Come usare il server MCP di SendPulse per potenziare chatbot e CRM

Siamo entusiasti di presentare il nostro server ufficiale Model Context Protocol: un aggiornamento rivoluzionario che ti consente di collegare uno strumento di intelligenza artificiale direttamente al tuo account SendPulse. In questo modo, l’AI si trasforma in un assistente personale capace di gestire attività legate a chatbot e CRM in pochi secondi.

In questo articolo, scoprirai come far evolvere il tuo strumento AI oltre la classica interfaccia di chat.

Cos’è un server MCP e come funziona?

I modelli di intelligenza artificiale sono ottimi per suggerire idee, ma da soli non possono metterle in pratica. Senza accesso a dati in tempo reale o la possibilità di eseguire azioni come aggiornare accordi o inviare messaggi, il loro potenziale resta limitato.

Il Model Context Protocol (MCP) risolve questo limite. Si tratta di uno standard universale e open source che collega sistemi AI isolati a strumenti esterni e a dati in tempo reale. In questo modo, il tuo strumento AI diventa un agente intelligente autonomo, capace di trasformare semplici suggerimenti in azioni complesse e automatizzare attività quotidiane.

Una volta connesso il server MCP, potrai utilizzare gli strumenti disponibili direttamente all’interno delle conversazioni con l’AI. Ecco come funziona il flusso:

1. Chiedi qualcosa al tuo assistente AI, come OpenAI, Claude o Cursor IDE.
2. Il tuo messaggio viene inoltrato al server MCP di SendPulse.
3. Il server MCP chiama le API necessarie per recuperare i dati o eseguire un’azione.
4. Il risultato viene restituito all’AI, che lo mostra nella chat.

Puoi immaginare il server MCP come un interprete tra il linguaggio naturale dell’AI e il linguaggio tecnico delle API. Non devi preoccuparti dei dettagli tecnici: ti basta sapere cosa vuoi fare e quali dati servono per farlo.

Attualmente, il server MCP di SendPulse è integrato con il nostro builder di chatbot e il sistema CRM. Stiamo lavorando per estendere le integrazioni anche alla nostra piattaforma di email marketing e al pop-up builder. Presto potrai utilizzare agenti AI completamente autonomi per gestire workflow complessi, comprese le campagne omnicanale.

Attraverso MCP, gli agenti AI possono eseguire solo le azioni autorizzate nel toolset. Quando configuri il server MCP, potrai vedere l’elenco completo dei comandi disponibili.

Ecco cosa può fare l’AI nel builder di chatbot:

• accedere alle informazioni del tuo account e dei chatbot;
• visualizzare statistiche e tag;
• inviare campagne;
• esaminare e avviare flussi;
• visualizzare e aggiungere note;
• gestire i contatti;
• navigare tra chat e messaggi.

Puoi cliccare la freccia accanto a ciascun comando per visualizzare una descrizione dettagliata e i parametri richiesti per eseguirla.

Il server MCP di SendPulse è pensato per aiutarti ad automatizzare i flussi di lavoro più ripetitivi, aumentare l’efficienza e raggiungere i tuoi obiettivi più rapidamente.

5 modi per usare MCP con i chatbot

Per ottenere il massimo dai tuoi strumenti di intelligenza artificiale, il punto di partenza è un prompt chiaro e specifico. Se il risultato non ti soddisfa, puoi sempre riformularlo e riprovare. L’unica condizione è che il comando richiesto sia disponibile: ad esempio, l’assistente AI non potrà creare un nuovo flusso se non esiste un’azione corrispondente tra i tools disponibili.

Per farti capire cosa può fare un assistente AI collegato al server MCP, esaminiamo uno scenario che coinvolge il chatbot su Instagram di un brand di moda.

Analizza le conversazioni e trova insight strategici

Le metriche classiche come CTR, open rate o conversioni raccontano cosa succede. Ma le conversazioni svelano perché accade: dubbi, esitazioni, curiosità o mancanza di informazioni. È qui che l’analisi delle conversazioni diventa uno strumento potente per capire:

• quali argomenti attivano emozioni o interesse;
• dove gli utenti abbandonano il flusso;
• che tipo di messaggi li aiutano a finalizzare un acquisto;
• come cambia il comportamento tra segmenti di pubblico.

