Antes de comprar, la inteligencia artificial predice si un usuario devolverá un producto

Con este fin, los investigadores capacitaron un modelo de aprendizaje automático en un conjunto de datos de preferencias, formas corporales y productos vistos por los minoristas. Para identificar qué factores tuvieron un efecto importante en la devolución de un producto, los investigadores analizaron la plataforma de comercio electrónico de Myntra Designs. Contiene alrededor de 600.000 productos y millones de pedidos se procesan cada semana.

Entrenamiento modelo

Los investigadores descubrieron que de todos los productos devueltos, el 4% ocurrió cuando había una cantidad de productos similares en un carrito de compras. El 53% de los productos devueltos son el resultado de problemas con el tamaño y la forma en que un producto se ajusta. La posibilidad de productos devueltos también parece depender en gran medida de cuánto hay en un carrito de compras. Si hay cinco productos, la probabilidad es del 72% en comparación con el 9% de los carritos de la compra con un solo producto.

Con estas ideas, el equipo creó un llamado "modelo doble híbrido" para predecir la posibilidad de devolver carritos de la compra completos, así como algunos artículos. Un clasificador de IA de nivel superior clasificó los carros retornables. Un segundo clasificador, que se basa en los carritos de la compra clasificados, predice la probabilidad de que un producto individual sea devuelto.

Ambos clasificadores fueron capacitados en un conjunto de datos con muestras de tres categorías, con información como la marca, la antigüedad del producto, el tamaño del carrito de compras, el día y la hora del pedido, la ciudad a la que debe ir, el método de pago y cómo. a menudo se ordenaba algo.

Resultados

El sistema de IA con mejor rendimiento fue capaz de predecir con una precisión del 74% si un artículo se devolvería o no. Además, el sistema logró un área de 82.3%  por debajo de la característica operativa del receptor, que es una forma de determinar la precisión de detección.

En una prueba en vivo con 100.000 usuarios, el número de pedidos se redujo ligeramente (en un 1.7%) en comparación con un conjunto de control. El porcentaje de productos devueltos disminuyó un 3 por ciento.

El equipo argumenta que puede ser útil determinar qué clientes pueden devolver un producto porque un minorista puede actuar de antemano. Esto puede ser, por ejemplo, la personalización de los gastos de envío.