Indice dei Contenuti (26)▼
Diagnosi esecutiva: dove l’IA per eCommerce produce valore reale, e dove invece crea solo complessità
Molti team eCommerce italiani non hanno un problema di “mancanza di traffico”. Hanno un problema di attrito operativo. Le richieste arrivano, ma si disperdono tra chat, WhatsApp, email, call center, social DM e ticket interni. Il risultato è sempre lo stesso: picchi serali non presidiati, clienti premium che aspettano troppo, carrelli lasciati a metà, CRM che non si sincronizza in tempo, e un customer care costretto a lavorare in modalità reattiva invece che commerciale.
Nel lusso Made in Italy, questa frizione costa molto di più di un semplice ordine perso. Una boutique di gioielleria a Milano che non risponde in modo immediato a una domanda su disponibilità, certificazione o spedizione assicurata perde autorevolezza. Un hotel di Firenze che non presidia la richiesta vocale di upgrade o late check-out perde revenue accessoria. Un brand di cosmetica premium che non guida il cliente nella scelta del prodotto su Instagram o WhatsApp vede alzarsi il tasso di abbandono, anche quando il catalogo è forte e il traffico qualificato.
Qui l’IA per eCommerce serve davvero. Non come slogan. Come layer operativo. Se progettata bene, l’intelligenza artificiale eCommerce non sostituisce il team: lo libera. Automatizza i casi ripetitivi, priorizza le richieste ad alto valore, riconosce il contesto e porta il cliente verso la conversione eCommerce con meno passaggi, meno attesa e più precisione.
In questo scenario, un assistente vocale o un chatbot vocale non è una curiosità. È una parte del funnel. Se integrato nel sito, in WhatsApp Business e nei flussi CRM, può agire come venditore di prima linea 24/7: risponde, qualifica, recupera un carrello abbandonato, suggerisce una variante, apre una prenotazione o passa la conversazione a un operatore umano quando il valore del lead lo giustifica. La differenza la fa l’architettura, non l’etichetta.
Per questo molte aziende italiane stanno valutando soluzioni come IA vocale per e-commerce e retail o chatbot AI per vendite e assistenza, ma il punto non è “mettere un bot”. Il punto è costruire un sistema che riduca attriti, migliori la customer experience e produca ricavi misurabili. E qui strumenti come Loxia AI e il suo Voice AI Widget diventano interessanti perché uniscono voice commerce, automazione vendite e integrazioni reali con Shopify, Magento, CRM e canali conversazionali.
Il sintomo più costoso: il tempo morto tra richiesta e risposta
Nel commercio online, il tempo morto è una tassa invisibile. Dopo 3-5 minuti senza risposta, molte richieste di alto valore perdono intenzione d’acquisto. Nei contesti premium, il danno è ancora maggiore perché il cliente non vuole sentirsi “gestito”: vuole essere riconosciuto. Un’esperienza lenta comunica disorganizzazione, non esclusività.
Le statistiche operative osservate nei progetti di automazione eCommerce mostrano un pattern ricorrente: quando il primo contatto scende sotto i 60-90 secondi, aumentano le probabilità di conversione e si abbassa il carico sul supporto umano. Con un’IA vocale ben orchestrata si possono ottenere tempi di risposta intorno ai 280 ms sulla parte conversazionale locale, con un’ulteriore risposta AI quasi istantanea sulla sintesi testuale e sul routing. Non è solo una questione di velocità percepita. È una questione di continuità narrativa.
Il cliente non deve ripetere la stessa domanda quattro volte. Non deve ricominciare da capo passando da Instagram a WhatsApp, da WhatsApp al sito, dal sito al telefono. Se la conversazione è unificata e il CRM eCommerce riceve gli eventi corretti, l’interazione diventa una sequenza coerente. Questo cambia drasticamente il tasso di conversione.
Dove l’IA non deve essere usata: cataloghi fragili, processi non mappati, dati sporchi
L’errore più comune è automatizzare prima di standardizzare. Se il catalogo ha attributi incoerenti, stock non allineato, regole promo ambigue e un CRM pieno di duplicati, l’IA amplifica il caos invece di risolverlo. Lo stesso vale per le aziende che vogliono un assistente vocale e-commerce ma non sanno definire i casi d’uso prioritari: resi, tracking, consigli prodotto, upsell, recupero checkout, prenotazioni, assistenza post-vendita.
