Una persona scopre un negozio di arredamento su Instagram, il giorno dopo legge dallo smartphone una guida pubblicata sul blog del negozio, confronta i prezzi su Google e, una settimana più tardi, torna sul sito da un computer cliccando sul link di una newsletter e completa l'acquisto. Per un report basato sull'ultimo clic, il merito è tutto della newsletter; nei dati, quei passaggi possono comparire addirittura come utenti diversi.
È in questo scarto tra il percorso reale del cliente e la sua rappresentazione nei dati che l'intelligenza artificiale sta cambiando il modo di analizzare un sito web: non tanto con strumenti futuristici, quanto con modelli statistici già presenti, spesso senza che chi gestisce il sito se ne accorga, nelle piattaforme di uso comune.
Perché il percorso non lineare mette in crisi l'analisi tradizionale
Il customer journey di oggi attraversa canali e dispositivi diversi, con pause anche lunghe tra un contatto e l'altro. Gli strumenti di analisi tradizionali ragionano invece per sessioni e per singoli canali, e tendono ad attribuire la conversione all'ultimo punto di contatto. Il risultato è una lettura distorta: i canali che generano la prima scoperta, come i contenuti del blog o i social, appaiono meno utili di quanto siano, mentre quelli che intercettano un acquisto già deciso vengono sopravvalutati.
A complicare il quadro c'è il consenso ai cookie. Una parte degli utenti rifiuta il tracciamento, e i dati raccolti diventano incompleti: senza qualche forma di stima, ogni report descrive solo il comportamento di chi ha accettato.
Dove l'intelligenza artificiale è già nei dati del sito
Google Analytics 4 usa come impostazione predefinita un modello di attribuzione basato sui dati, che distribuisce il merito della conversione tra i diversi punti di contatto in base a un modello di machine learning, invece di assegnarlo per intero all'ultimo clic. Con la Consent Mode attiva, inoltre, la piattaforma può stimare con modelli statistici il comportamento degli utenti che non hanno dato il consenso, purché il traffico superi determinate soglie.
Un terzo strumento, meno conosciuto, sono le metriche predittive. La documentazione ufficiale di Google Analytics sulle metriche predittive descrive la probabilità di acquisto, cioè la probabilità che un utente attivo negli ultimi 28 giorni effettui un acquisto nei 7 giorni successivi, e la probabilità di abbandono, riferita agli utenti attivi nell'ultima settimana che potrebbero non tornare nella successiva. Il limite è nei requisiti: servono almeno 1.000 utenti di ritorno che abbiano compiuto l'azione e altrettanti che non l'abbiano compiuta, in un arco di sette giorni negli ultimi 28, e al momento sono supportati solo gli eventi di acquisto. Molti siti di piccole e medie dimensioni non raggiungono queste soglie, ed è un'informazione utile per calibrare le aspettative.
Fuori dagli strumenti di analisi web, l'intelligenza artificiale lavora soprattutto sui testi: recensioni, richieste arrivate dal modulo contatti, conversazioni in chat. L'analisi automatica di questi contenuti permette di raggruppare le richieste per tema e di individuare i punti del percorso che generano più dubbi o lamentele, un'informazione che i numeri di traffico da soli non restituiscono.
Quante imprese la usano davvero
Secondo la rilevazione Istat "Imprese e ICT" relativa al 2025, il 16,4% delle imprese italiane con almeno 10 addetti utilizza almeno una tecnologia di intelligenza artificiale, il doppio rispetto all'8,2% del 2024. Le tecnologie più diffuse sono quelle che analizzano il testo scritto (11,6% delle imprese) e l'IA generativa (9,7%), e tra gli ambiti di utilizzo più frequenti c'è proprio l'area marketing e vendite, che riguarda il 5,4% delle imprese. La distanza tra grandi imprese e PMI resta però ampia, e per molte realtà più piccole l'uso dell'intelligenza artificiale passa oggi soprattutto attraverso funzioni integrate negli strumenti che già utilizzano.
Personalizzazione: cosa è realistico per un sito di piccole dimensioni
La personalizzazione su larga scala, con raccomandazioni di prodotti o contenuti calibrate sul singolo visitatore, funziona bene quando ci sono molti dati di comportamento. Su un sito con poche migliaia di visite al mese, regole semplici costruite sui segmenti principali, per esempio chi arriva da un articolo informativo e chi da una scheda prodotto, danno spesso risultati più stabili di un sistema predittivo alimentato da pochi dati.
Un ambito in cui il beneficio è più immediato è la ricerca interna: i motori di ricerca semantici interpretano l'intenzione della domanda anche quando l'utente non usa le stesse parole presenti nella pagina, e i termini cercati diventano a loro volta un'indicazione preziosa su cosa manca nei contenuti. La scelta degli strumenti, comunque, dipende dall'architettura del sito e da come sono stati impostati il tracciamento e la raccolta dei dati: sono aspetti da considerare già quando si progetta il modo di promuovere efficacemente un progetto online, perché intervenire dopo costa di più.
Privacy e trasparenza: GDPR e AI Act
Ogni forma di profilazione basata su dati personali richiede una base giuridica ai sensi del GDPR, e l'articolo 22 del regolamento tutela le persone dalle decisioni basate unicamente su trattamenti automatizzati che producono effetti significativi nei loro confronti. Per i cookie di analisi e di profilazione restano il riferimento le linee guida del Garante per la protezione dei dati personali del 2021, che definiscono quando serve il consenso e come va raccolto.
Dal 2 agosto 2026 si aggiungono gli obblighi di trasparenza dell'articolo 50 dell'AI Act: chi utilizza un chatbot basato sull'intelligenza artificiale, per esempio per l'assistenza clienti, deve informare l'utente che sta interagendo con un sistema di IA. Il pacchetto di semplificazione noto come Digital Omnibus ha rinviato al 2027 e al 2028 gli obblighi sui sistemi ad alto rischio, ma non ha modificato questa scadenza. Per un sito con un assistente virtuale, l'informativa all'utente è oggi un adempimento in vigore, non una buona pratica facoltativa.
In sintesi
L'intelligenza artificiale applicata al customer journey è, per la maggior parte dei siti, meno spettacolare di quanto venga raccontata e più presente di quanto si creda: è già nei modelli di attribuzione e di stima dei dati mancanti, nelle metriche predittive quando il volume di traffico lo consente, nell'analisi dei testi lasciati dagli utenti. Il punto di partenza più solido resta un tracciamento configurato correttamente e rispettoso del consenso, perché qualunque modello lavora sui dati che riceve. Chi vuole capire come le piccole e medie imprese stanno adottando questi strumenti in concreto può partire dalla guida pratica all'intelligenza artificiale nelle PMI italiane, mentre altri temi di gestione digitale sono raccolti nella sezione del portale dedicata alle aziende.
