Con la finalización de la campaña de navidad comienza el periodo de mayor volumen de devoluciones de todo el año, acumulándose casi el 70% del total de las mismas. Todo este flujo de devoluciones entran en el concepto de Logística inversa, la acción de devolver el producto no comprado desde el cliente hasta el almacén logístico para que sea inspeccionado y posteriormente o arreglado (si hiciera falta), reintegrado al stock para su posterior venta otra vez o incluso su destrucción.

El coste logístico de una devolución es superior a la de un envío, el nivel de gestión administrativa es mayor y además el control de la mercancía a su llegada hace que en el total un ciclo de Logística Inversa tenga un coste muy superior si lo comparamos con el envío original (salida desde al almacén logístico para la entrega al cliente).

Con el objetivo de reducir el coste de la logística inversa se han trabajado muchas líneas líneas distintas; la mas habitual esta siendo que el cliente deposite por si mismo el producto en un punto de conveniencia para evitar la recogida en su domicilio o si la compra pertenece a una marca con tiendas físicas, que el cliente lo deposite en las mismas.

En los últimos tiempos estamos asistiendo a una nueva estrategia en la gestión de la devoluciones de la mano de Amazon y Walmart en Estados Unidos: dejar que el cliente se quede con el producto que quiere devolver y reembolsarle su precio. A simple vista puede parecer una locura pero haciendo números se puede ver desde otra óptica.

El gran cambio de esta estrategia es que son decisiones basadas en Inteligencia Artificial, por medio de la IA se decide si tramitar la devolución o que el cliente se quede con el producto. El sistema de Inteligencia Artificial se basa en criterios como por ejemplo que el coste de una devolución en caso de artículos muy baratos o muy voluminosos es muy superior a que el cliente se quede con el mismo. Simple comparativa económica, perder un poco o perder mucho, eso si, siempre perder. Cuando la devolución tiene un coste superior están adoptando la decisión de permitir al cliente que se quede con lo que compro pero quería devolver.

Pero los parámetros que se están tomando como base en la Inteligencia Artificial no solo están relacionados con el volumen o precio del producto, también se tiene en cuenta la posibilidad de reventa del producto por parte del cliente así como el historial de compras del propio usuario que solicita la devolución. Con ello si la probabilidad de dar salida mediante una reventa es baja y además es un cliente habitual que seguirá haciendo compras, el sistema de Inteligencia Artificial de la compañía indicará que lo mejor es no realizar la devolución y proceder al abono del mismo al cliente.

Esta nueva estrategia se termino por implantar en Estados Unidos debido a la pandemia del Covid19 al dispararse las ventas de ecommerce y porque la devolución mediante otros medios (tienda física, correos etc) era realmente difícil con las políticas de confinamiento de la población. Debemos de resaltar también que otras estrategias para “abaratar” el coste de la Logística Inversa como la de entregar en una tienda el producto, entregarlo en oficinas del Correo Postal o depositando en sus Lockers no han tenido el éxito que se esperaba.

Si queda claro que las nuevas tecnologías y la transformación digital se imponen en los procesos de venta de los ecommerce como en este caso, depositando la decisión de la estrategia (devolver o pagar) en manos de la Inteligencia Artificial, la cual por medio de los baremos que se han determinado en cuestión de segundos toma la mejor decisión.

Ahora nos queda ver la evolución de esta estrategia y el control del posible fraude, serán los aspectos clave para saber si funciona y si es implantado en otros países del mundo. Pero para hacer ese control del posible fraude también contarán con la Inteligencia Artificial y los sistemas de Big Data. La mejora de la logística inversa viene de la mano de la transformación digital.

Artículo propiedad de Carlos Zubialde

contacto@informacionlogistica.com