Come costruire un chatbot AI per il tuo sito web nel 2026
Costruisci un chatbot AI utile con obiettivi chiari, knowledge base pulita, retrieval, integrazioni di dati cliente, handoff umano, controlli di privacy, eval e metriche di lancio.
Un chatbot AI può essere il modo più rapido per i visitatori del sito di ottenere aiuto, confrontare prodotti, trovare informazioni d’ordine o fare una domanda prima di andarsene.
Può anche diventare una fonte rifinita di risposte sbagliate se è addestrato su contenuti vecchi, può indovinare sulle policy o viene lanciato senza regole di handoff.
Questa guida mostra come costruire un chatbot AI per il sito nel 2026. Si focalizza su implementazione pratica: scope, knowledge base, retrieval, integrazioni, handoff umano, privacy, test, lancio e misurazione.
Panoramica
Un buon chatbot di sito ha un lavoro semplice: risolvere le conversazioni di routine rendendo quelle complesse più facili per le persone.
Non deve fingere di sapere tutto. Deve rispondere da fonti approvate, fare domande di chiarimento, raccogliere contesto utile, fare escalation quando serve e lasciare una traccia che il tuo team può usare dopo.
Usa questo modello:
| Layer | Scopo | Esempio |
|---|---|---|
| Widget del sito | Apre la conversazione | Bolla chat, pannello di aiuto, assistente di pagina prodotto |
| Knowledge base | Fornisce le risposte approvate | Help center, policy, FAQ, documentazione prodotto |
| Retrieval | Trova il contenuto giusto per ogni domanda | Ricerca su documenti, articoli, policy d’ordine, dati prodotto |
| Stato di conversazione | Ricorda il thread corrente | Obiettivo utente, numero ordine, risposta precedente, lingua |
| Tool e integrazioni | Permettono al bot di cercare o agire con permesso | Lookup ordine, update CRM, creazione ticket, cattura lead |
| Handoff | Sposta chat rischiose o non risolte a persone | Agent live, ticket supporto, follow-up via email |
| Analytics | Mostra se il bot funziona | Risoluzione, handoff, CSAT, conversione, errori |
Le SERP attuali si focalizzano su guide per principianti, best practice di supporto AI, retrieval-augmented generation, handoff umano, privacy e valutazione. Le pagine vendor di Intercom Fin, Zendesk AI agents, Tidio Lyro e Botpress mostrano la stessa direzione: i chatbot di sito moderni stanno diventando AI support agent, non solo alberi decisionali scriptati.
Perché conta
I visitatori del sito hanno poca pazienza.
Possono aver bisogno di:
- Una policy di reso prima di comprare.
- Lo status d’ordine dopo il checkout.
- Raccomandazioni prodotto.
- Una spiegazione di prezzo o piano.
- Una risposta di setup.
- Un percorso di qualificazione lead.
- Un modo di parlare con una persona.
- Una risposta di supporto fuori orario.
Se il chatbot le gestisce bene, può ridurre il carico di supporto, migliorare la conversione e catturare miglior intento cliente. Se le gestisce male, crea sfiducia più rapidamente di una coda di supporto lenta.
Il caso business dipende dal caso d’uso:
| Obiettivo | Valore del chatbot |
|---|---|
| Deflection del supporto | Risponde a domande comuni senza ticket |
| Cattura lead | Qualifica visitatori e prenota il prossimo step |
| Assistenza ecommerce | Aiuta su prodotti, spedizione, resi e status ordine |
| Onboarding | Spiega step di setup e documentazione |
| Contesto cliente | Raccoglie intento prima che una persona si unisca |
| Lifecycle marketing | Trasforma segnali di chat in campagne di follow-up |
I migliori progetti chatbot partono stretti. Non lanciare “chiedici qualunque cosa” per primo. Lancia uno o due lavori testabili.
Passo 1: scegli il lavoro del chatbot
Parti dalla conversazione che vuoi migliorare.
