¿Qué está causando tantas devoluciones a gran escala? Un enorme 46 por ciento de los consumidores estadounidenses en una reciente encuesta de Harris mencionaron el «ajuste deficiente» como la principal razón para devolver prendas, por delante de los daños (38 por ciento) y la mala calidad (36 por ciento). Este problema no solo afecta a los resultados financieros, sino que también contribuye al desperdicio textil y a las preocupaciones medioambientales. No es de extrañar que una de las principales prioridades para un tercio de los minoristas globales sea «hacer que los procesos de devolución sean más eficientes y menos costosos», como se reveló en la reciente encuesta y reporte de Asendia titulada «Cómo vender directamente en la era del comprador conflictivo», en la que se encuestó a 800 minoristas.
Sin embargo, muchos directores de ventas y operaciones desean detener las devoluciones por completo, no solo administrarlas de manera más eficiente. Al ofrecer formas innovadoras de lograr un mejor ajuste y una compra más comprometida, los comerciantes en línea podrían aliviar las complejidades operativas, así como los costos, de las devoluciones.
Grandes nombres del comercio electrónico están tomando medidas al respecto. Amazon lanzó «Prime Try Before You Buy» a principios de este año, como una nueva denominación de un antiguo programa de Amazon llamado Prime Wardrobe. El servicio entrega un lote de ropa y zapatos a los clientes suscritos para que los prueben antes de comprometerse a comprar algo de forma permanente.
Los clientes tienen siete días para probar hasta seis artículos a la vez. Las piezas no deseadas luego pueden devolverse en una caja de devolución con sello y etiqueta de envío prepagada, y solo se les cobra a los clientes por los artículos que desean conservar. Este servicio está disponible para los miembros suscritos a Prime, una forma inteligente para que Amazon premie a sus clientes leales y aumente las ventas al manejar los artículos devueltos en forma de lote, lo que debería significar menos devoluciones individuales. Con los artículos que regresan tan rápidamente, también debería ser más fácil revenderlos.
Sin embargo, si los minoristas realmente desean reducir los kilómetros de transporte, el escenario ideal sería tener tasas más altas de «ajuste a la primera», sin necesidad de logística inversa en absoluto.
Vea también: Comprando datos: ¿Qué datos deberían recopilar los minoristas?
Recomendaciones de tamaño y estilo impulsadas por IA
Los algoritmos de IA pueden generar recomendaciones de productos personalizadas basadas en los datos de los clientes. El aprendizaje automático también está mejorando la precisión de las recomendaciones de tamaño.
Una nueva generación de complementos de tamaño personalizados y herramientas de prueba virtual están llegando al mercado para aumentar la confianza del consumidor en el ajuste y estilo al momento de hacer un pedido.
Según un estudio reciente de Coresight Research, un enorme 85 por ciento de los minoristas encuestados actualmente utilizan o planean utilizar esta tecnología.
Con el tiempo, se espera que estos avances tecnológicos aumenten las conversiones y reduzcan la probabilidad de que los artículos no se ajusten y deban ser devueltos.
Servicios de compras en línea personalizados como Stitch Fix y Tog + Porter utilizan el aprendizaje automático y estilistas internos para crear conjuntos personalizados después de que los consumidores realicen una prueba para especificar sus tallas y estilo.
Estas empresas están diseñadas para ayudar a los clientes a encontrar ropa que les quede y les guste de una manera más respaldada antes de que la ropa se envíe.
De manera similar, aplicaciones de recomendación de ajuste personalizado como True Fit y uSizy se pueden integrar fácilmente en sitios web de moda.
Estas utilizan datos básicos proporcionados por los compradores individuales y algoritmos para ayudar a las personas a elegir la talla correcta en muchas marcas diferentes.
Comprender las preferencias de los clientes basadas en lo que usan y sus medidas reales permite a los comerciantes en línea convertir la indecisión en confianza y las malas elecciones de talla en buenas.
En julio, Zalando lanzó una nueva herramienta impulsada por IA que permite a los clientes en Alemania, Austria y Suiza recibir recomendaciones de talla para ciertas prendas, utilizando medidas predichas a partir de fotografías de ellos usando ropa ajustada.
