下單一時(shí)爽 退貨時(shí)悔斷腸

來源：腦極體(ID:unity007)

12日零點(diǎn)開始，雙十一退貨浪潮就帶著熱搜體質(zhì)一起來了!

各大電商平臺(tái)的銷售數(shù)據(jù)紛紛突破歷史記錄的同時(shí)發(fā)生，數(shù)億點(diǎn)燈熬油搶到的寶貝，在商家和快遞小哥馬不停蹄的忙碌之后，很快又將被送上返倉的列車。

商家們當(dāng)然沒有“坐以待斃”。他們機(jī)智地創(chuàng)造出了一個(gè)新詞——防御性發(fā)貨。即用連夜打包發(fā)貨的方式，防止沖動(dòng)下單后萌生退意!讓你點(diǎn)退款的手，快不過送貨的車。

不過，疊加上運(yùn)費(fèi)險(xiǎn)、會(huì)員免郵費(fèi)、七天無理由等花里胡哨的政策，再加上消協(xié)、工商、媒體們的嚴(yán)陣以待，絕大多數(shù)情況下，消費(fèi)者順順利利退款都不成問題。

有意思的是，全天下消費(fèi)者是一家，國(guó)外電商用戶也想到一塊去了的。有調(diào)查顯示，多達(dá)40%以上的黑色星期五購物者最終會(huì)購買一些令他們后悔的商品。海外物流公司UPS每季度配送退貨率以15%的速度增長(zhǎng)。

盡管平臺(tái)們都對(duì)退貨率諱莫如深，或是欲蓋彌彰。但無論是在身邊隨便做做實(shí)時(shí)調(diào)研，還是零售業(yè)內(nèi)人士披著馬甲現(xiàn)身說法，大促過后的“退貨火葬場(chǎng)”，往往能比正常水平高出至少兩三倍，已是不爭(zhēng)的事實(shí)。

于是我產(chǎn)生了一個(gè)大膽的想法——靠AI給退貨率降降溫，到底靠不靠譜呢?

退貨率：喧囂背后的電商殺手

退貨率，就像依附在電商身上的腫瘤。當(dāng)它保持在合理水平時(shí)，是良性的。但一旦遭遇大型購物節(jié)、平臺(tái)漏洞等“溫床”，就快速膨脹，不斷汲取著行業(yè)的健康養(yǎng)分。

無論B2C還是C2C，二次交付的物流成本，平白損失的包裝費(fèi)，以及前期咨詢、售后處理等沉默成本，在利潤(rùn)率逐漸壓薄的今天，都是賣家的不可承受之重。

家大業(yè)大如上市平臺(tái)，也做不到淡定的無視。此前，亞馬遜就宣布將會(huì)永久性地關(guān)閉退貨率太高的客戶賬號(hào)。有一位一年只退了5單的用戶，也收到了賬戶關(guān)停的通知郵件。有的“高危”用戶，還被特地發(fā)郵件詢問，要求其解釋為什么會(huì)退單。

不好意思，此處不提供“不想要了/七天無理由/免費(fèi)試穿”服務(wù)哦~

并不是每個(gè)平臺(tái)都能像亞馬遜一樣硬氣。當(dāng)然，可能是因?yàn)榈稕]有落在脖子上，畢竟總統(tǒng)特朗普都已經(jīng)親自敦促郵政部長(zhǎng)Brennan對(duì)亞馬遜及其他公司提高一倍的快遞服務(wù)費(fèi)，這簡(jiǎn)直是“趁它病要它命”啊。

試想一下，連亞馬遜有口皆碑的全球履行中心都扛不住退貨率，中國(guó)本就一片血海的零售競(jìng)爭(zhēng)市場(chǎng)，還能留下幾個(gè)幸運(yùn)鵝?

