Für Einzelhandelsmarken sind Retouren alles andere als ein kleines Problem. Einerseits ist das Angebot flexibler Rücksendungen ein wichtiger Bestandteil, um die Erwartungen zu erfüllen und ein effektives Kundenerlebnis zu schaffen. Andererseits können sogenannte „Serienrückläufer“ und zu flexible Policen unglaublich schädliche Kosten verursachen.
„Serienrückkehrer“ ist der Begriff, der für die offenkundigsten Wiederholungstäter reserviert ist. Einer Studie zufolge macht diese Gruppe etwa 11% der Online-Retournierer aus, generiert aber 24% aller Online-Retouren im Non-Food-Bereich. Aber auch außerhalb dieser Kohorte können Retouren zu einem Kreislauf führen, der sich sowohl auf die Rentabilität als auch auf die Kundenzufriedenheit negativ auswirkt. Für die Markenhersteller bedeutet dies unter anderem höhere Kosten für die Bearbeitung von Rücksendungen, eine gestörte Bestandsverwaltung und eine mögliche Schädigung der Kundenbeziehungen.
Im Moment hat der gesamte Einzelhandel mit diesem Problem zu kämpfen. Ein Analyst bezeichnete die Retouren als ein potenzielles „Billionen-Dollar-Problem“. Es gibt jedoch eine wenig genutzte Ressource, die helfen kann, dieses Problem zu entschärfen: Daten über Kundeninteraktionen.
Die Kundenserviceteams arbeiten jeden Monat mit Tausenden von Kunden zusammen und erhalten so wertvolle Informationen direkt von den Endbenutzern. Die manuelle Überprüfung jedes einzelnen Gesprächs, um verwertbare Daten zu extrahieren, ist entmutigend und zeitaufwändig, so dass sie für die meisten Unternehmen nicht praktikabel ist.
Glücklicherweise haben Fortschritte in der KI die Wirkung von Conversation Intelligence (CI) verbessert und bieten eine skalierbare Lösung für die Gewinnung aussagekräftiger Erkenntnisse aus Kundeninteraktionen. In diesem Blog gehen wir der Frage nach, wie Support-Teams die Erkenntnisse der KI nutzen können, um Herausforderungen bei der Rückgabe zu bewältigen und Serienrückgaben zu bekämpfen.
Analyse von Rückkehrmustern mit Intent-Daten
Die Gründe für Produktrücksendungen zu verstehen, ist entscheidend für den Umgang mit wiederkehrenden Kunden. Um dieses Stadium zu erreichen, ist es wichtig, der Stimme des Kunden nahe zu sein.
Durch das Abhören von Kundengesprächen können Marken wertvolle Einblicke in die Absichten und Stimmungen ihrer Kunden gewinnen. Neue Entwicklungen bei Technologien wie Generative Conversation Intelligence (GenCI) ermöglichen es Large Language Models (LLMs), riesige Mengen von Kundendaten aus verschiedenen Kanälen wie Anrufaufzeichnungen, E-Mails, Chats und sozialen Medien zu durchsuchen.
Auf diese Weise können Unternehmen spezifische Probleme ermitteln, die zu Rücksendungen führen, sei es im Zusammenhang mit der Produktqualität, irreführenden Beschreibungen oder nicht erfüllten Kundenerwartungen.
Ziehen Sie eine Kosmetikmarke in Betracht, die sich auf Hautpflegeprodukte spezialisiert hat. Nehmen wir an, die Hautpflegemarke verzeichnet einen Anstieg der Verkaufszahlen für ihr neues Anti-Aging-Serum. Durch den Einsatz von Conversation-Intelligence-Tools kann die Marke Tausende von Kundeninteraktionen analysieren und beispielsweise feststellen, dass viele Rücksendungen darauf zurückzuführen sind, dass die Kunden nach der Nutzung Irritationen verspürten. Diese Art des Lernens kann darauf hindeuten, dass Kunden mit empfindlicher Haut bestimmte Inhaltsstoffe, die Reaktionen hervorrufen könnten, nicht kannten.
Mit diesen Erkenntnissen kann die Marke ihre Produktbeschreibungen aktualisieren, um die reaktiven Inhaltsstoffe hervorzuheben und eine Empfehlung für einen Patch-Test vor der vollständigen Anwendung hinzuzufügen. Sie können auch ausführlichere Gebrauchsanweisungen beifügen und eine Aufklärungskampagne zur Produktsicherheit starten. In diesem Fall kann die Rückgabequote für das Produkt mit Fakten angegangen werden, was die Kundenzufriedenheit und -treue verbessert.
Verbesserung von Produktbeschreibungen und Bildern
Genaue und detaillierte Produktbeschreibungen sind wichtig, um die Retourenquote zu senken. Kunden benötigen klare und umfassende Informationen, um fundierte Kaufentscheidungen treffen zu können. Dazu gehören nicht nur die Produkteigenschaften, sondern auch Anwendungshinweise, Inhaltsstofflisten und mögliche Vorteile.
Um diese Produktbeschreibungen zu verbessern, können die Support-Teams das Kundenfeedback aus Rücksendungen über das Kommentarfeld „Grund für die Rücksendung“ nutzen und die Fragen so strukturieren, dass die Kunden detailliertere Informationen liefern. Wenn Kunden beispielsweise die Dropdown-Kategorie auswählen, sollten Sie eine Anzahl von Zeichen vorschreiben, um längere Antworten zu fördern.
Dies ist jedoch auch ein Fall, in dem GenAI-gestützte Konversationsintelligenz eine Rolle spielt – mit dieser Technologie können Marken unstrukturierte Kundendaten analysieren und Erkenntnisse gewinnen, die über „falsche Größe“ oder „nicht mehr benötigt“ hinausgehen.