Serve un perimetro chiaro. Per esempio: nel fashion luxury, il Voice AI Widget può gestire taglie, disponibilità, tempi di consegna, regalo e personalizzazione. Nel jewelry può guidare su caratura, certificazioni, montatura, assicurazione e appuntamento in boutique. Nell’hospitality può coprire FAQ, prenotazioni, servizi aggiuntivi e supporto multilingua. Nel SaaS B2B può qualificare lead, indirizzare demo e sincronizzare il dato con il CRM.
Se il perimetro è definito, il ritorno arriva in fretta. Se non lo è, si finisce a progettare una demo elegante ma poco utile. Per evitare questo rischio, conviene partire da una mappa operativa simile a quella usata nei progetti di implementazione del Voice AI Widget, dove l’obiettivo è legare la conversazione a un outcome: ordine, prenotazione, ticket chiuso o lead qualificato.
Architettura pratica: come progettare un assistente vocale che vende davvero
Dalla voce alla conversione: i componenti tecnici che contano
Un sistema utile di IA per eCommerce non è solo un modello linguistico. È un’architettura composta da WebRTC media streams, motore ASR per la trascrizione, layer NLU, orchestratore di intenti, connessioni API verso CMS, ERP e CRM, e sintesi vocale a bassa latenza. Se manca uno di questi pezzi, l’esperienza si interrompe.
Nel caso di Loxia AI, il Voice AI Widget può agire come secondo pilota dell’utente. Il cliente parla, l’AI interpreta l’intento, suggerisce prodotti o informazioni, naviga le pagine, legge disponibilità e può anche compilare form o aggiungere articoli al carrello. Questo è particolarmente rilevante su mobile, dove digitare è più lento e la frizione di navigazione è più alta. In un contesto italiano, dove molte PMI vendono con team piccoli e tempi stretti, il valore non sta nell’effetto wow, ma nella semplificazione dei passaggi.
La latenza è un indicatore decisivo. Un sistema che risponde sotto 300 ms percepisce la conversazione come naturale. Se la risposta supera i 900-1200 ms, il cliente tende a interrompere, cambiare tono o passare a un canale alternativo. Per questo i progetti seri misurano non solo la conversione, ma anche la rapidità di risposta, il barge-in naturale e la percentuale di handoff corretti a operatore.
Integrazioni che fanno la differenza: Shopify, Magento, Salesforce e CRM bidirezionale
L’IA per eCommerce deve leggere e scrivere dati. Solo leggere non basta. Se il bot risponde “il prodotto è disponibile” ma non aggiorna il CRM, il team perde il contesto. Se registra un lead ma non crea task o follow-up, il vantaggio si dissolve. Serve una sincronizzazione bidirezionale.
Su Shopify Plus e WooCommerce, la sincronizzazione eCommerce permette di leggere stato ordini, varianti e stock. Su Magento, l’AI può verificare inventario, pricing dinamico e stato spedizioni in tempo reale durante la chiamata. Su Salesforce Commerce o CRM con logiche enterprise, il dato conversazionale deve essere normalizzato: email, telefono, preferenze, segmenti, tag, fonte canale e urgenza. Questo è il livello che separa un prototipo da una macchina commerciale.
Per le aziende multi-brand o multi-country, i connettori multi-istanza sono ancora più importanti. Un brand italiano che vende in DTC, wholesale e boutique fisiche non può mescolare i flussi. Ogni sorgente deve avere regole proprie, policy di accesso e agenti AI dedicati. È un tema di efficienza, ma anche di governance e GDPR.
Voice Commerce e Social Commerce: non due progetti separati, ma un unico sistema di acquisizione
Il punto più interessante è la convergenza tra Voice Commerce e Social Commerce. Molte vendite in Italia iniziano su Instagram, continuano in WhatsApp e finiscono sul sito. In questo passaggio, il lead si raffredda. L’IA serve a mantenere vivo il contesto.
Un assistente vocale AI può ricevere una richiesta arrivata da un DM, riconoscere il prodotto menzionato, recuperare il catalogo, proporre varianti e accompagnare il cliente fino all’ordine. In parallelo, il supporto clienti automatizzato può intercettare richieste ripetitive sui canali social e liberare il team umano per i casi a maggiore margine. Questa logica è particolarmente efficace per i brand artigianali italiani, dove il racconto del prodotto conta quanto il prodotto stesso.
