HighLevel porta le analytics WhatsApp nell’AI Assistant dei Workflows

TL;DR: HighLevel ha esteso l’AI Assistant disponibile nei Workflows alle metriche delle azioni WhatsApp. Secondo il changelog ufficiale, è ora possibile chiedere in linguaggio naturale dati su invii totali, messaggi consegnati, falliti e in attesa, oltre a conteggi e tassi di lettura. L’assistente può inoltre confrontare l’intervallo richiesto con il periodo immediatamente precedente. L’obiettivo dichiarato è riunire nell’interfaccia conversazionale la lettura delle prestazioni di Email, SMS e WhatsApp, evitando di dover consultare separatamente dashboard ed execution log per una prima analisi del workflow.

In sintesi

Con l’aggiornamento denominato “WhatsApp Analytics in the AI Assistant in Workflows”, HighLevel amplia la copertura analitica del proprio assistente AI nei flussi di automazione. La novità riguarda in modo specifico gli step WhatsApp presenti in un workflow: l’utente può formulare una domanda testuale e ricevere dati calcolati sui dati live relativi a quella fase.

La fonte ufficiale indica che l’AI Assistant restituisce, per qualsiasi step WhatsApp, il totale degli invii e i conteggi di messaggi consegnati, falliti e in attesa. Alle quantità affianca il tasso di consegna e il tasso di fallimento calcolati. Sono inclusi anche i messaggi letti tra quelli consegnati e il relativo read rate, ossia il tasso di lettura.

Non si tratta quindi di una nuova azione WhatsApp per i Workflows, né di una promessa di migliori performance di recapito. È una funzione di consultazione e lettura dei risultati degli step WhatsApp già presenti nel workflow. Questa distinzione è importante: disporre di dati più accessibili può semplificare l’analisi, ma non modifica da solo contenuti, consenso, impostazioni del canale, qualità dei contatti o condizioni che incidono sulla consegna e sulla lettura.

La novità risulta potenzialmente utile ad agenzie, team CRM, marketer e aziende che utilizzano HighLevel o GoHighLevel per orchestrare follow-up, reminder, messaggi di assistenza o comunicazioni commerciali su WhatsApp. In particolare, può ridurre il tempo necessario per ottenere una fotografia iniziale dell’andamento di uno step, senza passare da domande tecniche, export o consultazioni manuali di più aree del prodotto.

La pubblicazione di riferimento è il changelog ufficiale HighLevel, WhatsApp Analytics in the AI Assistant in Workflows, datato 14 agosto 2026. Nomi delle funzioni, interfaccia e disponibilità possono cambiare dopo tale data di verifica.

Cosa cambia nell’analisi degli step WhatsApp

Prima di questo rilascio, il changelog afferma che i dati di performance WhatsApp erano fuori dalla copertura dell’Assistant. Con l’estensione annunciata, Email, SMS e WhatsApp vengono invece gestiti dalla stessa interfaccia conversazionale per l’analisi delle performance nei workflow.

In concreto, per uno step WhatsApp l’assistente può riportare:

• il numero totale di messaggi inviati;
• il numero di messaggi consegnati;
• il numero di messaggi falliti;
• il numero di messaggi in stato pending, cioè in attesa;
• il delivery rate e il failure rate calcolati;
• il numero di messaggi letti fra quelli consegnati;
• il read rate corrispondente.

L’aspetto più utile non è soltanto l’elenco delle metriche. La fonte descrive risposte orientate all’insight: l’assistente presenta prima le cifre principali, poi evidenzia ciò che è cambiato attraverso osservazioni in linguaggio semplice su volume, rapporto tra consegne e fallimenti, e comportamento di lettura.

Per chi supervisiona automazioni con più canali, avere una modalità coerente di interrogazione può favorire una lettura comparabile dei risultati. Resta però essenziale distinguere le metriche di ciascun canale: un tasso di lettura WhatsApp non equivale a un’apertura email, e i dati non dovrebbero essere confrontati come se misurassero esattamente lo stesso comportamento.

Confronto automatico tra periodi: come viene descritto

Un’altra componente dell’aggiornamento è il confronto period-over-period automatico. L’utente può specificare un intervallo temporale, per esempio “le ultime 2 settimane”; l’Assistant confronta tale finestra con il periodo immediatamente precedente della stessa durata.

La risposta dovrebbe indicare la variazione dei volumi e segnalare se il delivery è in crescita o in diminuzione. Questo può essere utile quando la domanda non è solo “quanti messaggi sono stati consegnati?”, ma anche “il dato sta cambiando rispetto al periodo precedente?”.

Il confronto automatico non va però interpretato come diagnosi causale. Se il volume cresce, se le consegne scendono o se la lettura cambia, la funzione può aiutare a individuare un segnale da approfondire; dalla descrizione ufficiale non emerge che identifichi con certezza il motivo del cambiamento. Campagne diverse, segmenti differenti, modifiche al workflow, stagionalità e composizione della base contatti possono influire sulle variazioni osservate.

Per leggere correttamente un confronto, conviene quindi mantenere una cronologia delle modifiche effettuate al workflow e verificare se, nei periodi messi a confronto, sono cambiati pubblico, volume, contenuto o logica di attivazione. Le metriche possono indicare dove concentrare l’attenzione, non sostituire l’analisi del contesto operativo.

