Intelligenza artificiale (IA) per la gestione invii di ritorno nel commercio online

Anche se nel commercio online non si possono evitare gli invii di ritorno, essi possono essere significativamente ridotti e gestiti in modo più efficiente con l’aiuto dell’intelligenza artificiale. Una previsione degli invii di ritorno attraverso il machine learning è il punto di partenza per tutti i tipi di misure organizzative e strategiche.

Lo shopping online è una scelta di grande tendenza tra molti consumatori. Tuttavia, in media, un’ordine su sei viene restituito. La percentuale di ritorni è particolarmente alta nel settore della moda e degli accessori, in cui quasi il 40% di tutti gli ordini viene restituito, in tutto o in parte, al commerciante online (EHI Retail Institute, 2019). Una percentuale di ritorni così elevata genera costi enormi ed entra in conflitto con gli sforzi volti ad aumentare la sostenibilità. È comprensibile dunque che approcci nuovi e, soprattutto, supportati dalla tecnologia siano particolarmente graditi per ridurre le percentuali di ritorni.

Previsione degli invii di ritorno con l’aiuto dell’intelligenza artificiale

Chiariamo subito una cosa: nonostante le grandi speranze riposte nelle diverse applicazioni dell’intelligenza artificiale (IA), l’uso di questa tecnologia innovativa non sarà in grado di risolvere completamente il problema degli invii di ritorno. Tuttavia, esempi pratici mostrano (ad es. Westphalia DataLab, 2020) che le soluzioni basate sull’IA aiutano a ridurre significativamente le percentuali di ritorni e a realizzare miglioramenti in termini di efficienza all’interno dell’azienda. Uno degli approcci promettenti è basato sulla previsione degli invii di ritorno utilizzando il machine learning, con cui algoritmi speciali vengono addestrati sulla base di dati storici e apprendono con ogni nuovo invio di ritorno. Come base di dati, oltre alle cifre di vendita e dei ritorni storiche, vengono utilizzati anche altri dati che includono informazioni sulle caratteristiche dei clienti (ad es. età, domicilio, comportamento di ritorno), dati sul carrello (ad es. importo dell’ordine, articolo in sconto, numero dello stesso articolo in taglie diverse) nonché i cosiddetti dati esterni (ad es. meteo, vacanze e giorni festivi). Oltre ad essere in grado di creare previsioni per il futuro sulla base di questi dati, le procedure di machine learning permettono anche di identificare i fattori che portano a invii di ritorno particolarmente rilevanti, ovvero di riconoscere le circostanze in cui gli articoli vengono restituiti con particolare frequenza.

Sfruttare al massimo la previsione degli invii di ritorno basata sull’IA

Sulla base di precise previsioni degli invii di ritorno, è possibile pianificare meglio le procedure e le risorse necessarie per l’elaborazione operativa dei ritorni e migliorare l’efficienza. Ad esempio, si può pianificare in modo ottimale il personale nel magazzino, che spesso può essere aumentato o ridotto in modo flessibile attraverso società esterne di gestione del personale. Un’adeguata pianificazione dell’impiego del personale evita la congestione all’interno del magazzino e aumenta la soddisfazione dei clienti, che possono anche aspettarsi un rimborso in tempi brevi dell’importo pagato grazie a una rapida elaborazione degli invii di ritorno. Con le informazioni ottenute sui fattori che portano agli invii di ritorno, è possibile introdurre anche misure preventive che mirano a ridurre la percentuale di ritorni. Ad esempio, si possono correggere le descrizioni errate/incorrette delle taglie dei vestiti, segnalare in modo significativo le interdipendenze tra i prodotti nello shop online nonché sviluppare approcci per offrire consigli per l’acquisto digitali personalizzati. Le opportunità di creare un reale valore aggiunto con l’IA sono numerose, occorre solo il coraggio di mettersi all’opera.

A causa della situazione attuale, anche quest’anno Connecta Bern si svolgerà in modalità digitale. Il carattere variegato della digitalizzazione, che caratterizza Connecta, sarà affrontato, oltre che nel Connecta Blog, anche nei formati Connecta TV e Connecta Talk. Per saperne di più: www.post.ch/connectaTarget not accessible