Pricing intelligente con l'AI: guida pratica per aziende

2026-10-15 · Tommaso Maria Ricci

Un aumento dell'1% del prezzo medio, a parità di volumi, porta in media un aumento dell'8,7% dell'utile operativo. Il dato è di McKinsey, che lo ha ripreso ad aprile 2026 in un'analisi sul pricing B2B dedicata al pricing intelligente e all'intelligenza artificiale. Nel sondaggio che accompagna lo studio, condotto su 419 rispondenti a novembre 2025, solo tra il 10% e il 30% usa già l'IA generativa o agentica nel pricing, mentre tra il 65% e l'85% prevede di farlo entro tre anni. Il prezzo è la leva di profitto più potente che un'azienda ha in mano, ed è anche quella gestita peggio.

Questa guida spiega cosa significa davvero fare pricing intelligente con l'intelligenza artificiale, dove rende, quanto vale in euro, quali rischi legali porta il prezzo personalizzato in Italia e come impostare i primi 90 giorni. È scritta per chi guida un'azienda o la funzione commerciale, non per chi cerca un software da comprare domani mattina.

Cos'è il pricing intelligente e cosa non è

Con pricing intelligente si intende un sistema in cui il prezzo viene fissato, aggiornato e controllato sulla base dei dati, con l'aiuto di modelli statistici e di intelligenza artificiale, invece che sulla base dell'abitudine, del listino dell'anno scorso o della trattativa del singolo venditore.

La definizione è semplice, ma nella pratica viene confusa con tre cose diverse. Conviene separarle subito.

Non è solo prezzo dinamico. Il prezzo dinamico, quello che cambia in base alla domanda come nelle compagnie aeree o negli hotel, è una delle applicazioni possibili. Molte aziende B2B non cambieranno mai il listino ogni giorno, eppure hanno margini enormi da recuperare sugli sconti e sulle eccezioni.

Non è un software. Esistono decine di strumenti, ma lo strumento arriva dopo. Senza una logica di prezzo chiara, un motore di raccomandazione si limita a rendere più veloci gli errori di oggi.

Non è un taglio dei prezzi. Il pricing intelligente alza i prezzi dove il cliente percepisce più valore e li difende dove oggi si concede troppo. Solo in casi mirati li abbassa.

In concreto, un sistema di pricing intelligente fa quattro cose:

Misura il prezzo realmente incassato, cliente per cliente e prodotto per prodotto, al netto di sconti, premi, trasporto e condizioni di pagamento.
Spiega perché due clienti simili pagano prezzi diversi, separando le differenze giustificate da quelle casuali.
Raccomanda un prezzo o una fascia di prezzo per ogni offerta, con una motivazione leggibile dal venditore.
Controlla che le eccezioni restino eccezioni, con soglie di approvazione e allarmi.

L'AI per il pricing entra in tutte e quattro le fasi, ma il suo contributo più grande non è il calcolo del prezzo perfetto. È togliere al prezzo la casualità.

Perché il prezzo è la leva più sottoutilizzata in azienda

La maggior parte delle aziende che incontro dedica settimane al budget dei costi e poche ore alla politica di prezzo. È un paradosso, perché i numeri dicono l'opposto.

Il dato di McKinsey sull'1% di prezzo che vale l'8,7% di utile operativo nasce da un'analisi del 2014 sulle grandi aziende quotate. È un dato vecchio, ma la logica aritmetica è senza tempo: il prezzo in più cade quasi tutto sull'utile, perché i costi restano gli stessi. Un punto di volume in più, invece, si porta dietro materie prime, logistica e ore di lavoro.

La Global Pricing Study 2025 di Simon-Kucher, condotta su oltre 2.200 manager in 28 paesi e 39 settori, aggiunge un elemento più recente e più scomodo. Le aziende realizzano in media meno della metà degli aumenti di prezzo che annunciano. Il listino sale, ma tra sconti concessi in trattativa, deroghe e clienti che restano alle vecchie condizioni, al conto economico arriva una frazione.