Chi vuole approfondire la logica di fusione tra canali può leggere anche voice e social commerce in Italia, perché il vero vantaggio non è scegliere un canale, ma orchestrare l’insieme con una sola memoria conversazionale.
Dove l’automazione eCommerce produce margine: casi d’uso ad alto ROI
Recupero carrelli abbandonati e follow-up intelligenti
Il recupero carrelli abbandonati è il caso d’uso più misurabile. Non perché sia il più sofisticato, ma perché ha un impatto diretto sul fatturato. Se un cliente abbandona un checkout perché vuole sapere tempi di spedizione, modalità di reso o disponibilità in boutique, un assistente vocale o un follow-up multicanale può recuperare l’intenzione prima che si raffreddi.
Con una pipeline ben progettata, i tassi di recupero possono oscillare tra il 18% e il 35%, a seconda della qualità del traffico, del prodotto e della velocità di intervento. Le aziende che combinano voice, SMS, email e WhatsApp Business tendono a performare meglio rispetto a chi usa solo email marketing. L’elemento decisivo è il timing. Un messaggio utile entro 10-20 minuti dalla frizione ha una probabilità molto più alta di riattivare l’acquisto rispetto a una sequenza inviata il giorno dopo.
Per i brand italiani premium, il tono del recupero deve essere coerente con la marca. Niente messaggi aggressivi o sconti automatici se il posizionamento è luxury. Meglio un assistente che chiarisce una domanda e offre una micro-azione: “Vuoi che controlli la disponibilità della taglia 42?” oppure “Preferisci ricevere il riepilogo su WhatsApp?”. Loxia AI può supportare questo tipo di flusso con follow-up automatico e integrazione WhatsApp Business, mantenendo il tono appropriato.
Personalizzazione acquisti e vendita assistita
La personalizzazione acquisti non significa mostrare “prodotti simili”. Significa capire il contesto d’uso. Una cliente che cerca una collana per un anniversario ha esigenze diverse da chi vuole un regalo last minute. Un ospite che chiama un hotel a Firenze per una notte romantica non ha le stesse priorità di un business traveler che arriva da Milano Centrale. Un buyer B2B che visita un SaaS per e-commerce italiano non va trattato come un semplice utente curioso.
Qui entra in gioco il conversational profiling. L’IA può estrarre segnali utili: budget, urgenza, stile, taglia, destinazione d’uso, lingua, preferenze logistiche, propensione all’upsell. Questi segnali alimentano il CRM eCommerce e permettono azioni successive più precise. In termini pratici, si traduce in raccomandazioni più pertinenti, riduzione del bounce e aumento dell’order value.
La vendita assistita funziona bene quando il cliente percepisce competenza. Un assistente vocale gioielleria può spiegare differenze tra materiali, proporre appuntamento in boutique e verificare disponibilità. Un assistente vocale e-commerce per moda può guidare nelle taglie e nel fit, senza forzare. Un supporto clienti automatizzato ben disegnato non “ruba” la vendita al team: la prepara.
Automazione vendite e CRM eCommerce: dal dato grezzo alla pipeline azionabile
Molti CRM sono pieni di contatti, ma poveri di azioni. Il problema non è avere il dato; è trasformarlo in priorità. L’automazione vendite basata su IA può creare task, segmentare lead, assegnare punteggi e attivare follow-up in modo coerente con il comportamento reale del cliente.
Se una conversazione mostra alta intenzione, l’IA può attribuire un punteggio, inviare il lead al commerciale giusto e generare una sequenza di follow-up multicanale. Se invece il contatto è solo informativo, può restare in nurturing. Questo è ciò che rende utile il lead scoring. Non il punteggio in sé, ma la capacità di allocare tempo umano dove serve davvero.
Per i team italiani che usano Salesforce, HubSpot o altri CRM, l’elemento critico è la qualità della sincronizzazione. Se i webhook sono fragili, se il mapping dei campi è incompleto o se i duplicati non vengono gestiti, la pipeline si degrada rapidamente. Per questo la struttura deve prevedere two-way sync, log eventi, retry policy e fallback manuali. Senza queste regole, l’IA diventa solo un altro canale di rumore.
