在完美的世界中，零售商将从在线销售中受益匪浅。在网站上展示商品的固定成本微乎其微，而且在线商店不需要销售人员。
当然，现实是另一回事。在时尚等行业，网购商品的平均退货率几乎是商店购买商品的 20 倍。除了向顾客退款和重新进货之外，零售商通常还必须支付退回商品的运费。
“这不是很赚钱，特别是在时尚界，它不太可持续，”说麻省理工学院斯隆管理学院营销学教授。如果冬季商品在开春时被退回，那么重新进货就没有任何价值。 “你只要把它扔掉，它最终就会被扔进垃圾填埋场。” （美国环境保护署估计 超过 85% 的服装和其他纺织品没有得到回收。）
在一篇新论文，豪瑟和合著者达莉亚·贾布拉，'07，博士'12，莫斯科新经济学院教授，维也纳经济与商业大学教授西哈姆·埃尔基哈尔，和埃默里大学助理教授马拉特·伊布拉吉莫夫，SM '22，PhD '23，了解预测永利皇宫app官网如何帮助零售商在决定在其网站上展示什么内容时估算退货率。
研究人员发现，通过将产品图片纳入现有的预测永利皇宫app官网，该永利皇宫app官网预测的退货率比基准高出 13% 以上，并用它来控制在线产品，使利润提高了 8% 以上。
网购且退货率高
在这项研究中，研究人员查看了一家总部位于德国的女装零售商的数据，该零售商经营 39 家实体店和一家占销售额 30% 以上的在线商店。 2014年9月至2016年8月，该店售出约123万件商品；该分析集中于 4,585 件至少售出 20 次的商品。
根据欧盟政策，客户可以在 14 天内退货，无需提供理由，但必须通过同一购买渠道退货。 在线销售产品的退货率从 13% 到 96% 不等，平均为 56%，而亲自购买的商品退货率仅为 3%。
欧洲商店在线销售的服装退货率从 13% 到 96% 不等，平均率为 56%。
为什么会有差异？豪瑟说，实体店可以让顾客观看和感受商品。顾客还可以看到商品如何与其他商品搭配和搭配。
“你可以想象在网络上，但每个项目都是单独显示的，”他说。 “在它到达之前，你永远不知道它的外观、感觉或合身程度。即使它看起来很适合你，它也必须适合你的衣柜。”
使用机器学习进行更准确的回报预测
零售商已经致力于根据商品的季节性、价格和服装类型来预测退货率。 “如果他们不这样做，那就太疯狂了，”豪瑟说。
研究人员试图通过将其他因素纳入预测模型来增强此分析，该模型可以找到经常退回的商品的共同特征。他们从颜色开始，因为机器学习可以比肉眼永利皇宫app官网地检测色调的细微差异。仅结合颜色就可以将模型的预测提高不到 3%。
从那里，研究人员将图像添加到永利皇宫app官网中。图片对于任何在线服装购买体验都至关重要，购物网站内的推荐引擎已经使用它们来推荐类似的款式和替代品。另外，图像包括颜色以及图案、装饰和形状。后者对于礼服尤为重要。当从这家零售商在线购买时，退货率为 72%，高于任何其他类型的服装。
由于样本量包含的图像少于 5,000 张，不足以训练预测网络，因此研究人员添加了来自 ResNet（一种常用于识别和分类对象的神经网络）的额外图像。 RestNet 在包含 130 万张图像的数据集上进行训练。
更少的回报、更大的利润、更少的浪费
经过神经网络增强的永利皇宫app官网除了季节性、价格和服装类型的基线之外，还根据图像和颜色预测退货率。与基线相比，该永利皇宫app官网的预测率提高了 13.5%。
有了这些信息，零售商可以选择不在其网站上显示其库存中大约 7% 的商品。这样做，公司的利润可以提高 8.3%。
“诚然，这并不是一个巨大的影响，但对于利润最大化的企业来说，这仍然是一大笔钱，”豪瑟说。这也是通过仅探索回报的一个因素而实现的效果。其他收益可以通过关注客户行为、搜索模式、定价永利皇宫app官网和营销策略来实现。在其他市场，退货政策的影响也值得研究。
Hauser 补充说，除了预测回报之外，该永利皇宫app官网还为零售商提供了两个好处。其中一种是一种诊断形式，可以让公司了解服装的哪些特征更有可能带来退货。水平条纹和深色的退货率低于垂直条纹和纯色、亮色的退货率。合身服装比休闲服装更容易被退货。
第二个好处是可以实现更具协作性的设计流程。豪瑟的类似工作在中探索了这种可能性汽车设计。 在这里，预测永利皇宫app官网有助于缩小最美观的设计范围，而不需要许多昂贵且耗时的主题诊所，在那里客户会被带去查看实体汽车设计。
“如果设计师向零售商展示一款服装，而预测永利皇宫app官网表明它不会出售，那么您可以将该信息返回给设计师，”豪瑟说。服装在上架之前可能需要的只是改变颜色或装饰。 “通过运行该永利皇宫app官网，您可以获得很多收益，并且可以减少浪费。”