Collegando il tuo strumento AI al server MCP di SendPulse, puoi analizzare in sicurezza le conversazioni dei tuoi chatbot, ottenere insight utili e migliorare messaggi, flussi e strategie.

Per eseguire questo scenario, collega MCP seguendo la nostra guida e conferma l’accesso al comando chatbots_dialogs_list.

Ecco un esempio di prompt:

Analizza le conversazioni del chatbot bot_name e identifica pattern comportamentali e insight utili. Suggerisci come possiamo migliorare l’esperienza in base ai dati.

Quando avvii il prompt, l’agente AI chiederà l’autorizzazione ad accedere alle conversazioni. Clicca su “Accetta” per procedere.

In meno di due minuti, riceverai una risposta con:

• intenzioni più frequenti tra gli utenti;
• orari di maggiore attività;
• punti critici del funnel (dove gli utenti escono o esitano);
• segnali di conversione a cui rispondere in tempo reale.

Ecco cosa risponde l’agente AI:

In più, l’agente AI può suggerire miglioramenti per interazioni nelle DM e contenuti dell’account Instagram in generale, oltre a proporre automazioni per alleggerire il carico di lavoro del team.

Collegando il tuo assistente AI al server MCP di SendPulse, ottieni analisi conversazionali avanzate e consigli mirati per ottimizzare l’esperienza utente e migliorare le performance dei tuoi flussi di automazione su Instagram.

Crea risposte automatiche per le domande frequenti

Anche se al momento gli agenti AI non possono creare flussi di chatbot direttamente nel builder di SendPulse, possono comunque aiutarti nella creazione dei contenuti. Ad esempio, puoi chiedere all’AI di analizzare le domande più frequenti poste dagli utenti, raccogliere le informazioni aggiornate dal tuo sito web e generare risposte concise da usare come risposte automatiche nel tuo chatbot.

Ecco un esempio di prompt:

Crea dei flussi con risposte alle domande frequenti principali basandoti sull’analisi delle richieste degli utenti. Per generare le risposte, usa le informazioni presenti sul sito ufficiale site.com, incluse le seguenti pagine: site.com/about_us, site.com/delivery, site.com/returns, e site.com/contact.

Poiché l’agente AI ha già analizzato le conversazioni precedenti, non ha bisogno di ulteriori permessi o dati aggiuntivi. Dopo pochi secondi di elaborazione, ti restituirà un elenco di trigger suggeriti per ogni flusso FAQ, l’elenco dei flussi e i contenuti da usare per ciascun flusso.

Se i flussi proposti non rispecchiano il tono o lo stile che desideri, puoi affinare il prompt. Ad esempio, carica esempi di automazioni efficaci che usi già oppure condividi le tue linee guida interne per i DM: questo aiuterà l’agente AI a seguire il tono di voce del tuo brand.

Per un controllo sul testo del flusso più preciso, prova a suddividere il prompt in passaggi più piccoli. Puoi iniziare chiedendo all’AI di generare risposte per il flusso “Resi”. Una volta soddisfatto del risultato, potrai procedere con le altre categorie di domande frequenti.

Lancia campagne di chatbot

Nelle impostazioni MCP, troverai cinque comandi simili che iniziano con chatbots_bots_campaigns. Questi permettono al tuo agente AI di creare una vera e propria campagna di chatbot su piattaforme come WhatsApp, Instagram, Telegram, ecc.

I comandi disponibili variano a seconda della piattaforma. Su Instagram, ad esempio, l’agente AI può:

• creare una campagna con testo, immagine e file allegato;
• inviarla agli utenti attivi nelle ultime 24 ore oppure programmarla per una data e un orario specifici;
• segmentare i destinatari.

Se desideri includere altri elementi, come risposte rapide, pulsanti o schede prodotto, ti consigliamo di programmare prima la campagna tramite MCP e poi accedere al tuo account SendPulse per aggiungere manualmente i componenti aggiuntivi.

Ecco un esempio di prompt:

Programma una campagna “Promemoria evento” per il 27 novembre 2025, rivolta agli iscritti del chatbot bot_name con il tag evento.