Lo stesso studio registra un'adozione dell'IA nel pricing in crescita ma con un impatto ancora basso. Tra chi non la usa, il 54% indica come motivo la mancanza di competenze o risorse interne. Il problema, quindi, non è la tecnologia. È il metodo.

Il divario italiano tra PMI e grandi imprese

In Italia la distanza è ancora più netta. Secondo la rilevazione ISTAT Imprese e ICT 2025, le piccole e medie imprese che usano almeno una tecnologia di intelligenza artificiale sono il 15,7%, mentre tra le grandi imprese la quota è del 53,1%. Sul totale delle imprese con almeno dieci addetti l'adozione è raddoppiata in un anno, dall'8,2% del 2024 al 16,4% del 2025, ma il divario tra grandi e piccole è salito a 37 punti.

Questo divario ha una conseguenza pratica sul prezzo. Una PMI che compete con un concorrente più grande, che già usa modelli per segmentare i clienti e difendere il margine, gioca con una mano sola. La buona notizia è che il pricing è uno dei pochi ambiti in cui un'azienda agile può recuperare terreno in pochi mesi, perché i dati di partenza ci sono già: fatture, ordini, offerte perse e vinte. Ho raccolto il quadro generale nella guida su come una PMI può usare l'intelligenza artificiale.

Il costo nascosto delle decisioni di prezzo prese di pancia

Quando chiedo a un direttore commerciale come vengono decisi gli sconti, la risposta più frequente è "dipende dal cliente". È una risposta onesta e pericolosa.

Dipende dal cliente significa che lo sconto dipende dalla capacità negoziale di chi compra, dall'umore di chi vende e dalla vicinanza alla fine del trimestre. Il risultato è una dispersione dei prezzi che nessuno ha deciso. Clienti piccoli pagano meno di clienti grandi. Prodotti a forte valore aggiunto vengono scontati come commodity. Il margine si perde in centinaia di piccole decisioni che, prese una per una, sembravano ragionevoli.

Il primo valore del pricing intelligente è rendere visibile questa dispersione. Il secondo è ridurla.

Le sei applicazioni concrete dell'AI per il pricing

Non tutte le applicazioni valgono per tutte le aziende. Ecco le sei che vedo rendere di più, con il tipo di azienda per cui ha senso partire da ciascuna.

1. Prezzo dinamico in base alla domanda

Il prezzo segue la domanda prevista: sale nei periodi di picco, scende in modo mirato nei periodi di calo. Un modello di previsione stima la domanda per giorno, canale e segmento, e propone il prezzo che massimizza il ricavo o il margine entro limiti stabiliti.

È la leva naturale per chi vende capacità che scade: camere d'albergo, posti, appuntamenti, slot di produzione, noleggi. Funziona anche nell'e-commerce, dove il prezzo si può cambiare senza ristampare cataloghi. Ne parlo in dettaglio nella guida sull'intelligenza artificiale per l'e-commerce.

Quando non usarlo: nei mercati B2B con contratti annuali e listini negoziati, dove cambiare il prezzo ogni settimana distrugge la fiducia del cliente.

2. Segmentazione del prezzo per cliente e canale

Clienti diversi danno valore diverso allo stesso prodotto. Un modello di segmentazione raggruppa i clienti per comportamento d'acquisto, sensibilità al prezzo, costo di servizio e potenziale, e assegna a ogni segmento una fascia di prezzo coerente.

Non si tratta di far pagare di più chi è distratto. Si tratta di smettere di dare lo stesso sconto al cliente che compra una volta l'anno e chiede assistenza ogni settimana, e al cliente che ordina ogni mese senza mai chiamare.

3. Controllo e ottimizzazione dello sconto

È l'applicazione con il ritorno più rapido nel B2B. Il modello analizza lo storico delle offerte e indica, per ogni trattativa, lo sconto che clienti simili hanno accettato in situazioni simili. Il venditore vede una fascia verde, una gialla e una rossa.

Nella ricerca McKinsey del 2026, il 62% delle aziende mette l'approvazione e la governance degli sconti tra le tre opportunità a maggior impatto, ma solo il 22% la considera una priorità di investimento. È lo scarto più grande tra valore percepito e azione dell'intero studio. Chi lo colma per primo recupera margine che i concorrenti continuano a regalare.

