Come automatizzare rimborsi e cambi con l'IA nell'ecommerce
Il lunedì dopo Natale, la tua coda di assistenza mostra 412 ticket prima delle 9 del mattino. La maggior parte riguarda le stesse quattro domande: "Dov'è il mio rimborso?", "Posso cambiarlo con una taglia più grande?", "Come avvio un reso?", "Il mio pacco è stato ricevuto?" Il tuo team di due persone passerà l'intera settimana a cercare ordini, copiare numeri di tracciamento ed emettere etichette di spedizione una alla volta. I dati del settore mostrano che i rivenditori si aspettano che il 17% delle vendite natalizie venga restituito.
Questa guida ti mostra come costruire un sistema di IA che gestisce le richieste di rimborso e cambio dall'inizio alla fine: conversazioni telefoniche e in chat, controlli delle policy, scoring antifrode, generazione di etichette e aggiornamenti di stato in tempo reale. Alla fine avrai una configurazione funzionante che devia il 70-80% dei ticket di reso di routine ed escala solo i casi che hanno davvero bisogno di un intervento umano, basata su Retell AI.
Un sistema di resi e cambi sempre attivo che gestisce chiamate e messaggi in entrata, verifica gli ordini rispetto al tuo OMS, applica le regole delle policy, genera etichette e invia aggiornamenti di stato al cliente senza che nessuno tocchi il ticket.
Alla fine di questo tutorial, la tua configurazione sarà in grado di:
Prima di iniziare, ti serviranno:
Inizia con un agente funzionante prima di collegare qualcosa di complesso. Registrati su retellai.com, apri il builder degli agenti e scegli una voce calda e chiara dalla libreria di ElevenLabs. Imposta la frase di apertura con qualcosa che il tuo brand direbbe davvero: "Ciao, sono Maya di [Brand] — chiami per un reso, un cambio o altro?"
Fai una chiamata di prova al numero temporaneo che la dashboard assegna. Sentirai l'agente rispondere in circa 600ms e instradare in base a ciò che dici. A questo punto non può ancora cercare gli ordini — instrada solo l'intento. Va bene così. Verifica che l'agente vocale con IA risponda in modo pulito, gestisca l'interruzione quando parli sopra di lui e identifichi "reso", "rimborso" e "cambio" come i tre intenti principali.
Risultato: un agente attivo che risponde alle chiamate e classifica correttamente resi, rimborsi e richieste di cambio come flussi separati.
La maggior parte dei brand cerca di costruire un unico flusso gigantesco e se ne pente. Costruiscine invece tre brevi: richiesta di rimborso, richiesta di cambio e controllo di stato "dov'è il mio rimborso". Ogni flusso ha bisogno di un saluto, uno step di ricerca dell'ordine, un controllo della policy, un ramo decisionale e un messaggio di conferma.
Per il flusso di rimborso: saluta → chiedi il numero d'ordine o l'email → cerca l'ordine → controlla la finestra di reso → controlla la domanda sulla condizione → decidi se approvare/rifiutare/escalare → genera l'etichetta → conferma. Per il flusso di cambio, inserisci uno step "proponi lo stesso articolo in taglia diversa" prima di approvare un rimborso — i cambi preservano il fatturato che i rimborsi distruggono. Per il flusso di stato, salta del tutto il controllo della policy e recupera lo stato del rimborso dal tuo fornitore di pagamenti.
Usa il framework agentico drag-and-drop per collegare ogni ramo. Mantieni la conversazione breve — chi chiama per un reso vuole velocità, non chiacchiere. Punta a meno di 90 secondi dal saluto alla consegna dell'etichetta in un caso pulito.
Risultato: tre flussi mappati che coprono l'80% delle conversazioni reali sui resi.
L'agente ha bisogno di dati sugli ordini in tempo reale, altrimenti è solo un chatbot con una voce. Apri la sezione di function-calling del tuo agente e configura una richiesta HTTP verso l'API degli ordini del tuo store. Per Shopify, è l'endpoint /orders.json dell'Admin API filtrato per email o numero d'ordine. Per WooCommerce, l'endpoint /wp-json/wc/v3/orders. Per i sistemi personalizzati, qualunque endpoint esponga il tuo OMS.
