Case study

Ricerca AI con Algolia: GUESS × Algolia

Ho introdotto Algolia Browse e Search per risolvere i problemi della ricerca esistente. All'origine c'erano due cose: la ricerca basata su Einstein Search di SFCC non funzionava bene, e configurarla correttamente richiedeva troppa manutenzione e troppo lavoro manuale. A questo si aggiungevano i limiti della logica di ordinamento di SFCC, povera sul fronte dell'AI.

L'obiettivo era sostituire il sistema precedente con una ricerca moderna basata su AI: risultati in tempo reale, ordinamento intelligente, meno carico operativo, e un miglioramento netto di esperienza e conversioni.

Il problema

La soluzione Einstein Search di SFCC presentava più problemi seri, che pesavano sia sull'esperienza sia sul lavoro quotidiano.

I nodi principali:

Ricerca inefficiente: prestazioni scarse e tempi di risposta lenti
Troppa manutenzione: configurarla come si deve richiedeva troppo lavoro manuale
Poca AI: la logica di ordinamento di SFCC non offriva ranking intelligente né personalizzazione
Esperienza scadente: trovare in fretta il prodotto giusto era difficile
Conversioni basse: ricerca e navigazione inefficaci si vedevano sui numeri

Da qui l'esigenza di una ricerca moderna basata su AI, capace di dare risultati rapidi e pertinenti con poca manutenzione.

Ricerca

Ho condotto incontri con gli stakeholder, sia dal lato commerciale sia da quello tecnico, per mettere a fuoco requisiti, vincoli e obiettivi di business. Sono stati passaggi decisivi per allineare le aspettative e tenere insieme esigenze delle persone e fattibilità tecnica.

Chiuse le verifiche di fattibilità sono passato al design. Partendo dalle best practice di Algolia ho progettato la ricerca e le pagine di listing per sfruttare al massimo la piattaforma: ricerca in tempo reale, con risultati che compaiono mentre si digita; re-ranking dinamico, con la rilevanza ottimizzata dall'AI; faccette e filtri per navigare e affinare in modo immediato; e filtri rapidi per arrivare al prodotto in pochi gesti.

L'idea era usare le funzioni AI di Algolia per una ricerca insieme rapida e intelligente, che togliesse attrito e facesse salire le conversioni.

Design UX e UI

Ho progettato la ricerca e le pagine di listing seguendo le best practice di Algolia, con interfacce che sfruttano fino in fondo quello che la piattaforma sa fare.

Il design punta a sfruttare ricerca in tempo reale e re-ranking dinamico, così i risultati arrivano pertinenti mentre si scrive. Ho previsto faccette intelligenti e filtri rapidi per trovare e affinare in fretta.

Ho curato in particolare una navigazione fluida su dispositivi diversi, con layout ottimizzati sia per desktop sia per mobile. L'interfaccia mette davanti velocità, chiarezza e semplicità, per togliere attrito e far salire le conversioni.

Ne è uscita una ricerca moderna ed efficiente, nettamente migliore della precedente.

Sviluppo e gestione del progetto

Durante lo sviluppo ho fatto da project manager, seguendo da vicino l'implementazione e affiancando gli sviluppatori sia come riferimento per il business sia come designer.

Il mio compito era che i requisiti arrivassero chiari, che l'implementazione restasse fedele alla visione di design e che il risultato finale fosse all'altezza. Ho lavorato a stretto contatto con il team per tradurre le scelte di design in codice funzionante, dando indicazioni sui pattern UX e tenendo coerente tutta l'implementazione.

Questo modo di lavorare ha reso la soluzione solida sul piano tecnico e insieme efficace su quello dell'esperienza e degli obiettivi di business.

Risultati

Appena la soluzione è andata online abbiamo visto subito miglioramenti importanti sulle metriche principali.

Le conversioni sono salite in modo evidente sia sulla ricerca sia sulla navigazione. Le persone trovavano i prodotti più in fretta, e questo si è tradotto in più coinvolgimento e più acquisti.