4. Analisi dell'elasticità e simulazione dei prezzi

L'elasticità misura quanto cambiano i volumi quando cambia il prezzo. Con abbastanza storico, un modello la stima per prodotto e segmento, e permette di simulare uno scenario prima di applicarlo: "se alzo del 4% questa linea, quanti clienti perdo e quanto margine guadagno?".

È lo strumento che sposta la discussione sui prezzi dalle opinioni ai numeri. In riunione non si discute più se il cliente "accetterà", si guarda la stima e il suo margine di errore.

5. Prezzo basato sul valore e non sul costo

Il metodo più diffuso in Italia è il costo più ricarico. È semplice, ma ignora quanto vale il prodotto per chi lo compra. L'IA aiuta a stimare il valore percepito incrociando dati di vendita, offerte perse, recensioni, richieste di preventivo e caratteristiche del prodotto.

Il risultato tipico è scoprire che alcuni prodotti sono sottoprezzati da anni, perché il loro costo è basso ma il valore per il cliente è alto. Chi lavora molto su offerte personalizzate trova un approfondimento nella guida sull'intelligenza artificiale per i preventivi.

6. Monitoraggio della concorrenza e posizionamento

Il sesto ambito è il più cercato e merita una sezione a parte, perché è anche quello dove si fanno più errori.

Intelligence dei prezzi della concorrenza: come farla senza inseguire

L'intelligence dei prezzi della concorrenza è la raccolta e l'analisi sistematica dei prezzi praticati dai concorrenti, per posizionare i propri in modo consapevole. Con l'IA questa attività passa da un foglio aggiornato a mano una volta al trimestre a un monitoraggio continuo.

Cosa si può monitorare

Prezzi pubblici online: siti, marketplace, comparatori. È la parte più facile da automatizzare.
Promozioni e condizioni: spedizione gratuita, pagamenti dilazionati, bundle. Spesso contano più del prezzo di listino.
Assortimento e disponibilità: un concorrente esaurito è un'occasione per tenere il prezzo, non per abbassarlo.
Segnali dalle offerte perse: nel B2B i prezzi dei concorrenti non sono pubblici, ma le offerte perse e le motivazioni raccolte dai venditori sono una fonte preziosa se vengono registrate in modo strutturato.

Come l'IA cambia il lavoro

L'automazione raccoglie i dati. L'IA fa due cose più utili. La prima è l'abbinamento dei prodotti: riconosce che il codice del concorrente corrisponde al vostro, anche se descrizioni e formati sono diversi. La seconda è la lettura dei segnali: distingue una promozione temporanea da un riposizionamento strutturale.

L'errore da evitare

L'errore più comune è trasformare l'intelligence dei prezzi in una regola automatica del tipo "stai sempre un euro sotto il concorrente principale". Così il prezzo lo decide il concorrente, e se due aziende usano la stessa regola il margine di entrambe scende fino a zero.

Il prezzo della concorrenza è un dato in ingresso, non la risposta. La risposta dipende dal vostro valore, dai vostri costi e dal segmento a cui vendete. Per questo gli strumenti per l'intelligence dei prezzi vanno scelti dopo aver deciso la politica di posizionamento, non prima.

Automazione del pricing: cosa automatizzare e cosa no

L'automazione del pricing è il passaggio in cui il sistema non si limita a suggerire, ma applica il prezzo in autonomia entro regole definite. È il punto che spaventa di più i direttori commerciali, e a ragione: un prezzo sbagliato applicato in automatico a mille ordini fa più danni di un venditore che sbaglia una trattativa.

La regola dei tre livelli

Conviene dividere le decisioni di prezzo in tre livelli.

Automatico: micro aggiustamenti entro una fascia stretta, per prodotti a basso rischio e alta frequenza. Esempio: aggiornare il prezzo online di articoli di catalogo entro più o meno il 3% del riferimento.
Suggerito: il sistema propone, la persona decide. È il livello giusto per le offerte B2B, gli sconti fuori fascia e i clienti strategici.
Umano: cambi di listino, riposizionamenti, prezzi di lancio, contratti quadro. Qui il modello fornisce simulazioni, non decisioni.

