Mann bereitet Paket zum Versand vor

Gastautor: Dr. Michael Ziegler (LinkedIn)

Was dem Kunden eine Freude, ist dem Online-Händler nicht selten ein Fluch: Hohe Raten bei Warenrückgaben können den Umsatz strapazieren und sind aufwändig. Was man dagegen tun kann, erläutert Gastblogger und Analytics-Experte Dr. Michael Ziegler.

Nur wenige würden eine Jeans im Laden kaufen, ohne diese vorher anzuprobieren – warum dann darauf beim Kauf in einem Webshop verzichten? Auch im Onlinehandel möchten Verbraucher die Flexibilität haben, Produkte anzuschauen, zu probieren und testen zu können, bevor sie diese schlussendlich kaufen. Deshalb ist im ehemaligen Fernabsatzgesetz, welches heute im Bürgerlichen Gesetzbuch (BGB) integriert ist, geregelt, dass Käufer ein 14-tägiges Widerrufsrecht haben (mehr dazu können Sie hier nachlesen). Innerhalb dieser Frist können die online erstandenen Produkte ohne Nennung von Gründen im Originalzustand zurückgegeben werden und der Verbraucher kann so vom Kauf zurücktreten.

Rückgabe von Waren: Eine Herausforderung für den Verkäufer

Aus Sicht des Kunden ist dies ein großer Vorteil, jedoch eine Herausforderung für den Verkäufer, da jede Retoure Kosten verursacht. Doch nicht nur aus Gründen der Kostenreduktion ist es daher sinnvoll, die Anzahl von Retouren zu verringern, sondern auch aus Sicht des Umweltschutzes – Retouren müssen zurück transportiert werden, neue Verpackungsmaterialien werden benötigt, etc. Kosten, Aufwand und der ökologische Fußabdruck können durch zu viele Retouren große Ausmaße annehmen.

Daher ist es für Betreiber von Webshops sinnvoll, Maßnahmen zur Reduktion von Retouren zu ergreifen. Mögliche Maßnahmen, die vielen Betreibern für gewöhnlich als erstes einfallen sind z.B.

  • immer Vorkasse verlangen,
  • Kosten der Rücksendungen an die Kunden weitergeben oder
  • Kunden mit häufigen Retouren für einen Zeitraum sperren.

Diese Optionen haben jedoch allesamt eine Gemeinsamkeit: Sie sind wenig kundenfreundlich und können dadurch das Kundenerlebnis und damit auch die Umsätze schmälern.

Die Lösung: Predictive Analytics gezielt einsetzen

Um Retouren eines Webshops zu verringern, verfolgt die ec4u einen anderen Ansatz: die Verwendung von Predictive Analytics zur Retouren-Optimierung.

Auf Basis der vom Webshop erstellten Daten wird unter der Verwendung von Machine Learning-Algorithmen ein Modell erstellt, das Muster und Zusammenhänge in den historischen (Einkaufs-) Daten erkennt und damit lernt, unter welchen Umständen ein Gegenstand von einem Kunden zurückgeschickt wurde. Dafür werden sowohl das vergangene Verhalten des einzelnen Kunden als auch die Produkte im aktuellen Warenkorb berücksichtigt.
Mit diesem Modell werden innerhalb kürzester Zeit Wahrscheinlichkeiten bestimmt, die eine Aussage erlauben, wie wahrscheinlich ein Kunde etwas zurücksendet und ob einzelne oder alle Gegenstände im Warenkorb zurückgesendet werden oder nicht.

Mit Hilfe dieser Lösung können Maßnahmen implementiert werden, die wesentlich subtiler sind als das Sperren von Kunden. Hat ein Kunde beispielsweise Hosen einer bestimmten Marke häufig aufgrund der Passform zurückgeschickt, kann unter Verwendung der ermittelten Prognosen die Reihenfolge der Suchergebisse individuell für diesen Kunden im Webshop angepasst werden, so dass Hosen dieser Marke für den Kunden nicht unbedingt als erstes vorgeschlagen werden. Dies hätte neben der Reduzierung von Retouren auch einen positiven Einfluss auf das Kundenerlebnis ohne andere Kunden negativ zu beeinflussen, die vielleicht diese Marke ganz besonders bevorzugen. Somit werden durch die Bestimmung der Retouren-Wahrscheinlichkeiten kundenindividuelle, datengetrieben Maßnahmen möglich, die das Kundenverhalten antizipieren und entsprechend das Kundenerlebnis optimieren.

Retouren-Optimierung nützt auch dem Marketing

Über die direkte Verwendung der Prognosen im Webshop hinaus ergeben sich auch Use Cases in anderen Abteilungen, z.B. der Marketingabteilung.
Ein mögliches Szenario: Kunden sollen einen Gutschein über 10 € erhalten. Bedingung für den Gutschein ist, dass beim Kauf nichts zurückgesendet wird. Eine solche Kampagne hat einen besonders großen Effekt, wenn nur Kunden mit einer hohen Retouren-Wahrscheinlichkeit diesen Gutschein erhalten. Diese Kunden können mit Hilfe der Prognosen identifiziert und dann gezielt angeschrieben werden.

An diesen Beispielen wird ersichtlich, wie mit Hilfe von Predictive Analytics für jeden Kunden individuelle, datengetriebene Maßnahmen ergriffen werden können, um Retouren zu verhindern. Und zwar nicht nur im Webshop, sondern abteilungsübergreifend im ganzen Unternehmen. Dadurch ergibt sich ein hohes Einsparungspotential durch die Verwendung der Lösung zur Retouren-Optimierung.

Erfahren Sie mehr zum Thema Predictive Analytics in unserem Factsheet zum Download oder informieren Sie sich direkt auf unserer Leistungsseite und nehmen Sie Kontakt mit uns auf.

Print Friendly, PDF & Email
0 Kommentare

Dein Kommentar

An Diskussion beteiligen?
Hinterlasse uns Deinen Kommentar!

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.