Metriche chatbot: gli 8 KPI che contano davvero
La deflection fa bella figura in una slide ma nasconde i clienti insoddisfatti. Queste otto metriche chatbot mostrano se il tuo assistente risolve davvero i problemi, con una…

In questo articolo
La maggior parte delle dashboard dei chatbot mette in primo piano un numero lusinghiero: quante conversazioni il bot ha "gestito" senza una persona. Cresce ogni mese, tutti annuiscono, e i clienti che hanno rinunciato a metà chat vengono contati in silenzio come successi.
Le metriche chatbot che contano davvero rispondono a una domanda più semplice: il cliente ha ottenuto ciò che cercava e l'azienda ha ricavato valore dalla conversazione? In pratica si riducono a otto numeri: tasso di risoluzione, tasso di passaggio a un operatore, CSAT, tempo di prima risposta, tasso di fallback, conversione dei lead, accuratezza delle risposte e tasso di ricontatto.
Ecco cosa ti dice ciascuno, come calcolarlo e una routine settimanale per far migliorare costantemente il tuo assistente.
In sintesi
- La deflection conta le conversazioni che non sono mai arrivate a una persona, non i problemi risolti. Abbinala sempre a risoluzione e ricontatti.
- Monitora con costanza un piccolo gruppo di KPI del chatbot invece di ogni numero che il tuo strumento può esportare.
- Una revisione settimanale delle conversazioni di 30 minuti individua più miglioramenti di qualsiasi dashboard da sola.
Perché la deflection da sola è fuorviante
La deflection (a volte chiamata containment) è la quota di conversazioni che si sono concluse senza un operatore. È facile da misurare, ed è per questo che la trovi ovunque.
Il problema è ciò che non riesce a vedere. Un cliente che chiede un rimborso, riceve una risposta vaga e chiude la chat viene contato come deflection. Lo stesso vale per chi rinuncia alla chat e ti scrive un'email. Un bot che non offre mai la possibilità di parlare con una persona registrerà un ottimo tasso di deflection e una pessima esperienza cliente.
Considera la deflection un indicatore di volume, non una metrica di successo.
Le 8 metriche chatbot da monitorare
| Metrica | Cosa ti dice | Formula semplice | Campanello d'allarme |
|---|---|---|---|
| Tasso di risoluzione | Problemi effettivamente risolti | Conversazioni risolte / totale | Deflection alta, risoluzione bassa |
| Tasso di passaggio a un operatore | Quanto spesso serve una persona | Conversazioni passate al team / totale | Molto basso (uscita nascosta) o in rapida crescita |
| CSAT delle chat con l'IA | Come si sono sentiti i clienti | Valutazioni positive / tutte le valutazioni | CSAT dell'IA molto sotto quello degli operatori |
| Tempo di prima risposta | Velocità della prima risposta | Tempo mediano alla prima risposta | Lunghe attese dopo il passaggio |
| Tasso di fallback | Lacune nelle tue conoscenze | Risposte "non lo so" / domande | Stesse lacune ogni settimana |
| Conversione dei lead | Impatto sui ricavi | Lead qualificati / chat di vendita | Lead raccolti e mai ricontattati |
| Accuratezza delle risposte | Affidabilità | Risposte corrette / risposte verificate | Risposte sicure ma sbagliate |
| Tasso di ricontatto | Se le risposte hanno funzionato | Ritorni per lo stesso problema / risolte | In crescita dopo una modifica dei contenuti |
1. Tasso di risoluzione
La quota di conversazioni in cui la domanda ha ricevuto risposta o l'attività è stata completata. Definisci "risolta" fin dall'inizio: il cliente ha confermato, ha dato una valutazione positiva oppure non è tornato sullo stesso argomento entro qualche giorno. Senza una definizione, questo numero perde significato.
2. Tasso di passaggio a un operatore
Quanto spesso l'assistente passa una conversazione al tuo team. Non esiste un livello giusto in assoluto: una clinica o un servizio B2B dovrebbe aspettarsi più passaggi rispetto a un negozio che risponde a domande sulle spedizioni. Osserva l'andamento e leggi i motivi, non solo il conteggio. La nostra guida al passaggio dal chatbot a un operatore spiega quando dovrebbe scattare l'escalation.
3. CSAT delle conversazioni con l'IA
Chiedi una valutazione con una sola domanda alla fine delle conversazioni gestite solo dall'IA e confrontala con quelle gestite dalle persone. Un divario ampio di solito indica un problema di tono, informazioni mancanti o un bot che trattiene la conversazione troppo a lungo. La guida al CSAT spiega come formulare la domanda e quando porla.
4. Tempo di prima risposta
Le risposte dell'IA sono quasi istantanee, quindi il dato interessante è cosa succede dopo il passaggio a un operatore. Se i clienti aspettano due ore dopo che il bot ha scritto "Ti metto in contatto con il team", l'esperienza è lenta. Monitora il tempo di prima risposta del bot e della coda degli operatori separatamente.
5. Tasso di fallback (risposte "non lo so")
Quanto spesso l'assistente dice di non poter aiutare o dà una risposta generica. Raggruppa questi casi per argomento. Un gruppo di domande senza risposta sulle spedizioni internazionali è un lavoro sui contenuti da fare questa settimana, non un mistero.
6. Conversione dei lead dalla chat
Quante conversazioni di vendita hanno generato un lead qualificato e quante di queste si sono trasformate in una prenotazione, una demo o un ordine. Se raccogli i contatti ma nessuno li ricontatta in fretta, il collo di bottiglia non è il chatbot.
