Non tutte le richieste entranti hanno lo stesso potenziale economico, la stessa urgenza o lo stesso livello di complessità. Eppure molte agenzie continuano a gestirle con una logica semplice: prende in carico chi è libero per primo. Il caso qui analizzato mostra perché questo modello oggi costa margine. Una rete retail specializzata in medio e lungo raggio, con tre sedi e un team di 11 consulenti, ha rivisto il modo in cui assegna le richieste usando un layer leggero di AI, regole di instradamento e una tassonomia comune. In 120 giorni ha ridotto il tempo alla prima risposta qualificata del 75%, alzato la conversione dei preventivi di 8,5 punti e portato il margine lordo medio dal 12,1% al 14,3%.
Il problema economico nascosto dietro la presa in carico
Photo by Isaac Maffeis on Unsplash
Nel 2026 il collo di bottiglia non è solo il volume delle richieste, ma il mismatch tra richiesta e consulente. Quando una pratica premium finisce a un advisor generalista, o un lead a bassa probabilità occupa il tempo di un senior designer, l'agenzia perde due volte: nella produttività e nella marginalità.
Nel caso analizzato, il team riceveva circa 430 richieste al mese da form web, telefono, walk-in, email e messaggistica. La presa in carico era distribuita su inbox condivisa e chat interne. Il sistema sembrava equo, ma non era redditizio.
I sintomi erano tipici:
- richieste complesse trattate come pratiche standard;
- tempi rapidi alla prima risposta, ma lenti alla prima risposta davvero utile;
- troppi preventivi fatti da consulenti senza specializzazione di prodotto o segmento;
- scontistica difensiva più alta sulle pratiche premium;
- rework operativo elevato, perché un secondo collega interveniva più avanti a correggere proposta, fornitori o pricing.
Il management aveva già investito in CRM e automazioni base, ma senza una regola chiara su chi dovesse lavorare cosa. Il punto non era generare più lead. Era smettere di disperdere il valore dei lead migliori.
Il caso: baseline operativa prima del cambiamento
Photo by Claudio Schwarz on Unsplash
L'agenzia aveva tre aree di business principali: family medio raggio, honeymoon e lungo raggio tailor made, più una quota crescente di mini-gruppi privati. Il mix era interessante, ma il processo di assegnazione non distingueva abbastanza tra pratiche con margine, complessità e probabilità di chiusura diverse.
Nei 90 giorni precedenti al progetto, i KPI interni mostravano questo scenario:
| KPI | Prima del progetto |
|---|---|
| Richieste mensili medie | 430 |
| Tempo mediano alla prima risposta qualificata | 7h 40m |
| Richieste assegnate a uno specialista coerente | 46% |
| Conversione preventivo-prenotazione | 18,9% |
| Margine lordo medio per pratica | 12,1% |
| Valore medio prenotazione | 3.480 euro |
| Tocchi operativi medi per pratica | 6,2 |
| Clienti che tornavano con una nuova richiesta entro 6 mesi | 22% |
Il dato più interessante non era il tempo medio di risposta in assoluto, ma il tempo alla prima risposta qualificata: quella che contiene proposta, prossima azione chiara e ownership definita. L'agenzia rispondeva spesso entro due ore con un messaggio di cortesia, ma la proposta utile arrivava tardi, soprattutto sulle pratiche più profittevoli.
In parallelo, il 37% delle richieste con valore potenziale superiore a 5.000 euro veniva gestito da consulenti che non avevano come focus né il segmento né il tipo di costruzione richiesto. Questo aumentava la dipendenza da sconti, tempi di attesa e passaggi interni.
L'intervento: AI leggera, tassonomia unica e regole di routing
Photo by Alfonso Scarpa on Unsplash
Il progetto è stato volutamente piccolo: otto settimane, nessuna sostituzione del gestionale, nessun grande investimento infrastrutturale. La logica è stata aggiungere un layer decisionale sopra gli strumenti esistenti.
