双十一结束了，但AI的退货“打怪之旅”刚刚开始( 七 )_12日零点开始

种种复杂要素、环节的交织，使得“退货”这一场景的智能化改造变得十分难解。不过我们发现， AI依然有许多路径可以帮助平台尽可能地规避这一风险，减少退单。

简单总结一下的话，就是：1.控制前期购买的不确定因素；2.基于可视化智能提升平台风控；3.尽可能降低“货-履行中心”逆向物流之间的效率损耗。

AI散落的赛场：平台距离最小退货率还有多远？

从上述需求不难看出，想要解决“退货率”问题，靠的不是某家某个环节的升级，而是一个到处散落着改变需求的复杂赛场。

其中， AI究竟能起到哪些具体作用呢？

1.在前置购买阶段，尽可能把控各种风险因素。

尽管个体的决策心理难以靠机器精准地识别出来，但平台对消费者心理的基本洞察，却有助于大大减少后期的“沉没成本” 。

比如谷歌就与印度电商公司Myntra Designs的研究人员合作，开发了一个识别退货率的机器学习模型。该算法在购物者的偏好、体型、产品视图等数据集上进行训练，以期在购买前预测每位顾客的退货概率。当然，这么做并不是为了区别对待，而是为了明确哪些因素对退货有不同比例的影响。

双十一结束了，但AI的退货“打怪之旅”刚刚开始( 七 )