Dai dati all’Ai e ritorno per la journey orchestration

La ricerca su “Lo stato della Loyalty in Italia” che, da venticinque anni, viene svolta dall’Osservatorio Fedeltà UniPr, segue nel tempo gli sviluppi delle strategie di fidelizzazione nel nostro paese e di volta in volta approfondisce i temi più caldi. Quest’anno non potevamo non cercare di mettere a fuoco il rapporto tra intelligenza artificiale (Ai) e loyalty, di cui tanto si parla e che figura ai primi posti sia tra le sfide sia tra le opportunità dello scenario, secondo i brand intervistati.

Innanzitutto, alla domanda “avete in qualche modo integrato l’Ai in azienda per alcune attività in ambito loyalty”, il 15% delle aziende b2c risponde affermativamente. Facendo un confronto con la medesima domanda posta a un campione internazionale dal Global customer report di Antavo nel 2025 e nel 2026 (appena pubblicato), si trovano rispettivamente il 37% e il 51%. Una certa distanza, che però potrebbe essere più legata alle dimensioni aziendali e ai settori cui appartengono i rispondenti, che a elementi culturali o di comprensione delle potenzialità dell’Ai.

Infatti, abbiamo posto una domanda aperta chiedendo di raccontarci il caso d’uso dell’Ai si riteneva più interessante per la propria strategia di loyalty. Tutte le risposte raccolte si sono potute ricondurre ai 13 ambiti, che sono indicati nella figura, e che corrispondono alle principali applicazioni che l’Ai può trovare in ambito loyalty. I rispondenti italiani, quindi, sono in grado di identificare correttamente i vari modi con cui l’Ai può contribuire a elevare la strategia di loyalty, al pari dei rispondenti alle ricerche internazionali.

Tra le aree di applicazione dell’Ai che rivestono il maggiore interesse per le aziende italiane si trova al primo posto la “possibilità di operare segmentazioni avanzate della clientela” (42%), che occupa il primo posto anche in un altro studio internazionale sullo stesso tema, l’Open Loyalty Report 2025. A distanza di oltre dieci punti segue l’Ai conversazionale, che era al primo posto lo scorso anno; a nostro avviso questo scambio di posizioni tra chatbot e segmentazione avanzata è significativo di una maggiore comprensione delle potenzialità dell’Ai per l’impresa, dato il valore fondante che una segmentazione sofisticata riveste per qualsiasi strategia di loyalty al giorno d’oggi.

Seguono poi altre applicazioni a problemi squisitamente di loyalty, ovvero l’automazione/ ottimizzazione delle campagne, la personalizzazione dei vantaggi riservati, la previsione del churn, quest’ultimo un tema più sentito nei servizi che nel retail e industria di beni di consumo.

Appare ancora poco a fuoco l’importanza di utilizzare l’intelligenza artificiale per la cosiddetta “journey orchestration”, ovvero l’allineamento dell’esperienza del cliente tra i diversi touchpoint (11%). Probabilmente questo è legato da un lato al fatto che ragionare in termini di customer journey è qualcosa che si è affermato solo in anni recenti, e soprattutto nel settore dei servizi, più che in altri. Ce lo testimonia anche un altro risultato della nostra ricerca. Per orchestrare la journey del cliente, innanzitutto bisogna essere in grado di mappare le customer journey, e questo a sua volta richiede che si sappiano integrare dati di cliente raccolti su diversi touchpoint in un’unica vista.

Abbiamo chiesto ai partecipanti come valutano le capacità della propria azienda su questi due fronti ed emerge che solo il 49% è abituato a mappare le customer journey (un dato, comunque, nettamente superiore al 19% rilevato 10 anni fa dallo stesso studio). Sono il 60% le aziende che si dichiarano in grado di integrare i dati in un’unica vista cliente: una capacità quadruplicata in 10 anni, anche se questo 60% nasconde situazioni molto diverse, che vanno dal 37% nell’ambito dell’industria del largo consumo, al 73% dei servizi, passando per il 63% del retail.

Guardando agli investimenti necessari affinché l’Ai possa supportare la loyalty, il 55% delle imprese dichiara di stare investendo, con un 11% che sta investendo molto, al fine di arrivare a una leadership su questo aspetto. È soprattutto il settore dei servizi che traina, con un 29% di imprese che stanno investendo molto, contro il 6% nel retail e il 4% nell’industria di largo consumo.

Quali sono i principali ostacoli all’adozione dell’Ai, sia in ambito loyalty sia di customer experience? Non pare preoccupante il tema della resistenza al cambiamento dell’organizzazione, citata solo dal 24% dei rispondenti, mentre più sentita è la questione budget (35%) e ancor di più la mancanza di competenze interne specifiche e la difficoltà di integrazione con sistemi esistenti, rispettivamente il 36% e 39% (si veda la figura qui sotto). Vi sono tuttavia differenze tra i settori: la resistenza al cambiamento è più rilevante nel retail e nell’industria, e il retail sente innanzitutto il problema dell’integrazione tra sistemi. Ricordiamo, peraltro, che il retail in Italia ha i programmi di loyalty più “vecchi”, per la maggior parte sul mercato da più di dieci anni, il che comporta probabilmente uno stack tecnologico in ambito loyalty piuttosto “datato”, difficile da modificare e far dialogare con strumenti nuovi.

Eppure, la sfida – e l’opportunità – che si pone oggi per l’Ai e per le strategie di loyalty è proprio questa: non confinare l’Ai al supporto o al redesign di processi esistenti, ma cogliere l’occasione per ridisegnare i processi allargando la visuale ben oltre la loyalty.