A chi serve la funzione

Per le agenzie, l’AI Assistant può rappresentare un punto di consultazione più rapido per controllare gli step WhatsApp dei workflow dei clienti, soprattutto quando occorre ricostruire l’andamento di una fase prima di aprire analisi più dettagliate. L’utilità concreta dipende naturalmente dai permessi disponibili, dalla configurazione dell’account e dall’effettivo utilizzo di WhatsApp nei flussi.

Per i team marketing e CRM, le metriche possono aiutare a distinguere un problema di volume da un possibile calo della consegna o della lettura. Ad esempio, un numero minore di messaggi letti non andrebbe valutato senza prima guardare quanti messaggi siano stati effettivamente consegnati: il changelog include proprio entrambe le informazioni nella risposta dell’assistente.

Per chi gestisce operazioni e customer journey, la copertura congiunta di Email, SMS e WhatsApp può rendere più semplice il controllo preliminare dei touchpoint inclusi nella stessa automazione. Questa centralizzazione è coerente con un approccio più ampio alla reportistica in piattaforma: per la visualizzazione dei trend nei widget, ad esempio, è utile conoscere anche la guida su come mostrare una diminuzione in verde nella dashboard GoHighLevel e la novità relativa al colore del Trend Badge dei widget.

Passaggi d’uso indicati dalla fonte ufficiale

Il changelog descrive un percorso molto essenziale:

1. aprire l’AI Assistant all’interno di un workflow;
2. chiedere le metriche desiderate in linguaggio naturale;
3. indicare, se necessario, una finestra temporale.

L’esempio pubblicato da HighLevel è una richiesta equivalente a: “recupera le statistiche di consegna WhatsApp per questo workflow nelle ultime due settimane”. La fonte afferma inoltre che non è richiesta alcuna configurazione.

Questo non significa che ogni formulazione possibile darà necessariamente la stessa risposta, né che la schermata o la denominazione resteranno immutate. Per richieste ripetibili, è ragionevole adottare domande chiare che specifichino workflow, canale, metrica e intervallo temporale. Se nel workflow sono presenti più step WhatsApp, indicare con precisione quello da analizzare può evitare ambiguità, anche se la fonte non dettaglia il comportamento dell’Assistant in tutti gli scenari possibili.

Benefici pratici e limiti da tenere presenti

Il beneficio dichiarato più rilevante è la possibilità di valutare in un solo punto le performance di Email, SMS e WhatsApp, invece di distribuire la prima lettura tra dashboard separate ed execution log. Per molti operatori questo può significare meno passaggi per ottenere i numeri essenziali e una maggiore rapidità nel formulare domande esplorative.

L’uso del linguaggio naturale può inoltre abbassare la barriera per chi non ha dimestichezza con report complessi. Tuttavia, semplicità di interrogazione non equivale a semplificazione eccessiva dell’interpretazione. Un delivery rate, un failure rate e un read rate vanno letti insieme a volume, intervallo selezionato e natura della comunicazione.

Tra i limiti espliciti della fonte, non sono descritti dettagli su filtri avanzati, esportazioni, soglie di avviso, breakdown per segmento, cause dei fallimenti o tempi di aggiornamento dei dati. Non è quindi corretto assumere che la funzionalità includa queste capacità. Allo stesso modo, il changelog non definisce regole di attribuzione, benchmark o raccomandazioni automatiche per migliorare i risultati.

Errori da evitare nell’uso delle analytics WhatsApp

Un primo errore è considerare i messaggi letti come percentuale di tutti gli invii senza verificare la definizione fornita: la fonte parla di read count tra i messaggi consegnati e del relativo read rate. Questa base di calcolo conta nella lettura del dato.

Il secondo errore è attribuire automaticamente un calo delle consegne a un singolo fattore. L’Assistant può segnalare la tendenza, ma non sostituisce la verifica di contatti, consenso, contenuto, logica del workflow e configurazione del canale.

Terzo: confrontare periodi con campagne o volumi profondamente diversi senza contestualizzarli. Il confronto con il periodo immediatamente precedente è utile, ma non rende automaticamente omogenee le condizioni operative.

Infine, è prudente non trasformare una risposta conversazionale in un report definitivo senza controlli ulteriori quando il dato deve supportare decisioni importanti. L’AI Assistant è una porta di accesso ai dati live descritta da HighLevel; governance, conformità e valutazione delle campagne restano responsabilità del team che utilizza il sistema.

Per approfondire il contesto tecnico del canale e dell’ecosistema collegato, può essere utile anche il nostro glossario su LeadConnector e il suo funzionamento in GoHighLevel.

Cosa monitorare dopo l’aggiornamento

Chi usa già WhatsApp nei Workflows può iniziare con domande semplici e ricorrenti: andamento delle consegne in una finestra definita, quota di messaggi falliti, letture fra le consegne e differenze rispetto al periodo precedente. Un controllo periodico con la stessa struttura di domanda può rendere più leggibili i cambiamenti nel tempo.

La novità è particolarmente interessante quando WhatsApp non opera isolatamente, ma fa parte di sequenze multicanale. In questi casi, la possibilità di interrogare Email, SMS e WhatsApp nello stesso Assistant può accelerare la fase di osservazione iniziale. Le decisioni successive dovrebbero comunque basarsi sul contesto della specifica automazione e sulle metriche realmente rilevanti per l’obiettivo del workflow.

Se stai valutando HighLevel per gestire automazioni e comunicazioni WhatsApp, consulta il nostro bonus WhatsApp GoHighLevel. I risultati variano in base al contesto, alla configurazione e alla qualità dei processi adottati.