I guardrail che non devono mancare

Prezzo minimo e massimo per ogni prodotto, sotto e sopra i quali nessun automatismo può andare.
Velocità massima di variazione, per evitare che il prezzo cambi troppo in poco tempo.
Allarmi sulle anomalie, quando il prezzo proposto si allontana troppo dallo storico.
Registro delle decisioni, che permetta di ricostruire chi ha deciso cosa e perché.
Interruttore manuale, per spegnere l'automazione in pochi secondi se qualcosa va storto.

Cosa dicono i casi più avanzati

L'analisi McKinsey del 2026 riporta il caso di un distributore B2B da 15 miliardi di dollari di fatturato. Nella prima fase, strumenti analitici di consulenza sul prezzo e gestione degli sconti hanno portato oltre 200 punti base di margine su più di 1,5 milioni di codici in circa 18 mesi. Nella seconda fase, un assistente agentico per i venditori ha aggiunto circa 50 punti base in dieci settimane.

Il dato interessante non è la dimensione, irraggiungibile per una PMI. È la sequenza: prima l'analisi e la disciplina sugli sconti, poi l'automazione. Le aziende che partono dall'agente senza la base analitica di solito si fermano al pilota.

Lo stesso studio indica i freni principali: oltre la metà delle aziende cita la qualità e la disponibilità dei dati e la complessità di integrazione. Tra le aziende agli inizi, più del 60% fatica con dati incompleti o divisi tra sistemi diversi. È esattamente lo stesso freno che vedo nelle aziende italiane, a qualsiasi scala.

Pricing personalizzato: i rischi legali e reputazionali in Italia

Una delle domande che arrivano su questo tema è quale rischio sollevi il pricing personalizzato ultra granulare. La risposta breve: un rischio legale preciso e un rischio reputazionale spesso sottovalutato.

Cosa dice la norma

La direttiva europea 2019/2161, detta Omnibus, ha introdotto un nuovo obbligo informativo: quando il prezzo offerto a un consumatore è personalizzato sulla base di un processo decisionale automatizzato, il professionista deve dirlo. In Italia la direttiva è stata recepita con il decreto legislativo 26/2023, che ha modificato l'articolo 49 del Codice del Consumo. Le nuove regole si applicano dal 2 aprile 2023.

L'obbligo riguarda i rapporti con i consumatori, non quelli tra imprese. Resta ferma la disciplina del GDPR: se la personalizzazione si basa su dati personali e profilazione, valgono le regole sul trattamento e le garanzie dell'articolo 22 sulle decisioni automatizzate.

Cosa significa in pratica

Prezzo dinamico per tutti in base alla domanda: non è prezzo personalizzato, perché nello stesso momento tutti vedono lo stesso prezzo.
Prezzo diverso per segmento basato su criteri trasparenti, come quantità o canale: in genere non è personalizzazione automatizzata, ma va valutato caso per caso.
Prezzo diverso per singolo consumatore calcolato da un algoritmo sul suo comportamento: è il caso in cui scatta l'obbligo di informare, e in cui servono base giuridica e trasparenza sui dati.

Questa non è una consulenza legale. Prima di attivare qualsiasi forma di prezzo individuale verso i consumatori, il progetto va rivisto con un legale esperto di diritto dei consumatori e protezione dei dati.

Il rischio che la legge non copre

Anche quando è tutto in regola, il prezzo personalizzato può costare caro in reputazione. Un cliente che scopre di aver pagato più di un altro per lo stesso prodotto nello stesso momento raramente accetta la spiegazione "l'algoritmo ha stimato che lei era disposto a pagare di più".

La regola che consiglio è semplice: personalizzate l'offerta, i bundle, i servizi aggiuntivi e le condizioni, prima di personalizzare il prezzo. Il margine si recupera quasi sempre senza arrivare al prezzo individuale.

Quanto vale il pricing intelligente: il calcolo prima del progetto

Il ritorno di un progetto di pricing si calcola prima di partire. Non serve fidarsi delle promesse di un fornitore, bastano tre numeri vostri.