Il messaggio deve ricordare loro che dal 28 al 30 novembre ospiteremo lo Stylist Weekend nel nostro store nel centro di New York, con sessioni personalizzate e sconti fino al 20%.

Gli iscritti hanno già ricevuto un invito via email, quindi l’obiettivo di questo messaggio è ricordare l’evento, evidenziare date e orari e incentivarli a visitare il negozio.

Luogo: 45 Rockefeller Plaza, aperto dalle 11:00 alle 22:00.

Dopo circa un minuto, l’agente AI programmerà la campagna e ti invierà una conferma nella chat.

La campagna sarà visibile tra quelle programmate nel tuo account SendPulse.

Tieni presente che eventuali modifiche successive alla programmazione, come l’editing o la cancellazione della campagna, devono essere effettuate manualmente. Ad esempio, se chiedi all’agente AI di aggiornare il testo della campagna, non ti avviserà che questa azione non è supportata. Confermerà comunque la modifica, ma in realtà creerà una nuova campagna per lo stesso chatbot e segmento di pubblico usando il contenuto aggiornato.

Questo significa che verranno inviate sia la campagna originale che quella aggiornata.

Poiché l’agente AI non può ancora modificare le campagne già programmate, ogni richiesta di modifica genererà duplicati. Per evitare confusione, ti consigliamo di modificare le campagne manualmente oppure eliminare prima quelle non necessarie.

Ti raccomandiamo inoltre di controllare e rifinire sempre l’output dell’agente AI prima dell’invio. Come sappiamo, l’intelligenza artificiale può commettere errori, trarre conclusioni errate o generare contenuti non attendibili. Ricorda che AI è solo uno strumento: la responsabilità finale di ciò che viene inviato spetta sempre all’utente umano.

Oltre alla programmazione, l’agente AI può anche suggerirti come migliorare le performance della campagna. Ad esempio, potrebbe consigliarti di applicare tag specifici, riscaldare il segmento target in anticipo per far rientrare nella finestra delle 24 ore più persone, oppure assicurarti che il fuso orario del tuo account coincida con quello dei destinatari.

Puoi anche chiedere ulteriori approfondimenti, come l’orario ottimale per l’invio: l’AI analizzerà i dati e ti indicherà il momento più efficace.

Segmenta gli utenti in base ai pattern conversazionali

Questa funzionalità è particolarmente utile per marketer e imprenditori che cercano nuovi modi per segmentare il proprio pubblico. Se le opzioni standard come posizione, età, genere o attività sul chatbot non offrono più dati utili, puoi passare alla micro-segmentazione basata sul comportamento degli utenti e sulle loro conversazioni.

Con il supporto del server MCP di SendPulse, l’AI può analizzare un numero definito di conversazioni per identificare come comunicano gli utenti e quali argomenti trattano. Sulla base di queste informazioni, l’agente AI suggerisce nuovi segmenti da usare in future campagne e può anche assegnare automaticamente dei tag ai contatti nel tuo account SendPulse così che puoi aggiungere un tocco personalizzato alla comunicazione.

Ecco un esempio di prompt:

Analizza il pubblico del chatbot bot_name e suddividi gli iscritti in tre gruppi in base all’intento d’acquisto. Assegna i seguenti tag: pronti all’acquisto → tag hot; in fase di valutazione → tag warm; non pronti all’acquisto → tag cold. Fornisci raccomandazioni su come comunicare in modo efficace con ciascun gruppo.

Prima di assegnare i tag, l’agente AI analizza le conversazioni e raggruppa gli utenti in base ai criteri indicati:

• hot (~10–15%) — utenti che hanno condiviso i dati per la consegna, chiesto informazioni sul pagamento, accettato le condizioni di spedizione o inviato conferme di pagamento;
• warm (~55–60%) — utenti attivi che chiedono dettagli su prezzo, taglie, colori o spedizione e richiedono foto o video aggiuntivi;
• cold (~20–25%) — utenti che hanno inviato solo reazioni isolate o emotive senza ulteriori interazioni, hanno sollevato obiezioni (“costa troppo”, “non avete la mia taglia”) o sono rimasti inattivi a lungo.

L’agente AI definisce anche i segnali comportamentali da tenere in considerazione, le regole di punteggio e i passaggi necessari per completare la configurazione.

