E-ticarette iade oranı yüzde 25, iadelerin yarısından fazlası ise beden kaynaklı

E-ticaret alışverişlerinde Türkiye’deki ortalama iade oranı dünya ortalamasıyla eşdeğer. Kullanıcıların % 25’i aldığı ürünü iade ediyor ve iadelerin % 50’sinden fazlası beden hatasından kaynaklanıyor. uSizy’nin geliştirdiği Size Adviser uygulaması global markalarda beden hatası nedeniyle iade oranını % 35, Türk markalarında ise % 25 azaltırken, sepet ortalamasını da %10 artırıyor.

uSizy “Size Adviser” ile beden hatalarından kaynaklanan iade oranını % 29’dan fazla azaltıyor

Ürün iadesi veya beden değişimi işlemi, bir e-ticaret şirketi için oldukça yüksek maliyetler oluşturuyor. Müşteri hizmetleri ekibinin talebi karşılaması, ürün toplama veya değişim sürecini başlatması, taşıma, depolama, envanter, stok yönetimi gibi ilgili departmanları harekete geçirmesi her bir adımda maliyet getiriyor. 2016 yılında İspanya’da kurulan uSizy, geliştirdiği makine öğrenme teknolojisi ve “Size Adviser” ürünü ile tüketicilerin online alışverişte doğru bedeni seçmelerine yardımcı olarak iadeleri ortalama %29 oranında azaltıyor.

100’ü aşkın ülkede, 200’den fazla e-ticaret sitesine ve 400’ün üzerinde markaya hizmet veren uSizy’nin Türkiye Ülke Müdürü Mehmet Çankal, Türkiye’de Size Adviser ile beden hatası nedeniyle iade oranının global markalarda % 35, Türk markalarında ise           % 25 azaldığını belirtti. Size Adviser’ın sepet ortalamasını %10 artırdığını, kullanıcıların karar verme süresini %20 oranında azaltarak ve müşteri sadakatini %10 oranında artırdığını sözlerine ekledi.

Size Adviser “beden tavsiyesi”nde sistem nasıl çalışıyor

Her bir giysinin kendine özgü kalıbı belirleniyor ve izomorfik algoritmalar uygulanıyor, markası ne olursa olsun aynı orantılara sahip aynı tip giysiler belirleniyor. Sonrasında ise, kıyafetleri veya belirli bir kalıbı satın alan tüm kullanıcıların geri bildirimlerine ve beden hatası nedeniyle iade edip etmediklerine bakılıyor. Sistem, tüm bilgileri toplayıp, o giysiye göre her vücut tipi için en iyi bedeni otomatik olarak öğreniyor. Bir kullanıcının kendine özgü vücut kalıbı, boy ve kilo gibi temel ölçülerle ve morfolojik algoritmalarla oluşturuluyor. Ardından, kalıplara göre toplanan tüm bilgi ve makine öğrenmesine dayalı olarak söz konusu vücut için en iyi bedeni öneriyor.