Un esempio di calcolo

Prendiamo un'azienda ipotetica con 20 milioni di euro di ricavi, un margine operativo del 6% e quindi 1,2 milioni di utile operativo. Gli sconti medi concessi in trattativa valgono il 9% del listino.

Scenario prudente: il controllo degli sconti riduce lo sconto medio di un punto, dal 9% all'8%. A parità di volumi, il prezzo realizzato sale di circa l'1,1%, cioè circa 220.000 euro di ricavo in più. Quasi tutto cade sull'utile operativo, che passa da 1,2 a circa 1,4 milioni: più 18%.
Scenario con perdita di volumi: supponiamo che la disciplina sugli sconti faccia perdere l'1% dei volumi, concentrato sui clienti meno redditizi. L'effetto netto resta ampiamente positivo, perché i clienti persi erano quelli con lo sconto più alto e il margine più basso.

È un esempio, non una promessa, ma mostra perché il pricing ha un rapporto tra investimento e ritorno raramente eguagliato da altri progetti di intelligenza artificiale.

Cosa misurare prima di partire

Prezzo realizzato medio per le prime cinquanta referenze per fatturato.
Dispersione degli sconti tra clienti simili sullo stesso prodotto.
Margine perso in sconti nell'ultimo anno, in euro.
Tasso di conversione delle offerte per fascia di sconto.

Se questi numeri non esistono, il primo progetto è costruirli. Spesso basta questo per trovare il primo recupero di margine, prima ancora di introdurre modelli. Chi vuole un metodo strutturato per legare questi numeri al conto economico trova utile la guida sull'intelligenza artificiale nel controllo di gestione.

Il caso reale: da 9 a 10 milioni di fatturato con il pricing intelligente

Uno dei progetti che ho seguito riguarda un hotel che è passato da 9 a 10 milioni di fatturato. Un milione di ricavi in più, con la stessa struttura e lo stesso numero di camere.

Non abbiamo comprato tecnologia a caso. Abbiamo mappato l'andamento reale della domanda, giorno per giorno e canale per canale, e capito dove si lasciava margine. Poi abbiamo applicato un prezzo che seguiva la domanda, alzandolo nei periodi di forte richiesta e usando le riduzioni in modo mirato nei periodi deboli, invece di tenerle fisse tutto l'anno.

Perché questo caso vale anche fuori dall'hotellerie

La leva è la stessa per qualsiasi azienda che vende qualcosa: far seguire al prezzo il valore e la domanda, invece di tenerlo fermo per abitudine. Un'azienda manifatturiera non cambierà il prezzo ogni giorno, ma può smettere di concedere lo stesso sconto a tutti. Un distributore può difendere il prezzo sui prodotti dove è l'unico ad avere disponibilità immediata.

Altri risultati con lo stesso metodo

Il pricing non è l'unica leva su cui ho visto lavorare bene l'intelligenza artificiale. Nello stesso approccio rientrano altri casi:

Un distributore sportivo ha ottenuto il 30% di vendite in più con il marketing guidato dall'IA, lavorando su chi contattare, quando e con quale offerta.
Un centro medico ha aumentato del 20% la propria capacità.
Un agriturismo ha raddoppiato gli ospiti.

Il filo comune è che nessuno di questi risultati è nato comprando uno strumento. Sono nati dal mappare il processo, trovare il punto di perdita e applicare la tecnologia esattamente lì. Se volete capire dove il vostro pricing lascia margine sul tavolo, è il tipo di analisi che faccio con le aziende che mi scrivono dalla pagina di richiesta consulenza di questo sito.

Pricing intelligente per tipo di azienda: da dove partire

La stessa tecnologia produce risultati molto diversi a seconda del modello di business. Ecco il punto di partenza che consiglio per i quattro profili che incontro più spesso.

Manifattura con listini e agenti

Il margine si perde quasi sempre negli sconti concessi dagli agenti e nelle condizioni speciali accumulate negli anni. Il primo passo è la mappa della dispersione: stesso prodotto, clienti simili, prezzi diversi. Il secondo è una fascia di sconto per segmento, con approvazione oltre soglia. Il prezzo dinamico qui serve poco, mentre la revisione dei prezzi dei ricambi e dei servizi post vendita, spesso fermi da anni, dà quasi sempre un ritorno immediato.