Ce lo illustra bene il caso di Starbucks, che, come Osservatorio, seguiamo da vicino da anni. Starbucks ha una lunga storia di loyalty, a partire dal programma My Starbucks Rewards del 2009, cui ha fatto seguito nel 2011 il lancio della app, che si è arricchita progressivamente di tanti servizi, oltre a quelli legati specificamente al programma: dall’ordine remoto al pagamento digitale, al wallet, allo storico degli acquisti, ai “preferiti”, dalle preview di nuovi prodotti ai giochi e quiz, alla possibilità di regalare una giftcard con un click. I dati prodotti dal programma e dalla app, tuttavia, non venivano utilizzati se non in modo limitato finché, nel 2017, l’azienda ha varato un piano di strategia digitale denominato “Digital Flywheel”.

Questo approccio alla modernizzazione di tutta l’infrastruttura it dell’azienda è costruito intorno a quattro pilastri: le reward, la personalizzazione, i pagamenti e gli ordini. Ha rimpiazzato completamente i vecchi sistemi stand alone relativi alla gestione delle reward e degli ordini, ed è mirato a riorganizzare i dati e integrare meglio il marketing con gli altri sistemi operativi relativi ai punti di vendita, compresi quelli di gestione delle scorte e della produzione.

Se da un lato quindi la Digital Flywheel è l’automobile, nel 2019 è arrivato il motore: Starbucks ha introdotto “Deep Brew” (gioco di parole che richiama Deep Blue, l’Ai di Ibm, e la parola “brew” che indica la miscela di caffè) una piattaforma proprietaria di intelligenza artificiale e machine learning che analizza i dati da 100 milioni di transazioni settimanali per produrre recommendation personalizzate, ottimizzare l’organizzazione in turni del lavoro, gestire le scorte, la manutenzione delle attrezzature (in primis delle macchine del caffè), supportare lo sviluppo di nuovi prodotti così come l’analisi per le aperture di nuovi punti di vendita e gli adattamenti dei menù nei 40.000 negozi a livello globale.

L’Ai supporta l’iperpersonalizzazione utilizzando oltre 400 variabili per cliente, inclusi dati esterni come le condizioni meteo locali, l’ora del giorno e la storia degli acquisti per prevedere cosa il cliente potrebbe desiderare in quel momento. Le stesse variabili sul tempo atmosferico locale e l’ora del giorno, combinate con i dati in tempo reale delle scorte di punto di vendita servono ad alimentare i menù digitali dei punti di vendita, per indirizzare i clienti e sostenere le vendite in modo mirato. Per quanto riguarda lo sviluppo di nuovi prodotti, i dati di acquisto in punto di vendita hanno mostrato che il 43% dei clienti che bevono tè chiedono di non mettere lo zucchero.

Su questa base Starbucks ha introdotto una nuova linea di tè freddo non zuccherato in bottiglietta per la vendita nei supermercati. Lo stesso è accaduto per il caffè freddo senza aggiunta di latte, un nuovo prodotto nato dall’osservazione che 1 cliente su 4 non fa aggiungere il latte al caffè freddo. Il miglioramento del servizio in punto di vendita passa anche dall’applicazione dell’Ai per la manutenzione predittiva delle macchine del caffè: esse sono collegate tutte in cloud (i sensori iot di ogni macchina producono 5mb di dati per un turno di 8 ore) e l’analisi dei dati così rilevati permette di prevedere i guasti e fare manutenzione anticipata, non solo risparmiando sul costo degli interventi fatti in urgenza, ma riducendo i disservizi alla clientela.

Per il supporto alla decisione strategica sulle nuove aperture, un tool denominato Atlas usa dati esterni demografici, di livello di reddito, di traffico ma soprattutto dati anonimizzati di geolocalizzazione delle app di Starbucks per prevedere la redditività potenziale di nuove location, riducendo il rischio di aperture in contesti territoriali sottoperformanti. Infine, un assistente virtuale Ai – Green Dot Assist – che il personale del punto di vendita può consultare su iPad, risponde a ogni tipo di richiesta: dalle istruzioni per preparare le bevande ai requisiti dei livelli di servizio, alla gestione dei turni, riducendo in questo modo il tempo dedicato dallo staff ai compiti amministrativi, per dedicarlo invece alla relazione con il cliente. Analisi recenti di Chapman (2026) indicano che Deep Brew ha permesso un aumento del 30% del roi e del 15% del customer engagement per Starbucks.

Casi come quello di Starbucks illustrano bene come le potenzialità dell’Ai sono legate alle tipologie di dati disponibili e alla loro qualità e integrazione. Non solo: l’interesse e la necessità di integrare l’Ai in azienda sono fattori che contribuiranno a spingere ancora di più l’adozione di programmi fedeltà e di customer engagement, in quanto essi sono una fonte primaria di dati di prima parte necessari per un adeguato training degli algoritmi stessi. La qualità del dato, che ha sempre rivestito importanza centrale per il crm e la loyalty, ma che ancora soffre delle classiche problematiche quali la compartimentalizzazione, viene oggi una volta di più alla ribalta.

Adesso che l’Ai promette di contribuire a gestire ancora meglio le strategie di loyalty e, anzi, tutti gli aspetti della customer experience, sia di front sia di back end, lo stimolo a investire seriamente in una data strategy non può essere ignorato. Solo così si genererebbe un volano (appunto un “Flywheel” come l’ha chiamato Starbucks) per cui dati di qualità alimentano l’Ai che produce risultati di miglior qualità ancora, e questo con applicazioni che sono tanto ampie quanto la varietà dei processi e touchpoint da cui tali dati sono originati e integrati.