Tuidi, l’AI svela come cambiano gli acquisti al supermercato

Una gomma da masticare può avere qualcosa a che fare con uno shampoo? E perché l’aceto, in alcuni periodi dell’anno, compare nello stesso carrello della candeggina e in altri insieme a olio e aglio? Tuidi ha analizzato gli scontrini di 15 punti vendita ad alto volume per capire, attraverso l’intelligenza artificiale, quali relazioni si nascondono dietro acquisti apparentemente lontani tra loro.

Tuidi studia le relazioni tra i prodotti nel carrello

L’analisi, condotta sui dati del 2025, parte da una domanda piuttosto concreta: quando un prodotto entra nel carrello, cambia anche la probabilità che il cliente ne acquisti un altro? Per misurarlo Tuidi utilizza il lift, un indice statistico che confronta la probabilità che due prodotti vengano acquistati insieme con quella che avrebbero normalmente. Un valore elevato segnala quindi un’associazione più forte tra due categorie merceologiche, senza implicare automaticamente che una sia la causa dell’acquisto dell’altra.

Dai dati emergono due comportamenti differenti. Alcune associazioni rimangono piuttosto costanti durante l’anno, mentre altre cambiano sensibilmente con la stagione.

Le gomme da masticare appartengono al primo gruppo. Quando compaiono nello scontrino, la probabilità di trovare anche caramelle è 3,4 volte superiore alla media. Il rapporto resta significativo anche con prodotti meno immediati: 2,6 volte per lo shampoo e 2,5 volte per il dentifricio. Secondo l’analisi, questi valori si mantengono sostanzialmente stabili tra inverno ed estate.

Aceto e candeggina d’inverno, olio e aglio d’estate

Con l’aceto succede qualcosa di diverso. Le associazioni cambiano a seconda del periodo dell’anno, suggerendo modalità di utilizzo differenti. In inverno, la presenza dell’aceto è associata alla candeggina con una probabilità 3,8 volte superiore alla media. In estate il quadro cambia: l’associazione più forte è con le glasse, con un valore pari a 7,5 volte la media. Seguono l’olio extravergine di oliva, a 4,1 volte, e l’aglio, a 3,5.

Il punto, però, non è trovare combinazioni curiose da osservare sullo scontrino. Per un retailer capire come cambiano queste relazioni può servire a leggere meglio la domanda e a intervenire su assortimento, prezzi e approvvigionamento.

Il tema assume particolare peso in una GDO nella quale, secondo i dati Circana riportati da Tuidi, la mobilità dei clienti tra le insegne è cresciuta del 16,5% tra il 2019 e il 2025. Nello stesso periodo più ampio, tra il 2015 e il 2025, i punti vendita alimentari sono aumentati del 14%, mentre la popolazione è diminuita. L’analisi cita anche REM Lab dell’Università Cattolica, secondo cui l’86% dei consumatori cerca attivamente promozioni al supermercato.

Dalla correlazione alla causa: come lavora l’AI di Tuidi

Due prodotti acquistati insieme non sono necessariamente legati da un rapporto diretto. Possono essere influenzati entrambi dal prezzo, da una promozione, dal meteo, dalla stagione o dalle caratteristiche specifiche del negozio e della sua clientela.

Per questo Tuidi combina più livelli di analisi. Una prima elaborazione statistica individua le relazioni tra le referenze. I modelli di Deep Learning considerano poi variabili come stagionalità, prezzi, promozioni, condizioni meteorologiche e caratteristiche del punto vendita.

L’ultimo passaggio utilizza il Double Machine Learning, un approccio che combina metodi statistici e machine learning per cercare di isolare l’effetto di una variabile rispetto agli altri fattori che potrebbero influenzare il risultato.

«L’analisi statistica classica vede che due prodotti finiscono nello stesso scontrino, ma non va oltre: non sa dire se sia un legame reale o una coincidenza, né in quali condizioni tenga», spiega Vincenzo Morelli, co-founder di Tuidi. Secondo Morelli, Deep Learning e Double Machine Learning permettono di considerare le diverse variabili che intervengono negli acquisti e di distinguere meglio una semplice coincidenza da un rapporto utilizzabile nei processi decisionali.

L’AI sceglie cosa compriamo online: il catalogo rischia di sparire

Perché le stesse associazioni non valgono in ogni supermercato

Uno degli aspetti più rilevanti dell’analisi è proprio l’assenza di una regola valida per tutti. Un’associazione osservata in un supermercato può essere molto meno significativa in un altro.

Posizione geografica, composizione della clientela, promozioni, prezzi e abitudini locali modificano infatti il comportamento d’acquisto. La lettura dello scontrino diventa quindi legata al singolo contesto, anziché basarsi soltanto su modelli generali di consumo.

È su questo principio che Tuidi costruisce le proprie piattaforme per il Retail e i Brand del Largo Consumo. I modelli vengono utilizzati per trasformare le previsioni della domanda in indicazioni operative che riguardano, tra le altre cose, approvvigionamento, gestione del personale, pricing, assortimento e demand planning.

Anthropic punta sull’Italia: Mattia Gamberoni nuovo Country Manager

Quanto può valere una previsione più precisa

L’obiettivo finale è economico. Sapere quali prodotti tendono a trascinarne altri, oppure quali finiscono per sottrarsi vendite a vicenda, può modificare decisioni che nella grande distribuzione vengono prese quotidianamente.

Tuidi stima che un miglioramento del 10% nella precisione di queste valutazioni possa tradursi in circa mezzo punto di margine lordo. Si tratta di una stima dell’azienda, e non di un risultato generalizzabile automaticamente a tutti i retailer, ma rende evidente il tipo di applicazione a cui punta l’analisi.

«Il retail alimentare vive di margini sottili: qui ogni decimale conta», osserva Giulio Martinacci, co-founder di Tuidi. L’interesse, quindi, non sta tanto nello scoprire che gomme e shampoo possono comparire nello stesso scontrino, quanto nel capire se dietro quell’abbinamento esiste un comportamento ricorrente e in quali condizioni si verifica.

È proprio il passaggio dalla fotografia del carrello alla comprensione delle variabili che lo hanno determinato a rendere questi dati utilizzabili: non più soltanto sapere cosa è stato comprato insieme, ma provare a capire perché e quanto quella relazione possa incidere sulle vendite.