Le stesse cinque domande ogni giorno su tre canali diversi. L'assistente risponde in autonomia H24, senza far aspettare, senza errori. Il team si occupa solo delle situazioni che richiedono davvero un essere umano.
Sartoria Levante ha accelerato molto sul canale e-commerce, con ordini in crescita su più paesi europei. Il rovescio della medaglia è arrivato sul customer care: più volumi, più canali, più aspettative di risposta immediata.
Il team supporto era piccolo ma molto competente. Il problema non era la qualità delle persone, era la matematica del volume: email, chat sito e DM Instagram producevano una coda continua, soprattutto fuori orario.
Analizzando lo storico conversazioni abbiamo trovato un pattern netto: oltre l'85% dei messaggi ricadeva in poche categorie ricorrenti (tracking ordini, resi, cambi taglia, disponibilità, tempi spedizione internazionali).
Le richieste erano importanti per il cliente, ma non richiedevano sempre giudizio umano. Richiedevano soprattutto:
Senza questi elementi, i tempi si allungavano e la percezione del servizio peggiorava.
Il brand aveva un posizionamento alto, quindi l'automazione doveva rispettare due vincoli:
L'obiettivo era liberare il team dal lavoro ripetitivo, non allontanarlo dai clienti.
Abbiamo integrato RayoChat su tre canali in modo unificato. La stessa cliente che scrive via email e poi su Instagram viene riconosciuta e gestita con contesto condiviso.
L'assistente è stato connesso a:
In aggiunta, abbiamo configurato risposte in italiano e inglese con rilevamento automatico lingua.
Per evitare automatismi "ciechi" abbiamo costruito un playbook di escalation. Non basta classificare la domanda: conta anche il tono e la storia del cliente.
Esempi di passaggio immediato al team umano:
Quando parte escalation, il team riceve una scheda completa con storico, ordine, classificazione problema e suggerimento di priorità.
Le prime settimane sono state dedicate al tuning: revisione delle risposte più frequenti, allineamento del tono, aggiornamento dei trigger di escalation. Ogni settimana abbiamo analizzato le conversazioni non risolte per migliorare copertura e precisione.
Questo approccio ha evitato il classico problema "set and forget": il sistema è diventato progressivamente più utile perché alimentato dai casi reali.
Dopo quattro mesi:
Di notte e nei weekend il tasso di autonomia è ancora più alto, perché le richieste ricorrenti trovano subito risposta senza attesa.
Il team supporto ha smesso di inseguire backlog ripetitivi e ha iniziato a concentrarsi su casi ad alto valore relazionale: clienti indecisi, richieste personalizzate, recovery di esperienze negative.
Dal lato cliente, il beneficio è semplice ma decisivo: risposta veloce, coerente e utile nel canale preferito. In e-commerce, questa continuità non è un extra; è parte dell'esperienza di acquisto.
Per mantenere coerenza nel tempo, Sartoria Levante ha istituito un ciclo mensile di revisione contenuti: nuove FAQ, eccezioni operative, aggiornamenti di policy e variazioni logistiche stagionali. Ogni aggiornamento viene testato su conversazioni campione prima del rilascio.
Questo processo evita il degrado classico degli assistenti automatici: risposte vecchie o incomplete quando il business cambia.
La roadmap prevede segmentazione più avanzata per clienti abituali, follow-up post-consegna e supporto proattivo su ordini sensibili (ritardi, indisponibilità, sostituzioni). L'obiettivo è passare da supporto reattivo a customer care predittivo, senza aumentare il carico operativo del team.
Per rendere il miglioramento stabile nel tempo, Sartoria Levante monitora ogni settimana KPI condivisi tra operations e customer care:
Questo confronto continuo ha aiutato il team a ottimizzare non solo le risposte dell'assistente, ma anche i processi interni di handoff tra automazione e supporto umano.