除了對(duì)平臺(tái)本身的影響之外，作為保障系統(tǒng)的大型物流園遍地開花，高頻率的車輛進(jìn)出集中問題，也直接帶來了整個(gè)城市的交通運(yùn)輸壓力。

更別提由此影響他人購物體驗(yàn)(許多退貨物品被重新發(fā)到了其他買家手中)、拉低行業(yè)整體訂單履行效率(收貨變慢)，生鮮食品藥品等被退造成的安全風(fēng)險(xiǎn)，還有由此導(dǎo)致的燃油等資源浪費(fèi)，也讓大眾開始聚焦電商領(lǐng)域的環(huán)保問題。

“后悔權(quán)”作為消費(fèi)者權(quán)益之一，被退貨無可厚非。對(duì)于平臺(tái)經(jīng)營(yíng)者和社會(huì)力量來說，如何將沖擊降到最低，就是一件傷腦筋的事情了。

AI治退，究竟治的是什么？

如今，我們生活中早已習(xí)慣了各種各樣的AI技術(shù)，人臉識(shí)別、語音交互、智慧美顏、城市大腦……但要解決一個(gè)全球普適性的、大而化之的復(fù)雜問題，AI也行嗎?怎么看怎么都跟“遇事不決，量子力學(xué)”一樣，是打著科技名義的套路啊。

如果裝上一套“退貨大腦”，就能像城市治堵一樣，立竿見影地解決“退貨率”的問題，那么不出意外的話，亞馬遜、BAT們等技術(shù)大佬分分鐘就能上線給你看。

不過，“退貨率”這件事，恐怕跟城市治理的難度也差不到哪兒去。

首先，退貨率與消費(fèi)者的主觀意愿緊密相關(guān)，不像出行數(shù)據(jù)、工業(yè)生產(chǎn)等流程化強(qiáng)的場(chǎng)景一樣，可以被快速數(shù)據(jù)化然后交給神經(jīng)網(wǎng)絡(luò)去學(xué)習(xí)，退貨往往會(huì)在商品從商家到用戶的運(yùn)動(dòng)狀態(tài)過程中發(fā)生，隨機(jī)性很強(qiáng)。

“雙十一奧數(shù)題”交卷時(shí)沒算清買貴了，退!腦子一熱買多了，退!隔壁老王下的單一小時(shí)就到了，我居然等了6小時(shí)6分鐘6秒?退!老公/爸媽/老婆說不好看，退!……退貨理由千奇百怪，只能被概率化地總結(jié)，要精準(zhǔn)指導(dǎo)決策還不太現(xiàn)實(shí)。

同時(shí)，平臺(tái)也很難對(duì)“退貨率”做出有效的治理對(duì)策。與海外電商不同，中國(guó)電商行業(yè)某種程度上也有著社會(huì)基礎(chǔ)設(shè)施的公共作用，單純出于商業(yè)考慮就像亞馬遜那樣拒絕為用戶服務(wù)，分分鐘12315警告!抬高售價(jià)來彌補(bǔ)服務(wù)成本又會(huì)導(dǎo)致消費(fèi)者出逃到對(duì)家平臺(tái)。所以，目前各大平臺(tái)也只會(huì)對(duì)退款率高的用戶做出信用降級(jí)、限制次數(shù)或購買額度、停發(fā)優(yōu)惠券等措施，直接“炸號(hào)”的極端操作是萬萬不敢的。

更進(jìn)一步，較之平臺(tái)物流或小微商家物流，退貨行為往往不受時(shí)間、空間限制，隨機(jī)性、分散性更高。無論是平臺(tái)自營(yíng)履行體系，還是合作物流機(jī)構(gòu)，單次回收成本都會(huì)明顯上升。機(jī)器人揀貨員、無人機(jī)配送員、自動(dòng)化倉儲(chǔ)系統(tǒng)等“黑科技”，在這一環(huán)節(jié)能夠發(fā)揮的效率提升價(jià)值十分有限。