Lavori comuni di chatbot:
| Lavoro | Adatto a | Metrica di successo |
|---|---|---|
| Supporto FAQ | Spedizione, resi, billing, setup, policy comuni | Accuratezza risposta, tasso di risoluzione |
| Aiuto su ordini | Store ecommerce con domande ripetute di status ordine | Ticket evitati, soddisfazione cliente |
| Product finder | Cataloghi con molti SKU o opzioni di piano | Click prodotto, add-to-cart, conversione |
| Qualificazione lead | Siti B2B con form vendite e richieste demo | Lead qualificati, meeting prenotati |
| Assistente di onboarding | SaaS e prodotti tecnici | Attivazione, completamento setup |
| Triage supporto | Team con help desk live | Routing corretto, tempo prima risposta più basso |
| Assistente campagne | Visitatori da campagne o lanci prodotto | Engagement offerta, opt-in follow-up |
Per la prima versione, scegli un lavoro che sia:
- Ripetuto spesso.
- A basso rischio quanto basta per automazione parziale.
- Facile da valutare.
- Sostenuto da contenuto esistente.
- Utile anche se gestisce solo parte della conversazione.
Evita di partire da rimborsi, claim legali, cambi sensibili di account o conversazioni di vendita ad alto valore se non c’è un’approvazione umana finale.
Passo 2: decidi se comprare, costruire o ibrido
Ci sono tre percorsi pratici di implementazione.
| Percorso | Fit migliore | Cose a cui fare attenzione |
|---|---|---|
| Piattaforma di customer support | Team supporto che richiedono inbox, help center, reporting e handoff | Il costo può scalare per postazione, risoluzione o tier |
| Chatbot builder | Team che richiedono setup rapido, embed web, flussi e integrazioni | Logica custom e controllo dati possono essere limitati |
| Chatbot custom su API | Team che richiedono pieno controllo su retrieval, tool, UI e gestione dati | Richiede ingegneria, eval, hosting e monitoring |
Intercom Fin si posiziona come AI agent per il customer service dentro il sistema di supporto Intercom. Zendesk AI agents si adatta ai team che già usano i workflow service Zendesk. Tidio Lyro è posizionato per customer service AI e velocità nelle piccole imprese. Botpress è più developer-friendly, con knowledge base, logica autonoma, canali, integrazioni e pricing usage-based. La documentazione di OpenAI e Anthropic è utile quando costruisci un chatbot custom che richiede conversation state, uso di tool, function calling o comportamento strutturato.
Scegli in base al vincolo reale:
- Se ti serve il bot di supporto più rapido, parti da una piattaforma di supporto.
- Se ti serve un assistente di sito semplice, usa un builder.
- Se ti serve controllo stretto sui dati o azioni custom, costruisci su API.
- Se ti serve chat legata al contesto marketing ed ecommerce, dai priorità alle integrazioni.
Passo 3: costruisci la knowledge base
La knowledge base è la fonte di verità del chatbot.
Crea o pulisci questi asset:
- Articoli FAQ
- Policy di spedizione
- Policy di reso e rimborso
- Spiegazioni di prezzo o piano
- Note sul catalogo prodotti
- Dettagli di garanzia
- Guide di troubleshooting
- Step di account e onboarding
- Regole di contatto ed escalation
- Linee guida di brand e tono
Poi prepara il contenuto per la retrieval:
| Requisito | Perché conta |
|---|---|
| Una risposta per topic | Riduce risposte in conflitto |
| Heading chiari | Aiutano la retrieval a trovare la sezione giusta |
| Date e policy attuali | Previene risposte vecchie |
| Nomi prodotto e SKU | Migliora la rilevanza ecommerce |
| URL fonti | Permette di citare o linkare pagine ufficiali |
| Esclusione contenuti interni | Tiene le note private fuori dalla chat pubblica |
| Copertura lingue | Sostiene visitatori multilingue quando serve |
Non addestrare il chatbot su ogni pagina del sito senza review. Pagine marketing, vecchi post di blog, documenti in bozza e policy vecchie possono creare risposte sbagliate.