Metriche, ROI e benchmark: come misurare se l’investimento sta funzionando
Le KPI che contano davvero nel mercato italiano
Non ha senso misurare solo il numero di conversazioni. Le KPI utili sono quelle che agganciano la tecnologia al margine. Per esempio: conversione eCommerce, tasso di recupero carrelli abbandonati, deflection rate, tempo medio di risposta, percentuale di handoff corretti, AOV, tasso di upsell, costo per contatto gestito e riduzione del carico sul customer care.
In uno scenario tipico, un assistente vocale AI ben configurato può generare una deflection rate del 42% sulle richieste ripetitive, ridurre del 25-40% il carico operativo del supporto e recuperare una quota significativa di checkout persi. Nei team più maturi, il beneficio non è solo economico. Migliora la customer experience e si riducono gli errori manuali, soprattutto nelle ore serali e nei weekend, quando molte aziende italiane hanno meno presidio.
Per i brand luxury, c’è un’altra metrica da osservare: la qualità della conversazione. Il sentiment, il livello di frizione e la probabilità di escalation. Loxia AI può essere utile anche qui, grazie all’analisi del sentiment in tempo reale, che aiuta a capire quando una conversazione si sta raffreddando o quando è il momento di passare a un umano.
Confronto operativo: flusso tradizionale vs flusso con IA vocale
| Aspetto operativo | Processo tradizionale | Processo con IA vocale / Voice AI Widget | Impatto atteso |
|---|---|---|---|
| Tempo di prima risposta | 5-30 minuti, spesso più lungo nei picchi | 280 ms–2 s in base al canale | Riduzione drastica dell’abbandono |
| Gestione FAQ | Operatore umano o macro statiche | Risposta automatica con knowledge base | -30%/-50% carico ticket |
| Recupero carrelli abbandonati | Email batch, spesso tardive | Follow-up vocale + WhatsApp + email | +18%/+35% recupero |
| Personalizzazione | Segmentazione di base | Intent, contesto, sentiment, storico CRM | Più conversione e AOV |
| Integrazione ordini | Manuale o semi-automatica | Sync Shopify/Magento in tempo reale | Meno errori e meno ritardi |
| Handoff a operatore | Telefonata o ticket | Passaggio fluido con contesto già noto | Minore frizione, più chiusure |
| Copertura oraria | Orari di ufficio | 24/7 | Più lead e prenotazioni fuori orario |
Questa differenza è ciò che molti retailer italiani vedono quando passano da processi sparsi a un sistema unificato. Non serve avere un team enorme. Serve avere un sistema che non perda il contesto.
Un modello di ROI a 12 mesi per eCommerce e hospitality
Il ritorno non va valutato solo sul risparmio del supporto. Va letto su tre assi: ricavo incrementale, costo evitato e qualità operativa. In un eCommerce con 30.000 visite mensili e forte traffico da mobile, l’adozione di automazione eCommerce può produrre effetti combinati: recupero di parte dei carrelli, aumento delle conversioni assistite e riduzione dei ticket ripetitivi.
Per l’hospitality italiana, la logica è simile. Un hotel a Roma o Amalfi che gestisce richieste multilingua, prenotazioni dirette e upsell può usare un concierge vocale per ridurre il peso sulla reception e aumentare il valore medio delle prenotazioni. Se vuoi approfondire quel modello, ha senso incrociarlo con prenotazioni dirette hotel Roma e automazione prenotazioni con AI, perché molte logiche sono trasferibili al retail.
Governance, GDPR e qualità del dato: l’automazione non è mai neutra
GDPR, consenso e minimizzazione del dato
In Italia il tema privacy non è un dettaglio. È un vincolo progettuale. Ogni IA per eCommerce che tratta voce, trascrizioni, numeri di telefono, preferenze o informazioni sensibili deve rispettare GDPR, principi di minimizzazione e basi giuridiche chiare. Il cliente deve capire quando sta parlando con un sistema automatico, quali dati vengono trattati e per quale scopo.
Un progetto serio prevede retention limitata, log accessibili, controlli sui ruoli, redazione delle informazioni e separazione tra dati di marketing e dati transazionali. Nei contesti premium, la fiducia è parte della conversione. Se l’implementazione vocale è percepita come opaca, il brand perde credibilità.