種種復(fù)雜要素、環(huán)節(jié)的交織，使得“退貨”這一場(chǎng)景的智能化改造變得十分難解。不過我們發(fā)現(xiàn)，AI依然有許多路徑可以幫助平臺(tái)盡可能地規(guī)避這一風(fēng)險(xiǎn)，減少退單。

簡(jiǎn)單總結(jié)一下的話，就是：1.控制前期購買的不確定因素;2.基于可視化智能提升平臺(tái)風(fēng)控;3.盡可能降低“貨-履行中心”逆向物流之間的效率損耗。

AI散落的賽場(chǎng)：

平臺(tái)距離最小退貨率還有多遠(yuǎn)？

從上述需求不難看出，想要解決“退貨率”問題，靠的不是某家某個(gè)環(huán)節(jié)的升級(jí)，而是一個(gè)到處散落著改變需求的復(fù)雜賽場(chǎng)。

其中，AI究竟能起到哪些具體作用呢?

1.在前置購買階段，盡可能把控各種風(fēng)險(xiǎn)因素。

盡管個(gè)體的決策心理難以靠機(jī)器精準(zhǔn)地識(shí)別出來，但平臺(tái)對(duì)消費(fèi)者心理的基本洞察，卻有助于大大減少后期的“沉沒成本”。

比如谷歌就與印度電商公司Myntra Designs的研究人員合作，開發(fā)了一個(gè)識(shí)別退貨率的機(jī)器學(xué)習(xí)模型。該算法在購物者的偏好、體型、產(chǎn)品視圖等數(shù)據(jù)集上進(jìn)行訓(xùn)練，以期在購買前預(yù)測(cè)每位顧客的退貨概率。當(dāng)然，這么做并不是為了區(qū)別對(duì)待，而是為了明確哪些因素對(duì)退貨有不同比例的影響。通過分析發(fā)現(xiàn)，53%的退貨是由于尺寸不那么合身，而且退貨率高度依賴于購物車的大小。購物車中超過五種產(chǎn)品的情況下退貨率約為72%，而購物車中只有一種產(chǎn)品的情況下退貨率為9%。該模型還能在單個(gè)產(chǎn)品級(jí)別上預(yù)測(cè)退貨概率，不過在對(duì)10萬用戶進(jìn)行的實(shí)施測(cè)試中，精度似乎還不足以達(dá)到應(yīng)用級(jí)別。

不管怎樣，盡可能洞察用戶并滿足他們的期望，進(jìn)而降低產(chǎn)品被退回的概率，都是必須邁出的一步。

2.利用智能技術(shù)升級(jí)體驗(yàn)，規(guī)避平臺(tái)的退貨風(fēng)險(xiǎn)。

除了被動(dòng)地等待將用戶退貨，然后在個(gè)人賬號(hào)上暗搓搓地搞事情，平臺(tái)做些什么才能有效地“自救”。目前看來，規(guī)避退貨的最有效辦法就是在前期做好風(fēng)險(xiǎn)控制。

這聽起來很簡(jiǎn)單，但實(shí)踐上卻有諸多痛點(diǎn)。比如說大量退貨是由于產(chǎn)品的實(shí)際功能與網(wǎng)上描述不符，商品出庫前沒有準(zhǔn)確檢查發(fā)錯(cuò)東西。亦或是沒有關(guān)注需求，錯(cuò)過了顧客指定的特殊日期或要求，進(jìn)而造成退貨。平時(shí)或許還可以搞人海戰(zhàn)術(shù)來解決，對(duì)于節(jié)日大促這種“地獄模式”，僅靠人力顯然是不可能完成的任務(wù)了。

此時(shí)，利用AI打造的智能系統(tǒng)先發(fā)制人就顯得極為關(guān)鍵了。今年雙十一我就發(fā)現(xiàn)，許多平臺(tái)似乎可以知道哪些顧客可能會(huì)退貨，就會(huì)讓他們抽到更多的優(yōu)惠券，用戶的價(jià)格風(fēng)險(xiǎn)大大降低(退貨成本也被提高)，自然留下的概率也就更高，真的是要?dú)馑牢业确鹣?ldquo;老實(shí)人”了。