Imposta il timeout del webhook ad almeno 5 secondi — le API degli ordini possono essere lente nelle ore di punta. Passa il numero d'ordine o l'email fornita da chi chiama come parametri di query. Mappa i campi della risposta che ti servono: order_date, fulfillment_status, financial_status, line_items, total_price. Aggiungi un ramo di fallback che chiede a chi chiama di compitare la propria email lettera per lettera se la prima ricerca fallisce.
Prova con cinque numeri d'ordine reali dal tuo database. L'agente dovrebbe dire "Perfetto, vedo il tuo ordine per la felpa blu navy del 12 novembre" entro 2-3 secondi dopo che chi chiama ha terminato la richiesta.
Risultato: l'agente può recuperare qualsiasi ordine reale di un cliente e riferirne i dettagli rilevanti durante la chiamata.
Un'IA generica non applicherà la tua policy specifica. Devi esplicitarla. Nella logica decisionale dell'agente, aggiungi un nodo di controllo della policy dopo la ricerca dell'ordine. Il nodo valuta quattro cose in ordine: data di acquisto rispetto alla finestra di reso, categoria del prodotto rispetto alle eccezioni, storico dei resi del cliente rispetto alla tua soglia antifrode e condizione dell'articolo in base alle risposte di chi chiama.
Esempio di set di regole per un brand di abbigliamento: finestra di 30 giorni dalla consegna, articoli in saldo definitivo esclusi, clienti con più di 6 resi in 90 giorni segnalati per la revisione umana, costumi da bagno e biancheria intima non restituibili. Scrivi ogni regola come un semplice condizionale che la knowledge base può referenziare. Includi il linguaggio esatto della policy che chi chiama sente quando una richiesta viene rifiutata — "Questo articolo è stato acquistato 47 giorni fa e la nostra finestra di reso è di 30 giorni, ma posso offrirti un credito store del 20% come cortesia una tantum" è meglio di "Il tuo reso è respinto".
Risultato: l'agente approva i resi idonei, rifiuta quelli non idonei con una motivazione specifica e offre alternative conformi alla policy come credito store o rimborso parziale.
La frode sui resi è circa il 9% di tutti i resi secondo NRF, e alcune categorie vanno molto più in alto. Il tuo agente deve intercettare i pattern evidenti senza rallentare i clienti legittimi. Costruisci una funzione di scoring che gira in parallelo al controllo della policy e segnala uno di questi segnali: più di 3 resi in 30 giorni, rapporto reso/acquisto superiore al 50%, ordini con uno storico di reclami "mai arrivato" contraddetti dalla prova di consegna del corriere, o clienti al primo acquisto che richiedono rimborsi di alto valore su più articoli di un singolo ordine.
Instrada i casi segnalati verso un trasferimento di chiamata con il contesto completo — l'agente umano risponde con una nota come "Chiamante sull'ordine 10847, tre resi negli ultimi 21 giorni, richiede rimborso su un articolo che risulta consegnato e firmato". Non dire a chi chiama che è stato segnalato. Di': "Ti passo un supervisore che può esaminare questo caso insieme a te".
Risultato: i tentativi di frode evidenti raggiungono la revisione umana con le prove allegate, mentre i resi puliti passano senza attriti.
Una volta superato il controllo della policy, l'agente deve agire, non solo promettere di agire. Collega una seconda function call all'API del tuo fornitore di etichette — Shippo, EasyPost e ShipStation espongono tutti un endpoint /transactions che restituisce un URL dell'etichetta dato un indirizzo dell'ordine e un livello di servizio. Configura l'agente per attivare questa chiamata nel momento in cui un reso viene approvato, poi invia l'etichetta al cliente via SMS o email durante la conversazione.
In parallelo, lancia un webhook al tuo WMS o 3PL così il magazzino sa che c'è un reso in arrivo. Includi il numero d'ordine, gli articoli attesi e il codice motivo così l'area ricezione può instradare gli articoli danneggiati all'arrivo verso l'ispezione anziché al rimesso a magazzino. Questo è lo step che separa la vera automazione dai chatbot appariscenti — il flusso di lavoro dell'inventario parte mentre chi chiama è ancora in linea.
Risultato: il cliente riceve un'etichetta funzionante entro 30 secondi dall'approvazione, e il magazzino vede il reso in arrivo nella sua dashboard prima che la chiamata finisca.