Distribuzione all'ingrosso

Il catalogo è ampio, i margini sono stretti e le referenze sono migliaia. Qui l'IA rende sulla segmentazione dei prodotti: articoli civetta, su cui il cliente confronta i prezzi, e articoli di coda, su cui il cliente non confronta quasi mai. Tenere competitivi i primi e difendere il margine sui secondi è la leva classica, e con migliaia di codici si può fare solo con un modello.

Servizi e capacità che scade

Hotel, centri medici, palestre, noleggi, studi con agenda. Ogni ora o camera non venduta è persa per sempre. La leva è il prezzo dinamico in base alla domanda prevista, unito a una gestione mirata delle promozioni nei periodi deboli. È il terreno del caso dell'hotel descritto sopra.

E-commerce e retail

I prezzi sono pubblici, cambiano in fretta e il confronto è immediato. Qui l'intelligence dei prezzi della concorrenza e l'automazione con guardrail stretti hanno più senso che altrove. Il rischio da presidiare è la guerra di prezzo, e verso i consumatori vale l'obbligo informativo sul prezzo personalizzato.

I dati minimi per partire

Qualunque sia il profilo, servono quattro fonti:

Fatture degli ultimi due anni, con prezzo, sconto e condizioni per riga.
Offerte emesse, vinte e perse, con la data e possibilmente il motivo.
Anagrafica clienti e prodotti pulita, con codici coerenti tra sistemi.
Costi per prodotto, almeno a livello di costo standard.

Non servono dati perfetti. Servono dati collegabili. La maggior parte delle aziende li ha già nel gestionale, solo che nessuno li ha mai messi insieme con la domanda giusta.

Autovalutazione: quanto è maturo il vostro pricing?

Rispondete sì o no a ciascuna domanda. Ogni sì vale un punto.

Area 1: logica di prezzo

Esiste una politica di prezzo scritta, con criteri chiari per listino, sconti ed eccezioni?
Il prezzo di almeno una parte del catalogo tiene conto del valore percepito, e non solo del costo?
Sapete quali prodotti sono sottoprezzati rispetto alla concorrenza e al valore che offrono?

Area 2: sconti e margine

Conoscete in euro il margine perso in sconti nell'ultimo anno?
Gli sconti oltre una certa soglia richiedono un'approvazione tracciata?
Sapete se clienti simili pagano prezzi simili per lo stesso prodotto?

Area 3: dati e simulazione

I dati di fatture, offerte e ordini sono collegati e confrontabili?
Registrate le offerte perse con il motivo della perdita?
Prima di cambiare un prezzo, simulate l'effetto su volumi e margine?

Area 4: mercato e organizzazione

Monitorate i prezzi della concorrenza in modo sistematico, almeno una volta al mese?
C'è una persona responsabile del prezzo, con obiettivi sul margine e non solo sui volumi?
I venditori hanno incentivi legati al margine, oltre che al fatturato?

Come leggere il punteggio

Da 0 a 4: il prezzo è gestito per abitudine. Il primo recupero di margine arriva da disciplina e dati, prima ancora che dall'IA.
Da 5 a 8: avete le basi. L'intelligenza artificiale può dare risultati rapidi su sconti e segmentazione.
Da 9 a 12: siete pronti per simulazioni avanzate, prezzo dinamico e automazione con guardrail.

La roadmap dei primi 90 giorni

Giorni 1-30: misurare e fermare l'emorragia

Estrarre due anni di fatture, offerte e ordini e collegarli per cliente e prodotto.
Calcolare prezzo realizzato, dispersione degli sconti e margine perso.
Individuare i venti clienti e le venti referenze con il margine più distante dalla media.
Introdurre una soglia di approvazione per gli sconti oltre la fascia normale.

Risultato atteso: una mappa precisa di dove si perde margine e un primo freno alle eccezioni più costose.