Sulla base del prompt, l’agente AI fornisce consigli su come interagire con ciascun segmento per far avanzare i lead nel funnel di vendita e riattivare più rapidamente gli utenti inattivi.

Una volta confermata la configurazione, l’agente AI inizia ad assegnare i tag ai contatti e mostra lo stato di avanzamento in tempo reale nella chat.

Testa i flussi del tuo chatbot

Oltre ad analizzare le statistiche delle campagne, il tuo agente AI può anche simulare interazioni realistiche con il pubblico target per testare i flussi del chatbot prima del lancio.

Simulare i flussi ti consente di:

• evitare errori che gli utenti reali potrebbero incontrare durante l’interazione;
• identificare e correggere eventuali colli di bottiglia;
• prevedere i tassi di apertura e di clic;
• migliorare le prestazioni sin dal primo invio.

In questo scenario, l’AI assume una persona virtuale basata su dati di conversazione reali, funzionando come un gruppo di test che fornisce feedback immediati e altamente accurati.

Ecco un esempio di prompt:

Simula 500 interazioni utenti attraverso il flusso “Ordine” per analizzarlo, individuare eventuali blocchi e valutare quanto è fluido il processo di acquisto per il nostro pubblico.

Punto d’ingresso nel flusso: 500 utenti che hanno cliccato su “Effettua ordine” dopo aver interagito con annunci o altri flussi del chatbot.

Percorso utente: scegliere il metodo di pagamento (alla consegna o anticipato) → inviare i dettagli del pagamento e confermare → dopo la conferma del pagamento, fornire i dati per la spedizione (nome completo, numero di telefono, email e indirizzo di consegna).

Sulla base di questo input, l’AI genera rapidamente una serie di ipotesi sul comportamento degli utenti, stima che circa il 54% completerà il flusso in 5–7 minuti, identifica i punti critici e propone modifiche per migliorare le conversioni.

4 modi per usare MCP con il sistema CRM

I tradizionali sistemi CRM servono a conservare i dati dei clienti e a gestirli per costruire relazioni durature. Ma l’intelligenza artificiale va oltre: comprende il contesto. Questo significa che può analizzare i dati in profondità e intervenire prima che emergano problemi. Ad esempio, simulando il comportamento reale dei clienti, l’AI è in grado di individuare i colli di bottiglia nella pipeline di vendita e prevedere potenziali perdite.

Per mostrare come l’AI e il server MCP collaborano all’interno del CRM di SendPulse, prendiamo in esame la pipeline del negozio di abbigliamento su Instagram, già citato nelle sezioni precedenti.

Ottimizza una pipeline

Ottimizzare una pipeline di vendita solitamente richiede tempo, risorse e un team dedicato. Serve analizzare le conversioni, individuare i punti deboli, modificare gli script di vendita, testare le ipotesi e monitorare i risultati.

Con l’AI e MCP, puoi ottenere analisi immediate senza costi aggiuntivi né nuovo personale. Il server consente all’AI di:

• accedere ai dati del CRM in tempo reale;
• analizzare migliaia di trattative in pochi minuti;
• individuare esattamente dove stai perdendo vendite e suggerire strategie mirate per aumentare le conversioni.

A differenza di un classico report CRM, l’AI non si limita ai numeri: spiega le cause dei problemi e propone soluzioni concrete, grazie alla comprensione del contesto.

Per ottimizzare una pipeline, collega il server MCP e autorizza l’accesso al comando crm_pipelines_list.

Ecco un esempio di prompt:

Analizza la pipeline con ID 24759 e suggerisci azioni concrete per migliorarne l’efficienza complessiva.

La risposta dell’AI include una descrizione della pipeline e delle sue fasi, consigli generali per migliorarne le prestazioni, suggerimenti per ottimizzare il percorso di conversione e raccomandazioni approfondite.

Un esempio pratico: l’AI può evidenziare i pagamenti falliti come un’opportunità sottovalutata per aumentare le vendite. In questi casi, i lead hanno già compiuto il percorso dall’interesse iniziale alla decisione e sono più vicini all’acquisto.

Per aiutare i commerciali a riprendere questi lead, l’AI aggiunge una nuova fase alla pipeline chiamata “Pagamento fallito” e la evidenzia in rosso.

