Разбираем причины возвратов вместе с ИИ

Общий процент возвратов редко объясняет, что именно нужно исправить. За одной цифрой смешиваются неподошедший размер, повреждение при доставке, ошибка комплектации, несоответствие карточке и обычная отмена заказа. ИИ поможет разобрать тысячи комментариев и собрать похожие причины вместе. Но сначала магазин должен отделить товары, которые действительно приехали обратно, от отмен, обменов и компенсаций. Каждый случай при этом нужно связать с конкретным товаром, заказом и каналом продажи.

Определите, что магазин считает возвратом

В одной выгрузке могут оказаться совсем разные события. Например, возврат товара на склад, отказ до получения, возврат денег без обратной отправки, частичная компенсация, обмен размера и отмена до сборки. Для склада, бухгалтерии и команды, которая отвечает за товар, это разные случаи. Если сложить их в одну колонку, нейросеть найдет связи там, где сравнивать на самом деле нечего.

Сначала договоритесь, какие статусы использовать и в какой момент считать возврат состоявшимся. Запрос покупателя еще не означает, что товар приехал на склад, а возврат денег не всегда сопровождается обратной отправкой. В рабочей таблице сохраните исходный статус, дату обращения, дату приемки и результат осмотра. Отдельно укажите окончательное решение: вернуть деньги, обменять товар или отказать по установленным правилам.

Начните с понятной выгрузки

Одна строка должна описывать одну возвращенную позицию, а не весь заказ. Иначе заказ с тремя товарами и одним возвратом будет выглядеть как три проблемные продажи. Сохраните идентификатор заказа, SKU, категорию, вариант, размер или цвет, дату продажи, канал, количество, сумму, причину клиента, результат осмотра и способ решения.

Добавьте сведения, которые помогут проверить причину: поставщика, партию, склад отгрузки, службу доставки, тип упаковки, акцию, регион и число дней от покупки до возврата. Имя, телефон, адрес и другие личные данные для такого анализа обычно не нужны. Покупателя можно обозначить случайным номером, если магазин хочет отдельно проверить, как часто один и тот же человек возвращает товары.

• Продажа: дата, канал, SKU, вариант, количество и цена после скидки.
• Возврат: дата запроса, дата приемки, причина и выбранное решение.
• Осмотр: состояние, комплектность, повреждение упаковки, возможность повторной продажи.
• Обработка заказа: склад, доставка, поставщик, партия и ответственный участок без оценки конкретных сотрудников.
• Контекст: акция, сезон, регион и изменение карточки товара.

Считайте долю возвратов, а не только их количество

Сто возвратов ничего не говорят без числа проданных единиц. Для товара, который продался тысячу раз, это одна картина; для товара со ста двадцатью продажами - совсем другая. Считайте возвраты по количеству и стоимости, а сравнение проводите внутри одинакового периода продаж. Возврат может прийти через несколько недель, поэтому свежая неделя еще не успела накопить полный результат.

Объединяйте заказы по месяцу покупки и сравнивайте такие группы только после того, как у покупателей закончилось обычное время на возврат. Например, августовские продажи нужно сравнивать с августовскими, а не со свежими заказами, которые еще не успели вернуться. Для одежды и обуви важен конкретный размер, для техники - модель и партия, для хрупких товаров - склад и способ доставки. Среднее значение по всему магазину легко скроет проблему одного товара или поставки.

Список причин должен быть коротким и понятным

Если покупателю предлагают пятьдесят причин, он выберет первую похожую. Если вариантов всего три, магазин потеряет важные детали. Удобнее сделать два уровня: общую причину для отчета и уточнение с учетом категории товара. Слова покупателя и заключение сотрудника после осмотра храните отдельно. Покупатель может написать «брак», хотя товар повредился в дороге или просто выглядел на фотографии иначе.

В общий список обычно входят размер или совместимость, несоответствие описанию, дефект и повреждение при доставке. Отдельно учитывайте ошибки комплектации, задержки и решение покупателя отказаться от товара. Затем добавьте причины для конкретной категории. Для одежды важны посадка и оттенок, для запчастей - совместимость, для мебели - размеры и сборка. Причина должна подсказывать, что проверить: отметка «не понравилось» почти ничем не поможет команде.