I cambi sono il punto in cui si protegge il margine. Quando chi chiama dice "Devo restituire questi jeans, sono troppo grandi", un agente che parte dal rimborso perde fatturato. Un agente consapevole dell'inventario dice "Vedo che li abbiamo in una taglia più piccola nel nostro magazzino — vuoi che te li spedisca oggi e includa un'etichetta prepagata per il reso?"
Aggiungi una function call che controlla la tua API dell'inventario per lo stesso SKU nella taglia o nel colore alternativo richiesto prima di ramificare verso il percorso di rimborso. Se c'è disponibilità, proponi prima il cambio ed elabora entrambi i lati della transazione — spedizione in uscita del nuovo articolo, etichetta in entrata per quello vecchio — in un unico step di conferma. Il flusso di assistenza clienti con IA gestisce l'SMS di follow-up con entrambi i numeri di tracciamento.
Risultato: il 30-40% delle richieste di rimborso si converte in cambi, preservando il fatturato invece di annullarlo.
Prima di andare in produzione, esegui test di simulazione su 20-30 scenari realistici: reso pulito entro la finestra, reso fuori dalla finestra, cambio con disponibilità, cambio senza disponibilità, chi restituisce in serie, sospetto di wardrobing, chi chiama e non conosce il proprio numero d'ordine, parlante con accento o non madrelingua inglese, chi chiama e interrompe a metà spiegazione della policy. Correggi ogni punto di fallimento che trovi.
Quando attivi tutto, abilita l'analisi post-chiamata con KPI personalizzati: tasso di approvazione, tasso di conversione dei cambi, tasso di trasferimento, tempo medio di gestione e precisione dei flag antifrode. Imposta una cadenza di revisione settimanale per il primo mese — leggi 20 trascrizioni di chiamate, cerca le lacune di conoscenza, aggiusta il linguaggio della policy o le soglie di escalation in base a ciò che vedi. Prevedi un periodo di messa a punto di 2 settimane. La maggior parte dei brand raggiunge il 70-80% di contenimento totale nella prima settimana, salendo all'85-90% dopo il primo round di aggiustamenti.
Risultato: un agente per i resi attivo con KPI misurabili e un ciclo di miglioramento ripetibile.
Ogni rimborso è una vendita annullata. Ogni cambio preserva la transazione. Quando chi chiama dà una motivazione che implica che un cambio funzioni (taglia sbagliata, colore sbagliato, vestibilità non gradita), fai in modo che l'agente proponga prima l'alternativa. I brand che riordinano la conversazione in questo modo vedono il 30-40% degli intenti di rimborso convertirsi in cambi. Non forzarlo — se chi chiama dice "Voglio solo indietro i miei soldi", rispettalo e vai avanti.
La policy scritta si legge diversamente dalla policy parlata. "Gli articoli devono essere in condizioni originali con le etichette attaccate" funziona su una pagina di aiuto. In una chiamata suona rigido. Riscrivi ogni regola in un italiano parlato semplice e registrati mentre la dici — se inciampi, chi chiama lo farà a sua volta. Conserva queste frasi riscritte nella knowledge base così l'agente le usa alla lettera.
Trasferire a un umano alla prima risposta poco chiara uccide il contenimento. Lasciare che l'agente vada in loop all'infinito frustra chi chiama. Imposta un tetto rigido: tre tentativi di chiarimento, poi risolvi oppure escala. La maggior parte di chi chiama riformula con successo al secondo tentativo; il terzo tentativo è dove capisci se la tua knowledge base ha una vera lacuna o se chi chiama ha davvero bisogno di un umano.
I resi automatizzati riescono o falliscono sui casi limite che la tua policy non aveva previsto. Leggi 15-20 trascrizioni complete ogni settimana per il primo mese. Troverai pattern — una linea di prodotto che genera il 30% dei resi con lo stesso reclamo, una regola di policy che l'agente interpreta in modo troppo rigido, una frase che chi chiama usa continuamente e che la tua knowledge base non riconosce. Reinserisci le correzioni ogni settimana e il contenimento sale visibilmente.
L'agente approva un cambio per un vestito taglia 6, poi il magazzino spedisce una taglia 6 che è esaurita da tre settimane. Il cliente aspetta, richiama arrabbiato e ora hai due ticket invece di uno. Soluzione: richiedi la ricerca dell'inventario in tempo reale prima che l'agente pronunci le parole "Posso spedirtelo oggi". Se la disponibilità è incerta, l'agente promette un ordine di sostituzione e pianifica un aggiornamento, non una data di spedizione garantita.
