How big data is reducing customer returns

Référence

Brock, V. (2016). « How big data is reducing customer returns ». Logistics & Transport Focus, Vol. 18 Issue 12, p34-35. 2p.

Idée/Dominante

Cet article met en lumière la difficulté des marques face au retour des produits que font les consommateurs lorsque ceux-ci ne leur correspond pas.

Résumé

Les retours de produits sont très couteux pour les distributeurs. La question est donc de savoir comment il serait possible pour les entreprises de limiter le nombre de retours, ce qui est actuellement un véritable cauchemar pour les distributeurs. L’utilisation des données clients permettrait de pouvoir réduire ces retours et d’améliorer l’expérience utilisateur. Actuellement les retours du e-commerce représente 20 milliards de perte pour les entreprises.

Il s’agit pour l’entreprise d’un problème de logistique qui peut impacter la relation client. Lorsque le consommateur renvoie le produit, cela peut être pour différentes raisons: le produit est défectueux, endommagés, etc… Il va donc passer entre différentes mains. Cela prend du temps ainsi que de la place. Il faut également déterminé ce qui est a opéré sur le produit, à savoir le réparer, le nettoyer etc… pour ensuite le retourner à la vente. La marque a donc intérêt à agir rapidement pour réduire ses couts et limiter ses pertes.

Le retour d’un produit coûte beaucoup d’argent pour la marque. Il passe en moyenne entre 7 mains différentes avant d’être remis en vente. Le coût d’acquisition client se révèle donc élevé pour le distributeur, puisqu’il perd de l’argent en vendant son produit au consommateur. D’autant plus que cela a un impact sur les ventes futurs. Le peu de retour d’expérience client fait que le distributeur vend des produits au mauvais client, réduisant ses stocks. Et lorsque le bon client souhaite acheter le produit celui-ci n’est plus disponible. Cela représente donc un perte supplémentaire pour l’entreprise.

Pour éviter ses retours il est donc intéressant pour les entreprises de pouvoir identifier les causes de ces retours en utilisant des données utilisateurs. Le but serait d’utiliser les données pour prédire le produit à risque ainsi que le client à risque en terme de retour. Ces informations permettraient également de savoir quels sont les produits qui sont prêt à la vente ce qui permettrait un gain de temps important pour l’entreprise mais également une meilleure gestion des stocks. Ces données vont également permettre aux distributeurs de pouvoir mieux vendre leur produit et donc de pouvoir améliorer leur marge. Le fait de pouvoir anticiper si le client va conserver ou renvoyer le produit acheté changerait beaucoup de chose. Il permettrait d’un côté à l’entreprise de pouvoir mieux connaitre son client, une meilleure gestion de ses produits et donc une augmentation de ses marges ainsi qu’une meilleure expérience client en le fidélisant.

Note d’intérêt pour la recherche en cours

Le big data est un outil qui permet aux entreprises de mieux connaitre le client pour mieux vendre et éviter ainsi les retours et donc ainsi améliorer l’expérience utilisateur tout en limitant ses coûts.