7. Accuratezza delle risposte
Valuta un campione di risposte dell'IA come corrette, parzialmente corrette o sbagliate confrontandole con le tue fonti. Così proteggi il tuo brand: una risposta sbagliata data con sicurezza sulla politica di reso costa più di nessuna risposta.
8. Tasso di ricontatto
I clienti che tornano per lo stesso problema entro un intervallo stabilito, ad esempio sette giorni. Il tasso di risoluzione mostra i fallimenti evidenti; i ricontatti fanno emergere quelli nascosti.
Come misurare le prestazioni del chatbot con una revisione settimanale
Le dashboard ti dicono dove guardare. Le trascrizioni ti dicono cosa sistemare. Blocca 30 minuti a settimana e segui sempre la stessa routine:
- Confronta l'andamento di risoluzione, passaggi a un operatore, CSAT e tasso di fallback con la settimana precedente.
- Leggi 15–20 trascrizioni, mescolando chat con valutazioni basse, passaggi a un operatore e qualche conversazione casuale.
- Valuta l'accuratezza su questi campioni con la scala corretta / parzialmente corretta / sbagliata.
- Elenca i tre argomenti senza risposta più frequenti tra le risposte di fallback.
- Correggi i contenuti, non solo le impostazioni: aggiungi o aggiorna la fonte di conoscenza dietro ogni lacuna.
- Rivedi i motivi dei passaggi con chi gestisce la coda degli operatori. Il momento era quello giusto e c'era abbastanza contesto?
- Registra una modifica e verificane l'effetto la settimana successiva.
Dopo un mese, il tuo registro mostrerà quali modifiche hanno spostato i numeri e quali no.
KPI e obiettivi del chatbot: parti dalla tua base di riferimento
Non copiare un obiettivo dalla presentazione di qualcun altro. Il mix di domande, il settore e la knowledge base determinano cosa è realistico per te.
Misura per due-quattro settimane, poi fissa gli obiettivi rispetto a quella base di riferimento. Ad esempio, se gestisci 1.200 conversazioni al mese e 180 finiscono con un "non lo so", un obiettivo sensato è colmare le cinque lacune di contenuto più grandi dietro quelle 180, non inseguire una percentuale arbitraria.
Segmenta dove puoi: per canale (chat sul sito, WhatsApp, Instagram), per argomento e per lingua.
Come Conviro supporta le analisi del chatbot
Gli assistenti IA di Conviro rispondono partendo dalla tua knowledge base, e le analisi integrate coprono i numeri più importanti tra quelli visti sopra: CSAT, tassi di risoluzione e accuratezza dell'IA. Quando una conversazione viene passata al team, arriva nella Live Inbox con trascrizione, intento rilevato, tag e dati raccolti, così rivedere i motivi dei passaggi richiede poco tempo.
Se gestisci più brand, il workspace multi-brand tiene separate la knowledge base e le analisi di ogni assistente, così i numeri di un brand non nascondono i problemi di un altro.
Domande frequenti
Qual è un buon tasso di risoluzione per un chatbot?
Non esiste un benchmark universale affidabile, perché la risoluzione dipende dal mix di domande e da quanto è completa la tua knowledge base. Un negozio che risponde a domande su spedizioni e resi può risolvere molto di più di una clinica che gestisce appuntamenti delicati. Misura la tua base di riferimento per qualche settimana, poi migliorala colmando le lacune di contenuto più grandi.
Che differenza c'è tra containment e risoluzione?
Il containment, o deflection, conta le conversazioni che non sono mai arrivate a una persona. La risoluzione conta le conversazioni in cui il problema del cliente è stato davvero risolto. Una chat può essere "contenuta" ma non risolta, ad esempio quando un cliente frustrato semplicemente se ne va. Monitora entrambi i numeri e considera un divario crescente tra i due un campanello d'allarme.
Quante conversazioni del chatbot devo rivedere ogni settimana?
Per la maggior parte dei team piccoli e medi, 15–20 trascrizioni a settimana bastano per individuare gli schemi ricorrenti senza trasformarsi in un peso. Mescola conversazioni con valutazioni basse, passaggi a un operatore e qualche campione casuale. Dopo una modifica importante alla knowledge base, rivedine di più per due settimane.
Quali KPI del chatbot presentare al management?
Limitati a quattro: tasso di risoluzione, CSAT delle conversazioni con l'IA, conversione dei lead dalla chat e accuratezza delle risposte dal tuo campione settimanale. Insieme mostrano esito per il cliente, esperienza, impatto sui ricavi e rischio. Aggiungi una riga sulla modifica più importante fatta quel mese e sul suo effetto.
Prossimi passi
Scegli quattro di queste otto metriche, registra una base di riferimento questa settimana e inserisci in calendario una revisione ricorrente di 30 minuti. Se vuoi un assistente le cui analisi e trascrizioni rendano facile questa revisione, inizia gratis con Conviro.
Pubblicato da
Conviro
Condivide approfondimenti su supporto clienti basato su IA, automazione chatbot e strategie di crescita SaaS.
Metti in pratica la guida
Trasforma le conoscenze del tuo supporto in risposte più rapide
Esplora il workspace di assistenza IA di Conviro, poi inizia gratis quando il workflow si adatta al tuo team.
Articoli correlati
Altri post
Customer Success
Analisi delle lacune nella knowledge base: trova le domande a cui il tuo chatbot non sa rispondere
7 min di lettura
Leggi l'articolo
Customer Success
Customer satisfaction score (CSAT): come misurare e migliorare la soddisfazione dei clienti in chat
6 min di lettura
Leggi l'articolo
Customer Success
Assistenza clienti proattiva: come contattare i clienti prima che te lo chiedano
7 min di lettura
Leggi l'articolo