Retourenreduzierung

Einer der größten Kostentreiber im Mode-E-Commerce sind Rücksendungen - und Bearbeitungskosten aufgrund einer hohen Retourenquote, weil den Käufern die bestellten Kleidungsstücke entweder nicht gefallen oder nicht ihrem persönlichen Geschmack entsprechen. Die bestellte Ware wird zurückgeschickt und es kommt zu Rücksendequoten von bis zu 80%. Wenn die zurückgesandte Ware im Unternehmen eintrifft, wird das Paket von den Mitarbeitern ausgepackt, der Zustand der Ware geprüft, die Ware gegebenenfalls gereinigt/aufbereitet und neu verpackt. Neben den entstehenden Prozesskosten und der Bindung von Ressourcen kommt es häufig zu einem Wertverlust durch die Nutzung bzw. Prüfung durch die Kunden. Die Auswirkungen sind u.a. reduzierte Gewinnmargen von Online-Händlern / Modeunternehmen, unnötige Transporte, erhöhte CO2-Emissionen, verschwendetes Verpackungsmaterial, Ineffizienzen in den Geschäftsprozessen, unzufriedene Kunden und ein schlechtes Image des Unternehmens nach außen. Das Entwicklungsziel umfasst die Entfaltung von A.I.-Technologie auf Kunden- und Unternehmensseite, um durch Deep Learning eine tiefgreifende Entwicklung der Haltequote zu gewährleisten. Durch die Maximierung der Haltequote können wir die Retourenquote um mindestens 50% reduzieren und die Prozesskosten deutlich senken. Darüber hinaus wird die Konversionsrate im Online-Shop maximiert und die Flexibilität und Innovationsgeschwindigkeit der Modehändler verbessert.

The development goal includes the unfolding of A.I. technology on the customer and company side in order to ensure a profound development of the keep rate through deep learning. By maximizing the keep rate, we can reduce the return rate by at least 50% and significantly lower process costs. In addition, the conversion rate in the online shop is maximized and the flexibility and speed of innovation of the fashion retailers is improved.