Pengembalian menimbulkan cabaran besar bagi e-dagang, meningkatkan kos dan mengganggu operasi. Pada masa ini, kira-kira 10% daripada pembelian dalam talian—lebih kurang 4 bilion bungkusan setiap tahun—diundur. Ramai peruncit menguruskan pengembalian ini melalui kaedah manual yang mahal yang melibatkan pengangkutan produk kembali untuk pemeriksaan, menyebabkan kos pengendalian rata-rata $20 setiap pengembalian akibat data awal yang tidak mencukupi dan logistik yang tidak teratur. Namun, AI sedang merevolusikan proses pengembalian dengan meningkatkan kecekapan di pelbagai peringkat. Dengan menangkap data terperinci seperti gambar dan sejarah pembelian di titik pengembalian, AI dapat membuat keputusan segera, mengurangkan kebergantungan kepada khidmat pelanggan. Ia juga merampingkan penghalaan, meminimumkan transit dan pemprosesan yang tidak perlu. Apabila pemeriksaan diperlukan, AI membantu pekerja dalam mengenal pasti dan menilai item, mempercepat pemprosesan dari bulan ke hari, dan mengurangkan kos pengendalian sekurang-kurangnya 20%. Matlamat masa depan adalah untuk menghapuskan pengendalian yang tidak perlu, membolehkan barang yang dikembalikan dijual semula dan dihantar terus kepada pelanggan baru. Syarikat-syarikat baru muncul di pasaran untuk menawarkan penyelesaian yang kos efektif bagi pengurusan pengembalian.

Contohnya, Kalle Koutajoki, CEO Renow, menerangkan bagaimana sistem mereka menggunakan perisian dan gudang tempatan untuk meningkatkan logistik terbalik dengan cekap, menggunakan pelbagai algoritma AI untuk membuat keputusan dan pemeriksaan secara cepat. AI juga memainkan peranan penting dalam meramalkan dan mencegah pengembalian dengan menggunakan data peringkat SKU untuk mengenal pasti produk berisiko tinggi, dengan itu meningkatkan senarai produk dan pengurusan inventori. Peruncit perlu bergerak melewati analitik tradisional untuk menggunakan wawasan yang didorong oleh AI untuk membuat keputusan secara masa nyata, terutamanya semasa pengurusan inventori selepas cuti yang mencabar. Selain itu, AI mengalihkan pengembalian berlebihan dari beban kewangan kepada peluang keuntungan. Peruncit dapat menilai keadaan produk yang dikembalikan dan permintaan pasaran dengan tepat, membolehkan mereka memutuskan tindakan terbaik—sama ada untuk mengisi semula, membaik pulih, atau menderma—berdasarkan data masa nyata. Pengiktirafan imej yang didorong oleh AI seterusnya mempercepatkan proses dengan menilai item melalui muat naik pelanggan, meningkatkan kecekapan dan mengurangkan kos. Pasaran untuk pengoptimuman pengembalian sedang berkembang, dengan pemain baru bersaing untuk kejayaan jangka panjang. Joose Toiviainen, pengasas bersama Daze, menekankan pentingnya model perniagaan yang sesuai dan tumpuan kepada kecekapan yang mengelak proses pengembalian yang rumit. Secara keseluruhannya, AI sedang mengubah pengembalian e-dagang daripada isu yang mahal kepada peluang untuk meningkatkan kecekapan, menjana pendapatan, dan mempromosikan kelestarian. Dengan memanfaatkan AI untuk analitik ramalan dan logistik yang dioptimumkan, peruncit dapat dengan berkesan mengurangkan kadar pengembalian, menurunkan kos pemprosesan, dan meningkatkan nilai jualan semula, memastikan kejayaan dalam landskap yang semakin kompetitif.