在前段時間，亞(ya) 馬遜推出2024年服裝類目傭(yong) 金最高跌至5%！許多服裝類目賣家沸騰了，利潤將沒有懸念的提升。此前最讓賣家頭疼的退貨率，如今也有了解決(jue) 方案！

節後退貨季已經開始，尤其網上購買(mai) 的退貨率甚至更高，占銷售額的 18%，而實體(ti) 店購買(mai) 的退貨率為(wei) 10%。退貨已經成為(wei) 亞(ya) 馬遜十分頭疼的問題。比退貨情況更加複雜的是，服裝退貨率更是居高不下。NRF 沒有給出具體(ti) 數字，但Coresight Research估計近四分之一的在線服裝購買(mai) 會(hui) 被退貨。尺寸和合身問題占所有時尚退貨的一半以上，通常的做法是通過購買(mai) 多種尺寸的商品來增加訂單。時裝的高退貨率對時裝零售商的利潤產(chan) 生了很大影響。據逆向物流公司 稱，運輸、加工和補貨的綜合成本約占產(chan) 品價(jia) 格的 66%。

意識到預防勝於(yu) 治療，亞(ya) 馬遜推出了人工智能助手來幫助時尚顧客找到最合適的衣服，這對於(yu) 亞(ya) 馬遜這樣的多品牌零售商來說可能是一個(ge) 特殊的問題。特定品牌的中號可能對一個(ge) 品牌來說是小號，對另一個(ge) 品牌來說是大號。新的合身查找應用程序使用基於(yu) 學習(xi) 的算法來比較品牌之間的尺碼差異，結合客戶的產(chan) 品評論數據和個(ge) 人客戶過去的合身偏好，為(wei) 客戶推薦最合身的尺碼。

亞(ya) 馬遜解釋說：“該算法匿名地將具有相似尺寸和合身偏好的客戶以及具有相似合身程度的產(chan) 品聚集在一起。從(cong) 那裏，算法從(cong) 數百萬(wan) 個(ge) 產(chan) 品詳細信息（例如款式、尺碼表和客戶評論）以及數十億(yi) 匿名客戶購買(mai) 中學習(xi) 。它還考慮了類似客戶為(wei) 同一產(chan) 品或類似合身產(chan) 品購買(mai) 和保留的尺寸。”客戶經常向客戶評論尋求尺寸指導。人工智能係統使用大型語言模型 (LLM) 處理所有客戶評論，收集有關(guan) 尺寸準確性、合身性和麵料彈力的詳細信息，以建議客戶是否應該加大或縮小特定商品的尺碼。評論亮點以易於(yu) 閱讀的摘要形式顯示，使客戶無需手動解析各個(ge) 評論。

亞(ya) 馬遜還改進了尺碼表，以標準化不同品牌的尺碼表。它使用法學碩士從(cong) 許多不同的供應商提取尺碼表數據，處理各種尺碼輸入，以呈現一個(ge) 簡單易懂的跨平台標準尺碼表。亞(ya) 馬遜正在 Fit Insights Tool 中利用所有這些機器學習(xi) 來幫助其供應商更好地了解客戶的適配問題，從(cong) 而從(cong) 源頭糾正不一致的情況。該公司表示：“通過利用這些數據，品牌可以更好地了解客戶合身問題，改進與(yu) 客戶溝通尺碼的方式，甚至將反饋納入未來的設計和製造中，”並補充道，“這有助於(yu) 品牌減少與(yu) 合身相關(guan) 的退貨並更準確地為(wei) 顧客列出他們(men) 的商品。”

退貨不僅(jin) 讓零售商頭疼，也讓客戶自己頭疼。沒有人喜歡收到預期購買(mai) 的商品，試穿後發現不合適，然後轉身將其包裝好並寄出的麻煩。即使他們(men) 不收取退貨費用（一些零售商已經開始這樣做），退貨仍然需要時間，這對顧客來說是一種成本。退貨的前景讓網上購物失去了樂(le) 趣，而對於(yu) 時尚來說，快樂(le) 就是一切。通過解決(jue) 時尚退貨的首要原因——不合身和不可預測的尺碼——亞(ya) 馬遜正在履行其以客戶為(wei) 中心的使命，並降低自身及其供應商的退貨成本。

正如亞(ya) 馬遜創始人傑夫·貝索斯所說：“我們(men) 不是以競爭(zheng) 對手為(wei) 中心，而是以客戶為(wei) 中心。我們(men) 從(cong) 客戶的需求出發，然後逆向工作。”