Un genitore presta l’account al figlio per il tragitto in auto, e da lì la Home di Spotify comincia a proporgli la musica del ragazzo. È uno degli esempi con cui TechCrunch racconta Taste Profile, la funzione che dal 23 settembre 2026 arriva agli abbonati Premium maggiorenni negli Stati Uniti, dopo un primo test in Nuova Zelanda. Per la prima volta l’utente vede come la piattaforma interpreta i suoi gusti e li corregge scrivendo in linguaggio naturale: più varietà, meno di un genere, niente suoni per dormire.
Dietro c’è una scelta di progetto che riguarda anche un e-commerce da duecento prodotti: le raccomandazioni si costruiscono su quello che l’utente fa o su quello che l’utente dice? Uno dei sistemi di raccomandazione più noti, dopo anni di comportamento osservato, ha deciso di aggiungere il secondo pezzo. Conviene capire perché prima di installare un plugin di “prodotti consigliati con AI”.
Il criterio: chi corregge l’errore
Ogni sistema di raccomandazione sbaglia. La domanda utile non è quale sbaglia meno in astratto, ma chi se ne accorge e quanto costa rimediare. Confronto le due strade su questo, declinato in tre punti concreti: cosa serve per metterle in piedi, quali dati tratti e con quale consenso, cosa si rompe quando il catalogo o il traffico crescono.
- Comportamento dedotto: il sistema osserva clic, ascolti, acquisti, tempo sulla pagina, e ricava un profilo che l’utente non vede.
- Preferenze dichiarate: l’utente dice cosa vuole, con un modulo, dei filtri salvati o, come ora su Spotify, una frase libera che un modello AI traduce in segnali.
Comportamento dedotto: forte con i volumi, cieco sul contesto
Non chiede niente all’utente. Nessun modulo da compilare, nessun attrito, e con abbastanza dati coglie abitudini che la persona non saprebbe descrivere. È la logica dietro Discover Weekly, la playlist di punta di Spotify.
Il limite è che il sistema vede il gesto, non l’intenzione. Il regalo comprato una volta per la suocera, l’account condiviso, la playlist per dormire: tutto diventa segnale con lo stesso peso. TechCrunch ricorda che finora Spotify permetteva solo di escludere singoli brani o playlist, e che l’interruttore per tenere fuori la musica dei bambini dalle raccomandazioni è arrivato appena il 15 settembre. Sono toppe su un profilo che l’utente non poteva leggere. E c’è un secondo limite, noto a chi usa questi sistemi: tendono a riproporre il simile, quando l’utente magari vorrebbe uscire dal solito giro.
Per una PMI c’è poi il problema che Spotify non ha: il volume. Un algoritmo comportamentale ha bisogno di tante interazioni per prodotto, e un negozio con poche visite al giorno non le genera. In più il tracciamento non tecnico, dentro l’Unione europea, passa dal consenso cookie: chi rifiuta il banner esce dal modello, e il campione si restringe ancora.
Preferenze dichiarate: precise, ma bisogna chiederle
Qui il segnale è pulito: se un cliente scrive che cerca prodotti senza lattosio, non serve dedurlo da dieci acquisti. L’errore diventa correggibile dall’utente stesso, che vede cosa il sistema ha capito. È esattamente la leva che Spotify ha aggiunto: le note dell’utente fanno da “guida leggera” sulla Home, si possono modificare o cancellare quando si vuole, e gli effetti compaiono di solito nel giro di qualche ora.
Il costo è l’attrito. Molti utenti non dichiarano niente, e le preferenze invecchiano: quello che uno ha scritto a marzo non è detto che valga a settembre. Spotify lo gestisce lasciando il profilo facoltativo e sopra un motore comportamentale che continua a lavorare.
Tre criteri, le due strade una accanto all’altra
- Messa in opera: il comportamento chiede tracciamento, storico e un motore che lo elabori; il dichiarato chiede un campo nel profilo cliente, dei filtri salvati o una domanda al checkout, e una regola che li usi.
- Dati e consenso: il comportamento vive di dati raccolti in silenzio e dipende dal banner; il dichiarato è un dato che l’utente ti consegna sapendo a cosa serve, più facile da spiegare nell’informativa.
- Cosa si rompe quando cresce: il comportamento migliora con i volumi, ma si inquina con account condivisi e acquisti fuori profilo; il dichiarato scala male perché dipende dalla voglia dell’utente di compilare, e invecchia se nessuno lo aggiorna.
C’è anche un segnale normativo, anche se non riguarda il negozio sotto casa. Il Digital Services Act chiede alle piattaforme online di spiegare i parametri principali dei loro sistemi di raccomandazione e le opzioni per modificarli (articolo 27), e alle piattaforme molto grandi di offrire almeno un’opzione non basata sulla profilazione (articolo 38), come riassume la Mozilla Foundation. Un e-commerce di una PMI non è una piattaforma molto grande, e spesso nemmeno una piattaforma online nel senso del DSA, ma i suoi clienti si abituano a quello standard altrove.
Cosa significa su un sito WordPress o WooCommerce
WooCommerce parte già dal lato più semplice. I prodotti correlati, spiega la documentazione ufficiale, vengono generati in automatico in base a categorie e tag condivisi, mentre up-sell e cross-sell li scegli tu prodotto per prodotto. In pratica è una tassonomia curata. Se quei suggerimenti oggi sono scadenti, il problema quasi sempre sono categorie e tag disordinati, non la mancanza di AI.
Per una PMI il passo successivo più sensato è un punto dove il cliente dichiara qualcosa: una preferenza nell’account, un quiz di tre domande, un filtro che resta salvato. Un modello linguistico può servire proprio lì, come fa Spotify: trasformare una frase libera in attributi del catalogo. Chi lo fa deve decidere prima cosa viene salvato e per quanto, come ho scritto a proposito dei prompt con dati personali. E se il catalogo è ben strutturato, lo stesso lavoro serve anche agli agenti AI che leggono i prodotti.
La mia scelta
Per un sito sotto le migliaia di ordini al mese scelgo le preferenze dichiarate, sopra una tassonomia pulita. Il comportamento dedotto lo aggiungo solo quando i volumi lo giustificano, e solo come secondo livello. Il motivo è semplice: con pochi dati un algoritmo comportamentale sbaglia e nessuno vede perché, mentre una preferenza dichiarata sbaglia in modo leggibile e il cliente la corregge da solo.
La lezione di Spotify non è “usa l’AI per le raccomandazioni”. È che anche con anni di ascolti osservati serviva dare all’utente un modo di dire “questo non sono io”. Una PMI ha l’occasione di partire da lì, invece di arrivarci dopo anni di profili sbagliati. Prima di misurare un plugin sulle vendite, conviene definire cosa conti come successo, come ho spiegato parlando di ROI dei workflow AI.
Cosa fare questa settimana
- Apri tre schede prodotto e guarda i correlati: se non hanno senso, sistema categorie e tag prima di tutto il resto.
- Scegli una sola preferenza utile che il cliente può dichiarare e aggiungila al suo account.
- Scrivi nell’informativa a cosa serve quel dato e come si cancella.