La IA como solución para reducir la tasa de devoluciones en e-commerce y ganar nuevos ingresos

Idoneidad, esa es la palabra que mejor define al proceso de devolución de un artículo para las empresas ya que se trata del momento perfecto para entablar una relación más cercana con un cliente y generar una nueva venta. Y es que, no sólo permite determinar por qué no está satisfecho, también podemos conocer su lugar de residencia, si es un comprador habitual, cómo ha respondido a promociones anteriores e incluso es posible compararlo con compradores similares que han adquirido otros productos. Además, y aún más importante, tiene dinero disponible para gastar en forma de mercancía. 

Marcello S. Valerio, cofundador de iF Returns, explica al respecto: “Las recomendaciones han sido tradicionalmente aplicadas en el marketing a través del correo electrónico y en las propias tiendas para aumentar las tasas de conversión. Cuando se efectúa una devolución suponen una gran oportunidad, ya que más del 80% están motivadas por problemas de talla o la práctica del bracketing –compra de varias unidades de diferente tamaño o color de un mismo artículo para probarlo en casa-.  Hoy en día, el objetivo es convertir en una nueva experiencia de compra los más de 400 mil millones de euros que representan los productos devueltos en Europa”. 

La plataforma de cambios y devoluciones iF returns ha impulsado un sistema de recomendaciones entre más de 300 marcas europeas. Utilizando sencillos modelos de agrupación, transforma más del 40% de los productos devueltos en intercambios y genera un 15% de ventas nuevas a partir de ellos. De esta forma, obtiene, de media, más de 1 euro en nuevas ventas con cada transacción realizada. Esto no solo significa nuevos ingresos, sino también añadir entre un 10-20% de rentabilidad a la operativa de logística inversa, lo cual impacta en la venta futura de esos productos.

La primera aplicación de IA a estas estrategias de incentivos será desarrollada por iF returns en el próximo año. 

Paul Obando, CTO y cofundador de iF returns, apunta: “Nuestro objetivo es desarrollar un algoritmo de segmentación de clientes que nos permita ofrecer incentivos personalizados. No todas las personas se sienten motivadas por los mismos factores. En unos casos influye más el coste del transporte, y en otros las emisiones de CO2 o los futuros descuentos. Y la clave es dirigirse a cada cliente según sus motivaciones”.