Introduzione
TrenDevice, fondata nel 2013, è un'azienda italiana leader nel settore dell'economia circolare dei prodotti hi-tech. Specializzata nel ricondizionamento di dispositivi come iPhone, Mac, iPad e altri, ha servito oltre 200.000 clienti. Commercializza i suoi smartphone ricondizionati attraverso il sito e-commerce trendevice.com e una rete in espansione di negozi fisici in diverse città italiane, tra cui Milano, Roma, Torino, Bergamo, Brescia, Bologna e Avellino. Il cuore operativo dell'azienda si trova a Manocalzati, in provincia di Avellino, dove i tecnici specializzati si occupano del processo di ricondizionamento dei dispositivi, garantendo qualità, affidabilità e sostenibilità ambientale.

Esigenza
TrenDevice si è rivolta a noi con l’obiettivo di migliorare l’esperienza di acquisto dei propri clienti, offrendo un supporto personalizzato in fase di scelta dei dispositivi ricondizionati. L’azienda voleva integrare un sistema tecnologicamente avanzato che fosse in grado di assistere gli utenti in modo immediato, guidandoli verso il prodotto più adatto alle loro esigenze. 

Servizi Offerti
Per soddisfare questa esigenza, abbiamo fornito i seguenti servizi:

1. Sviluppo di un assistant GPT-based integrato direttamente nel sito e-commerce, progettato per assistere gli utenti nella scelta del dispositivo ideale.
2. Ottimizzazione dell’interfaccia utente per garantire un’interazione fluida e intuitiva con l’assistente virtuale.
   
   
3. Sviluppo Full Stack da Zero

• Frontend: L'interfaccia utente è stata progettata utilizzando React, una libreria JavaScript moderna e flessibile, per garantire un'interazione fluida e responsiva. È stata posta particolare attenzione alla progettazione della UX/UI per rendere l'assistente intuitivo e facilmente accessibile sia da dispositivi desktop che mobili.
  
  
• Backend: Il sistema backend è stato implementato utilizzando un'architettura serverless basata su servizi cloud come AWS Lambda, che garantisce scalabilità automatica e costi operativi ottimizzati.
  
  
• Integrazione con WebSocket per Comunicazioni in Tempo Reale
  Per garantire un'esperienza utente immediata e senza interruzioni, la comunicazione tra il frontend e il backend è stata gestita tramite WebSocket. Questo approccio consente aggiornamenti istantanei e una navigazione senza latenza percepibile, fondamentale per il funzionamento di un assistente virtuale.
  
  

4. Integrazione RAG (Retrieval-Augmented Generation)

• Abbiamo implementato un sistema RAG (Retrieval-Augmented Generation) per combinare la potenza di un modello GPT con l'accesso dinamico ai dati interni dell'azienda.
• Il sistema RAG collega il modello GPT a fonti informative aziendali, inclusi database di prodotti, documenti tecnici e informazioni di vendita, per generare risposte precise e specifiche in tempo reale.

Strategia Applicata
Per raggiungere gli obiettivi prefissati, sono state implementate le seguenti azioni strategiche:

Analisi UX e Ottimizzazione dell'Interfaccia

L'esperienza utente è stata centrale in tutte le fasi del progetto:

• Prototipi Interattivi: Prima dello sviluppo, sono stati realizzati prototipi interattivi con strumenti come Figma, sottoposti a test con utenti reali per raccogliere feedback iterativi.
• Design User-Centered: Le decisioni progettuali sono state guidate dai principi di usabilità, accessibilità e chiarezza visiva, con particolare attenzione alla guida passo-passo fornita dall'assistente virtuale.

Personalizzazione del Modello GPT-Based

Il modello GPT è stato adattato utilizzando:

• Prompt Engineering: Progettazione di prompt specifici per indirizzare le risposte verso consigli pertinenti e personalizzati.
• Dataset Proprietari: Il modello è stato addestrato e fine-tuned con dati forniti da TrenDevice, inclusi feedback dei clienti e descrizioni dei prodotti ricondizionati, per aumentarne la precisione e l'affidabilità.

Testing Iterativo e QA (Quality Assurance)

Il processo di test ha incluso:

• A/B Testing: Sono stati confrontati diversi design e logiche di risposta per determinare le configurazioni ottimali in termini di conversioni e soddisfazione degli utenti.
• Stress Test su WebSocket: Per garantire che il sistema fosse in grado di gestire un elevato volume di richieste simultanee, è stato effettuato un testing approfondito sulla connessione WebSocket per verificarne la stabilità.

Monitoraggio e Telemetria

• Analisi delle Prestazioni: Attraverso strumenti come Google Analytics e AWS CloudWatch, sono stati monitorati KPI chiave come il tempo medio di risposta, il tasso di completamento delle interazioni e la percentuale di conversione.
• Log Centralizzati: Implementazione di un sistema di logging centralizzato per raccogliere e analizzare errori e comportamenti in tempo reale.