Prevedere vendite e abbandoni: l'AI che guarda avanti

Quando si parla di AI, oggi si parla quasi solo di chatbot e testi generati. Ma per una PMI c'è un uso spesso più concreto e meno di moda: l'AI che guarda avanti. Quanto venderò il mese prossimo? Quali clienti stanno per mollarmi? Quanta merce ordinare prima dell'estate?

Non è una sfera di cristallo, e chi te la vende come tale ti sta fregando. È statistica applicata ai dati che probabilmente hai già nel gestionale. Vediamo cosa può fare davvero, e dove sta il trucco.

Cosa vuol dire "prevedere" (senza magia)

Un modello predittivo fa una cosa sola: cerca schemi ricorrenti nel passato e li proietta sul futuro. Se ogni anno a settembre le iscrizioni in palestra salgono, il modello lo impara. Se i clienti che smettono di comprare per tre mesi di fila poi spariscono del tutto, il modello impara anche quello, e ti segnala chi sta seguendo lo stesso copione prima che sia troppo tardi.

Faccio un esempio con numeri inventati, giusto per capirci: se storicamente il 70% dei clienti che dimezzano gli ordini per due trimestri poi ti abbandona, un modello può darti ogni mese la lista di chi sta dimezzando gli ordini adesso. Non ti dice il futuro con certezza: ti dice dove guardare mentre sei ancora in tempo a fare una telefonata.

I dati che hai già (e che spesso bastano per iniziare)

Il bello è che la materia prima ce l'hai quasi sicuramente:

• fatture e ordini degli ultimi anni;
• scontrini o corrispettivi, se fai vendita al dettaglio;
• presenze, prenotazioni, accessi, se vendi servizi;
• lo storico dei clienti, anche se è un Excel tenuto insieme con lo sputo.

Non servono i "big data". Servono dati tuoi, continuativi nel tempo e riferiti alla tua attività. Un anno o due di storico decente, come regola pratica, è un punto di partenza ragionevole per le domande più semplici; per la stagionalità, più anni hai e meglio è.

Con Carletto AI, il progetto che seguo nella ristorazione, il primo passo non è stato prevedere niente: è stato portare i dati delle tre sedi in un'unica dashboard. Sembra banale, ma prima di guardare avanti devi riuscire a guardare il presente senza aprire tre programmi diversi. La previsione è il piano di sopra; le fondamenta sono i dati raccolti bene.

Dove le previsioni si ripagano prima

Nella mia esperienza, tre ambiti tendono a ripagarsi prima degli altri.

Vendite e acquisti

Prevedere l'andamento delle vendite per prodotto o categoria ti aiuta a ordinare meglio: meno magazzino fermo, meno "mi dispiace, è finito". Per chi lavora col fresco, azzeccare le quantità è direttamente soldi in cassa o nel bidone.

Abbandoni dei clienti

Recuperare un cliente che sta scivolando via costa quasi sempre meno che trovarne uno nuovo. Il punto è accorgersene in tempo: quando la disdetta arriva, la decisione è stata presa settimane prima. Un modello che ti mette in fila i clienti "a rischio" trasforma la retention da sensazione di pancia a lista di chiamate da fare il lunedì mattina.

Stagionalità e cassa

Sapere con anticipo che ottobre sarà fiacco ti permette di pianificare ferie, turni e promozioni invece di subirli. Anche una previsione grossolana, se è più affidabile del "secondo me", vale già qualcosa.

Parliamoci chiaro: i limiti

Qui è dove tanti venditori di AI abbassano la voce. Io preferisco alzarla.

• Serve storico pulito. Se le anagrafiche sono doppie, i codici prodotto cambiano ogni anno e metà degli ordini è registrata "a modo suo", il modello imparerà dal rumore. In molti progetti la parte più lunga è sistemare i dati, non costruire il modello.
• Il passato non contiene tutto. Un modello prevede ciò che assomiglia a qualcosa di già visto. Un evento mai successo prima — una pandemia, un concorrente che apre di fronte, una normativa nuova — non lo può anticipare.
• Sono probabilità, non certezze. Una previsione ti sposta le decisioni da "a naso" a "con qualche pezza d'appoggio". Chi ti promette precisione assoluta sta vendendo fumo.
• Va controllato nel tempo. Un modello che sbaglia in silenzio è peggio di nessun modello. Ogni previsione va confrontata con quello che poi succede davvero, e il modello va mantenuto come qualsiasi altro attrezzo.

Da dove partire

Il percorso che consiglio è corto e poco costoso: scegli una domanda sola ("chi rischia di non rinnovare?" oppure "quanto venderò a giugno?"), verifica che dati hai per rispondere, costruisci un primo modello semplice e confrontalo con la realtà per un paio di mesi. Se batte il metodo attuale — che spesso è l'esperienza del titolare, avversario tutt'altro che facile — allora si allarga. Se non lo batte, hai speso poco per scoprirlo.

Se hai qualche anno di dati nel gestionale e ti sei sempre chiesto se ci si può cavare qualcosa, sentiamoci per una mezz'ora: guardiamo insieme cosa hai in mano e ti dico senza giri di parole se vale la pena provarci.