Într-un magazin online cu asistent AI, mai puține căutări, mai puține pagini de produs și sesiuni mai scurte pot însemna cumpărători mai hotărâți, nu trafic pierdut. Metricile clasice de engagement devin indicatori falși dacă nu sunt citite împreună cu calitatea deciziei de cumpărare. Un cumpărător care își descrie nevoia o singură dată, primește trei recomandări și cumpără poate avea o experiență mai bună decât unul care navighează 20 de minute prin catalog. Întrebarea de marketing nu mai este „cât timp petrece omul pe site”, ci „a ajuns la produsul potrivit, iar produsul ăla a rămas la el după livrare”.

Practical Ecommerce a publicat pe 22.10.2026 o analiză semnată de Armando Roggio, care citează un product designer de la TikTok ce lucrează pe experiențe de shopping asistate de AI (sursa). Ideea centrală: familiarile metrici ecommerce sunt construite pe presupunerea că omul descoperă produse navigând între pagini. Când AI-ul preia o parte din navigare, cifrele scad, deși experiența se îmbunătățește. Nu traducem materialul, îl folosim ca punct de plecare pentru o discuție pe care orice operator serios o are acum cu echipa de analytics.

Engagement-ul nu mai e proxy pentru interes

Ani la rând am tratat activitatea ca semnal de interes. Mai multe vizualizări de produs înseamnă considerație. Mai multe căutări înseamnă că omul explorează catalogul. Sesiune lungă înseamnă că evaluează. Toate trei pot fi adevărate. Și toate trei pot fi exact invers.

Cinci căutări pot însemna că search-ul intern e prost și nu găsește nimic relevant. Zece pagini de produs pot însemna că paginile nu conțin informația de care are nevoie cumpărătorul, așa că merge din una în alta. O sesiune de 14 minute poate fi confuzie, nu studiu. Diferența față de trecut e că asistentul AI poate scurta artificial drumul, iar dashboar-ul tău raportează scădere acolo unde realitatea e creștere.

Problema nu e nouă. AI-ul nu inventează această ambiguitate, o expune. Când traficul era dominat de navigare manuală, erorile de interpretare se diluau în volum. Acum, o parte tot mai mare din sesiuni trece printr-un strat de interogare conversațională, iar semnalul devine mult mai concentrat. Dacă raportul tău săptămânal încă tratează „pagini per sesiune” ca pe un KPI de sănătate, ai o problemă de lectură, nu de trafic.

Feature use nu e feature value

Când un merchant instalează un asistent AI, primele rapoarte care apar în platformă sunt de utilizare: conversații, mesaje per sesiune, timp petrecut în chat, reveniri. Toate arată dacă oamenii folosesc unealta. Niciuna nu arată dacă unealta livrează.

Zece mesaje schimbate cu asistentul pot însemna engagement ridicat. Pot însemna și că a înțeles greșit nevoia de șapte ori. Diferența dintre cele două scenarii se vede în comportamentul ulterior: a ajuns la un produs? l-a adăugat în coș? a revenit? a returnat? Fără aceste straturi, raportul de „AI conversations” e un indicator de adopție, nu de performanță.

Asta nu înseamnă că utilizarea nu contează. Dacă nimeni nu atinge asistentul, ai o problemă de plasare, de UX sau de awareness. Dar dacă toată lumea îl atinge și nimeni nu cumpără mai bine, ai o problemă de conținut, de logică de recomandare sau de potrivire între ce promite și ce livrează. Un app extern de AI shopping raportează de obicei exact ce e ușor de măsurat, nu ce contează. Aici intră în joc munca de analytics: să construiești tu stratul de măsurare care leagă conversația de decizie.

Calitatea deciziei, singurul scor care contează

Alternativa la metricile de activitate este să măsori decizia. Trei întrebări concrete:

  1. Identificare: asistentul ajută cumpărătorul să găsească produse relevante eficient? Semnal negativ: căutări repetate, reformulări ale aceleiași cerințe, întoarceri la aceleași produse fără progres.
  2. Comparație: asistentul compară corect? Un cumpărător care sare între aceleași două produse de cinci ori nu e indecis, e posibil să primească informații contradictorii sau incomplete.
  3. Conversie: recomandările se transformă în comenzi? Aici metricile clasice rămân valide, doar că trebuie segmentate pe sesiuni cu și fără asistent.

Testele controlate sunt instrumentul cel mai curat. Compari intenții de cumpărare similare în două experiențe, una cu asistent, una fără, și te uiți la descoperire, finalizarea sarcinii, conversie și revenire. Nu e un test simplu de rulat, pentru că segmentele trebuie echilibrate pe tip de produs și valoare de coș. Dar e singurul mod de a separa efectul real al AI-ului de sezonalitate sau de o campanie care rulează în paralel.