La ricerca basata su AI e il re-ranking dinamico di Algolia hanno reso i risultati più pertinenti, mentre la ricerca in tempo reale ha tolto parecchio attrito lungo il percorso.

Un problema e come l'abbiamo risolto

In fase di rilascio ci siamo trovati davanti a un problema serio: il costo dello strumento è sfuggito di mano.

L'origine erano le pagine di listing con scroll infinito: invogliavano a scorrere molto, e ogni scorrimento generava chiamate API ad Algolia, facendo salire la spesa.

La soluzione è arrivata da una constatazione: Algolia risponde in millisecondi senza appesantire il backend. Abbiamo quindi aumentato il numero di prodotti per pagina, riducendo le chiamate API, e introdotto una cache di breve durata.

L'ottimizzazione ha tenuto l'esperienza rapida e reattiva abbattendo i costi operativi: un promemoria di quanto conti l'equilibrio tra prestazioni, esperienza e sostenibilità economica.

Ottimizzazioni e test

Durante tutto il progetto ho condotto A/B test e ottimizzazioni per migliorare di continuo prestazioni e conversioni.

Test sulla personalizzazione
Ho testato le funzioni di personalizzazione di Algolia per restituire risultati calibrati sul comportamento e sulle preferenze, con effetti su pertinenza e coinvolgimento.

Re-ranking dinamico
Implementato e affinato per riordinare i risultati in automatico sulla base di interazioni, clic e dati di conversione, così i prodotti più pertinenti finiscono in cima.

Sinonimi AI
Ho configurato la funzione che impara e collega da sola termini correlati, sinonimi e varianti. Capisce l'intenzione anche quando si usano parole diverse, così si trova quello che si cerca a prescindere da come lo si è scritto.

Filtri rapidi
Ho ottimizzato l'interfaccia dei filtri rapidi per accorciare il percorso verso il prodotto, provando layout e combinazioni diverse per trovare la configurazione più efficace.

In sintesi

In GUESS ho sostituito Einstein Search di SFCC con Algolia Browse e Search, perché la ricerca precedente era lenta, povera di AI e costosa da mantenere. Ho progettato ricerca e pagine di listing seguendo le best practice di Algolia, con risultati in tempo reale, re-ranking dinamico, faccette e filtri rapidi, e ho seguito lo sviluppo come project manager. Le conversioni su ricerca e navigazione sono salite subito, e quando il costo delle chiamate API è sfuggito di mano l'ho rimesso sotto controllo con più prodotti per pagina e una cache di breve durata.

Domande frequenti

Perché GUESS ha sostituito Einstein Search di SFCC con Algolia?

Einstein Search aveva prestazioni scarse e tempi di risposta lenti, configurarla bene richiedeva troppo lavoro manuale e la logica di ordinamento di SFCC non offriva ranking intelligente né personalizzazione. Trovare in fretta il prodotto giusto era difficile e questo si vedeva sulle conversioni. Serviva una ricerca moderna basata su AI, rapida e con poca manutenzione.

Come è stata progettata la ricerca con Algolia?

Ho fatto incontri con gli stakeholder commerciali e tecnici per mettere a fuoco requisiti e vincoli, poi ho progettato ricerca e listing partendo dalle best practice di Algolia: risultati che compaiono mentre si digita, re-ranking dinamico ottimizzato dall'AI, faccette e filtri rapidi, con layout dedicati per desktop e mobile. Durante lo sviluppo ho fatto da project manager e affiancato gli sviluppatori come riferimento di business e di design.

Come è stato risolto il problema dei costi delle chiamate API ad Algolia?

Le pagine di listing con scroll infinito generavano una chiamata API a ogni scorrimento e la spesa è salita. Visto che Algolia risponde in millisecondi senza pesare sul backend, abbiamo aumentato il numero di prodotti per pagina e introdotto una cache di breve durata, tenendo l'esperienza rapida e abbattendo i costi operativi.

← Torna ai progetti