Marketplace · Case study
VendoHub AI
Il venditore compone l’annuncio, Google Vision analizza le foto, un revisore decide se pubblicarlo.
VendoHub AI è un marketplace Laravel che ho sviluppato per intero: composizione dell’annuncio con anteprima dal vivo, elaborazione delle immagini in coda, dashboard di revisione e un Listing Coach basato su regole. Ricerca, chat, preferiti e area account stanno intorno all’annuncio pubblicato.
Il codice è pubblico, la demo no: tutte le schermate qui sotto arrivano da un clone locale con dati demo.
01 Flusso di pubblicazione
Dalla creazione dell’annuncio alla pubblicazione.
Cinque fasi lavorano sullo stesso annuncio. I job automatici aggiungono informazioni, ma nessuno di loro decide se può essere pubblicato.
-
01 Persona
Composizione
Il venditore compila campi strutturati — titolo, marca, prezzo, categoria, tag — e carica fino a sei immagini. L’anteprima accanto al form si aggiorna mentre scrive.
-
02 Sistema
Elaborazione delle immagini
Il salvataggio avvia una catena di job in coda: rileva e maschera i volti, ritaglia un 300 × 300 con watermark, poi legge da Google Vision i rating SafeSearch e le label.
-
03 Sistema
In coda per la revisione
L’annuncio viene salvato senza nessuna decisione. Compare nella dashboard del revisore insieme a immagini, label e rating di sicurezza.
-
04 Persona
Decisione
Un revisore accetta o rifiuta l’annuncio. È l’unica fase che cambia la sua possibilità di arrivare in catalogo.
-
05 Persona
Interazione nel marketplace
L’annuncio accettato entra in catalogo, dove subentrano ricerca, preferiti, chat e carrello di sessione.
02 Architettura
L’elaborazione delle immagini avviene fuori dalla richiesta.
Mascherare i volti e interrogare una vision API è troppo lento per farlo mentre il venditore aspetta: succede in una catena di job in coda. Tutto il resto è un’applicazione Laravel normale.
Seleziona un livello per leggere di cosa si occupa.
Interfaccia
La composizione è un componente Livewire: è quello che permette all’anteprima di ridisegnarsi mentre il venditore scrive, invece che dopo l’invio del form.
Applicazione
Un venditore può modificare soltanto i propri annunci e la dashboard di revisione sta dietro un middleware dedicato. Fortify gestisce autenticazione e rate limiting sul login.
Dominio e dati
Le schermate di venditore, acquirente e revisore leggono lo stesso modello Article. È predisposto per l’indicizzazione con Scout, ma la ricerca pubblica gira ancora su filtri testuali Eloquent: l’indice è collegato, non attivo.
Coda media
Google Vision viene chiamato qui, nella coda, e mai nella richiesta in cui il venditore sta aspettando. Le risposte vengono salvate accanto all’immagine e rilette dopo dal revisore.
03 Moderazione
Cosa restituisce l’analisi e cosa ne fa il revisore.
I risultati di Vision vengono salvati per ogni immagine e mostrati accanto all’annuncio. Accettare e rifiutare sono le uniche due azioni che portano un annuncio dentro o fuori dal catalogo, e sono entrambe umane.
Seleziona uno stato per leggere cosa comporta per l’annuncio.
In attesa
Qui arriva ogni nuovo annuncio. Esiste, non è in catalogo e resta nella coda di revisione con le sue immagini già elaborate.
Accettato
Il revisore ha approvato l’annuncio. Diventa idoneo al catalogo e si può trovare da ricerca e pagine di categoria.
Rifiutato
Il revisore ha respinto l’annuncio. Resta al venditore e fuori dal catalogo.
Cosa produce il livello automatico
- I volti trovati in un caricamento, mascherati prima che l’immagine venga salvata.
- Un crop fisso 300 × 300 con il watermark del progetto.
- Le probabilità SafeSearch, convertite in stati che la dashboard può mostrare.
- I risultati del rilevamento label, conservati come contesto per chi revisiona.
Il prodotto include un pannello con etichette e valutazioni SafeSearch, ma in questa cattura il testo è troppo piccolo per essere letto.
04 Listing Coach
Un punteggio 0–100 basato su regole esplicite.
La console venditore valuta quanto è completo un annuncio e affianca il punteggio ai suoi numeri di traffico. Il prodotto lo chiama AI; sotto il cofano ci sono regole e soglie esplicite.
Come si somma il punteggio
Seleziona un criterio per vedere quali segnali legge.
Massimo 100
Segnali che legge
- Lunghezza descrizione
- Numero immagini
- Categoria
- Prezzo
- Lunghezza titolo
- Stato evidenza
- Visite
- Click
- Preferiti
- Messaggi
- Giorni online
Gli ultimi cinque segnali alimentano la diagnosi e il suggerimento sul prezzo, non il punteggio.
05 Limiti
Cosa non fa ancora.
Il progetto funziona da capo a fondo in locale. Quello che segue è ciò che ancora non fa.
- Non c’è traffico di produzione, quindi non ci sono dati su conversioni o ricavi. Non è stata condotta ricerca con utenti.
- La ricerca pubblica gira su filtri testuali Eloquent. Scout è integrato nel modello ma non serve le query.
- Il Listing Coach è basato su regole. La dicitura «AI» appartiene al linguaggio del prodotto e non indica un modello generativo.
- Il checkout registra una transazione completata dentro il prototipo. Non è un’integrazione di pagamento verificata.