Giorni 31-60: segmentare e ottimizzare

Costruire una prima segmentazione dei clienti per comportamento d'acquisto e costo di servizio.
Definire fasce di sconto per segmento, con verde, giallo e rosso.
Stimare l'elasticità sulle linee di prodotto con abbastanza storico.
Avviare un monitoraggio dei prezzi della concorrenza sui prodotti chiave.

Risultato atteso: i venditori ricevono indicazioni di prezzo per ogni offerta, e il primo recupero di margine si vede nei numeri del mese.

Giorni 61-90: rendere il prezzo sistematico

Testare in modo controllato un aggiustamento di prezzo su una linea, con un gruppo di confronto.
Automatizzare solo le decisioni del primo livello, entro guardrail stretti.
Mettere in piedi un cruscotto mensile con i KPI della sezione successiva.
Decidere sui numeri se estendere, correggere o fermare.

Risultato atteso: un sistema di pricing misurabile, con un primo ritorno documentato e un piano per i dodici mesi successivi.

A fine 90 giorni dovreste avere numeri di partenza, numeri di arrivo e una direzione chiara. Se volete un disegno completo e su misura per la vostra azienda, potete scrivermi dalla pagina di richiesta consulenza: partiamo dai vostri prezzi reali, non da una demo.

I KPI del pricing intelligente che contano davvero

Prezzo realizzato medio

È il prezzo effettivamente incassato, al netto di tutto. È il numero più importante e il meno misurato. Va seguito per prodotto, cliente e venditore.

Margine perso in sconti

La somma in euro della differenza tra listino e prezzo realizzato. Rende concreto un problema che in percentuale sembra piccolo.

Dispersione dei prezzi

Quanto variano i prezzi pagati da clienti simili per lo stesso prodotto. Una dispersione alta segnala sconti casuali.

Tasso di conversione per fascia di sconto

Mostra se gli sconti più alti servono davvero a vincere più offerte. Spesso si scopre che oltre una certa soglia lo sconto non cambia il risultato.

Elasticità stimata

Indica quanto i volumi reagiscono al prezzo. Serve a decidere dove alzare con poco rischio.

Margine per cliente

Mette insieme prezzo, costo di servizio e volumi. Rivela clienti grandi che in realtà non guadagnano nulla.

Gli errori più comuni nel pricing con l'intelligenza artificiale

Errore 1: confondere prezzo dinamico e prezzo casuale

Un prezzo che cambia senza una logica comprensibile al cliente distrugge fiducia. Il prezzo dinamico deve essere spiegabile: picco di domanda, disponibilità, tempi di consegna.

Errore 2: tagliare il prezzo per paura

Molte aziende scontano per paura di perdere il cliente, senza sapere se il cliente se ne andrebbe davvero. L'analisi delle offerte vinte e perse spesso mostra che il prezzo non era il motivo principale.

Errore 3: inseguire il concorrente

Abbiamo visto perché la regola "sempre sotto il concorrente" porta a una guerra di prezzo. Il prezzo del concorrente è un'informazione, non un ordine.

Errore 4: partire dallo strumento

Comprare una piattaforma di pricing prima di avere dati puliti e una politica scritta porta quasi sempre a un progetto fermo al pilota. Prima il metodo, poi lo strumento.

Errore 5: escludere i venditori

Se i venditori non capiscono le raccomandazioni, le ignorano. Il sistema deve spiegare il perché di ogni prezzo suggerito, e i venditori devono partecipare alla definizione delle regole.

Errore 6: dimenticare gli incentivi

Se il venditore è pagato solo sul fatturato, ogni sconto gli conviene. Nessun algoritmo vince contro un sistema di incentivi che premia il comportamento opposto.

Come far adottare il pricing intelligente al team commerciale

La tecnologia è la parte facile. La parte difficile è convincere venti venditori, abituati a decidere il prezzo in trattativa, a fidarsi di una fascia suggerita da un modello.

Tre accorgimenti funzionano quasi sempre.

