in attesa di una verifica ha conseguenze diverse dal modificare un prezzo, emettere un accredito o cancellare una prenotazione. Le conseguenze, le autorizzazioni del cliente e l’affidabilità del contesto disponibile dovrebbero determinare cosa può essere eseguito automaticamente e cosa richiede un’approvazione.
Una richiesta di rimborso in sospeso non deve trasformarsi ogni volta in un’attività di revisione manuale. Se la policy è chiara, una regola può sospendere la promozione mentre le comunicazioni di assistenza proseguono. La revisione umana è necessaria quando il contesto è ambiguo, le regole sono in conflitto o le conseguenze superano l’autorità del sistema. Se mancano le informazioni necessarie per operare questa distinzione, il sistema deve disporre di una procedura alternativa definita, anziché essere autorizzato a tirare a indovinare.
A chi effettua la revisione non basta un punteggio di affidabilità. Deve poter vedere quali dati dei clienti hanno contribuito alla raccomandazione, quanto sono aggiornati, quale obiettivo il sistema cerca di raggiungere e quali vincoli si applicano. Una raccomandazione formulata con sicurezza sulla base di dati obsoleti o non corrispondenti resta comunque una cattiva raccomandazione.
Le decisioni di override dovrebbero diventare elementi di prova. Se le persone bloccano ripetutamente lo stesso tipo di promozione, occorre registrare il motivo. Questo schema può rivelare dati di assistenza mancanti, un problema di identità o un obiettivo che premia il comportamento sbagliato. Correggere il problema è più utile che chiedere a qualcuno di individuare all’infinito lo stesso errore.
Valutare se sospendere le promozioni è utile
I team possono iniziare da una sola decisione, invece di cercare di riprogettare tutte le interazioni con i clienti in una volta sola. Si può partire da un invio promozionale, individuare il contesto necessario e definire le condizioni in cui va sospeso. I messaggi di assistenza necessari devono restare esclusi da questa regola di soppressione.
Poi occorre verificare se il cambiamento è utile. Per i messaggi promozionali idonei, si confronti l’approccio attuale con una policy che prevede di non inviarli in determinate condizioni. Si monitorino gli acquisti ripetuti, la fidelizzazione, i reclami e il margine per un periodo adeguato al ciclo di acquisto. Gli invii e i clic aiutano ancora a capire cosa è successo, ma non dovrebbero essere il verdetto finale.
Il test potrebbe mostrare che ridurre le promozioni protegge la relazione. Potrebbe anche rivelare che una determinata restrizione è troppo ampia. Entrambi i risultati sono utili. Il silenzio non dovrebbe essere esentato da ogni valutazione, proprio come non dovrebbe esserlo l’invio di un messaggio. Entrambi sono decisioni con conseguenze misurabili.
Nulla di tutto questo elimina il lavoro di ingegneria. I dati dei clienti devono essere associati alla persona giusta. Gli eventi recenti devono raggiungere il processo decisionale in tempo per poter incidere. Le autorizzazioni devono limitare le azioni e i team devono registrare cosa è successo e perché. Un obiettivo migliore non può compensare la mancanza di contesto, così come un contesto migliore non può rimediare a un obiettivo sbagliato.
Progettare pensando alla relazione
La domanda per chi guida i team è semplice: che cosa considera una buona decisione il vostro sistema? Se la risposta è «un clic», il sistema potrebbe svolgere il proprio compito e, al tempo stesso, peggiorare l’esperienza del cliente.
Un contesto affidabile sui clienti offre alle persone e all’IA basi più solide per decidere cosa fare. Obiettivi e controlli chiari determinano come utilizzare queste informazioni. Il risultato dovrebbe essere un sistema in grado di spiegare perché un messaggio è utile in quel momento, riconoscere quando non lo è e imparare da ciò che accade in seguito.
A volte, la decisione più intelligente che un sistema di IA possa prendere è non inviare proprio nulla.












