Advanced RAG: il chatbot risponde con i dati reali del tuo catalogo
Ricerca semantica avanzata su prodotti e documenti: prima di rispondere il chatbot recupera le informazioni dal tuo store, poi formula la risposta a partire da quei dati.
Cosa fa davvero, passo per passo
Che cosa succede quando un cliente fa una domanda
Prima di rispondere, il chatbot va a cercare. La domanda del cliente viene confrontata con la tua base di conoscenza e ne vengono estratti i passaggi più pertinenti: la scheda di quel prodotto, il paragrafo della policy di reso, la riga del listino. Solo a quel punto il modello linguistico formula la risposta, e la formula a partire da quei passaggi. È la differenza fra un assistente che sa dove guardare e uno che risponde a memoria: il secondo, quando la memoria non basta, riempie il vuoto con qualcosa di plausibile.
Ricerca semantica e ricerca testuale insieme
Il recupero è ibrido: accosta la ricerca vettoriale, che coglie il significato, a quella lessicale, che coglie le parole esatte. Servono entrambe. Un cliente che scrive «giacca impermeabile per la montagna» non userà le parole del tuo catalogo, e lì lavora la parte semantica; uno che cerca un codice articolo, una sigla o un numero di modello ha bisogno della corrispondenza letterale, che un vettore da solo sfuoca. Tenere insieme i due approcci copre sia chi descrive quello che vuole, sia chi lo sa già nominare.
Che cosa può leggere il chatbot
La base di conoscenza si compone di tre tipi di fonte. Il catalogo prodotti, sincronizzato dal tuo store Shopify o WooCommerce, con schede, varianti e attributi. I documenti che carichi: PDF, Word, Excel, PowerPoint, CSV e file di testo, quindi listini, manuali, condizioni di vendita, schede tecniche. E le pagine del tuo sito, acquisite tramite scansione. I documenti lunghi vengono suddivisi in porzioni prima di essere indicizzati, così il recupero restituisce il paragrafo utile invece dell’intero file.
Ogni risposta sa da dove viene
- Il passaggio indicizzato conserva la propria origine.
- Il cliente vede la pagina che lo dice.
- Tu capisci se il problema è la risposta o il documento.
La risposta può citare da dove viene
Ogni porzione indicizzata conserva la propria origine, e la risposta può quindi riportare la fonte da cui è stata tratta. Per chi legge è la differenza fra fidarsi e poter verificare: davanti a una condizione di garanzia o a un termine di reso, il cliente vede la pagina da cui arriva l’informazione. Per te è lo strumento con cui capisci perché il chatbot ha risposto in un certo modo, e se il problema è la risposta o il documento che l’ha generata.
Tenere aggiornata la base di conoscenza
Il catalogo si aggiorna con la sincronizzazione dello store, i documenti riconsegnando il file corretto. La reindicizzazione è idempotente: rilanciarla aggiorna le porzioni già presenti invece di accumularne copie, quindi ripassare lo stesso materiale non gonfia l’archivio né sdoppia le risposte. È una proprietà noiosa e per questo importante — significa che puoi reindicizzare quando hai un dubbio, senza doverti chiedere prima se stai per fare danni.
Dove finisce il testo che indicizzi
Il modello di embedding segue il vincolo di residenza impostato per lo store, come il modello di conversazione. Gli indici restano nel database di ShopBrain.
Dove vengono elaborati i dati
La generazione degli embedding è affidata a un fornitore configurabile, e la scelta è vincolata alle regole di residenza dei dati impostate per lo store: il testo che viene indicizzato è contenuto tuo e dei tuoi clienti, e segue lo stesso vincolo del modello di conversazione. Gli indici vivono nel database di ShopBrain, non in un servizio di ricerca esterno. Per chi deve documentare il trattamento — a maggior ragione con l’AI Act — è una domanda che arriva presto, ed è meglio avere già la risposta.
Il chatbot può inventare informazioni sui prodotti?
Il recupero riduce molto il rischio, perché la risposta viene costruita sui dati estratti dal tuo catalogo invece che sulla memoria del modello. Nessun sistema generativo azzera il problema, ma c’è una differenza sostanziale fra un assistente che parte dalla scheda prodotto reale e uno che non ha nulla da cui partire.
Quali formati di documento posso caricare?
PDF, Word (.docx), Excel (.xlsx), PowerPoint (.pptx), CSV e file di testo. I formati Office vecchi non sono supportati: un .doc va salvato come .docx prima del caricamento, e il messaggio di errore lo indica al momento del rifiuto.
Devo reindicizzare ogni volta che cambio il catalogo?
Il catalogo si allinea con la sincronizzazione dello store. Per i documenti caricati a mano l’aggiornamento è tuo, ma l’operazione è ripetibile senza effetti collaterali: la reindicizzazione aggiorna quello che c’è invece di duplicarlo.
In che modo è diverso da un chatbot collegato solo al modello?
Un chatbot senza recupero conosce soltanto quello che era nei dati di addestramento del modello, dove il tuo catalogo non compare. Può parlare bene di e-commerce in generale e sbagliare ogni singola disponibilità, prezzo e variante che riguarda te. Il recupero è ciò che lega la conversazione al tuo store.
Pronto a rispondere in chat con i tuoi dati?
Prova gratuita, senza carta di credito. Setup in pochi minuti.