在店鋪運(yùn)營(yíng)端，利用AI來減少“買家秀”和“賣家秀”之間的心理誤差，已經(jīng)在逐步推廣。比如修正產(chǎn)品圖片，確保圖片清晰并和產(chǎn)品保持一致，即便是請(qǐng)不起美工的個(gè)人C店也能高效率地保證圖片質(zhì)量。而有實(shí)力的店鋪，也會(huì)通過基于AI技術(shù)的虛擬試衣/試裝，讓用戶預(yù)先看到試穿效果。

其中，要實(shí)現(xiàn)高仿真度，需要系統(tǒng)能夠模擬光線的反射和投影效果，讓顧客感覺自己在照鏡子，而不是對(duì)著攝像頭玩“貼紙游戲”，就需要AI算法對(duì)光線進(jìn)行優(yōu)化調(diào)試，最后呈現(xiàn)出立體真實(shí)的上身效果。

3.支持智能化柔性倉儲(chǔ)物流的3PL正在崛起。

退換貨時(shí)涉及的逆向物流如何提高效率，一直是一個(gè)難題。一些由平臺(tái)自營(yíng)、或是大型物流公司來說，通過規(guī)?；⒆詣?dòng)化作業(yè)來降低逆向物流的損耗成本，并不是什么難事。但許多中小型電商企業(yè)物流管理水平有限，對(duì)退貨業(yè)務(wù)的硬件、網(wǎng)絡(luò)部署投入不足，退貨作業(yè)效率自然也就很低了。

此時(shí)，經(jīng)過智能化改造的3PL(第三方履約中心)就能起到非常好的緩沖作用。區(qū)別于傳統(tǒng)的自營(yíng)、聯(lián)營(yíng)和外包模式，3PL既具有配送能力，又有倉儲(chǔ)功能，同時(shí)也有一定的客戶訂單信息，在業(yè)務(wù)集成基礎(chǔ)上打造的智能退換貨體系，讓中小型電商不必投入大量成本進(jìn)行履約中心的智能化改造，就能針對(duì)非標(biāo)準(zhǔn)化、零散的柔性退貨需求實(shí)現(xiàn)效率升級(jí)，正在成為諸多平臺(tái)的新選擇。

在海外市場(chǎng)，靠3PL服務(wù)賣家的shopify，就正在挑戰(zhàn)集中式亞馬遜的江湖地位。shopify的履行中心，會(huì)通過機(jī)器學(xué)習(xí)算法來預(yù)測(cè)存儲(chǔ)和運(yùn)輸產(chǎn)品的最佳位置，再第三方物流公司讓貨物能夠盡快得到處理，同時(shí)降低商家的倉儲(chǔ)和物流成本。

爆單一時(shí)爽，退貨火葬場(chǎng)。習(xí)慣了“業(yè)績(jī)PK”的電商平臺(tái)們，都會(huì)在退貨率這件事上達(dá)成一致的沉默。之所以這個(gè)場(chǎng)景很難跑通，一方面是技術(shù)總有難以抵達(dá)之地，更多的是對(duì)人性的賭注與權(quán)衡;

同時(shí)，事情還沒有重要到產(chǎn)業(yè)鏈各個(gè)關(guān)鍵節(jié)點(diǎn)形成合力，將散落在不同環(huán)節(jié)的技術(shù)寶石串聯(lián)成一條叫做極致效率的項(xiàng)鏈。

目前看來，順滑如絲、無傷大雅的退換貨，或許還需要一點(diǎn)點(diǎn)時(shí)間來讓技術(shù)發(fā)酵，才能釀出滋味。

關(guān)鍵詞： 退貨