谷歌和Myntra研製AI新應用，可預測並解決顧客退貨率

預計到2020年電子商務的銷售額將達到4萬億美元，電子商務的發展勢不可擋。大量調查顯示，與實體店購物相比，客戶更喜歡網上購物的便利性，但這對於那些試圖通過自由退貨政策將競爭對手擠出市場的公司來說卻有弊有利。據估計，有高達三分之一的在線訂單被退回，這降低了利潤率。

對此，谷歌和Myntra平台的研究人員在一篇新論文中嘗試解決退貨的難點。他們使用在購物者的偏好、體形、產品瀏覽記錄等數據訓練機器學習模型，設法在客戶購買商品之前預測每個顧客的退貨概率。

為了確定造成退貨的最主要因素，研究人員對Myntra平台進行了分析，該平台大約有600,000種商品，每周促成數百萬份訂單。他們發現，在所有產生的退貨訂單中，當客戶購物車中存在與之類似的商品時，會有4%的概率會退貨。

此外，他們還發現53%的退貨歸因於尺寸和裝配相關的問題，退貨率與購物車內產品數量緊密相關，購物車內要是超過5件商品的話，退貨率約為72%，而購物車內只有一件商品的話，退貨率為9% 。同樣不出所料的是，與新生產的商品相比，庫存商品的退貨率幾乎翻了一番。

憑藉這些數據，該團隊設計了他們稱作混合雙模型的AI模型，以此預測購物車和商品退貨概率。較高級別的AI模型對可退貨的購物車內商品進行分類，利用第一個模型識別為可退貨的購物車內商品，而第二個模型則用於預測單個產品的退貨概率。兩個模型都是用三個類目下的樣本進行訓練的，主要涵蓋產品、購物車和用戶級功能，包括（但不限於）品牌、產品新舊、購物車內商品數、訂單日期和時間、交付城市、訂單數、付款方式和購買頻率。

那模型表現如何呢？ 在實驗中，表現最佳的退貨預測AI系統在觀測者操作特性曲線下的面積（AUC）達到了83.2%，精度達到74%——操作特性曲線是一種檢測精度的測量方法。在對100,000名用戶進行的實時測試中，與對照組相比，訂單數略微下降（1.7%），但退貨率下降了3%。

該團隊指出，零售商知道哪些客戶可能退回商品後，可以採取預防措施，例如定製運費或通過提供優惠券使產品無法退回。「今後，我們計劃將這個模型應用於更多可以幫助降低整體退貨率的項目。」他們寫道。

（編譯/雨果網 陳傑）

【特別聲明】未經許可同意，任何個人或組織不得複製、轉載、或以其他方式使用本網站內容。轉載請聯繫：editor@cifnews.com

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！