Sistema distribuito su piattaforma live-streaming e-commerce su larga scala: migliorati click su live-room e carrello.
Prendete un numero: 16,1%. È l’aumento delle entrate attribuito a TAGR, un sistema di raccomandazione generativa per la pubblicità nel live-commerce. A riportarlo è un articolo sottomesso su arXiv lo scorso 25 agosto. Non si tratterebbe di un test di laboratorio: secondo quanto scrivono gli autori, il sistema è stato distribuito su una piattaforma pubblicitaria di live-streaming e-commerce su larga scala, e il confronto è con la baseline di produzione, cioè con il sistema che era già in uso.
Un aumento di ricavi su un singolo framework può suonare astratto. Ma i due dati di contorno lo rendono concreto: TAGR migliora i tassi di click sull’ingresso nella live-room dell’8,5% e sul carrello shopping del 7,4%. Più persone entrano nella diretta e più persone mettono nel carrello: il +16,1% di entrate è la conseguenza di questi due movimenti.
Il 16,1% che cambia le regole
Per ottenere questo risultato, TAGR interviene su tre livelli di adattamento temporale. In parole semplici: tratta l’annuncio in diretta come una sequenza che cambia nel tempo, non come un blocco fisso; prova a stimare l’intento dell’utente mentre la diretta procede; e riallinea ciò che mostra alle preferenze osservate fino a quel momento. È un modo diverso di pensare la raccomandazione, non un ritocco al sistema esistente.
I numeri vanno letti per quello che sono: sono dichiarati dagli autori, non misurati da un soggetto indipendente, e il paper è stato depositato da pochi giorni. Resta però una domanda: perché questo tipo di lavoro arriva da Kuaishou e non da un colosso occidentale? Per rispondere bisogna guardare indietro.
Dalla classificazione fissa alla generazione
Già a febbraio 2024 Meta aveva pubblicato un lavoro su HSTU, poi presentato a ICML’24, che il paper TAGR indica come l’origine dei recommender generativi. L’idea di base è facile da capire. I sistemi tradizionali funzionano come una catena di filtri: selezionano, ordinano, scartano in più passaggi. I sistemi generativi, invece, producono direttamente l’identificativo del prossimo contenuto da mostrare, un pezzo dopo l’altro, in modo simile a un modello linguistico che genera la parola successiva.
Il problema è che le dirette non stanno ferme. Lo ha mostrato OneLive, che, secondo il paper TAGR, è il primo framework generativo di Kuaishou per la raccomandazione in live-streaming e ha dimostrato che la tokenizzazione statica fallisce per i contenuti live. Una trasmissione non può essere riassunta in etichette fisse, perché cambia minuto per minuto.
Non si tratta di teoria. GR4AD, sempre nell’ecosistema Kuaishou, è già completamente implementato nel sistema pubblicitario della piattaforma con oltre 400 milioni di utenti e garantisce un servizio in tempo reale ad alta produttività. Il passaggio dai sistemi tradizionali a quelli generativi, su questa scala, è già in esercizio.
Se un modello simile fa crescere click ed entrate su una piattaforma con 400 milioni di utenti, la domanda non è se il mercato del live-commerce cambierà, ma a che velocità.
Chi vince e chi perde nella corsa al live-commerce
Le cifre di business danno il contesto. Nel terzo trimestre 2025, il volume complessivo delle merci vendute tramite e-commerce su Kuaishou è stato di 385,0 miliardi di RMB, con un aumento del 15,2% rispetto ai 334,2 miliardi dello stesso periodo del 2024. È il dato ufficiale della società, non una stima esterna.
Accanto alla crescita dei volumi c’è una mossa meno visibile ma strategica. A luglio 2026 Kuaishou ha rilasciato KuaiLive-M3, un dataset pubblico multi-modale, multi-dominio e multi-feedback per la raccomandazione di live streaming, raccolto dalla piattaforma. Mettere a disposizione dati reali serve a far lavorare ricercatori esterni sugli stessi problemi: un modo per allargare l’ecosistema intorno ai propri strumenti.
Per chi vende o pubblica nel live-commerce, il significato è concreto. Un +16,1% di entrate non resta un numero in un paper: se confermato su scala, diventa il nuovo punto di riferimento. La raccomandazione non è un servizio accessorio che ordina i contenuti: è un vantaggio competitivo misurabile in punti di ricavo. Chi continua a ottimizzare le pipeline tradizionali rischia di pagare visibilità più cara a parità di risultato.
Vale la pena di restare prudenti. I numeri arrivano dagli autori, non da una verifica indipendente, e l’articolo è stato depositato da pochi giorni. Ma il segnale è chiaro: la transizione dai sistemi di raccomandazione tradizionali a quelli generativi non è un’ipotesi, è misurabile. E per chi pubblica online, ignorarla significa accettare di restare fuori dal gioco.