Passo 4: progetta i flussi di conversazione
L’AI può gestire linguaggio aperto, ma il chatbot ha comunque bisogno di flussi progettati.
Parti dai percorsi principali:
| Flusso | Step richiesti |
|---|---|
| Risposta a domanda | Capire l’intento, recuperare la fonte, rispondere, offrire un prossimo step |
| Status ordine | Chiedere identità/dati ordine, verificare, fare lookup, rispondere in sicurezza |
| Raccomandare prodotto | Chiedere bisogni, filtrare catalogo, spiegare raccomandazione |
| Qualificare lead | Chiedere budget, caso d’uso, timing, email e instradare alle vendite |
| Creare ticket | Raccogliere issue, account, urgenza, screenshot e consenso |
| Handoff a umano | Riassumere la chat, allegare contesto, fissare aspettative |
Per ogni flusso, definisci:
- Cosa il bot può rispondere.
- Cosa non deve rispondere.
- Quali dati può chiedere.
- Quali dati può conservare.
- Quali chiamate a tool sono permesse.
- Quando deve fare escalation.
- Quale messaggio appare quando è incerto.
Previene che il chatbot improvvisi dove il business richiede controllo.
Passo 5: aggiungi retrieval e stato di conversazione
La maggior parte dei chatbot utili usa retrieval.
Retrieval significa che il chatbot cerca in fonti di conoscenza approvate e usa quei risultati per rispondere. Spesso si chiama RAG, retrieval-augmented generation.
La retrieval aiuta perché il modello non deve memorizzare policy di spedizione, catalogo prodotti o help center. Può cercare contenuto attuale e approvato prima di rispondere.
Il chatbot richiede anche uno stato di conversazione:
| Elemento di stato | Esempio |
|---|---|
| Obiettivo utente | ”Vuole restituire un oggetto” |
| Risposta precedente | Il bot ha già condiviso la policy di reso |
| Dati raccolti | Email, numero ordine, prodotto, paese |
| Lingua | Italiano, inglese, tedesco |
| Motivo di escalation | Ordine mancante, cliente arrabbiato, bassa confidenza |
| Flusso attivo | Lead capture, lookup ordine, triage supporto |
La documentazione conversation state e function-calling di OpenAI e quella tool-use di Anthropic sono rilevanti per build custom, perché i chatbot di sito hanno spesso bisogno di mantenere contesto e chiamare tool approvati come lookup ordine, lookup CRM, creazione ticket o appointment scheduling.
Passo 6: collega i sistemi business con attenzione
Un chatbot diventa molto più utile quando può accedere ai dati business giusti. Diventa anche più rischioso.
Parti read-only.
Integrazioni comuni:
| Sistema | Cosa il chatbot può usare |
|---|---|
| Piattaforma ecommerce | Status ordine, disponibilità prodotto, stima consegna |
| CRM | Tier cliente, fase lifecycle, owner del lead |
| Help desk | Storico ticket, priorità, handoff |
| Piattaforma email | Consenso, engagement campagne, status soppressione |
| Calendario | Disponibilità meeting |
| Knowledge base | Contenuto di aiuto ufficiale |
| Analytics | Esiti conversazione e impatto sulle conversioni |
Permetti azioni di scrittura solo dopo review:
- Creare un ticket.
- Aggiungere un tag.
- Prenotare un meeting.
- Avviare un workflow di follow-up.
- Aggiornare un record lead.
Tieni dietro all’approvazione umana le azioni ad alto rischio:
- Rimborsi
- Chiusura account
- Cancellazione subscription
- Eccezioni di prezzo
- Risposte legali o di compliance
- Cambi di consenso
- Cambi di accesso
Passo 7: progetta l’handoff umano
L’handoff umano è parte dell’esperienza del chatbot.
Fai escalation quando:
- Il chatbot è incerto.