Per verificare che tutto funzioni correttamente, l’AI crea una trattativa di test e la fa passare attraverso tutte le fasi: da nuovo lead a vendita conclusa. In questo modo si assicura che la pipeline sia configurata bene e che gli agenti possano gestire facilmente la nuova fase nei propri script.

Con MCP e AI, puoi ottimizzare qualsiasi elemento della tua pipeline: riorganizzare le fasi, creare messaggi automatici tra i passaggi, impostare valute, assegnare membri del team e molto altro.

Crea trattative dopo le interazioni con i clienti

Dopo ogni conversazione con un cliente, i rappresentanti di vendita devono registrare nel CRM tutti i dettagli utili per mantenere la comunicazione coerente. Questo include nomi, numeri di telefono, valore della trattativa, fase in pipeline, tag e il contesto della conversazione. Senza note aggiornate e coerenti, diventa difficile avere una visione chiara e affidabile della pipeline di vendita.

Per velocizzare questo processo, i rappresentanti di vendita possono trasmettere le informazioni essenziali direttamente all’AI tramite MCP. L’agente AI processa i dati in autonomia e crea automaticamente un nuovo contatto e una nuova trattativa nel CRM, senza bisogno di interagire manualmente con il sistema.

Ecco un esempio di prompt:

Crea un nuovo contatto: Nick Williams, [numero di telefono], [email], azienda ABCGroup, ruolo Managing Partner.

Collega questo contatto a una nuova trattativa nella pipeline “Online store”, posizionala nella fase “Partnership”, imposta la scadenza al 31 dicembre 2025 e assegna un valore di $10.250.

L’AI utilizza vari strumenti MCP, tra cui crm_contacts_create, crm_deals_create e crm_deals_update, e invia un messaggio di conferma nella chat.

Attualmente, l’agente AI non può ancora aggiungere alcuni dettagli, come numero di telefono, email o ruolo, perché mancano strumenti MCP specifici per questi campi. Però l’AI non perde queste informazioni: le conserva in un commento all’interno della scheda contatto.

Per lo stesso motivo, anche la data di scadenza della trattativa non può essere impostata direttamente, quindi viene riportata come nota nella descrizione dell’affare.

Questo dimostra che, anche in presenza di limitazioni temporanee, l’AI è in grado di adattarsi e preservare le informazioni essenziali.

Non appena il nostro server MCP evolverà ulteriormente, queste limitazioni verranno eliminate per offrire un’automazione ancora più completa.

Crea contatti e trattative dalle conversazioni del chatbot

Nel nostro esempio precedente, abbiamo visto come gli agenti AI possono creare contatti e trattative dopo una richiesta manuale da parte del team di vendita. Ma con l’approccio giusto, possono fare anche di più senza intervento umano diretto: ad esempio, analizzare le conversazioni del chatbot, rilevare ordini completati e creare automaticamente trattative nel CRM.

Ecco un esempio di prompt:

Analizza le ultime 100 conversazioni del chatbot bot_name. Se un cliente effettua un ordine in chat, crea una trattativa nella pipeline “Online store”, nella fase “Order placed” e con tipo “Product sale”. Includi tutti i dettagli rilevanti: dati del cliente, articoli ordinati, prezzo, metodo di consegna e metodo di pagamento.

Considera questo messaggio come trigger per identificare un ordine:

“Per favore, inserisci i tuoi dati per la spedizione: nome, indirizzo, numero di telefono ed email.”

Questo non è un messaggio casuale: il chatbot o un agente lo invia dopo aver ricevuto la conferma di pagamento, quindi si tratta di un ordine completato.

Tieni presente che l’AI non è in grado di elaborare immagini, quindi alcuni passaggi potrebbero comunque richiedere supervisione umana. Per scegliere il giusto trigger, analizza attentamente il tuo flusso di ordine: se è completamente automatizzato, l’AI può creare trattative per ogni utente che raggiunge l’elemento finale del flusso.

Una volta ricevuto il prompt, l’agente AI elabora un piano dettagliato per iniziare il processo.