Ein Unternehmen für Outdoor-Bekleidung, das sich mit hohen Rückgabequoten für eine neue Kollektion von Wanderschuhen konfrontiert sieht, kann beispielsweise mithilfe von KI herausfinden, dass die meisten Rückgaben darauf zurückzuführen sind, dass die Kunden die Schuhe weniger wasserdicht fanden als beworben. Mithilfe von KI-gestützter Konversationsintelligenz kann das Unternehmen herausfinden, welche spezifischen Beschwerden über die Wasserdichtigkeit am häufigsten vorgebracht wurden (z. B. Eindringen von Wasser bei Regen, Ansammlung von Feuchtigkeit bei langen Wanderungen).
Das Unternehmen kann nun reagieren, indem es detailliertere Produktbeschreibungen erstellt, in denen auch die Wasserdichtigkeit angegeben wird und die Grenzen der Imprägnierungstechnologie erläutert werden. Sie können auch Videos produzieren, in denen die Wasserdichtigkeit der Stiefel unter verschiedenen Bedingungen demonstriert wird. Diese Art von Verbesserungen hilft Kunden, besser informierte Entscheidungen zu treffen. Durch Investitionen in bessere Produktinhalte kann das Unternehmen realistische Erwartungen setzen und die Wahrscheinlichkeit von Rückgaben aufgrund falscher Erwartungen verringern.
Verbesserung der Kundenschulung und -unterstützung
Die Aufklärung der Kunden über die Verwendung der Produkte ist eine weitere wirksame Strategie zur Minimierung von Retouren. Oft kommt es zu Rücksendungen, weil die Kunden nicht wissen, wie sie ein Produkt richtig verwenden sollen oder weil sie nicht die erwarteten Ergebnisse sehen. Detaillierte Anleitungen, Anwendungstipps und häufig gestellte Fragen können Kunden dabei helfen, Produkte effektiv zu nutzen.
Aber die Frage bleibt – wie stellt eine Marke sicher, dass ihre FAQs und die dazugehörigen Tipps das widerspiegeln, was die Kunden wirklich brauchen?
Generative Erkenntnisse aus Kundendaten sind eine Möglichkeit, diese Informationen zu erhalten. Die Stärke dieser Einblicke liegt in der Fähigkeit, selbstständig detaillierte Informationen abzurufen, die Kunden in Support-Tickets und in Gesprächen mit Contact Center-Teams erwähnen. GenCI kann die wichtigsten Produktfragen sammeln, und die Manager der Wissensdatenbank können sie nutzen, um Aktualisierungen der Wissensdatenbank, Produktseiten und weitere In-App-Schulungsartikel zu erstellen, um die wichtigsten Fragen umgehend zu beantworten.
Darüber hinaus können diese Erkenntnisse genutzt werden, um Contact Center-Agenten mit dem Wissen auszustatten, das sie benötigen, um proaktiv auf Kundenanliegen und -fragen einzugehen. Durch die Integration von generativen Erkenntnissen in die Dashboards und Wissensdatenbanken der Agenten können Marken sicherstellen, dass die Agenten Zugang zu den neuesten Informationen über die Produktnutzung, häufige Probleme und effektive Lösungen haben. Auf diese Weise können die Agenten präziseren und hilfreicheren Support leisten, die Wahrscheinlichkeit von Rücksendungen verringern und die allgemeine Kundenzufriedenheit verbessern.
Mit Hilfe von GenCI stellte eine Marke für Nahrungsergänzungsmittel beispielsweise fest, dass viele Kunden die Produkte zurückgaben, weil sie keine unmittelbaren Vorteile bemerkten. Um dieses Problem anzugehen, kann die Marke eine Aufklärungskampagne starten, in der sie erklärt, dass Nahrungsergänzungsmittel oft eine konsequente Einnahme über einen bestimmten Zeitraum hinweg erfordern, um Ergebnisse zu zeigen, und die Kundenkommentare nutzt, um die Schlüsselbotschaften zu definieren und die Besorgnis über das Ausbleiben sofortiger Ergebnisse zu entkräften.
Schritte zur Reduzierung von Produktrücksendungen
Die Bewältigung der Herausforderung von Serienretouren im Besonderen und kostspieligen Retouren im Einzelhandel im Allgemeinen ist keine leichte Aufgabe, aber ein Einblick in die Kundengespräche in großem Umfang ist für den Anfang entscheidend.
Durch die Analyse der Kundeninteraktionen können die Support-Teams die Gründe für Rücksendungen aufdecken und gezielte Schritte zur Verbesserung der Produktbeschreibungen und der Kundenaufklärung unternehmen, damit die Kunden die Informationen erhalten, die sie benötigen, bevor sie kaufen.
Die Conversation Intelligence-Technologie kann dabei eine entscheidende Rolle spielen. Mit der richtigen Lösung für die Ursachenanalyse ist es möglich, einen Weg nach vorne zu finden, um die Auswirkungen von Retouren zu mildern und stärkere Kundenbeziehungen zu fördern.
Indem sie sich die Macht der Kundenerkenntnisse zunutze machen, können Marken nicht nur aktuelle Herausforderungen lösen, sondern auch den Weg für eine bessere, kundenorientiertere Zukunft ebnen.
Sind Sie bereit, Conversation Intelligence in Aktion zu sehen?
Entdecken Sie, was Calabrio ONE Ihrem Unternehmen zu bieten hat, wenn es darum geht, geschäftskritische Erkenntnisse zu gewinnen, die sich positiv auf Ihr gesamtes Unternehmen auswirken können – und nicht nur auf das Contact Center. Erfahren Sie noch heute mehr.
