双十一结束了,但AI的退货“打怪之旅”刚刚开始

12日零点开始,双十一退货浪潮就带着热搜体质一起来了!

各大电商平台的销售数据纷纷突破历史记录的同时发生,数亿点灯熬油抢到的宝贝,在商家和快递小哥马不停蹄的忙碌之后,很快又将被送上返仓的列车。

商家们当然没有“坐以待毙”。他们机智地创造出了一个新词——防御性发货。即用连夜打包发货的方式,防止冲动下单后萌生退意!让你点退款的手,快不过送货的车。

不过,叠加上运费险、会员免邮费、七天无理由等花里胡哨的政策,再加上消协、工商、媒体们的严阵以待,绝大多数情况下,消费者顺顺利利退款都不成问题。

有意思的是,全天下消费者是一家,国外电商用户也想到一块去了的。有调查显示,多达40%以上的黑色星期五购物者最终会购买一些令他们后悔的商品。海外物流公司UPS每季度配送退货率以15%的速度增长。

尽管平台们都对退货率讳莫如深,或是欲盖弥彰。但无论是在身边随便做做实时调研,还是零售业内人士披着马甲现身说法,大促过后的“退货火葬场”,往往能比正常水平高出至少两三倍,已是不争的事实。

于是我产生了一个大胆的想法——靠AI给退货率降降温,到底靠不靠谱呢?

退货率:喧嚣背后的电商杀手

退货率,就像依附在电商身上的肿瘤。当它保持在合理水平时,是良性的。但一旦遭遇大型购物节、平台漏洞等“温床”,就快速膨胀,不断汲取着行业的健康养分。

无论B2C还是C2C,二次交付的物流成本,平白损失的包装费,以及前期咨询、售后处理等沉默成本,在利润率逐渐压薄的今天,都是卖家的不可承受之重。

家大业大如上市平台,也做不到淡定的无视。此前,亚马逊就宣布将会永久性地关闭退货率太高的客户账号。有一位一年只退了5单的用户,也收到了账户关停的通知邮件。有的“高危”用户,还被特地发邮件询问,要求其解释为什么会退单。

不好意思,此处不提供“不想要了/七天无理由/免费试穿”服务哦~

并不是每个平台都能像亚马逊一样硬气。当然,可能是因为刀没有落在脖子上,毕竟总统特朗普都已经亲自敦促邮政部长Brennan对亚马逊及其他公司提高一倍的快递服务费,这简直是“趁它病要它命”啊。

试想一下,连亚马逊有口皆碑的全球履行中心都扛不住退货率,中国本就一片血海的零售竞争市场,还能留下几个幸运鹅?

除了对平台本身的影响之外,作为保障系统的大型物流园遍地开花,高频率的车辆进出集中问题,也直接带来了整个城市的交通运输压力。

更别提由此影响他人购物体验(许多退货物品被重新发到了其他买家手中)、拉低行业整体订单履行效率(收货变慢),生鲜食品药品等被退造成的安全风险,还有由此导致的燃油等资源浪费,也让大众开始聚焦电商领域的环保问题。

“后悔权”作为消费者权益之一,被退货无可厚非。对于平台经营者和社会力量来说,如何将冲击降到最低,就是一件伤脑筋的事情了。

AI治退,究竟治的是什么?

如今,我们生活中早已习惯了各种各样的AI技术,人脸识别、语音交互、智慧美颜、城市大脑……但要解决一个全球普适性的、大而化之的复杂问题,AI也行吗?怎么看怎么都跟“遇事不决,量子力学”一样,是打着科技名义的套路啊。

如果装上一套“退货大脑”,就能像城市治堵一样,立竿见影地解决“退货率”的问题,那么不出意外的话,亚马逊、BAT们等技术大佬分分钟就能上线给你看。

不过,“退货率”这件事,恐怕跟城市治理的难度也差不到哪儿去。

首先,退货率与消费者的主观意愿紧密相关,不像出行数据、工业生产等流程化强的场景一样,可以被快速数据化然后交给神经网络去学习,退货往往会在商品从商家到用户的运动状态过程中发生,随机性很强。

“双十一奥数题”交卷时没算清买贵了,退!脑子一热买多了,退!隔壁老王下的单一小时就到了,我居然等了6小时6分钟6秒?退!老公/爸妈/老婆说不好看,退!……退货理由千奇百怪,只能被概率化地总结,要精准指导决策还不太现实。

同时,平台也很难对“退货率”做出有效的治理对策。与海外电商不同,中国电商行业某种程度上也有着社会基础设施的公共作用,单纯出于商业考虑就像亚马逊那样拒绝为用户服务,分分钟12315警告!抬高售价来弥补服务成本又会导致消费者出逃到对家平台。所以,目前各大平台也只会对退款率高的用户做出信用降级、限制次数或购买额度、停发优惠券等措施,直接“炸号”的极端操作是万万不敢的。

更进一步,较之平台物流或小微商家物流,退货行为往往不受时间、空间限制,随机性、分散性更高。无论是平台自营履行体系,还是合作物流机构,单次回收成本都会明显上升。机器人拣货员、无人机配送员、自动化仓储系统等“黑科技”,在这一环节能够发挥的效率提升价值十分有限。

种种复杂要素、环节的交织,使得“退货”这一场景的智能化改造变得十分难解。不过我们发现,AI依然有许多路径可以帮助平台尽可能地规避这一风险,减少退单。

简单总结一下的话,就是:1.控制前期购买的不确定因素;2.基于可视化智能提升平台风控;3.尽可能降低“货-履行中心”逆向物流之间的效率损耗。

AI散落的赛场:平台距离最小退货率还有多远?