- Il cliente chiede una persona.
- Il cliente è arrabbiato o ripetutamente insoddisfatto.
- L’argomento è billing, rimborso, legale, compliance o accesso ad account.
- Mancano dati obbligatori o sono in conflitto.
- La risposta richiederebbe dettagli privati di account.
- La conversazione ha alto potenziale di ricavo.
L’handoff deve includere:
| Campo handoff | Scopo |
|---|---|
| Sintesi conversazione | Risparmia all’agent la rilettura |
| Identità cliente | Aiuta l’agent a trovare il record |
| Categoria issue | Instrada alla coda giusta |
| Dettagli raccolti | Numero ordine, prodotto, screenshot, paese |
| Risposta del bot | Mostra cosa è già stato detto |
| Link fonti | Permette all’agent di verificare |
| Motivo escalation | Spiega perché il bot ha fermato |
Non far ripetere il cliente. Un chatbot che raccoglie contesto e poi lo perde durante l’handoff crea più frustrazione di nessun chatbot.
Passo 8: gestisci privacy e sicurezza
I chatbot di sito raccolgono contesto sensibile in fretta.
Imposta regole per:
- Informazioni personali identificabili
- Dati d’ordine
- Dettagli di pagamento
- Informazioni sanitarie o finanziarie
- Autenticazione e accesso account
- Retention dei dati
- Consenso utente
- Documenti solo interni
- Log e redazione
- Termini di data processing del vendor
Controlli pratici:
- Non chiedere dati completi di carta di pagamento.
- Redigi i segreti dai log.
- Limita l’input al modello a ciò che serve per rispondere.
- Blocca il bot dal rivelare prompt nascosti o policy interne.
- Separa contenuto pubblico di aiuto dalle note private degli agent.
- Rendi facile l’escalation.
- Tieni un audit trail per le chiamate a tool.
- Rivedi le conversazioni regolarmente dopo il lancio.
La privacy non è solo un tema legale. Tocca la fiducia. Se un chatbot chiede troppe informazioni troppo presto, i visitatori abbandonano.
Passo 9: testa prima del lancio
Non giudicare un chatbot da cinque prompt di demo amichevoli.
Costruisci un set di valutazione:
- 50 domande di supporto reali.
- 20 edge case.
- 10 messaggi arrabbiati o confusi.
- 10 domande che il bot deve rifiutare o escalare.
- 10 domande specifiche su prodotto o ordine.
- 10 domande multilingue o piene di typo se rilevanti.
Dai un punteggio a ogni risposta:
| Test | Condizione di pass |
|---|---|
| Accuratezza risposta | La risposta corrisponde alla fonte approvata |
| Fit della fonte | La risposta usa la pagina o il record giusto |
| Nessuna allucinazione | Il bot non inventa policy, prezzo o fatti di prodotto |
| Escalation | Casi rischiosi o incerti fanno handoff |
| Tono | La risposta corrisponde al tono di brand e supporto |
| Formato | La risposta è breve abbastanza per la chat |
| Uso di tool | Lookup e azioni sono corretti |
| Privacy | Il bot non chiede o espone dati sensibili inutilmente |
Poi testa con utenti reali in traffico limitato. Guarda le trascrizioni. Cerca confusione ripetuta, retrieval sbagliato, vicoli ciechi e failure di handoff.
Passo 10: lancia e misura
Lancia il chatbot per fasi:
- Test interno.
- Test sul sito solo per staff.
- Segmento limitato di visitatori.
- Pagine a basso rischio.
- Pagine di supporto ad alto traffico.
- Pagine prodotto e checkout dopo che la confidenza migliora.