Le modifiche operative decisive sono state cinque.
1. Intake standardizzato su tutti i canali
Form web, script telefonico e raccolta in sede sono stati uniformati su sette campi minimi: segmento, finestra di budget, flessibilità date, numero servizi richiesti, complessità percepita, timing decisionale, storico cliente. Non serviva chiedere di più. Serviva chiedere le stesse cose a tutti.
2. Classificazione automatica del testo libero
Le note scritte dai consulenti, le email entranti e i messaggi venivano classificati da un modello linguistico leggero in tag operativi, non in etichette marketing. I tag principali erano:
- tipologia prodotto;
- livello di complessità;
- potenziale margine;
- urgenza commerciale;
- probabilità di multi-supplier;
- rischio documentale;
- bisogno di consulenza senior.
L'AI non decideva il prezzo e non scriveva il preventivo finale. Preparava un brief sintetico e leggibile in 20 secondi.
3. Matrice di assegnazione basata su valore e competenza
La regola chiave non era "chi risponde prima", ma "chi ha più probabilità di convertire bene senza erodere margine". La matrice di routing usava quattro variabili: specializzazione, workload in tempo reale, ticket atteso, complessità.
| Tipo richiesta | Owner primario | SLA interno | Supporto |
|---|---|---|---|
| Family standard medio raggio | Consulente pod family | 60 minuti | Booking centralizzato |
| Honeymoon o tailor made oltre 5.000 euro | Senior long haul | 90 minuti | Secondo controllo pricing |
| Mini-gruppo privato 8-20 pax | Group specialist | 2 ore | Finance check su caparra |
| Richiesta low-fit o solo comparativa prezzo | Desk inside sales | 30 minuti | Nurturing o chiusura rapida |
4. Workload cap e riassegnazione automatica
Ogni consulente aveva una soglia massima di pratiche aperte per bucket di complessità. Se superava il limite, la richiesta passava al secondo miglior owner disponibile. Questo ha evitato che i migliori performer diventassero il nuovo collo di bottiglia.
5. Dashboard settimanale orientata al margine, non solo ai volumi
Le review non guardavano solo richieste e prenotazioni, ma indicatori come margine per pratica, percentuale di assegnazione corretta, rework per booking, tempo alla proposta utile e tasso di passaggio tra colleghi. È qui che il progetto è diventato manageriale, non solo tecnologico.
I risultati dopo 120 giorni
Dopo quattro mesi, i numeri hanno mostrato un miglioramento trasversale. Non perché l'AI abbia "venduto" da sola, ma perché il team ha smesso di distribuire male il tempo commerciale.
| KPI | Prima | Dopo 120 giorni | Variazione |
|---|---|---|---|
| Tempo mediano alla prima risposta qualificata | 7h 40m | 1h 55m | -75% |
| Richieste assegnate a uno specialista coerente | 46% | 88% | +42 pt |
| Conversione preventivo-prenotazione | 18,9% | 27,4% | +8,5 pt |
| Margine lordo medio per pratica | 12,1% | 14,3% | +2,2 pt |
| Valore medio prenotazione | 3.480 euro | 4.060 euro | +16,7% |
| Tocchi operativi medi per pratica | 6,2 | 3,7 | -40% |
| Clienti che tornavano con una nuova richiesta entro 6 mesi | 22% | 29% | +7 pt |
Tre letture meritano attenzione.
La prima: la conversione è salita non solo per velocità, ma per pertinenza. Il consulente giusto ha fatto meno preventivi "di presidio" e più proposte con maggior chance di chiusura.
La seconda: il margine è cresciuto perché sulle pratiche ad alto valore è calata la scontistica difensiva. Il team senior ha lavorato più spesso su richieste coerenti con il proprio profilo, argomentando valore invece di inseguire il prezzo.
La terza: la retention è migliorata per un motivo semplice. Quando il cliente percepisce continuità, competenza e meno frizioni, torna più facilmente con una seconda richiesta. Non serve aspettare 12 mesi per vederlo: il segnale emerge già nei sei mesi successivi.
