Come definire prezzi e inserzioni della moda usata con l'IA

Per definire prezzi e inserzioni dello stock usato con l'IA, i team identificano ogni articolo da foto, etichette o identificativi di prodotto, lasciano che un modello rediga l'inserzione a partire dai dati di prodotto del brand e da una nota sullo stato e utilizzano dati di transazioni comparabili per suggerire un prezzo, che viene poi adeguato a seconda che gli articoli si vendano o restino invenduti. L'IA gestisce bene redazione e suggerimenti; le persone dovrebbero comunque confermare identificazione, stato e limiti di prezzo, soprattutto per gli articoli di valore più elevato.

Perché pricing e inserzioni sono il collo di bottiglia della rivendita?

Ogni articolo usato è un'unità singola con un proprio stato, per cui il lavoro di inserzione che nel retail del nuovo avviene una volta per modello, nella rivendita avviene una volta per articolo. Qualcuno deve identificare il prodotto esatto, fotografarlo, descriverne lo stato, compilare gli attributi e scegliere un prezzo. Quando ciò richiede troppo tempo, i costi di lavorazione superano quanto rendono gli articoli di fascia bassa e media. L'IA è interessante perché può ridurre questi passaggi da minuti a secondi, a patto che il suo output sia affidabile.

Che cosa può fare oggi l'IA nelle inserzioni di rivendita?

I marketplace offrono strumenti di inserzione basati sull'IA da diversi anni. Nel settembre 2023 eBay ha annunciato una funzione di «magical listing» che genera titoli, descrizioni e altri dettagli di prodotto a partire da una foto, riferendo che il 30 per cento dei venditori statunitensi tramite app aveva provato la versione precedente e che oltre il 95 per cento di loro aveva adottato le descrizioni generate dall'IA. La versione di nuova generazione di eBay, distribuita alla fine del 2025, genera titoli, categorie, specifiche dell'articolo e raccomandazioni di prezzo a partire dalle immagini. Una verifica indipendente di Value Added Resource ha tuttavia rilevato che lo strumento ha identificato in modo errato un articolo di prova, in modi diversi a ogni tentativo, costringendo i venditori a eliminare le informazioni sbagliate e a correggerle manualmente.

Gli specialisti della rivendita usano l'IA più a valle nella catena. Lo strumento di IA di Rebag CLAIR viene utilizzato dagli addetti alle vendite di Bloomingdale's in negozi selezionati per valutare gli articoli di lusso usati dei clienti e formulare offerte, come riportato da Retail TouchPoints nell'agosto 2024. Nel febbraio 2026 l'azienda tecnologica per la rivendita Archive ha introdotto funzionalità di IA per gestione del magazzino, merchandising e analisi dei prezzi, oltre a un pilota di strumenti di commercio agentico per gli acquirenti, secondo FashionUnited.

Leggi anche

IA nella rivendita e nella moda second-hand: autenticazione, prezzi e inserzioni

Come suggerisce l'IA i prezzi di rivendita?

Un modello di prezzo per la rivendita ha bisogno di tre input: che cos'è l'articolo (modello esatto, prezzo originale, stagione), in quale stato si trova (classe e difetti) e a quanto e con quale rapidità sono stati venduti di recente articoli simili. I segnali di domanda, come ricerche, salvataggi e visualizzazioni, affinano la stima. eBay descrive i propri suggerimenti di prezzo come basati su dati di transazione in tempo reale, pensati per bilanciare velocità di vendita e prezzo realizzato.

Per il programma di rivendita proprio di un brand, una struttura utile è un prezzo base espresso come percentuale del prezzo di vendita originale per classe, corretto da un fattore di domanda per modello o categoria, con un minimo e un massimo stabiliti dal merchandising. L'IA aiuta con il fattore di domanda e con gli adeguamenti continui; le fasce mantengono i prezzi coerenti con il posizionamento a prezzo pieno. I segnali di tendenza provenienti dai dati di rivendita sono utili anche a monte: i modelli che mantengono il loro valore sul mercato dell'usato sono candidati alla continuazione o alla riedizione.

Come si presenta un flusso di lavoro pratico per le inserzioni con l'IA?

1. Acquisire. Fotografare ogni articolo secondo un set standard di angolazioni; scansionare eventuali codici in etichetta, codici QR o tag NFC.
2. Identificare. Abbinare l'articolo all'anagrafica prodotto del brand nel PIM, tramite identificativo dove possibile e altrimenti tramite riconoscimento delle immagini; segnalare per verifica gli abbinamenti con bassa affidabilità.
3. Classificare. Lasciare che l'IA segnali i difetti visibili; l'ispettore conferma la classe e aggiunge note.
4. Redigere. Generare titolo, attributi e descrizione dai dati PIM più le note sullo stato; riutilizzare le immagini di prodotto originali accanto alle foto dell'articolo.
5. Prezzare. Applicare la fascia di prezzo basata sulla classe e la correzione di domanda dell'IA; inoltrare le eccezioni a un merchandiser.
6. Pubblicare e imparare. Pubblicare sui canali propri e dei partner; riprezzare secondo un calendario basato su giorni online e interazioni; reinserire nel modello i prezzi realizzati.

Quali sono i rischi di pricing e inserzioni con l'IA?

• Identificazione errata. Un modello o un materiale sbagliato porta a prezzi sbagliati e a resi; i test indipendenti sugli strumenti dei marketplace mostrano che succede ancora.
• Dettagli inventati. I modelli generativi possono aggiungere caratteristiche o materiali inesistenti. Limitare la generazione ad attributi verificati e note sullo stato.
• Rappresentazione errata dello stato. Difetti descritti in modo insufficiente portano a resi e reclami; per gli articoli di valore più elevato la classificazione dello stato dovrebbe restare una decisione umana.
• Erosione dei prezzi. I ribassi automatici possono spingere i prezzi sotto livelli adeguati al brand; i prezzi minimi proteggono il posizionamento.
• Dati scarsi. Per i programmi nuovi o gli articoli rari ci sono poche vendite comparabili; i suggerimenti dovrebbero indicare il proprio grado di affidabilità e la base dati.

Leggi anche

Come può l'IA individuare le cause dei resi nella moda?

Come dovrebbero i team misurare i risultati?

Monitorare il tempo di inserzione per articolo, la quota di inserzioni modificate dal personale, il tasso di errori di identificazione, il prezzo realizzato rispetto a quello suggerito, i giorni necessari alla vendita e i resi degli articoli rivenduti per motivo. ThredUp ha riferito che le inserzioni dirette lanciate alla fine del 2025 hanno raggiunto prezzi medi di vendita più che doppi rispetto a quelli del suo marketplace principale, a ricordare che che cosa viene pubblicato e come viene presentato può contare quanto l'algoritmo. L'obiettivo è ottenere insieme costi di lavorazione per articolo più bassi e prezzi realizzati più alti; se uno migliora a scapito dell'altro, vanno adeguate le regole, non solo il modello.