Partire dai dati dei venditori stessi. Mostrare a ciascuno la propria dispersione degli sconti rispetto ai colleghi è più convincente di qualsiasi presentazione.
Lasciare margine di manovra. Le fasce sono una guida, non una gabbia. Un venditore che può uscire dalla fascia motivando la scelta accetta il sistema molto più facilmente.
Mostrare i risultati presto. Dopo trenta giorni, condividere quanto margine è stato recuperato e come cambia l'incentivo di ciascuno.

Il costo dell'inerzia

Rimandare il pricing intelligente non significa restare fermi. Significa continuare a perdere margine ogni mese, mentre, secondo la ricerca McKinsey, tra il 65% e l'85% delle aziende si prepara ad adottare l'IA nel pricing entro tre anni.

C'è anche un effetto meno visibile. Quando un concorrente segmenta bene, prende i clienti più redditizi offrendo loro condizioni migliori, e lascia a chi non segmenta i clienti meno redditizi. Il fatturato può restare uguale mentre il margine scende, ed è il tipo di declino che si nota solo quando è tardi.

Per chi vende anche all'estero, nella guida in inglese sull'AI price optimization trovate il confronto con il mercato americano, dove questi sistemi sono più diffusi.

Domande frequenti

Cos'è il pricing intelligente con l'intelligenza artificiale?

Il pricing intelligente è un sistema in cui i prezzi vengono fissati, aggiornati e controllati sulla base dei dati, con l'aiuto di modelli statistici e di intelligenza artificiale, invece che per abitudine o trattativa. Comprende il prezzo dinamico in base alla domanda, la segmentazione dei clienti, il controllo degli sconti, la stima dell'elasticità e il monitoraggio della concorrenza. Il suo valore principale è ridurre la casualità dei prezzi e recuperare margine perso in sconti non necessari.

Quanto si può guadagnare con l'AI per il pricing?

Dipende dal punto di partenza, ma la logica è chiara: secondo McKinsey un aumento dell'1% del prezzo medio, a parità di volumi, porta in media l'8,7% di utile operativo in più. In un'azienda con 20 milioni di ricavi e il 6% di margine operativo, ridurre lo sconto medio di un punto può valere circa 220.000 euro di utile in più all'anno. Il ritorno va calcolato prima del progetto, con i dati reali di fatture e offerte.

Cos'è l'intelligence dei prezzi della concorrenza?

È la raccolta e l'analisi sistematica dei prezzi, delle promozioni e delle condizioni praticate dai concorrenti, per posizionare i propri prezzi in modo consapevole. L'intelligenza artificiale automatizza la raccolta, abbina i prodotti anche quando le descrizioni sono diverse e distingue promozioni temporanee da riposizionamenti. Il prezzo del concorrente va però usato come dato in ingresso, non come regola automatica, per evitare guerre di prezzo.

Il pricing personalizzato è legale in Italia?

Il prezzo personalizzato verso i consumatori non è vietato, ma dal 2 aprile 2023, con il decreto legislativo 26/2023 che recepisce la direttiva Omnibus, il professionista deve informare il consumatore quando il prezzo è stato personalizzato tramite un processo decisionale automatizzato. Se si usano dati personali e profilazione valgono anche le regole del GDPR, compreso l'articolo 22. Prima di attivarlo serve una verifica legale.

Da dove conviene iniziare con l'automazione del pricing?

Conviene iniziare misurando il prezzo realmente incassato, la dispersione degli sconti e il margine perso nell'ultimo anno, poi introdurre soglie di approvazione per gli sconti. Solo dopo si passa alle raccomandazioni di prezzo per i venditori e, per ultime, alle decisioni automatiche su prodotti a basso rischio, sempre con prezzi minimi, massimi e un interruttore manuale. Saltare i primi passaggi porta quasi sempre a progetti fermi al pilota.

Una PMI può permettersi il pricing intelligente?

Sì, ed è uno dei progetti di intelligenza artificiale più adatti a una PMI, perché i dati di partenza esistono già: fatture, ordini e offerte. I primi risultati arrivano spesso dalla sola analisi e dalla disciplina sugli sconti, con un investimento contenuto. Secondo ISTAT solo il 15,7% delle PMI italiane usa l'IA, contro il 53,1% delle grandi imprese: chi si muove prima recupera margine mentre i concorrenti continuano a concederlo.