Il playbook replicabile in 30 giorni per un'agenzia
Non serve un progetto enterprise. Per molte agenzie, la versione utile è molto più leggera. La sequenza replicabile è questa.
- Definire 5-7 tag operativi unici per tutti i canali. Se ogni sede usa parole diverse, l'automazione non parte.
- Misurare il tempo alla prima risposta qualificata, non solo il tempo al primo contatto.
- Segmentare i consulenti per competenza reale e non per seniority formale. Un advisor medio con forte focus family può convertire meglio di un senior generalista.
- Impostare una matrice di routing con massimo quattro bucket. Troppa complessità blocca l'adozione.
- Inserire un cap di carico per evitare sovraccarico dei top performer.
- Fare review settimanali su tre KPI: assegnazione corretta, conversione per bucket, margine per booking.
Per partire, i dati minimi davvero necessari sono pochi:
- fonte richiesta;
- segmento/prodotto;
- ticket atteso o fascia budget;
- urgenza decisionale;
- complessità operativa;
- owner assegnato;
- esito finale.
Se il CRM non li supporta bene, si può iniziare anche con campi custom e una dashboard esterna. L'errore da evitare è voler automatizzare il preventivo prima di aver corretto l'assegnazione. Se la pratica finisce alla persona sbagliata, la velocità dell'automazione amplifica un difetto di processo.
Dove il modello rende di più e dove può fallire
Questo approccio funziona meglio in tre contesti: agenzie multi-specialista, tour operator con booking misto standard e tailor made, reti con più sedi o canali entranti diversi. Più aumenta l'eterogeneità delle richieste, più il routing incide sui conti.
Può invece fallire quando il team non accetta regole di ownership, quando i dati in ingresso sono poveri o quando il management usa la classificazione solo come controllo e non come strumento di supporto. C'è anche un rischio classico: creare eccezioni continue. Se ogni pratica viene "forzata" manualmente, il sistema perde credibilità in due settimane.
La soglia pratica da monitorare è questa: se oltre il 25-30% delle richieste ad alto valore viene ancora riassegnato dopo il primo contatto, il routing non è davvero in produzione. È solo un'etichetta in più.
FAQ
Qual è il KPI più utile per capire se il routing sta funzionando?
Il più indicativo è il tempo alla prima risposta qualificata per bucket di richiesta, non il tempo medio generale. Va letto insieme alla percentuale di assegnazione corretta e alla conversione per consulente-specializzazione. Se migliora solo la velocità ma non il margine, state accelerando un processo ancora sbagliato.
Serve cambiare CRM per fare instradamento richieste agenzia viaggi?
No, nella maggior parte dei casi no. Se avete campi strutturati, regole di assegnazione e una dashboard minima, potete partire senza sostituire il core. Il vero lavoro è definire tassonomia, ownership e limiti di carico.
Quanta AI serve davvero?
Meno di quanto molti fornitori facciano credere. Per questo caso è bastato classificare testo libero, riassumere la richiesta e suggerire il bucket corretto. Il valore non è nell'AI generativa che scrive di più, ma nell'AI operativa che fa arrivare la pratica alla persona giusta.
Questo modello aiuta anche la retention clienti?
Sì, soprattutto dove la consulenza è percepita come parte del prodotto. Un passaggio più lineare tra richiesta, proposta e post-vendita riduce attrito e dispersione relazionale. La retention migliora quando il cliente sente continuità e memoria, non quando riceve più messaggi automatici.
Quale errore iniziale fanno più spesso agenzie e tour operator?
Confondere priorità con complessità. Una richiesta urgente non è sempre la più profittevole, e una pratica ad alto ticket non è sempre quella da mettere sul consulente migliore se la probabilità di chiusura è bassa. Le regole migliori combinano valore atteso, fit consulente e capacità disponibile.