Robert Gentz, co-CEO de Zalando, llamó a esto «una solución de cambio de paso en la industria que ayudará a los clientes a encontrar el ajuste perfecto antes de la entrega».
Muchos en la industria de la moda tienen grandes esperanzas en la tecnología de prueba virtual de realidad virtual para reducir la incertidumbre del cliente y las compras mal juzgadas.
La nueva función de prueba virtual de Google muestra lo que es posible.
Los usuarios en Estados Unidos pueden seleccionar modelos en un amplio espectro de tallas, desde XXS hasta 4XL, que abarcan diferentes tonos de piel, formas corporales y texturas de cabello.
Google está aprovechando el poder de la inteligencia artificial generativa, disponible a través de su motor de búsqueda, y, al principio, solo se puede usar en tops de mujer.
Los compradores pueden hacer clic en productos con una insignia de «Probar» para seleccionar un modelo y probarse virtualmente tops de marcas como H&M, Loft, Everlane y Anthropologie.
La tecnología tiene como objetivo proporcionar a los consumidores una forma de visualizar cómo podría lucir la ropa en ellos.
Mientras tanto, el sitio web de alquiler de moda de John Lewis permite a los clientes ver cómo les queda el vestido en línea antes de alquilarlo, gracias a una nueva función llamada «Pruébatelo». Los clientes suben una foto de su rostro e información sobre su talla para probarse la prenda virtualmente, desde casa. El objetivo es que el artículo elegido se ajuste y quede bien desde el principio, evitando la necesidad de varios envíos y devoluciones.
El análisis de datos puede alertar cuando las devoluciones son altas
Para los vendedores en línea más pequeños que no cuentan con generosos presupuestos de TI para invertir en nuevas tecnologías, existen formas alternativas y probadas de ayudar a los compradores a tomar mejores decisiones de compra, lo que resultará en menos devoluciones costosas. Por ejemplo, las reseñas de los clientes pueden influir en las decisiones de compra, al igual que los videoclips que muestran cómo lucen las prendas y los modelos de formas realistas. Las descripciones de productos actualizadas y precisas con imágenes de alta calidad, como imágenes en 3D, también son de gran ayuda.
El análisis de datos puede identificar patrones y tendencias relacionadas con problemas de ajuste y devoluciones. Si las marcas y sus socios logísticos llevan a cabo análisis de devoluciones para identificar problemas, pueden tomar medidas proactivas para abordar problemas de tamaño y diseño, así como problemas como daños durante el transporte o retrasos en ciertas rutas de entrega.
Ser alertado sobre los problemas que causan devoluciones más altas permite a las marcas ver grandes mejoras con el tiempo. Los proveedores de servicios de envío de paquetes están invirtiendo en portales dedicados para que sus clientes minoristas accedan a datos y reciban alertas en tiempo real sobre problemas. Por ejemplo, la nueva plataforma de devoluciones Asendia e-PAQ proporciona a los minoristas potentes herramientas de análisis de datos para abordar y reducir las devoluciones de manera efectiva. La plataforma permite a los minoristas acceder a un panel de datos de devoluciones, que proporciona información sobre qué productos específicos (SKU) están siendo devueltos, las regiones o países de los que provienen y los motivos de la devolución. Estos datos permiten a los minoristas identificar tendencias y tomar acciones oportunas para minimizar las tasas de devolución.
Con un portal dedicado, los clientes minoristas se benefician de alertas en tiempo real y datos que pueden ayudar a identificar problemas relacionados con las devoluciones, como problemas de tamaño, problemas de diseño, daños durante el transporte o retrasos en la entrega. Los conocimientos y herramientas basados en datos pueden ayudar a los vendedores en línea más pequeños a abordar las devoluciones de manera efectiva, incluso si no tienen los recursos para utilizar las últimas tecnologías de IA y realidad aumentada.
Cuando se realizan cambios, se pueden realizar un seguimiento de las mejoras. Por ejemplo, si hay un problema con las tallas en un país en particular, las devoluciones deberían reducirse una vez que se resuelva el problema. Si los paquetes llegan demasiado tarde a una ciudad en particular, lo que provoca devoluciones por encima del promedio, el minorista sabe que probablemente tiene un problema con el transportista saliente que no está rindiendo como debería.