Per questo la scelta di una piattaforma come Loxia AI va letta anche in chiave governance. Non basta rispondere bene. Serve saper isolare istanze, collegare canali in modo controllato e proteggere i flussi. È una questione tecnica, ma anche commerciale: il cliente compra più facilmente quando sente che i suoi dati sono trattati con rigore.
Errori comuni di implementazione e come evitarli
I fallimenti più frequenti non dipendono dal modello, ma dalla progettazione. Primo errore: usare l’IA per coprire processi non documentati. Secondo: non definire chi è responsabile degli escalation. Terzo: non integrare davvero CRM ed eCommerce. Quarto: non misurare la qualità delle risposte, ma solo il volume.
Un errore molto italiano è delegare tutto all’agenzia o al fornitore senza coinvolgere operations, customer care e commerciale. Così il sistema nasce staccato dal business. L’approccio corretto è invece cross-funzionale: chi gestisce stock, chi vende, chi risponde ai clienti, chi controlla il CRM deve partecipare alla definizione dei flussi. È un lavoro di processo prima ancora che di software.
Ecco una checklist operativa utile prima del go-live:
- Mappare i 20 intenti più frequenti e ordinarli per impatto economico.
- Definire i casi in cui l’IA deve rispondere e quelli in cui deve fare handoff.
- Pulire attributi catalogo, varianti, stock e policy di reso.
- Configurare webhook affidabili con retry e logging.
- Allineare le basi giuridiche GDPR e l’informativa canale per canale.
- Testare il barge-in naturale con utenti reali, non solo in demo.
- Collegare CRM, ticketing e store in un flusso bidirezionale.
- Misurare latenza, sentiment, conversione e recupero carrelli ogni settimana.
- Allenare il team su escalation e override manuali.
- Rivedere il linguaggio dell’IA per mantenerlo coerente con il brand.
Dal piloto al rollout: come evitare di fermarsi a una prova elegante
Molte aziende lanciano un pilota interessante, ma non arrivano al rollout. Il motivo è quasi sempre lo stesso: manca una roadmap di estensione. Se l’assistente funziona bene per le FAQ, bisogna poi portarlo su recupero checkout, vendita assistita, Social Commerce e CRM. Se funziona bene su un singolo shop, deve essere adattato alle altre istanze o ai mercati esteri.
Una strategia sana prevede 3 fasi: pilot focalizzato, espansione su casi adiacenti, industrializzazione. Nel settore moda o gioielleria, per esempio, si può partire da domande su stock e spedizione, poi aggiungere suggerimento prodotto, poi appuntamento in boutique e infine recupero lead da Instagram. Nel hospitality si può partire da FAQ e prenotazioni, poi aggiungere check-in automatizzato e upsell di servizi.
Questo approccio è quello che permette di trasformare l’IA da spesa tecnica a infrastruttura commerciale. Chi vuole una traiettoria simile spesso inizia confrontando scenari e integrazioni con soluzioni voice commerce o con pipeline di vendita alimentate da AI, perché il vero obiettivo non è “avere un bot”, ma creare una macchina di vendita più ordinata.
Applicazioni verticali: moda, gioielleria, hospitality e B2B SaaS italiano
Moda e gioielleria Made in Italy: la consulenza come asset di conversione
Nel fashion e nel jewelry premium, l’acquisto è spesso emotivo ma non impulsivo. Il cliente vuole conferme rapide, tono elegante e precisione assoluta. Un assistente vocale gioielleria o una voice AI boutique moda possono rispondere su materiali, disponibilità, tempi di consegna, confezione regalo e appuntamento privato. Questo riduce il costo di assistenza e aumenta la probabilità di chiusura.
Per un brand con showroom a Milano, Roma o Firenze, la voce può anche diventare un ponte tra digitale e fisico. Il cliente chiede via widget se un anello è disponibile, riceve una risposta immediata, e viene invitato a fissare un appuntamento in boutique. In questo passaggio, il Voice AI Widget funziona come sales assistant virtuale: non rimpiazza il consulente, lo prepara. E prepara meglio il team quando il lead è già qualificato.