I team si entusiasmano per i casi limite — resi di regali, resi internazionali, resi B2B all'ingrosso — e cercano di implementarli nella prima settimana. Il risultato è un flusso fragile che fallisce sull'80% dei casi semplici. Soluzione: lancia con resi nazionali, di singolo articolo, entro la finestra. Aggiungi un'eccezione a settimana dopo di quello, misurata sui dati delle trascrizioni.
Questa domanda non è assistenza, è stato. La risposta è sempre nel tuo fornitore di pagamenti — Stripe, Braintree, Shopify Payments. Non instradarla attraverso la logica delle policy dell'agente né escalarla a un umano. Collega una function call diretta all'API dei pagamenti, recupera lo stato del rimborso e fai in modo che l'agente lo riferisca. I brand che lo fanno bene deviano oltre il 90% delle chiamate sullo stato dei rimborsi senza alcun coinvolgimento umano.
Il volume dei resi sale di 3-5 volte sopra la media mensile a gennaio per la maggior parte dei brand di abbigliamento e ricchi di regali. Se il tuo agente è configurato per un volume normale, il tuo tasso di trasferimento esploderà e gli agenti umani annegheranno. Soluzione: aumenta la tua capacità di chiamate concorrenti prima del 26 dicembre, non dopo, e verifica le tue soglie antifrode — anche l'abuso dei rimborsi ha un picco nella stessa finestra.
Articoli danneggiati contestati dal cliente, dispute doganali internazionali, resi parziali B2B e qualsiasi caso che coinvolga un chargeback sono ancora lavoro umano. Non cercare di automatizzarli. Di' onestamente a chi chiama: "Questo caso ha bisogno che qualcuno del nostro team lo esamini — ti sto collegando ora con il contesto completo di ciò di cui abbiamo parlato". Chi chiama rispetta i passaggi di consegne onesti molto più di un bot che finge.
SWTCH ha implementato un agente vocale con IA di nome Lucas per gestire le chiamate di assistenza ad alto volume dei conducenti di veicoli elettrici. Il team ha visto i costi di assistenza calare di oltre il 50% mentre i tempi di risposta sono crollati da minuti a secondi. Il CEO Carter Li ha notato che l'agente ha migliorato i margini SaaS mantenendo intatta la qualità del servizio. Leggi il case study di SWTCH.
Anker ha ricostruito l'assistenza clienti globale su agenti vocali con IA per gestire domande sui prodotti, richieste di garanzia e resi in più lingue. Il risultato sono state conversazioni di qualità umana su scala aziendale, senza il costo del personale per una copertura multilingue attiva 24 ore su 24. Il brand di elettronica di consumo ora esegue lo stesso framework di agenti in tutti i suoi mercati internazionali.
Medical Data Systems ha scalato la gestione delle chiamate in entrata al 100% di copertura con IA con solo un tasso di trasferimento del 30% agli umani. Il team incassa circa 280.000$ al mese tramite agenti vocali con IA mantenendo gli standard di conformità che il loro settore richiede — un modello che i brand ecommerce possono adattare per il lavoro sui resi che tocca i pagamenti e i dati personali.
La maggior parte dei brand passa dalla registrazione a un agente attivo che gestisce i flussi di reso di base in 3-5 giorni. Il lavoro più lungo è codificare le regole della tua policy e collegare il tuo OMS, che tipicamente aggiunge un'altra settimana. Prevedi due settimane piene dalla registrazione alla produzione se la tua policy è semplice, quattro settimane se hai eccezioni di categoria complesse o flussi internazionali.
Sì. L'agente si collega all'Admin API di Shopify per la ricerca degli ordini, lo storico del cliente e l'avvio dei rimborsi, e al tuo fornitore di spedizioni scelto per la generazione delle etichette. Nessun requisito Shopify Plus per l'integrazione di base. Se usi un 3PL, aggiungerai un webhook al loro endpoint di ricezione così i resi compaiono nella loro dashboard.
I prezzi di Retell AI partono da 0,07$ al minuto di chiamata senza costi di piattaforma, e ogni nuovo account riceve 10$ di crediti gratuiti — sufficienti per circa 140 minuti di test dell'agente. Per un brand che gestisce 1.000 chiamate di reso al mese di 2 minuti ciascuna in media, sono circa 140$/mese di costi dell'agente, rispetto a 15-25$/ora per un agente umano che gestisce lo stesso volume.
