Wie der führenden Retourenforscher Professor Walsh durch Kausalanalysen effektiven Hebeln zum Senken der Retourenquote auf die Spur kam.
Die extrem hohen Retouren-Quoten im eCommerce sind ein ungelöstes Problem. Ein Problem das besonders durch die knappen Margen brisant bleibt. Herkömmliche BI-Analyseergebnisse stellten sich in der Vergangenheit sehr oft als irreführend heraus. Den Grund nennt man „Scheinkorrelation“.
So stellten wir beispielweise fest, dass quergestreifter Kleidung weniger zurückgesendet wurde. Eine klassische Scheinkorrelation: denn die Querstreifen kamen vor allem bei preiswerten Produkten vor, deren Retourenquote i.d.R. geringer war. Unter sonst gleichen Umständen werden quergestreifte Waren MEHR -nicht weniger- zurückgesendet. Eine Erkenntnis, die Sie nur durch Kausalanalysen ermitteln können.
Der Retouren-Versteher
Genau aus diesem Grund hat Professor Walsh von der Universität Jena mit seinem Forscherteam seit Jahren auf den Einsatz von Kausalanalysen gesetzt. In diversen Studien identifizierte er damit für die Branche neue Erkenntnisse.
So deckte er in der im Harvard Business Manager erschienen Studie auf, dass sich der Einsatz von Sanktionen und Retourhürden langfristig nicht auszahlt. Und er zeigte einen klaren strategischen Weg auf: Die Retourenquoten sinken mit der Möglichkeit das Produkt vor dem Kauf genauer kennenzulernen. Virtuelle TryOn’s, Avatare und konkrete Produktbewertungen von Peers sind enorme Hebel. Letzteres ist ein Hebel mit extrem hohen ROI, da das Invest vergleichsweise gering ist.
Selbstlernende Kausalanalyse deckt auf
Mit seiner aktuellen Studie setzte das Forscherteam, um Gianfranco Walsh noch einen drauf. Sie identifizierten durch kausalanalystische Betrachtung von Befragungsdaten von Konsumenten, dass allein die kundenbezogene Reputation eines Anbieters einen signifikanten Einfluss auf die Retourenquote hat.
Diese Reputation wird bestimmt durch folgende Komponenten: Kundenorientierung, Guter Arbeitgeber, Finanziell Solide, Wahrgenommene Produktqualität und Gesellschaftliche Verantwortung. Obwohl dieses Maß als sehr abstrakt erscheinen mag, ermöglicht das neue Kausalmodell, sehr präzise beispielsweise den Effekt einer schlechten Presse (z.B. bezüglich Kundenorientierung) zu messen und die Auswirkungen auf die Marge zu quantifizieren.
„Es gibt zudem eine Reihe von unternehmensindividuellen Retourenhebel. Die ermitteln Sie am erfolgreichsten durch eine selbstlernende Kausalanalyse – so wie es NEUSREL ermöglicht“ empfiehlt Walsh.
p.s. Weiterführendes zu NEUSREL und die Universelle Strukturmodelierung finden Sie hier.