Traccia:
| Metrica | Cosa ti dice |
|---|---|
| Tasso di risoluzione | Quante chat finiscono senza aiuto umano |
| Tasso di handoff | Quanto spesso il bot ha bisogno di una persona |
| Qualità escalation | Se gli handoff includono contesto utile |
| Accuratezza risposta | Se le risposte corrispondono alle fonti approvate |
| Soddisfazione cliente | Se i visitatori sono contenti dell’esito |
| Impatto sulla conversione | Se la chat aumenta acquisti, demo o iscrizioni |
| Ticket evitati | Se il volume di supporto cala sui topic target |
| Ricavo assistito | Ordini o pipeline influenzati dalla chat |
| Tasso di failure | Flussi rotti, retrieval cattivo, errori di tool |
| Costo per risoluzione | Costo vendor o modello diviso per esiti positivi |
Non ottimizzare solo per la deflection. Un chatbot che nasconde l’opzione umana può abbassare i ticket peggiorando l’esperienza cliente. L’obiettivo è la risoluzione utile.
Argomenti chiave
Migliori casi d’uso del chatbot
I migliori primi casi d’uso sono stretti e misurabili:
- Domande su spedizione e resi
- Lookup di status ordine
- Raccomandazioni prodotto
- Prenotazione appuntamenti
- Qualificazione lead
- Ricerca sulla knowledge base
- Triage supporto
- Risposte di setup e onboarding
- Follow-up di campagna
- Routing fedeltà e VIP
Confronto piattaforme
Usa un confronto piattaforme solo dopo aver definito il lavoro:
| Bisogno | Fit migliore |
|---|---|
| AI support agent dentro un help desk | Intercom Fin o Zendesk AI agents |
| Chatbot di sito veloce per PMI | Tidio Lyro o tool chatbot SMB simili |
| Controllo developer e flussi custom | Botpress o build custom su API |
| Orchestrazione modello custom | Workflow API OpenAI o Anthropic |
| Follow-up ecommerce e marketing | Chat collegata a Shopify, Brevo, CRM e dati di automazione |
Per un confronto più profondo, vedi The 7 Best Chatbot Platforms for Websites.
Errori comuni
Evita questi:
- Addestrare su pagine obsolete.
- Lasciare che il bot risponda su rimborsi o domande legali senza controlli.
- Nascondere il supporto umano.
- Lanciare senza test su trascrizioni reali.
- Misurare solo le conversazioni gestite, non la soddisfazione cliente.
- Connettere azioni di scrittura prima che i lookup read-only siano affidabili.
- Dare al chatbot troppi lavori al lancio.
- Ignorare il supporto multilingue se il sito ha traffico multilingue.
Ottenere aiuto con Tajo
Tajo aiuta quando un chatbot di sito ha bisogno di contesto attuale di cliente, ordini, prodotti, fedeltà e campagne.
Per i team Shopify e Brevo, quel contesto conta. Un visitatore che chiede di un prodotto può essere già un cliente di ritorno. Una chat di supporto può rivelare rischio di churn. Una domanda di spedizione può richiedere un follow-up post-acquisto. Una conversazione lead può aver bisogno di creare un segmento o innescare una campagna.
Tajo può aiutare tenendo allineati i dati per:
- Contesto cliente e ordini Shopify
- Contatti Brevo ed engagement di campagna
- Status di consenso e soppressione
- Status fedeltà e VIP
- Segmenti di prodotto e lifecycle
- Workflow di follow-up email, SMS o WhatsApp
- Profili cliente più puliti per supporto e marketing
Il chatbot è la porta. Tajo aiuta a far sì che il workflow di follow-up abbia i dati cliente giusti dopo la fine della conversazione.
Conclusione
Per costruire un chatbot AI per il tuo sito, parti da un lavoro e da una fonte di verità.
Definisci cosa il chatbot deve gestire, pulisci la knowledge base, scegli la giusta piattaforma o approccio API, progetta retrieval e conversation state, collega i sistemi business con cura, aggiungi handoff umano, testa contro conversazioni reali e misura sia risoluzione sia esperienza cliente.
Un chatbot utile non risponde a tutto. Risponde alle cose giuste, escala le cose rischiose e dà al team miglior contesto quando una persona deve intervenire.