Магазин одежды: как ИИ отсекает лишние размеры и снижает возвраты
# Магазин одежды: как ИИ отсекает лишние размеры и снижает возвраты
Возврат из-за размера стоит магазину одежды дороже, чем кажется. Две доставки вместо одной, распаковка, проверка, повторное размещение на складе, работа менеджера. Если клиент купил две вещи "на выбор" и оставил одну, магазин уже заплатил за логистику дважды, а продажа в отчёте одна. Чем больше доля возвратов, тем сильнее растёт цена привлечения клиента.
ИИ тут работает не в красивых картинках, а в переписке с покупателем и в данных о том, что уже возвращали. Ниже разберу, как выстроить процесс с минимальными изменениями в магазине.
Почему возвраты по размеру бьют по экономике магазина
Считайте не процент возвратов, а стоимость одного возврата. Возьмите месяц и посчитайте по каждой вернувшейся посылке: доставка туда и обратно, упаковка, труд кладовщика и менеджера, скидка, если вещь вернули с вскрытым ярлыком и её нельзя продать как новую.
У мелкого магазина цифра обычно выходит в 700-1200 рублей на возврат. Если из 100 заказов вернулось 20, это 14-24 тысячи рублей, которые никто не закладывал в цену. И это ещё без учёта клиентов, ушедших после неудачной покупки.
Причины возврата по размеру делятся на три группы:
Все три проблемы решаются до продажи, на этапе вопросов.
Подсказки по размеру: данные, которые уже есть в магазине
Лучшая подсказка строится не на общих таблицах, а на истории возвратов и обменов конкретного магазина. Модель видит, сколько раз вещь с артикулом А возвращали с пометкой "мало", а вещь Б с пометкой "велико". Из этого складывается понятная рекомендация: у этой модели берите на размер больше, у этой на размер меньше.
Что нужно подготовить перед запуском:
Когда эти данные связаны, ИИ отвечает на вопрос "какой размер взять" со ссылкой на реальные случаи, а не на средние цифры. Разница видна сразу: общая таблица говорит "M на обхват 92", а история магазина говорит "у этой модели M маломерит, трое клиентов вернули и взяли L". Второй ответ клиент воспринимает как совет продавца, который видел эту вещь на людях.
Третий источник, который часто лежит без дела: фото и видео от самих покупателей. Если человек прислал снимок с пометкой "сидит свободно, рост 175", это уже готовый пример для следующего клиента. Собирать такие отзывы вручную никто не хочет, а ассистент делает это попутно, пока ведёт переписку.
Собирать такие ответы удобно в чате с клиентом, где переписка, история заказов и карточка покупателя лежат рядом. Клиент начинает разговор в мессенджере, ассистент поднимает его прошлые покупки и отвечает с учётом того, что он уже брал.
Как вести диалог, чтобы клиент не заказывал две вещи на выбор
Клиент пишет "не знаю, что взять, возьму обе". Это не жадность, это отсутствие информации. Полезная последовательность вопросов занимает три-четыре сообщения:
ИИ держит эту ветку разговора сам и не теряет контекст, если клиент пропал на день. При возврате к диалогу ассистент продолжает с того места, а не с нуля.
Отдельная выгода для магазина: ответы на одинаковые вопросы не пишутся каждый раз заново. Ассистент отвечает по правилам магазина, а сложный случай передаёт менеджеру. Как устроена такая передача, разобрано в материале про поддержку интернет-магазина.
Одно правило стоит зафиксировать сразу: ассистент не обещает скидку и не меняет условия обмена. Он может сказать "по этой модели рекомендуем L и обмен в течение 14 дней", но не "давайте я вам сделаю скидку". Как только такие обещания начинают появляться в переписке, контроль над экономикой заказа теряется.
Стоимость такого контура стоит считать до запуска. В тарифах видно, что входит в базовый вариант, а что в расширенный, и это проще, чем считать часы менеджера на переписке.
Обмены и возвраты: как не терять деньги на повторной доставке
Если вещь всё же не подошла, задача вторая: закрыть обмен без второй неудачной посылки. Здесь работает правило одного вопроса. До этого стоит заранее договориться, кто платит за обратную доставку при обмене. Клиент не должен слышать разные ответы от менеджера и от ассистента, иначе спор переходит в отзыв, а это дороже самой доставки. Ассистент не начинает с "оформить возврат или обмен", а спрашивает, что именно не подошло: длина, плечи, объём. По ответу он сразу предлагает конкретный размер и конкретную модель с учётом новой информации.
Отдельно стоит проговорить срок. Если нужного размера нет на складе и он едет от поставщика, ассистент называет дату честно, даже если она неудобная. Клиент, который знает срок, обычно ждёт. Клиент, которому сказали "скоро", пишет в поддержку через два дня и требует деньги назад.
Дальше процесс идёт по складу:
Третий пункт часто пропускают. Возвраты превращаются в поток задач на закупку и на описание товара, если их регулярно сводить по артикулам.
Формировать такие сводки вручную никто не любит. Проверить, как это устроено на стороне заказов и склада, можно в статье про комплектацию заказов на складе.
Что меняется в работе менеджера после запуска
Менеджер перестаёт отвечать на однотипные вопросы про размеры и начинает работать с исключениями: сложные фигуры, нестандартные запросы, конфликты по возврату.
Меняется и отчётность. Вместо спора "у нас высокие возвраты" появляется разбивка по причинам и артикулам. Дальше решение принимается по цифрам: переснять фото на модели высокого роста, дописать в описании, что ткань не тянется, поменять рекомендацию по размеру.
Запускать всё сразу не нужно. Начните с двух вещей: собрать причины возвратов за последние три месяца и завести таблицы размеров по каждому бренду. Этого хватит, чтобы ассистент перестал давать общие советы. Третий шаг, который делают не все: завести список вопросов, на которые у магазина нет ответа. Именно там прячутся возвраты, которые можно было предотвратить.
Ещё одна простая проверка для отчёта: сравните, сколько заказов с двумя размерами одной вещи закрылось продажей, а сколько возвратом. Если доля возвратов в таких заказах выше средней, проблема не в клиентах, а в информации на карточке товара.
Чтобы закрепить процесс, нужно ещё одно: правило, по которому каждый возврат получает причину в одном формате. Без этого через месяц данные снова превратятся в мусор.
Дальше стоит посмотреть на вторую половину вопроса: сколько заказов приходит и как они распределяются по времени. Разбор есть в материале про сезонные предзаказы и ожидаемые поставки. Возвраты и предзаказы связаны: если клиент ждёт вещь три недели, он чаще заказывает два размера сразу.
Есть ещё одна причина, по которой возвраты не снижаются годами: магазин не знает, что именно спрашивают клиенты перед отказом. Ассистент собирает эти вопросы в отдельный список. Через месяц видно, что 40% переписок про одну и ту же модель. Дальше работа идёт не с потоком сообщений, а с одной карточкой товара: дописать состав ткани, добавить фото на человеке выше 180 см, указать, что рукав не тянется. Такие правки дешевле любой рекламы, потому что снимают причину, а не следствие.
Ещё один слой: повторные покупки. Клиент, которому один раз попали в размер, возвращается. Если карточка помнит его мерки и любимые марки, следующий вопрос про размер занимает одно сообщение вместо пяти. Экономия времени незаметна на одном заказе, но на сотне заказов в месяц это уже рабочий день менеджера.
Если магазин небольшой, начать можно с одного канала, например с переписки в мессенджере. Регистрация занимает пару минут, а первые ответы по размерам можно строить уже на истории переписок за последний сезон.