【若水AI編輯團隊 為您導讀】
有人問若水，做了超過100個AI專案，有什麼心得？這很難一次說完，但排名第一心得一定是：找對題目，AI成功一半！而且，這個題目最好和組織、機構的經營本質，高度呼應。
就像這世界上要做「退貨＊AI」題目，有誰能超越IKEA呢？在創辦人憎惡浪費的企業文化下，IKEA開出智慧零售裡少見的題型：用AI升級退貨處理機制，用數據再次鍊金，減少碳足跡，提升庫存周轉率和客戶體驗，改善逆向供應鏈的可見度。
接著，為了將退貨的利益最大化，分析商品相關資訊、歷史銷售數據、競爭對手價格、運輸成本等多項數據，找出退貨的最佳歸宿，一分一毫絕不浪費。
「在宜家家居（IKEA），浪費資源是一種致命的罪惡」
這是全球最大的家具零售商IKEA創辦人英格瓦·坎普拉（Ingvar Kamprad）生前的名言。
當他得知這個每年消耗全球1％的木材，擁有1.2萬件商品，寫下446億美元年營收的家具業龍頭，每賣出10件商品，就有1件被退貨，其中高達15％還直接進垃圾場，不知該有多痛心疾首！
IKEA不是唯一一家為退貨所苦的企業。
全美零售聯盟估計，退貨每年造成超過4000億美元的損失，隨著電子商務起飛，這個財務黑洞也愈來愈大，根據美國商業不動產服務公司世邦魏理仕的報告指出，網購的退貨率甚至比實體商店高出15％至30％。
除了財務損失，退貨亦是物流和環境的惡夢。全美零售聯盟首席經濟學家傑克·克萊因茲（Jack Kleinhenz）說：「從歷史上來看，許多退貨最終都進了掩埋場，其運輸更惡化了零售業的碳足跡。」
從準垃圾裡搾出利潤
為了搶救退貨大作戰，IKEA祭出人工智慧（AI）。
IKEA不僅投資了Optoro（成立於2004年，為製造商、零售商提供退貨優化服務的系統平台），並在全美10個物流中心、50家門市和客服中心導入其AI平台OptiTurn，用機器學習和數據改寫退貨葬身垃圾場的宿命，並在最短時間內找出最有利可圖的去處，從「準垃圾」身上搾出最大的利潤。
在過去，退貨形同認列損失，多數的退貨商品永遠不會再回到零售商的貨架上，這些貨品在清算人、批發商及轉售商當中流轉，被中間商用低價批發給折扣商店、跳蚤市場和當舖，價值1美元的商品，有時甚至連5美分都拿不回來。
眾多商品最終進了垃圾桶，還得貼上一筆清運費，每年扔掉的退貨重達200萬噸，可裝滿20萬輛垃圾車，而且大多完好無缺。在這套傳統模式下，零售商無從掌握商品去向，宛若潑出去的水，只能認賠了事。
Optoro用AI取代了中間人，用演算法決定商品去留，數據決定定價，將退貨商品從無數次轉手的混沌裡，拉進透明的逆向供應鏈。
除了最初需要人工輸入，整個流程皆在雲端上完成。倉庫員工收到退貨後，在系統的提示下於手持裝置上輸入產品編碼、相關屬性和品項，如未拆封、九成新等。
精算退貨品最佳流向
經比對歷史銷售數據、查詢相同或相似商品在其他電商上的即時市價，機器預測出最高售價，進行動態定價。
進一步計算各種渠道的運輸成本後，當即決定該退貨商品的最有利歸宿，分成以下三種情境：
1, 利潤最高的選擇是重新上架，此類商品往往不到總退貨量的10％；
2, 次好的選擇是於第三方折扣網站上折價轉售。Optoro在電商Amazon, eBay, Buy.com, BestBuy皆設有網路商城，自動上架。此外，還創立了兩個自有購物網站—「Blinq」做B2C的生意，打出名品最低3折的口號，直接接軌個人消費者，「Bulq」則取其「大量」(bulk)的諧音，做B2B，專攻企業的大宗採購。透過這些銷售管道，每1美元約可回收70美分。
3, 最後，選擇給回收商或捐贈給慈善團體，最差的才會進到垃圾桶。
