in

IKEA要用AI單挑退貨,從賠錢貨裡淘金!

文/ 若水 Flow AI Blog 編輯團隊

【若水AI數據處理團隊為您導讀】

1, 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。

2, 為了將退貨的利益最大化,Optoro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。

「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。

Optoro

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

Optoro

「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:IKEAOptoro、Unsplash、IKEA 宜家家居台中店

machine learning

覺得人生好難?換AI來找解方

【數據處理的策略思考】 發展安防監控,從數據開始助攻