双十一结束了，但AI的退货“打怪之旅”刚刚开始( 八 )_12日零点开始

通过分析发现， 53%的退货是由于尺寸不那么合身，而且退货率高度依赖于购物车的大小。购物车中超过五种产品的情况下退货率约为72% ，而购物车中只有一种产品的情况下退货率为9% 。该模型还能在单个产品级别上预测退货概率，不过在对10万用户进行的实施测试中，精度似乎还不足以达到应用级别。

不管怎样，尽可能洞察用户并满足他们的期望，进而降低产品被退回的概率，都是必须迈出的一步。

2.利用智能技术升级体验，规避平台的退货风险。

除了被动地等待将用户退货，然后在个人账号上暗搓搓地搞事情，平台做些什么才能有效地“自救” 。目前看来，规避退货的最有效办法就是在前期做好风险控制。

这听起来很简单，但实践上却有诸多痛点。比如说大量退货是由于产品的实际功能与网上描述不符，商品出库前没有准确检查发错东西。亦或是没有关注需求，错过了顾客指定的特殊日期或要求，进而造成退货。平时或许还可以搞人海战术来解决，对于节日大促这种“地狱模式” ，仅靠人力显然是不可能完成的任务了。

双十一结束了，但AI的退货“打怪之旅”刚刚开始( 八 )