从上述需求不难看出,想要解决“退货率”问题,靠的不是某家某个环节的升级,而是一个到处散落着改变需求的复杂赛场。

其中,AI究竟能起到哪些具体作用呢?

1.在前置购买阶段,尽可能把控各种风险因素。

尽管个体的决策心理难以靠机器精准地识别出来,但平台对消费者心理的基本洞察,却有助于大大减少后期的“沉没成本”。

比如谷歌就与印度电商公司Myntra Designs的研究人员合作,开发了一个识别退货率的机器学习模型。该算法在购物者的偏好、体型、产品视图等数据集上进行训练,以期在购买前预测每位顾客的退货概率。当然,这么做并不是为了区别对待,而是为了明确哪些因素对退货有不同比例的影响。

通过分析发现,53%的退货是由于尺寸不那么合身,而且退货率高度依赖于购物车的大小。购物车中超过五种产品的情况下退货率约为72%,而购物车中只有一种产品的情况下退货率为9%。该模型还能在单个产品级别上预测退货概率,不过在对10万用户进行的实施测试中,精度似乎还不足以达到应用级别。

不管怎样,尽可能洞察用户并满足他们的期望,进而降低产品被退回的概率,都是必须迈出的一步。

2.利用智能技术升级体验,规避平台的退货风险。

除了被动地等待将用户退货,然后在个人账号上暗搓搓地搞事情,平台做些什么才能有效地“自救”。目前看来,规避退货的最有效办法就是在前期做好风险控制。

这听起来很简单,但实践上却有诸多痛点。比如说大量退货是由于产品的实际功能与网上描述不符,商品出库前没有准确检查发错东西。亦或是没有关注需求,错过了顾客指定的特殊日期或要求,进而造成退货。平时或许还可以搞人海战术来解决,对于节日大促这种“地狱模式”,仅靠人力显然是不可能完成的任务了。

此时,利用AI打造的智能系统先发制人就显得极为关键了。今年双十一我就发现,许多平台似乎可以知道哪些顾客可能会退货,就会让他们抽到更多的优惠券,用户的价格风险大大降低(退货成本也被提高),自然留下的概率也就更高,真的是要气死我等佛系“老实人”了。

在店铺运营端,利用AI来减少“买家秀”和“卖家秀”之间的心理误差,已经在逐步推广。比如修正产品图片,确保图片清晰并和产品保持一致,即便是请不起美工的个人C店也能高效率地保证图片质量。而有实力的店铺,也会通过基于AI技术的虚拟试衣/试装,让用户预先看到试穿效果。

其中,要实现高仿真度,需要系统能够模拟光线的反射和投影效果,让顾客感觉自己在照镜子,而不是对着摄像头玩“贴纸游戏”,就需要AI算法对光线进行优化调试,最后呈现出立体真实的上身效果。

3.支持智能化柔性仓储物流的3PL正在崛起。

退换货时涉及的逆向物流如何提高效率,一直是一个难题。一些由平台自营、或是大型物流公司来说,通过规模化、自动化作业来降低逆向物流的损耗成本,并不是什么难事。但许多中小型电商企业物流管理水平有限,对退货业务的硬件、网络部署投入不足,退货作业效率自然也就很低了。

此时,经过智能化改造的3PL(第三方履约中心)就能起到非常好的缓冲作用。区别于传统的自营、联营和外包模式,3PL既具有配送能力,又有仓储功能,同时也有一定的客户订单信息,在业务集成基础上打造的智能退换货体系,让中小型电商不必投入大量成本进行履约中心的智能化改造,就能针对非标准化、零散的柔性退货需求实现效率升级,正在成为诸多平台的新选择。

在海外市场,靠3PL服务卖家的shopify,就正在挑战集中式亚马逊的江湖地位。shopify的履行中心,会通过机器学习算法来预测存储和运输产品的最佳位置,再第三方物流公司让货物能够尽快得到处理,同时降低商家的仓储和物流成本。

爆单一时爽,退货火葬场。习惯了“业绩PK”的电商平台们,都会在退货率这件事上达成一致的沉默。之所以这个场景很难跑通,一方面是技术总有难以抵达之地,更多的是对人性的赌注与权衡;

同时,事情还没有重要到产业链各个关键节点形成合力,将散落在不同环节的技术宝石串联成一条叫做极致效率的项链。

目前看来,顺滑如丝、无伤大雅的退换货,或许还需要一点点时间来让技术发酵,才能酿出滋味。

*声明:文章为作者独立观点,不代表格隆汇立场

相关阅读

评论