Voce del cliente e AI: l'intervista a Dario Annunziata

A gennaio 2025 Federica Gizzi ha intervistato Dario Annunziata, co-founder e CEO di Calton, per Ecommerce Ideas Talk. In poco più di otto minuti Dario ha spiegato da quale problema è nata la piattaforma, che cosa fa l'intelligenza artificiale con recensioni, sondaggi e feedback, come si leggono le recensioni dei concorrenti e perché, a suo giudizio, oggi siamo in quella che viene definita «l'era delle recensioni».

Qui sotto c'è il video completo. Nell'articolo riportiamo le sue risposte tema per tema, con le sue parole quando le citiamo tra virgolette, e per ciascun tema indichiamo gli approfondimenti che abbiamo pubblicato in seguito sul blog.

Da dove nasce Calton: la voce del cliente difficile da gestire

Prima di fondare Calton, Dario lavorava in una società di customer experience e faceva consulenza a grandi multinazionali, in Italia e in Europa. Racconta che anche aziende ben strutturate, con team di customer experience articolati, facevano fatica a gestire la voce del cliente: tutto quello che i clienti dicono di un'azienda, nelle recensioni online, nelle risposte ai questionari e nei feedback lasciati dopo un acquisto o una visita.

Da qui l'idea di Calton, che nell'intervista descrive come una piattaforma «semplice da utilizzare», pensata per permettere a qualsiasi azienda di «estrarre insight azionabili da dati complessi». Le fonti sono tre: recensioni, sondaggi e feedback dei clienti. Nei tre anni di sviluppo precedenti all'intervista, aggiunge, la piattaforma si è arricchita di altre funzioni, come l'analisi dei competitor e la gestione dei local listing, cioè delle schede delle sedi su Google. Per capire perché la customer experience pesa sulle scelte di un'azienda rimandiamo all'articolo su perché investire nella customer experience.

L'AI come facilitatore: cosa legge nelle recensioni

Alla domanda sul ruolo dell'intelligenza artificiale, Dario risponde ridimensionando l'enfasi del momento: nel caso di Calton l'AI è «una sorta di facilitatore, ottimizzatore». È stata costruita e allenata sull'analisi di recensioni e feedback, e il suo compito è leggere i testi dei clienti al posto delle persone e dire di che cosa stanno parlando.

Da quella lettura, spiega, arrivano le indicazioni sui punti di forza e di debolezza a più livelli: il brand nel suo insieme, il singolo punto vendita, i prodotti e i servizi offerti, la concorrenza. È quella che oggi in Calton chiamiamo topic analysis: i temi ricorrenti delle recensioni, come prodotto, personale, attesa o ambiente, raccolti per sede e per area, ciascuno con il proprio sentiment. Per un brand con molte sedi la differenza è pratica: il voto medio della rete dice poco, mentre il tema che peggiora in tre sedi della stessa area indica dove intervenire. Il metodo, con cosa misurare e come confrontare le sedi, è nella guida all'analisi delle recensioni per temi e sentiment, sede per sede.

Rispondere alle recensioni da un unico punto

Il secondo uso dell'AI di cui parla Dario riguarda le risposte. Calton permette alle aziende di rispondere alle recensioni online in modo centralizzato, e l'intelligenza artificiale aiuta anche qui, fornendo suggerimenti su come rispondere ai clienti.

Centralizzare non vuol dire che risponda sempre la sede centrale: vuol dire che tutte le recensioni arrivano nello stesso posto e che le regole di risposta sono le stesse per tutta la rete. Chi debba rispondere, la sede o il centro, dipende dall'organizzazione, e ne parliamo nell'articolo su chi risponde alle recensioni. Quanto alla risposta AI, il punto è decidere dove può lavorare quasi da sola e dove serve una persona: lo trattiamo in risposta AI alle recensioni: cosa delegare e cosa no.

Le recensioni dei concorrenti, per sentiment e per tema

La parte più lunga dell'intervista è dedicata ai concorrenti. Dario spiega che la piattaforma raccoglie, gestisce e analizza le recensioni online da diversi canali, e lo fa sia per i clienti di Calton sia per i loro concorrenti. Le recensioni della concorrenza vengono classificate per sentiment e per area tematica, così da capire anzitutto quanto è forte il proprio brand rispetto agli altri.

L'esempio che fa è quello dei prezzi: se voglio sapere come vengo percepito sul prezzo rispetto ai concorrenti, restringo l'analisi alle sole recensioni che parlano di prezzi, mie e loro, e vedo che cosa ne pensano i clienti. Lo stesso confronto, aggiunge, si può fare a livello nazionale e a livello locale, per capire come si posiziona un singolo punto vendita e chi sono i concorrenti in una certa area.