Dopo l’approvazione, l’AI elabora i dati ed esegue i comandi attraverso il server MCP. Ecco le operazioni che esegue, passo dopo passo:

• analizza tutte le conversazioni e filtra quelle che contengono il messaggio di trigger;
• crea il primo contatto e aggiunge un commento con numero di telefono ed email;
• crea una trattativa nella pipeline “Online store”, nella fase “Order placed”, assegna un responsabile e imposta il tipo di trattativa;
• collega il contatto alla trattativa;
• aggiunge il valore e i dettagli principali sotto forma di commento.

L’intero processo richiede circa 10 minuti.

Durante l’esecuzione di attività complesse, il server MCP potrebbe bloccare temporaneamente alcune azioni se il modello AI raggiunge il limite massimo di richieste. Questo non influisce sul risultato finale: basta attendere il tempo indicato nella notifica, che può variare da 1 a 40 secondi, e digitare “Continue” nella chat per far ripartire il processo.

Identifica le fonti di lead più performanti

La dashboard del tuo CRM mostra da dove provengono i lead, ma non ti dice quali fonti generano davvero ricavi, quanto tempo serve per chiudere una trattativa o quanto è coinvolto il tuo team. Senza un’analisi più approfondita, è difficile distinguere tra quantità e qualità dei lead. È qui che entra in gioco l’AI.

Invece di limitarsi a contare le conversioni, l’AI traccia l’intero ciclo di vita del lead e fornisce un quadro chiaro dei canali di comunicazione che generano clienti più veloci, con ordini più consistenti e più fidelizzati.

Ad esempio, l’agente AI potrebbe scoprire che Facebook Ads genera la metà dei lead rispetto a Google Ads, ma che il valore medio degli ordini da Facebook è tre volte più alto. Queste informazioni permettono al team marketing di riassegnare i budget basandosi su dati concreti, non solo sull’intuito.

Ecco un esempio di prompt:

Individua le fonti di lead che generano i clienti di maggior qualità, ovvero quelli che completano l’intero percorso nella pipeline “Online store” fino alla fase “Deal won”.

Fornisci raccomandazioni su come migliorare i tassi di conversione da lead a cliente.

Il tuo agente AI richiede l’accesso alle trattative e, in pochi minuti, restituisce una risposta completa che include:

• l’elenco delle pipeline analizzate;
• i canali di comunicazione che generano i lead migliori;
• suggerimenti per aumentare la conversione da lead a cliente;
• un elenco di metriche alla base di queste conclusioni.

L’agente AI ha concluso che i chatbot risultano la fonte di lead più qualitativi e i dati aziendali confermano questa tendenza. I suggerimenti si concentrano su come accelerare il passaggio dei lead nella pipeline e migliorare la precisione dei campi nelle trattative.

Un CRM ricco di dati consente all’agente AI di eseguire analisi più approfondite e fornire insight più utili. Oltre al fatturato per ogni fonte di lead, l’AI può considerare anche altre metriche: tasso di retention, durata del ciclo di vendita, valore medio degli ordini, pagamenti falliti e altro.

Conclusione

Crediamo che i server MCP rappresentino il futuro dell’interazione con l’intelligenza artificiale. Il server MCP di SendPulse consente all’AI di accedere in tempo reale alle tue fonti di dati e di eseguire comandi semplici in autonomia. Ma questo è solo l’inizio di come intendiamo utilizzare questa tecnologia.

La prossima evoluzione vedrà la nascita di agenti AI autonomi, in grado di gestire flussi di lavoro complessi e di agire senza intervento umano diretto.

Gli agenti AI del futuro avranno una visione d’insieme su tutti i canali di comunicazione, inclusi chatbot, notifiche push, email e campagne SMS. Saranno in grado di monitorare i cambiamenti nella pipeline, analizzare il comportamento dei clienti e proporre strategie di interazione proattive. L’AI semplificherà anche i processi CRM, automatizzando quasi tutte le fasi operative.

In questo nuovo scenario, il ruolo dell’uomo cambia: non esegue più singoli compiti, ma diventa un curatore dell’ecosistema AI, definendo obiettivi e priorità.

Pronto a iniziare? Connetti il server MCP per creare il tuo agente AI personalizzato e scopri come può aiutarti a risparmiare tempo, migliorare l’efficienza operativa e accelerare le performance del tuo business.