因為涉及產品折舊，AI必須在電光火石之間做出上述決定。根據Optoro分析，流行服飾在8至16週內貶值了20％至50％，電子產品每月損失價值的4％至8％，季節性商品一旦過季便乏人問津，因此迫切需要讓退貨快速回到庫存，以更快的上架銷售變現。
此外，AI的快速決策讓業者得以更快的退款，以鞏固顧客滿意度，提升回購率，同時降低運輸和處理成本，提升庫存周轉率，改善逆向供應鏈的可見度等。
實現循環經濟
「利用數據和分析，我們能快速地將退貨商品送到下一個最佳歸宿，無論那是個人、慈善單位或企業，」Optoro的共同創辦人兼執行長托賓·摩爾（Tobin Moore）說，他又補充，「我們的平台藉由將商品從垃圾掩埋場導入二級市場，並減少物品的運輸次數，幫助零售商伙伴減少環境上的浪費。」在Optoro的協助下，全球最大的團購網站Groupon在6個月內減少了60％的供應鏈浪費，30％的運輸燃料和27％的碳排放。
這些都與IKEA在2030年前實現循環經濟的目標不謀而合。
「透過和Optoro的合作，我們利用其AI系統將產品或退貨物流所產生的浪費降到最低……那將有助於我們實現100％的循環和零廢棄物，」IKEA美國業務發展經理塞爾溫·克里頓登（Selwyn Crittendon）接受《華爾街日報》採訪時表示。IKEA計畫未來將Optoro的退貨服務從目前實體店面，進一步延伸到線上購物。
從賠錢貨裡淘金，不浪費資源，相信不只股東開心，或許坎普拉在天上聽見了，也會點頭微笑吧。
AI 專家點評
iKala AI Team Lead 黃宣龍 (Neil Huang)
IKEA這個案例讓我聯想到，前 Google 數據科學家 Seth Stephens-Davidowitz 在《數據、謊言與真相》一書中提到的：
「如果你打算使用數據來革新一個領域，那你最好進入一個傳統方法效率極差的領域」
在零售這個領域，很多人在需求預測、庫存管理、商品推薦、個人化行銷等主題上激烈競爭。非常多的廠商努力的想找出更多的資料源，更好的演算法，藉此彰顯自己的優勢打敗對手。
從IKEA這個案例，反而讓人看到一個少為注意的領域：退貨處理。在案例裡，我們能看到此主題的三個特色：
1, 在過去退貨幾乎直接被當作損失，1 美元的商品連 5 美分都拿不回來。
2, 每賣出 10 件商品，就有一件被退貨，需要處理的數量極大。
3, 許多品類商品價值涉及折舊，因此處理速度對價值影響很大。
第一點，也就是Seth說的，這是個傳統方法效率極差的領域，也因此它成為一個很好的題目。而後面兩點裡，因為退貨數量龐大，且處理速度對價值影響很大，也讓這個題目透過 AI 自動化處理時的效益與優勢更加突出。
在《數據、謊言與真相》裡，作者也提到，他曾和前美國財政部長 Lawrence Summers，研究是否能透過新的資料源預測股票走勢的失敗故事。他的結論是：
已經有非常大量的資源投入在研究這個主題了，任何數據能帶來的，最微小的優勢大家都不放過。
所以要在這個主題上，想透過數據掌握新的優勢打敗其他人，也就變得非常困難。
這也再次說明，在好資料以及好演算法之前，怎麼找出好題目才是更重要的挑戰。
【推薦閱讀】
1, 近年，全球各國著手嘗試導入AI，從智慧交通再發展到智慧城市，逐步解決塞車帶來的時間與金流耗損。但處理智慧交通數據可是一門大工程，請看 ➡️➡️ 掌握3大數據特色 發展智慧交通更順暢
2, 產業該怎麼AI化？玉山銀行科技長陳昇瑋特別有感，「不是去想你可以創造什麼，而是問問未來 5 年人們會如何消費、如何生活，你的金融服務又會如何出現在那樣的場景裡。」➡️➡️ 從深度學習到深度協作
圖片來源：IKEA、Optoro、Unsplash、IKEA 宜家家居台中店