Un aspect pe care mulți îl ratează: metrica potrivită depinde de tipul de sarcină. Pentru reumplerea unui produs consumabil, viteză e tot ce contează. Pentru un electrocasnic scump sau un produs tehnic, cumpărătorul are nevoie de comparație și explicație, iar o sesiune mai lungă e normală și sănătoasă. Un singur KPI global pentru „AI shopping” e o greșeală de design de măsurare. Segmentarea pe categorii și pe intenție e obligatorie dacă vrei să citești corect rezultatele.

Ce se întâmplă după conversie

Aici apare partea cea mai incomodă și cea mai valoroasă în același timp. Un asistent care ajută omul să cumpere repede poate performa prost dacă vânzarea se întoarce. Un cumpărător acceptă rapid recomandarea, apoi returnează pentru că produsul nu se potrivește, e incompatibil sau nu corespunde așteptărilor. Drumul scurt nu a îmbunătățit rezultatul, doar l-a accelerat.

De aceea, evaluarea unui asistent AI de shopping trebuie dusă dincolo de prima conversie: rate de retur, sondaje de satisfacție, comportament de recumpărare. Practic, închizi bucla de măsurare în faza post-cumpărare, nu la checkout. Pentru un magazin cu retur mare pe anumite categorii, asta poate schimba complet concluzia: un asistent care crește conversia cu 2 puncte dar dublează retururile pe categoria respectivă e un minus, nu un plus.

Asta leagă discuția de o temă mai largă, pe care o tratăm separat în analiza despre strategia de AI search în 4 straturi: vizibilitatea în AI nu e despre cât de mult apari, ci despre cât de corect ești recomandat. Aceeași logică se aplică și asistentului din magazin. Contează ce produs pune în față, nu cât de conversațional sună.

Ce înseamnă pentru tine, ca marketer sau antreprenor român

Dacă ai un magazin online în România și te uiți la un dashboard cu Google Analytics 4, realitatea de care trebuie să ții cont e simplă: dacă sesiunile cu asistent AI încep să crească, nu te panica dacă vezi scăderi pe pagini per sesiune sau durată medie. Panica vine dacă scade conversia pe segment, nu dacă scade engagement-ul.

Pași concreți pe care îi poți propune echipei:

Un lucru de evitat: să ceri agentiei sau echipei interne să raporteze „AI performance” fără să definești ce înseamnă. Un raport cu număr de conversații și mesaje per sesiune e exact genul de livrabil care arată bine în slide și nu schimbă nicio decizie. Dacă vrei un stack coerent pentru asta, merită citită și analiza despre composable martech în 2026, pentru că măsurarea corectă a unui asistent AI cere date din mai multe sisteme: analytics, CRM, retururi, email.

Ce rămâne de verificat

Materialul sursă propune un cadru, nu oferă studii de caz cu cifre. Nu avem date despre cât de mult scade engagement-ul în magazine reale care instalează un asistent AI. Nu avem date despre efectul pe retururi. Orice cifră de tipul „conversia crește X%” trebuie tratată ca ipoteză până când ai date proprii sau cercetare independentă. Ceea ce putem spune cu certitudine este că direcția de măsurare e corectă: calitatea deciziei bate activitatea.

De asemenea, nu toate asistentAI de pe piață expun datele necesare. Un app care nu îți dă acces la loguri de conversație sau la evenimente custom te lasă să măsori doar feature use. Înainte să instalezi unul, întreabă ce poți exporta și ce poți lega de alte surse. Dacă răspunsul e „doar raportul din dashboard”, știi deja că măsurarea va fi incompletă.

FAQ

Dacă implementez un asistent AI și văd scăderi în engagement, e semn rău? Nu automat. Scăderea paginilor per sesiune și a duratei medii poate însemna eficientizare. Verifică dacă scade și conversia pe segment, dacă cresc retururile, dacă scade recumpărarea. Dacă acelea sunt stabile sau în creștere, engagement-ul mai mic e semnal pozitiv.

Ce metrici ar trebui să urmăresc dacă nu mai am încredere în engagement? Calitatea deciziei: rată de succes pe sarcină, reformulări ale cerinței, click-through pe recomandare, conversie pe segment, retur, satisfacție, recumpărare. Le citești împreună, nu izolat.

Cum măsor efectul real al asistentului în condiții de piață zgomotoase? Teste controlate pe intenții similare, cu și fără asistent. Segmentezi pe tip de produs și valoare de coș. Fără asta, orice diferență poate veni din campanii paralele sau sezonalitate.

Concluzia ALLSoft

AI-ul ajută la analiză și la planificare. Poate să grupeze loguri de conversație, să identifice tipare de reformulare, să sugereze segmente de test. Dar decizia despre ce măsori, ce înseamnă succes pe categorie și când tragi concluzia rămâne umană. Media buyer-ul și analistul citesc datele în context, corelează cu ce se întâmplă în piață și decid dacă asistentul merită păstrat, ajustat sau scos.

Pasul concret îl face ALLSoft Agency. Începem cu un audit de măsurare pe sesiunile AI, construim evenimentele care leagă conversația de conversie și retur și rulăm un test controlat pe categoriile care contează. Fără promisiuni de cifre, cu date pe masă.