Dario racconta anche un uso che alcuni clienti fanno di queste informazioni prima di aprire una sede: valutare i concorrenti della zona. Se un'azienda deve aprire una nuova sede in una certa via di Milano, guarda chi sono i concorrenti già presenti, quanto sono forti e quali sono i loro punti deboli, e usa queste informazioni sia nel marketing sia nelle operations della nuova sede. La valutazione passa dalle recensioni dei concorrenti: il sentiment dice come li giudicano i clienti, la topic analysis su quali temi sono forti e su quali deboli, per esempio il servizio, i prezzi o l'attesa. Si sa così, prima di aprire, con chi la nuova sede dovrà confrontarsi e su quali aspetti può distinguersi.

Su come scegliere i concorrenti di ogni sede e leggere le distanze rimandiamo al benchmark con i concorrenti sede per sede; su come usare le loro recensioni come fonte di informazioni sul mercato, all'articolo sulla market intelligence locale.

I progetti di cui parlava a gennaio 2025: i modelli predittivi

Alla domanda su che cosa avessero in programma per il futuro, Dario raccontava che a gennaio 2025, sempre con l'intelligenza artificiale, stavano lavorando a modelli predittivi: modelli che, partendo dall'analisi delle recensioni raccolte fino a quel momento, dessero indicazioni sulla direzione in cui stava andando l'azienda e su quella dei concorrenti, e suggerissero le azioni da intraprendere, sia sulla reputazione sia sulle operations.

L'esempio che faceva era quello dei tempi di attesa: se un certo numero di clienti se ne lamenta, l'obiettivo di quei modelli era anticipare il problema prima che si allargasse. Era il racconto di un progetto in corso in quel momento, e così lo riportiamo: le funzioni di Calton disponibili oggi sono quelle descritte nel resto dell'articolo e nel riquadro qui sotto.

Una tecnologia a supporto delle persone

Verso la fine Federica Gizzi pone la domanda che accompagna ogni discorso sull'intelligenza artificiale: queste tecnologie finiranno per eliminare figure come quelle del customer service? La risposta di Dario è netta: nel caso di Calton il sistema va a «ottimizzare il lavoro di una persona già esistente all'interno dell'azienda».

In pratica l'AI toglie il lavoro di lettura e di prima stesura: legge centinaia di recensioni, ne estrae i temi, propone una bozza di risposta. Le decisioni restano a chi conosce i clienti e le sedi: quale problema affrontare per primo, come rispondere a una critica delicata, che cosa cambiare in un punto vendita.

«L'era delle recensioni» e il fatturato

Il consiglio finale di Dario vale, dice, al di là di Calton: concentrarsi sempre di più su recensioni e reputazione. Siamo, ricorda, in quella che viene definita «l'era delle recensioni», perché quando scegliamo un ristorante o facciamo un acquisto online guardiamo le recensioni. Sono informazioni che possono sembrare banali, ma che per Dario hanno «un impatto diretto sul fatturato dell'azienda».

Da qui due indicazioni per chi gestisce una rete: ottimizzare la gestione delle recensioni che si fa già, se si fa, e in parallelo usare quello che i clienti scrivono per migliorare i processi. Quanto pesino davvero le recensioni sulle vendite è una domanda a cui abbiamo dedicato un articolo a parte, che raccoglie solo i dati con una fonte verificabile e dice anche dove si fermano: recensioni e fatturato: cosa dicono davvero i dati.

Gli approfondimenti sui temi dell'intervista

Dal gennaio 2025 abbiamo pubblicato sul blog guide dedicate a ciascuno dei temi toccati da Dario. Le raccogliamo qui per chi vuole passare dall'intervista al metodo:

• Analisi delle recensioni: temi e sentiment sede per sede, per la lettura dei testi per temi.
• Recensioni e sondaggi: cosa dicono i clienti di ogni sede, per mettere insieme le due fonti.
• Benchmark con i concorrenti: come confrontare ogni sede, per il confronto locale.
• Market intelligence locale: le recensioni dei concorrenti, per leggere il mercato di una zona.
• Risposta AI alle recensioni: cosa delegare e cosa no, per l'uso dell'AI nelle risposte.
• Recensioni e fatturato: cosa dicono davvero i dati, per l'effetto sulle vendite.

Le altre interviste e i webinar sono nella pagina webinar e interviste.

Le citazioni tra virgolette sono tratte dal video pubblicato il 22 gennaio 2025 e ripulite dalle esitazioni del parlato, senza cambiarne il senso; il resto delle risposte è riportato in forma indiretta. Le funzioni di Calton descritte al presente sono quelle della piattaforma a ottobre 2026.