各大平台疯狂加码AI购物推荐,希望靠算法提升转化。
但调研给出残酷现实:AI推荐下单的商品,接近一半遭遇退货。
问题不在算法不够聪明,而是后端商品数据早已千疮百孔。
现在打开购物APP,AI推荐无处不在。平台希望算法读懂你的喜好,精准把心仪商品推到面前,提升下单转化率。
但一份来自供应链调研机构 Blue Yonder 的报告,泼了一盆冷水:
24% 仅有24%的美国消费者,购买过AI推荐出来的商品
46% 买过AI推荐商品的人里,46%的人在过去一年把货退了
36% 退货第一原因:商品与描述不符
23% 第二名才是尺码适配错误
而普通订单中尺码问题导致退货排第一(42%),描述不符仅20%。
反差一目了然。
AI推荐带来的退货,并不是算法猜不准用户喜好,而是商品本身的信息就是错的、模糊的。很多人把锅甩给AI不够智能,其实冤枉了算法。
AI推荐的逻辑其实很简单:第一步,读取用户历史行为判断偏好;第二步,读取商品库信息做匹配。
坑,就踩在第二步——商品底层数据本身就"很脏"。
现实业务里,这样的场景比比皆是:
①图片过度美化。毛衣用暖色滤镜拍出高级驼色,自然光下收到实物发黄,消费者直接退货。
②参数录入错误。页面标注腰围76cm,实物实测只有72cm,照着尺码下单直接踩坑。
③尺码体系混乱。A品牌M码胸围96cm,B品牌M码胸围102cm。AI只识别标签"M码",不知道不同品牌的版型差异,盲目推送。
④功能描述夸大。背包标注"防水",实际只是防泼水。消费者以为可以抗暴雨,淋一场小雨内部浸湿,发起退货。
AI不会主动造假,它只是原封不动读取商品库里模糊、失真、夸大的信息,再自信地匹配给用户。
商家写什么,AI就信什么;AI信什么,就推送给谁。
Blue Yonder 的CEO一针见血:这不是AI的问题,这是数据的问题。绝大多数商品数据,是为搜索框写的,并不是为AI机器读取准备的。
同样一件商品,从工厂出厂到平台上架,数据要流经制造商、品牌、经销商、平台运营、美工、文案、审核多道环节,层层传递,层层损耗。
根源一|多环节流转,误差层层叠加
工厂给到净尺寸,运营填成含外包装尺寸;美工拉高图片饱和度;文案为点击率把"防泼水"升级写成"防水"。每一处改动单独看幅度不大,但累积到消费者手上,实物和页面已经判若两样。
根源二|数据为搜索服务,不为AI服务
传统电商时代,商品页面的目标只有一个:被搜索搜到。运营拼命堆砌关键词、营销卖点,追求搜索排名。
传统搜索文案
舒适透气运动鞋,适合跑步健身
AI 需要的是结构化、机器可读的客观属性
鞋面材质飞织,透气等级3/5;适用场景公路跑、健身房;足弓支撑中等;尺码偏大半码
绝大多数商家只做了前者,根本没有准备后者。模糊、感性的营销话术,机器无法分辨真实边界。
根源三|行业缺少统一标准,尺码是重灾区
服装鞋帽行业的长期痛点:没有统一的尺码标尺。优衣库的L码和Zara的L码,胸围可以相差4–6厘米;甚至同一品牌不同款式,同款码数大小也不一样。AI只能读取标签上的L/M,无法识别版型差异,匹配自然失效。
很多企业以为,只要把算法模型迭代得更强,就能解决退货问题。事实恰恰相反——AI本质上是放大器。
数据干净 算法越强,匹配越精准,用户体验越好
数据错乱 算法越强,越能把一件错误商品,精准批量推送给最不适合的那批消费者
举个例子。
一位消费者身高165、体重55kg,日常穿M码,曾经买过M码牛仔裤,AI记住了她的偏好。另一家店铺的同款牛仔裤,M码实际腰围偏大3厘米,但页面参数依旧标注M。AI读取标签,精准推荐给了她。用户下单收货,尺码不合,直接退货。
整个流程里,算法逻辑完全正确,但输入源头的数据是错的。
前端算法疯狂迭代,后端商品数据原地踏步,退货率必然居高不下。
追逐AI推荐红利之前,先修好底层的数据基本功,这才是降退货的根本解法。
1|商品数据要做到"机器可读",少写感性营销词
减少"亲肤舒适""高级质感"这类主观描述,补齐结构化客观字段:成分占比、平铺实测尺寸、面料弹性等级、适用场景、禁忌条件(不可烘干、不可机洗)。机器看得懂,AI推荐才不会跑偏。
2|管控图片预期差,降低心理落差
减少重度滤镜美化图;增加自然光实拍、尺寸参照物对比图;模特图标注清楚身高体重。退货很多时候来自用户过高的心理预期,而不完全是商品质量。预期越贴合实物,退货越少。
3|不要只盯着退货率数字,拆解退货原因结构
不要只看一个总退货率的高低,要做归因分析:哪款商品退货爆发?是不是页面描述失真?哪一个尺码集中退货?是不是版型参数写错?哪个供应商退货异常走高?做质量追溯。
退货反馈,是免费的数据校验工具,用来反向修正商品档案。
现在几乎所有企业都在抢AI红利,忙着上线大模型、AI推荐助手。但大量项目陷入同一个误区:疯狂升级前端算法,忽视后端根基。
AI可以放大价值,同样也会放大灾难。垃圾数据输入,再顶尖的AI,输出的也只会是垃圾推荐。
技术只是工具,真正决定结果的,
永远是藏在背后的数据地基。
地基不牢,AI跑得越快,翻车越惨。
-END-
以下为近期课程、活动信息,感兴趣的朋友可添加大师姐企业微信咨询课程详情。
|
|
地点 |
|
|
|
|
|
|
|
|
|
|
宫迅伟老师介绍
宫迅伟老师拥有20多年采购与供应链管理经验,先后在央企、外企、民企多家世界500强企业担任采购部长、采购总经理、全球采购经理、供应链总监等职。
出版著作:《超级采购人》《超级采购智体》《如何专业做采购》《供应链战略顶层设计》等20本。
2015年3月,携手陆婉清师姐以及众多采购总监、大学教授、企业家共同创立中采商学。自主研发、自有版权课程;中采云学堂;《中国好采购》年度群英会,累积服务超过1万+企业客户,线上线下累积学员100万+。

