随着退货率高达数十个百分点，在线零售商面临着一个令人头疼的问题。关键在于他们能否以及如何扭转这一局面。值得注意的是，在产品内容和特性方面所做的尝试却少得可怜。通过这种方式——至少在某种程度上——可以避免继Zalando之后，其他企业也因其自身的物流策略而陷入困境。
随着H&M和Zalando宣布对小额订单收取运费，一种趋势被打破。在让消费者沉迷于电子商务沟通之后，他们现在明确传达了一个几乎人人都知道的事实：物流并非免费，在许多情况下必须重新审视这一策略。同样的挑战也出现在频繁的包裹退回问题上。退货率在电子产品中为10%，在时尚品类中则高达数十个百分点，因此，这种旨在加强客户粘性的手段如今已成为一个棘手的问题。Zalando的退货率高达50%，因此最近开始了一项试点项目，即在服装上贴上巨大的标签，以防止顾客仅穿一次后就退回商品。
通过价格和预期进行引导
是否还有其他方法可以降低退货率？当然有。由于对转化率和个性化的合理关注，零售商往往忘记了在其产品信息和特性上进行实验。通过更好地向人们提供信息，可以帮助他们做出正确的决定。
退货问题在很大程度上与预期的产生有关。这些预期可以通过价格等多种因素进行引导。因此，值得进行一次（小规模的）实验，以分析在何种价格下能吸引最有价值的客户，以及这对退货数量的影响。这样的举措通常会迅速提高产品和公司的盈利能力。
此外，研究表明，缩短退货期限会使客户变得更加挑剔，他们随后更有可能实际采取退货步骤。因此，在谈及建立正确的期望时，帮助客户做出选择比discouraging（劝阻）他们更为重要。
尺码方面的创新
导致退货的主要原因之一仍然是选择了错误的尺码。帮助客户的信息通常被隐藏在服务页面上，或者表述非常简略。解决问题的起点是就此进行清晰沟通：与之前购买的商品相比，这件衣服合身吗？其尺码与其他品牌相比如何？
结果表明，市场也提供了多种智能工具来帮助客户解决这一问题。荷兰的3Dabout.me制作脚部和鞋子的3D模型，以便为客户提供合身建议。True Fit开发了一个数据平台，能够根据客户在品牌“A”的过往购买记录，为品牌“B”寻找完全合身的商品。Fit Analytics则将“尺码顾问”集成到网站中，正如最近在Emerce Fashion上明确指出的那样，这在Wehkamp已使退货率降低了1%以上。
当然，也有一些零售商正在构建自己的解决方案，从而为其他人树立了更高的标准。今年春天，Nike推出了Nike Fit应用程序。该应用利用增强现实技术扫描用户的脚部，并精确到两毫米推荐合适的鞋款。该公司希望借此减少错误选择的发生。
在产品描述和详情页面上取得突破
人们可能会认为，近年来电子商务企业在产品展示方面已经做得非常出色，客户几乎不会再出现误解。然而，对产品的错误印象仍然是导致退货的主要原因之一。以下要素如今已成为基本要求：
- 带有颜色阴影的细节照片
- 能够清晰展示材质声音和触感的细节视频
- 360度拍摄的图片，以便从各个角度查看商品
- T台走秀视频和可购物视频（shoppable video’s）
- 模特的尺码、身高和体重描述
- 合身性描述
- 集成虚拟试衣间、合身性工具或身体扫描功能
- 通过总结商品的优点和缺点来建立信任感
- 清晰地展示用户生成内容和产品评价
在改进产品描述本身方面仍存在巨大潜力。面对成千上万的商品，营销人员很难为每件商品提供独特且高质量的文字说明。因此，“自然语言生成”（Natural Language Generation, NLG）技术的出现无疑是一项令人欣喜的发展。简而言之，该技术将来自不同来源的文本片段进行组合，根据给定的特定属性填补内容空白，并由此形成全新的表述。
正如多家出版商利用机器人新闻写作来撰写股市报告和选举结果一样，德国足球甲级联赛的所有比赛摘要也以相同方式生成。同样，首批在线零售商也开始发布其产品描述。他们从网店或产品信息管理软件中提取重要的关键词和特征，然后由配备此功能的NLG工具或CMS撰写描述。这是一个有趣的发展，因为这使得细分或个性化产品详情页变得容易得多。例如，对于某一类访客群体，可以更多地强调材质选择；而对于另一类人群，则可能更侧重价格或可持续性。
没有任何零售商能真正清楚地说明大量退货的影响。但如果假设每笔退回订单的总成本约为十至十五欧元，就能理解问题的严重性。因此，Amazon 试图通过拒绝信用记录不良的客户来打破这一趋势。Wehkamp不再提供事后付款选项。Zalando则选择使用警告标签。
这些措施仅能在极端情况下起到一定作用。但如果希望大规模地推动改变，明智的做法是更多地尝试新的产品内容形式。只有这样，才能为客户在选择时提供更好的帮助，并最终减少退货的需求。