Direkt zum Inhalt

Im Rahmen dieses Förderprojektes mit dem Startup Dresslife wird ein System entwickelt, welches das Problem der hohen Retourenquoten im Fashion-eCommerce beheben soll. Durch Deep-Learning-Methoden sollen Informationsasymmetrien zwischen Kunde, Warensortiment und Unternehmen abgebaut werden. Davon profitiert neben den Unternehmen auch die Umwelt, da die vermeidbaren Rücksendungen CO2-Emissionen verursachen.

Beschreibung

Einer der größten Kostentreiber im Fashion-eCommerce sind Rücksende – und Bearbeitungskosten aufgrund einer hohen Retourenquote, weil den Käufern/Käuferinnen die bestellten Kleidungsartikel entweder nicht passen oder nicht mit den persönlichen Geschmack übereinstimmen. Die bestellten Waren werden zurückgesendet und es entstehen Retourenquoten von bis zu 80%. Trifft die retournierte Ware im Unternehmen ein, wird das Paket von den Mitarbeitern ausgepackt, der Warenzustand geprüft, die Ware ggf. gereinigt / überholt und neu verpackt. Neben den entstehenden Prozesskosten und der Ressourcenbindung tritt häufig ein Wertverlust durch Ingebrauchnahme bzw. Testungen der Kunden ein. Die Auswirkungen umfassen geschmälerte Gewinnmargen der Onlinehändler / Modeunternehmen, unnötige Transporte, erhöhte CO2 Emissionen, verschwendetes Verpackungsmaterial, Ineffizienzen bei den Geschäftsprozessen, unzufriedene Kunden und eine mangelhafte Außenwirkung der Unternehmen.

Das Entwicklungsziel umfasst die Entfaltung der A.I.-Technologie auf Kunden- und Unternehmensseite, um durch Deep Learning eine respektive tiefgreifende Entwicklung der Keep Rate sicherzustellen. Durch die Maximierung der Keep Rate können wir die Retourenquote um mindestens 50% reduzieren und Prozesskosten entscheidend absenken. Zusätzlich wird die Conversion Rate im Onlineshop maximiert und die Flexibilität und Innovationsgeschwindigkeit der Modehändler verbessert.

Research area
Intelligent Access to Information
Begin
End