Come Zalando usa l'IA: assistente, personalizzazione e consigli sulla taglia

Zalando usa l'IA in tre punti di contatto con il cliente: un assistente di shopping conversazionale basato su modelli linguistici di grandi dimensioni, la scoperta personalizzata dei prodotti, ad esempio tramite il suo feed guidato dall'IA, e consigli sulla taglia che combinano dati dei resi, misure dei brand e computer vision. L'azienda ha pubblicato alcuni risultati, in particolare una riduzione del 10% dei resi legati alla taglia grazie ai consigli sulla taglia, ma la maggior parte dei dati sull'impatto commerciale non è stata resa nota.

Che cosa ha sviluppato Zalando?

Zalando, la piattaforma online con sede a Berlino fondata nel 2008, a giugno 2024 contava 62 milioni di clienti attivi e oltre 7.000 brand partner in 29 mercati. Su questa piattaforma ha aggiunto diverse funzionalità di IA:

• Zalando Assistant: uno strumento conversazionale, lanciato per la prima volta nel 2023 in quattro mercati di lingua tedesca e inglese, che consente ai clienti di descrivere ciò di cui hanno bisogno in linguaggio naturale e di ricevere proposte di prodotto.
• Trend Spotter: una panoramica aggiornata ogni settimana delle tendenze emergenti in sei città europee (Berlino, Parigi, Milano, Anversa, Stoccolma e Copenaghen), poi integrata nell'assistente.
• Feed di scoperta: un feed personalizzato di prodotti, brand e contenuti, lanciato in sei Paesi a luglio 2025 ed esteso ad altri 16 mercati a ottobre 2025.
• Consigli sulla taglia: raccomandazioni di taglia basate sullo storico di acquisti e resi e, da luglio 2023, una funzione che stima le misure del corpo a partire da due foto scattate con lo smartphone.

La relazione del consiglio di amministrazione di Zalando per l'assemblea generale 2026 mostra l'assistente sempre più vicino alla transazione: i clienti possono aggiungere un articolo al carrello e scegliere la taglia, chiedere che cosa hanno già nel carrello, chiedere quali prodotti vi si abbinano e passare direttamente al checkout dalla conversazione.

Perché Zalando ha investito nell'IA?

Due problemi ricorrono nelle dichiarazioni pubbliche di Zalando. Il primo è la scoperta dei prodotti. Con un assortimento molto ampio, una barra di ricerca e i filtri per categoria rendono difficile per i clienti esprimere un'esigenza come un outfit per un'occasione particolare. Zalando ha riferito che le richieste digitate nell'assistente erano tre volte più lunghe delle ricerche nella barra di ricerca, il che suggerisce che i clienti lo usano per richieste più complesse. Il secondo sono i resi. Zalando dichiara che circa un terzo dei suoi resi complessivi è legato alla taglia, il che fa della vestibilità un tema diretto di costi e di sostenibilità.

Al di sopra di entrambi c'è un motivo strategico. Quando Zalando ha esteso il feed di scoperta a ottobre 2025, il cofondatore Robert Gentz lo ha definito un momento cruciale nella trasformazione di Zalando da piattaforma prevalentemente transazionale a piattaforma di ispirazione. La personalizzazione basata sull'IA è il meccanismo dietro questo cambiamento, perché un feed funziona solo se è rilevante per ogni singolo cliente.

Leggi anche

Come adidas usa l'IA: dagli archivi di design ai contenuti generativi

Come funziona (dati, modelli, processo)?

L'assistente funziona con modelli OpenAI. Secondo una customer story pubblicata da OpenAI, Zalando ha trasferito l'assistente da GPT-3.5 a GPT-4o mini nell'arco di due settimane, indirizzando inizialmente metà del traffico al nuovo modello, e ha utilizzato valutazioni specifiche per ciascun componente e un few-shot prompting migliorato per aumentare la qualità delle risposte. Il modello linguistico interpreta la richiesta e formula la risposta; i prodotti mostrati provengono dal catalogo e dai dati clienti di Zalando.

