Evoluzione e-commerce: come cambia la ricerca dei prodotti

Per oltre vent’anni gli e-commerce hanno seguito una struttura stabile: menu, categorie, filtri, schede prodotto e carrello. Una delle grandi trasformazioni in corso non riguarda l’aspetto delle interfacce ma il loro comportamento: l’AI inverte il modello di interazione, riducendo il carico cognitivo che finora imponeva di conoscere categorie, filtri e parole chiave corrette per cercare il prodotto desiderato.

Dal navigation pattern al conversational pattern

Il pattern che sta emergendo è la Conversational UX: non una singola tecnologia, ma un nuovo modello di interazione in cui la conversazione diventa alternativa — e talvolta punto di ingresso principale — alla navigazione tradizionale.
A renderlo possibile sono quattro capacità che si combinano:
- la ricerca semantica, che interpreta il significato di una richiesta oltre alle parole chiave;
- la multimodalità, che accetta immagini e voce accanto al testo;
- i motori di raccomandazione evoluti in un dialogo assistito;
- e la memoria del contesto, che permette al sistema di ricordare, all’interno della stessa conversazione, taglia, budget o preferenze già indicati, senza doverli ripetere a ogni messaggio.

La conversazione potrebbe presto diventare anche un nuovo canale di acquisto. Sempre più piattaforme stanno sperimentando esperienze in cui la ricerca e la selezione dei prodotti avvengono all'interno di assistenti AI esterni all'e-commerce. È un'evoluzione che va oltre il tema di questo articolo, ma che mostra come il dialogo possa estendersi ben oltre i confini del sito.

La ricerca diventa semantica

Un cambiamento fondamentale riguarda la ricerca. Tradizionalmente il motore interno di un e-commerce funziona per corrispondenza tra parole chiave e attributi del catalogo.

Invece di un percorso come

Donna → Cappotti → Lana → Beige → Taglia M

l’utente esprime l’obiettivo direttamente:

“Cerco un cappotto elegante per un viaggio a Copenhagen a novembre.”

La richiesta contiene contesto, stagione, utilizzo e stile, che l’AI interpreta senza richiedere all’utente la conoscenza dell’alberatura del sito.

Con la Semantic Search, il sistema comprende il significato della richiesta, non solo le parole. Si descrive l’esigenza, senza avanzare per semplici keyword.

Zalando ha esteso il proprio Assistant, basato su modelli proprietari e su OpenAI, a tutti i 25 mercati in cui opera: le query inserite sono in media tre volte più lunghe di quelle digitate nella barra di ricerca tradizionale.
Amazon ha integrato lo stesso principio nel proprio assistente (ribattezzato di recente Alexa for Shopping, dopo essere nato come Rufus): oltre 300 milioni di clienti lo hanno usato nel 2025 e chi lo utilizza ha il 60% di probabilità in più di acquistare.

Il nuovo e-commerce di Brunello Cucinelli lanciato a inizio 2026 e definito dal brand “Human Artificial Intelligence”, utilizza lo stesso approccio: il dialogo guida l’esplorazione del catalogo e, secondo i dati diffusi dagli sviluppatori della piattaforma, ha già portato a un aumento di engagement e tempo sul sito, con i primi segnali di conversione positivi.

Il motore di ricerca smette così di essere un semplice strumento di recupero delle informazioni e diventa un componente di supporto decisionale.

Dalla raccomandazione allo shopping assistito

Per anni i sistemi di raccomandazione hanno funzionato con una logica semplice: “chi ha acquistato questo prodotto ha comprato anche…”.
L’AI supera questo modello con lo shopping assistito: il sistema non si limita a suggerire prodotti correlati, ma costruisce un dialogo, raccoglie informazioni, chiarisce dubbi e motiva le proprie proposte, assumendo alcune delle funzioni che nel negozio fisico appartengono al commesso.

Perché il dialogo sia davvero utile, il catalogo deve però essere arricchito con attributi come materiali, occasioni d’uso e specifiche tecniche, non solo titolo e prezzo. Senza questo data enrichment, l’assistente può conversare ma non motivare un consiglio specifico, tornando alla logica generica che dovrebbe superare — non a caso le linee guida che Shopify dà ai merchant per la visibilità nei canali AI insistono sulla completezza degli attributi più che sul design dell’interfaccia.

L’interazione diventa multimodale

Il testo non è più l’unico punto di accesso al catalogo.
Con la Visual Search un’immagine diventa una query: una fotografia scattata per strada o di un ambiente viene analizzata per individuare prodotti simili o compatibili. Wayfair ha introdotto in app “Search with Photo” sul proprio catalogo di oltre 8 milioni di articoli di arredamento, mentre IKEA, con strumenti come IKEA Kreativ, permette di visualizzare i propri prodotti negli ambienti fotografati dall’utente. Testo, immagini e, sempre più spesso, voce collaborano ormai all’interno dello stesso flusso di ricerca.