用AI治理“七天无理由退换货”

不过，叠加上运费险、会员免邮费、七天无理由等花里胡哨的政策，再加上消协、工商、媒体们的严阵以待，绝大多数情况下，消费者顺顺利利退款都不成问题。

有意思的是，全天下消费者是一家，国外电商用户也想到一块去了的。有调查显示，多达40%以上的黑色星期五购物者最终会购买一些令他们后悔的商品。海外物流公司UPS每季度配送退货率以15%的速度增长。

尽管平台们都对退货率讳莫如深，或是欲盖弥彰。但无论是在身边随便做做实时调研，还是零售业内人士披着马甲现身说法，大促过后的“退货火葬场”，往往能比正常水平高出至少两三倍，已是不争的事实。

于是我产生了一个大胆的想法——靠AI给退货率降降温，到底靠不靠谱呢？

退货率：喧嚣背后的电商杀手

退货率，就像依附在电商身上的肿瘤。当它保持在合理水平时，是良性的。但一旦遭遇大型购物节、平台漏洞等“温床”，就快速膨胀，不断汲取着行业的健康养分。

无论B2C还是C2C，二次交付的物流成本，平白损失的包装费，以及前期咨询、售后处理等沉默成本，在利润率逐渐压薄的今天，都是卖家的不可承受之重。

家大业大如上市平台，也做不到淡定的无视。此前，亚马逊就宣布将会永久性地关闭退货率太高的客户账号。有一位一年只退了5单的用户，也收到了账户关停的通知邮件。有的“高危”用户，还被特地发邮件询问，要求其解释为什么会退单。

不好意思，此处不提供“不想要了/七天无理由/免费试穿”服务哦~

并不是每个平台都能像亚马逊一样硬气。当然，可能是因为刀没有落在脖子上，毕竟总统特朗普都已经亲自敦促邮政部长Brennan对亚马逊及其他公司提高一倍的快递服务费，这简直是“趁它病要它命”啊。

试想一下，连亚马逊有口皆碑的全球履行中心都扛不住退货率，中国本就一片血海的零售竞争市场，还能留下几个幸运鹅？

除了对平台本身的影响之外，作为保障系统的大型物流园遍地开花，高频率的车辆进出集中问题，也直接带来了整个城市的交通运输压力。

更别提由此影响他人购物体验（许多退货物品被重新发到了其他买家手中）、拉低行业整体订单履行效率（收货变慢），生鲜食品药品等被退造成的安全风险，还有由此导致的燃油等资源浪费，也让大众开始聚焦电商领域的环保问题。

“后悔权”作为消费者权益之一，被退货无可厚非。对于平台经营者和社会力量来说，如何将冲击降到最低，就是一件伤脑筋的事情了。

AI治退，究竟治的是什么？

如今，我们生活中早已习惯了各种各样的AI技术，人脸识别、语音交互、智慧美颜、城市大脑……但要解决一个全球普适性的、大而化之的复杂问题，AI也行吗？怎么看怎么都跟“遇事不决，量子力学”一样，是打着科技名义的套路啊。

如果装上一套“退货大脑”，就能像城市治堵一样，立竿见影地解决“退货率”的问题，那么不出意外的话，亚马逊、BAT们等技术大佬分分钟就能上线给你看。

不过，“退货率”这件事，恐怕跟城市治理的难度也差不到哪儿去。

首先，退货率与消费者的主观意愿紧密相关，不像出行数据、工业生产等流程化强的场景一样，可以被快速数据化然后交给神经网络去学习，退货往往会在商品从商家到用户的运动状态过程中发生，随机性很强。

“双十一奥数题”交卷时没算清买贵了，退！脑子一热买多了，退！隔壁老王下的单一小时就到了，我居然等了6小时6分钟6秒？退！老公/爸妈/老婆说不好看，退！……退货理由千奇百怪，只能被概率化地总结，要精准指导决策还不太现实。

同时，平台也很难对“退货率”做出有效的治理对策。与海外电商不同，中国电商行业某种程度上也有着社会基础设施的公共作用，单纯出于商业考虑就像亚马逊那样拒绝为用户服务，分分钟12315警告！抬高售价来弥补服务成本又会导致消费者出逃到对家平台。

所以，目前各大平台也只会对退款率高的用户做出信用降级、限制次数或购买额度、停发优惠券等措施，直接“炸号”的极端操作是万万不敢的。

更进一步，较之平台物流或小微商家物流，退货行为往往不受时间、空间限制，随机性、分散性更高。无论是平台自营履行体系，还是合作物流机构，单次回收成本都会明显上升。机器人拣货员、无人机配送员、自动化仓储系统等“黑科技”，在这一环节能够发挥的效率提升价值十分有限。

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。

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。

此时，利用AI打造的智能系统先发制人就显得极为关键了。今年双十一我就发现，许多平台似乎可以知道哪些顾客可能会退货，就会让他们抽到更多的优惠券，用户的价格风险大大降低（退货成本也被提高），自然留下的概率也就更高，真的是要气死我等佛系“老实人”了。

在店铺运营端，利用AI来减少“买家秀”和“卖家秀”之间的心理误差，已经在逐步推广。比如修正产品图片，确保图片清晰并和产品保持一致，即便是请不起美工的个人C店也能高效率地保证图片质量。而有实力的店铺，也会通过基于AI技术的虚拟试衣/试装，让用户预先看到试穿效果。

其中，要实现高仿真度，需要系统能够模拟光线的反射和投影效果，让顾客感觉自己在照镜子，而不是对着摄像头玩“贴纸游戏”，就需要AI算法对光线进行优化调试，最后呈现出立体真实的上身效果。

3.支持智能化柔性仓储物流的3PL正在崛起。

退换货时涉及的逆向物流如何提高效率，一直是一个难题。一些由平台自营、或是大型物流公司来说，通过规模化、自动化作业来降低逆向物流的损耗成本，并不是什么难事。但许多中小型电商企业物流管理水平有限，对退货业务的硬件、网络部署投入不足，退货作业效率自然也就很低了。

此时，经过智能化改造的3PL（第三方履约中心）就能起到非常好的缓冲作用。区别于传统的自营、联营和外包模式，3PL既具有配送能力，又有仓储功能，同时也有一定的客户订单信息，在业务集成基础上打造的智能退换货体系，让中小型电商不必投入大量成本进行履约中心的智能化改造，就能针对非标准化、零散的柔性退货需求实现效率升级，正在成为诸多平台的新选择。

在海外市场，靠3PL服务卖家的shopify，就正在挑战集中式亚马逊的江湖地位。shopify的履行中心，会通过机器学习算法来预测存储和运输产品的最佳位置，再第三方物流公司让货物能够尽快得到处理，同时降低商家的仓储和物流成本。

爆单一时爽，退货火葬场。习惯了“业绩PK”的电商平台们，都会在退货率这件事上达成一致的沉默。之所以这个场景很难跑通，一方面是技术总有难以抵达之地，更多的是对人性的赌注与权衡；

同时，事情还没有重要到产业链各个关键节点形成合力，将散落在不同环节的技术宝石串联成一条叫做极致效率的项链。

目前看来，顺滑如丝、无伤大雅的退换货，或许还需要一点点时间来让技术发酵，才能酿出滋味。