L'agente escala a un umano con il contesto completo. L'umano vede i dettagli dell'ordine, cosa ha chiesto chi chiama, quale controllo della policy è scattato e ogni segnale antifrode segnalato. Il trasferimento richiede meno di 2 secondi e chi chiama non deve ripetere nulla. La maggior parte dei team vede i tassi di trasferimento assestarsi al 15-25% una volta che l'agente è messo a punto, con il resto risolto dall'inizio alla fine.
Per i casi di routine entro la policy, sì. Per i casi ad alto valore, contestati o segnalati, dovresti mantenere gli umani nel ciclo indipendentemente da quanto capace diventi l'IA. Configura il tuo agente per approvare automaticamente i rimborsi sotto una soglia in dollari che definisci (molti brand partono da 100$), ed escala qualsiasi cosa sopra di essa o qualsiasi cosa con un segnale antifrode. Questo equilibrio protegge il margine senza creare arretrati.
L'agente può segnalare pattern che correlano con la frode — alta frequenza di resi, dispute di consegna contraddette dai registri del corriere, ordini con segnali di wardrobing — e instradarli per la revisione umana. Non può identificare definitivamente la frode, e non dovresti volerlo. L'obiettivo è intercettare gli abusi evidenti e lasciare che gli umani prendano la decisione finale sui casi ambigui.
"Dov'è il mio rimborso" è la singola chiamata relativa ai resi a più alto volume nell'ecommerce. L'agente cerca lo stato del rimborso direttamente nel tuo fornitore di pagamenti, dice a chi chiama lo stato attuale e la data di completamento prevista, e offre una richiamata se qualcosa sembra bloccato. Questo singolo flusso da solo tipicamente devia il 25-35% di tutto il volume di chiamate relative ai resi.
La maggior parte di chi chiama se ne accorge entro i primi 10-15 secondi indipendentemente da come lo inquadri. La domanda è se gli importa. Con una latenza di risposta di ~600ms e un'alternanza naturale dei turni, chi chiama resta nella conversazione perché l'esperienza è più veloce che aspettare in attesa un umano. Sii trasparente — "Sono un assistente IA" nel saluto migliora effettivamente la fiducia rispetto al cercare di spacciarsi per umano.
Sì. La piattaforma supporta oltre 31 lingue con pronuncia nativa tramite ElevenLabs, e oltre 50 con OpenAI TTS. Imposta il rilevamento della lingua sulla prima frase di chi chiama e l'agente cambia automaticamente. Questo conta di più per i brand che vendono a livello internazionale — un singolo agente copre i clienti inglesi, spagnoli, francesi e tedeschi senza distribuzioni separate.
Traccia cinque numeri ogni settimana: tasso di contenimento (percentuale di chiamate risolte senza trasferimento), tasso di conversione dei cambi (percentuale di intenti di rimborso trasformati in cambi), tempo medio di gestione, precisione dei flag antifrode (quanto spesso i casi segnalati erano effettivamente frode) e CSAT dai sondaggi post-chiamata. Se il contenimento è sotto il 70% dopo tre settimane, la tua knowledge base ha lacune. Se la conversione dei cambi è sotto il 20%, la tua logica di raccomandazione ha bisogno di lavoro.
Ora hai un agente per resi e cambi funzionante che gestisce i controlli di idoneità, genera etichette, spinge i cambi rispetto ai rimborsi dove possibile, ed escala i segnali antifrode e i casi limite agli umani con il contesto completo.
Da qui, estendi lo stesso framework di agenti per gestire chiamate in uscita di conferma dei rimborsi, follow-up di soddisfazione post-cambio o promemoria di reso abbandonato per i clienti che hanno avviato un reso ma non hanno mai spedito l'articolo. Puoi anche distribuire la stessa struttura per il tracciamento degli ordini, la gestione delle dispute di consegna o la completa assistenza clienti con IA in ogni flusso di lavoro adiacente ai resi.
Inizia a costruire gratis con 10$ di crediti di utilizzo su retellai.com.
See how much your business could save by switching to AI-powered voice agents.
Total Human Agent Cost
AI Agent Cost
Estimated Savings
Un numero di telefono demo di Retell Clinic Office
Start building smarter conversations today.
.avif)
.avif)
