AI 可以解决鞋类行业退货率飙升的问题

圣诞节快到了，由于大流行对供应链的持久影响，零售商已经在努力满足需求。临近年底，当假日销售和购物占主导地位时，公司需要实施积极主动的战略来最大限度地提高库存，否则将面临压低利润的供应挑战。人工智能可能会提供解决方案。

由于尺码可变性和退货模式的问题，零售鞋类部门对库存管理提出了独特的挑战。 AI 可以帮助鞋类公司管理库存、预测市场需求和监控利润率，从而改变鞋类公司解决这些挑战的方式。

如果预测是一个难题，那么销售预测将构成边缘部分，而回报预测将构成中心。如果没有销售和退货数据，您就无法全面了解零售预测。不幸的是，大多数预测系统都预测了销售额而忽略了退货，这可能是因为退货分析要复杂得多。

尤其是对于鞋类公司而言，在大流行之前退货率高达 40%，仅凭销售预测就无法充分反映公司的整体活动。自 2020 年封锁以来，在线销售和退货仅增加了。

一些鞋类公司正在意识到消费者行为的一个特定趋势：客户购买三双不同尺码的鞋子，以便他们可以在家试穿，然后退回不合脚的两双。这是一个巨大的利润杀手，因为鞋类零售商通常无法像在商店购买一样容易地转售在线购买退货的商品，在商店购买鞋子配件的环境更加受控。退货也可能是由于颜色或款式的差异造成的，例如，如果买家认为鞋子实物看起来与网上的不一样。

为了驾驭这一趋势，商店开始以折扣价转售“开箱”鞋。虽然这种策略有助于止住利润的流失，但回报和折扣都必须考虑到一个高度复杂的数学方程中，这使得理解更大的库存图几乎是不可能的。

这就是人工智能可以改变游戏的地方。所有零售商都需要根据可用数据进行准确预测，以预测和规划每个零售渠道的表现，无论是在线、店内还是混合在线购买、店内提货 (BOPIS) 销售。这是需要管理的大量数据，但人工智能可以通过提供和解释库存洞察力来简化流程，具体到商店、SKU、尺寸、颜色和样式。只有掌握了如此详细的信息，鞋类企业才能对销售和退货做出准确的预测，并据此规划库存。

使用 AI 确定尺寸优化

尺码优化是制鞋业的一个关键组成部分，但许多零售商没有做出明智决策所需的工具。单一款式的鞋子可以有多达 15 种尺码，有时甚至更多。当客户购买的尺码多于他们最终会保留的尺码时，预测会变得更加复杂。

人工智能可以从多个来源提取关键数据，而不仅仅是历史销售数据，以帮助零售商确定增加或减少库存的尺寸。然后通过机器学习进一步改进人工智能生成的预测，由于新数据和更新信息，机器学习会随着时间的推移变得更加智能。最好的 AI 预测系统可以提供更准确的预测，因为它们会不断从每个预测的结果中学习，并相应地进行调整以进一步提高准确性。理想情况下，对于零售商而言，这将实现自动化、“无接触”的需求预测，让人类规划人员有更多时间关注例外情况。

供应链延迟给补货计划带来了麻烦。大多数经销商预测他们将在本季初销售哪些产品以及销售多少产品，并根据此预测制定长期计划。如果没有详细的实时预测，尤其是在供应链波动的情况下，这些早期预测充其量只能是猜谜游戏。

AI 提供详细的销售洞察，可以帮助零售商优化季前分配策略。然后，公司可以确定购买趋势和模式、分析库存并结合实际销售和退货，以做出更准确的当季预测。

借助人工智能，零售商可以实时获取这些信息，以便他们能够迅速采取行动，而不是等待或根据过时的信息采取行动。通过洞察每周的销售情况，零售商可以采取更主动的补货方法。他们将能够确定要补货的商品、可能售罄的商品以及给定产品的退货率。这样一来，零售补货转型，利润率扩大，获得更好的利润。

逐店方法

为了在大流行后的购物环境中蓬勃发展，鞋类零售商在确定预测、分配和补货策略时需要采取逐店方法。零售商不能简单地依赖去年的数据、区域数据或总体预测；他们需要整合细粒度的洞察力，以生成数据驱动的可用建议。人口统计数据的细微差异会显着影响特定时间特定地区哪些尺码和款式比其他款式更受欢迎。

对于在全国或世界各地拥有多家商店的鞋类零售商来说，这听起来可能令人生畏，但人工智能通过自动化数据收集和建模使这一过程成为可能。零售商可以花更多时间根据可靠数据做出准确预测并采取措施，而不是根据有根据的猜测做出预测。

许多行业，从零售到时尚再到食品，长期以来一直采用被动方法来制定库存零售策略。我们拥有技术和工具，可以在市场极度波动时做出准确预测并实现利润最大化。现在是零售商投资科学方法论和人工智能驱动的、以全渠道为重点的战略的时候了，使预测、分配和补货更准确、更有效。 AI 使这一切成为可能，而且它一天比一天更聪明。

Yogesh Kulkarni 是 的联合首席执行官 antuit.ai ， 的一部分 斑马技术 .