Secondo Zalando, Trend Spotter si basa su segnali di desiderio dei clienti piuttosto che sulle vendite: ricerche, like e aggiunte al carrello. Il motore delle taglie attinge a un mix di dati più ampio: misure degli articoli fornite dai brand, storico dei resi dei clienti e motivi di reso dichiarati, feedback sulla vestibilità di ordini precedenti, taglie inserite dai clienti nel proprio profilo, taglie di articoli acquistati altrove, indicazioni di fit model che provano i capi e computer vision che individua schemi di taglia ricorrenti tra articoli simili dello stesso brand.

Quali risultati ha comunicato Zalando?

Zalando e il suo fornitore di modelli hanno pubblicato un numero ridotto di dati. Nessuno è certificato da revisori e la maggior parte misura l'engagement anziché la redditività:

• Consigli sulla taglia: Zalando afferma che le sue offerte di consigli sulla taglia hanno ridotto del 10% i resi legati alla taglia.
• Utilizzo dell'assistente: entro giugno 2024 oltre 500.000 clienti avevano utilizzato l'assistente, con in media circa quattro scambi per conversazione.
• Engagement dell'assistente: la customer story di OpenAI riporta un aumento del 23% dei clic sui prodotti, oltre il 40% in più di aggiunte alla wishlist e il 5% in meno di raccomandazioni giudicate non utili, con un traffico cresciuto di dodici volte senza un aumento significativo dei costi.
• Copertura del feed: secondo la relazione per l'assemblea generale 2026, oltre 25 milioni di utenti unici avevano interagito con il feed dal lancio.

Zalando non ha reso noto l'effetto dell'assistente su conversione, valore del carrello, resi o margine, né quanto costi far funzionare i modelli linguistici. Alcuni dati di engagement provengono da una pubblicazione del fornitore, che i lettori dovrebbero valutare di conseguenza.

Quali sono i limiti e le questioni aperte?

Quanto segue è un'analisi della redazione e non un'informazione fornita dall'azienda. L'engagement non equivale a vendite incrementali: più clic e più aggiunte alla wishlist possono anche significare che i clienti navigano più a lungo prima di acquistare gli stessi articoli. Senza risultati controllati su conversione e resi, il business case dell'assistente non può essere valutato dall'esterno.

Il dato sulle taglie va letto con attenzione. Se la riduzione del 10% si applicasse a tutti i resi legati alla taglia, equivarrebbe a circa il tre percento dei resi totali, poiché la taglia ne rappresenta circa un terzo; Zalando non ha esplicitato questo calcolo. I consigli sulla taglia dipendono inoltre dalla fornitura di misure accurate da parte dei brand, che varia tra migliaia di partner.

Costruire l'assistente su un modello esterno crea una dipendenza da prezzi, latenza e modifiche ai modelli del fornitore, anche se la migrazione di Zalando in due settimane dimostra che il rischio è gestibile con una buona valutazione. Infine, personalizzazione e rilevazione delle misure del corpo utilizzano dati personali sensibili, per cui consenso, trasparenza e minimizzazione dei dati sono obblighi continuativi e non scelte progettuali una tantum.

Leggi anche

Come Nike usa l'IA: dati direct-to-consumer e creazione di prodotto generativa

Che cosa possono imparare le altre aziende della moda?

1. Partire da un problema costoso e misurabile per il quale esistono già dati proprietari. Motivi di reso e feedback sulla vestibilità sono stati la materia prima di Zalando per i consigli sulla taglia.
2. Investire prima nei dati di prodotto. I consigli sulla taglia valgono quanto le misure dei capi fornite dai brand.
3. Considerare il modello linguistico come un'interfaccia sopra il proprio catalogo, in modo da poter sostituire il modello senza ricostruire il prodotto.
4. Costruire valutazioni a livello di componente prima di scalare: sono ciò che ha reso possibile una migrazione rapida del modello.
5. Misurare i risultati di business, non solo l'engagement, e stabilire in anticipo quale metrica giustificherà ulteriori investimenti.