Hospitality italiana: concierge vocale, prenotazioni dirette e servizio personalizzato
Gli hotel di Roma, Milano, Firenze e Amalfi hanno un problema simile: troppe richieste ripetitive e picchi di domanda in orari scomodi. Qui l’IA vocale per hotel di lusso è un moltiplicatore operativo. Può gestire prenotazioni dirette, supporto multilingua, check-in automatizzato, richieste su servizi interni e upsell hotel di lusso. Il beneficio non è solo efficienza. È uniformità del servizio.
In hotel, il cliente non vuole sentirsi “automatizzato”. Vuole sentirsi seguito. Per questo il tono del concierge AI deve essere più vicino all’ospitalità che al call center. Loxia AI può essere configurato come concierge vocale con connessione ai PMS come Mews o Cloudbeds, oltre al booking engine e ai sistemi di front desk. Se il cliente cambia idea, il passaggio a operatore umano deve essere istantaneo e senza perdita di contesto.
Per chi opera nel segmento hospitality, ha senso leggere anche AI vocale per hotel di lusso e check-in automatizzato con AI, perché le logiche di automazione sono complementari: una gestisce la domanda, l’altra migliora l’esperienza in arrivo.
B2B SaaS Italia: lead, demo e follow-up senza attriti
Nel SaaS B2B italiano, l’IA per eCommerce assume una forma diversa ma ugualmente utile. Il sito riceve traffico qualificato da campagne, content e referral, ma le richieste vengono spesso perse tra form, email e meeting non fissati. Un assistente vocale o un chatbot vocale può qualificare meglio il lead, proporre la demo, verificare il fit e inviare il dato corretto al CRM.
Qui la conversazione conta tantissimo. Un lead che chiede integrazione, sicurezza, tempi di onboarding o pricing non va trattato come un visitatore generico. Il sistema deve capire l’intento, rispondere in modo preciso e, se necessario, far entrare un commerciale. Loxia AI, con lead scoring e follow-up automatico, è interessante proprio perché aiuta a non sprecare il lavoro del marketing e dei presales.
Nel caso dei team SaaS con sales cycle medio-lungo, l’uso corretto dell’IA non è solo conversione immediata. È accelerazione del ciclo, migliore priorità nel CRM e meno dispersione nei passaggi fra marketing, sales e customer success.
Roadmap operativa: come partire senza fare un progetto troppo grande o troppo piccolo
Priorità dei primi 90 giorni
Il modo più intelligente per introdurre IA per eCommerce è scegliere pochi casi ad alto impatto. Non bisogna partire da tutto. Bisogna partire da ciò che oggi causa più perdita di ricavo o più lavoro manuale. In molte aziende italiane, l’elenco è quasi sempre lo stesso: FAQ ripetitive, carrelli abbandonati, richieste social non gestite, lead non richiamati e informazioni di stock non allineate.
Nei primi 30 giorni si definiscono intenti, fonti dati, policy e metriche. Nei successivi 30 si integra l’engine con sito, WhatsApp e CRM. Nei successivi 30 si attiva il follow-up multicanale, si testa il barge-in e si misura il delta sulla conversione. Questo è il ritmo giusto per un rollout sostenibile.
Il ruolo del Voice AI Widget nel presidio commerciale
Il Voice AI Widget di Loxia AI è particolarmente utile quando il sito deve diventare un canale di vendita vero, non una vetrina passiva. Inserito nel flusso corretto, il widget parla, guida, interpreta e recupera. Può rispondere alle domande, consigliare prodotti, aiutare a completare un ordine e passare il cliente a un umano quando serve. In altre parole, diventa una parte della macchina commerciale.
Per un ecommerce italiano che vuole crescere senza gonfiare il team, questa è la leva più interessante. Non richiede necessariamente una riscrittura totale dello stack. Richiede un orchestratore ben progettato, integrazioni pulite e una logica operativa chiara. È qui che Loxia AI si distingue: non come semplice bot, ma come assistente vocale AI enterprise-ready, capace di agire su conversione e-commerce, automazione vendite e customer experience in modo coordinato.
Chi sta valutando come portare la voce dentro il proprio stack può partire da un’analisi comparativa con Loxia AI per e-commerce e retail, oppure confrontare l’approccio con i flussi di supporto automatizzato e deflection, così da capire dove la voce crea più valore. Per molte aziende italiane, il salto non avviene quando “adottano l’AI”, ma quando integrano il Voice AI Widget come presidio continuo di vendita assistita, supporto clienti automatizzato e recupero opportunità disperse.