Не выбрасывайте комментарий после выбора причины

Свободный текст помогает заметить причину, которой еще нет в готовом списке. В комментариях могут повторяться фразы «рукав короче, чем в таблице», «крышка открылась в коробке» или «разъем не подходит к указанной модели». Нейросеть умеет собирать похожие жалобы вместе и сохранять примеры, но в задании нужно прямо запретить ей додумывать то, чего покупатель не писал.

Сначала самостоятельно разберите несколько десятков комментариев и договоритесь, к каким причинам их относить. Затем дайте те же строки нейросети и сравните результаты. Неясные случаи оставляйте для ручной проверки. Если покупатель назвал две причины, сохраните обе и отметьте главную, а не заставляйте ИИ выбирать одну любой ценой.

Сравнивайте похожие заказы

После распродажи возвратов может стать больше из-за притока новых покупателей, высокой скидки, смены склада или задержек доставки. Поэтому сравнивать такую неделю с обычной напрямую бессмысленно. Сначала разделите продажи по категории, товару, варианту, каналу, акции, региону и периоду. Берите один-два параметра за раз, иначе получится множество групп, в каждой из которых будет по одной покупке.

Полезно сравнить один и тот же товар до и после замены фотографий, поставщика, упаковки или перевозчика. Тогда можно проверить, повлияло ли конкретное изменение на возвраты. Если магазин ничего не менял, ИИ лишь покажет, какие обстоятельства часто встречаются вместе, но не докажет, какое из них стало причиной.

Любое предположение нужно проверять

Фраза «у товара плохое качество» не подсказывает, что делать дальше. Запишите, что именно заметили, чем это можно объяснить, как проверить каждую версию, кто займется проверкой и по какому показателю оценивать результат. У одной жалобы бывает несколько объяснений. Например, вещь может оказаться мала из-за особенностей лекал, неверной таблицы размеров, ошибки на маркировке или фотографии, которая обещала более свободную посадку.

Осмотр товара завершает картину

Комментарий покупателя описывает его впечатление, а осмотр показывает фактическое состояние возвращенной вещи. Эти сведения дополняют друг друга. Сотрудник склада отмечает комплектность, следы использования, повреждения товара и упаковки, серийный номер, возможность повторной продажи и то, что делать с товаром дальше.

Фотографии осмотра сохраняют вместе с записью о возврате и снимают по одному чек-листу. Нейросеть может помочь заметить внешние повреждения, которые повторяются у разных товаров. Но наличие дефекта, ответственность сторон и соответствие обращения правилам возврата определяет уполномоченный сотрудник. Снимок без масштаба и нужного ракурса часто годится только как напоминание.

За каждую проблему должна отвечать конкретная команда

• Контент и каталог проверяют фотографии, размеры, комплект и то, что карточка обещает покупателю.
• Закупки и качество разбирают поставщика, партию, материал и повторяющийся дефект.
• Склад отвечает за комплектацию, упаковку, маркировку и результаты приемки.
• Логистика проверяет сроки, повреждения в пути и передачу между участниками.
• Поддержка проверяет, как принимаются обращения и одинаково ли решаются похожие случаи.
• Аналитик проверяет, одинаково ли считаются показатели, завершился ли срок возврата у сравниваемых заказов и нет ли ошибок в данных.

В еженедельный отчет включите товары, из-за которых магазин теряет больше всего денег, и новые повторяющиеся жалобы. Ниже перечислите текущие проверки, назначенные действия и дату следующей оценки. Список из сотни проблем, за которые никто не отвечает, быстро перестают читать даже его авторы.

Проверяйте результат на новых продажах

После изменения таблицы размеров не смешивайте старые и новые заказы. Запишите дату обновления, дождитесь, когда у покупателей закончится обычный срок возврата, и сравните новые продажи с похожим прошлым периодом. Следите и за количеством заказов. Если возвратов стало меньше вместе с резким падением продаж, возможно, новое описание не стало точнее, а просто отпугнуло покупателей.

ИИ полезен, когда помогает быстро разобрать комментарии и собрать повторяющиеся причины. Но итог зависит от понятных статусов, правильного расчета, осмотра товара и решений команды. Если данные смешаны, нейросеть лишь быстрее подготовит убедительный, но неверный отчет.

Полезный отчет заканчивается списком проверок: что меняем, кто отвечает и на каких новых заказах будем оценивать результат.