Yapay Zeka ile İade Azaltma: Beden Önerisi, Kalıp Uyarısı, İade Riski ve Değişime Yönlendirme

İade, e-ticaretin görünmeyen en büyük gideri; giyimde her üç siparişten biri geri dönüyor ve her iade 150 ile 300 TL. İadelerin yarısından fazlası ürün kusurundan değil, beklenti farkından kaynaklanır: yanlış beden, farklı renk, ölçek yanılgısı, uyumsuzluk. Yapay zeka bu farkı kapatabilir: beden önerisi, yorumlardan kalıp uyarısı, görsel ve ölçü zenginleştirme, iade riski tahmini ve iade sürecinde değişime yönlendirme. Bu yazı, yapay zeka ile iade azaltmayı anlatıyor: iade sebeplerinin analizi, beden ve kalıp önerisi (geçmiş sipariş ve iade verisinden), yorum bazlı uyarılar, ürün sayfası zenginleştirme (görsel, ölçü, uyumluluk), sipariş anında iade riski puanı ve müdahale, iade sürecinde değişime yönlendirme, iade istismarı tespiti, ölçüm ve sık hatalar.

İade sebeplerini anlamak

İade talebinde sebep seçimi zorunlu ve ayrıntılı (beden büyük/küçük, renk farklı, ölçü farklı, uyumsuz, kusurlu, hasarlı, fikir değişikliği, geç geldi); yapay zeka serbest metin notları da sınıflandırır. Ürün bazlı sebep dağılımı: iadelerin yüzde 60'ı beden ise sorun ölçü bilgisi ve kalıp; yüzde 30'u renk ise fotoğraf. Sebep dağılımı, hangi müdahalenin işe yarayacağını gösterir; genel iade oranı göstermez.

Beden ve kalıp önerisi

Veri: her ürünün beden bazlı satış, iade ve değişim örüntüsü (M alanların yüzde 30'u L'ye değiştirdi → model dar kalıp), müşterinin geçmiş alımları ve iadeleri (hangi markada hangi beden uydu), müşterinin girdiği boy ve kilo (isteğe bağlı), ürün ölçü tablosu. Öneri beden seçicide: "Geçmiş siparişlerinize göre size L öneriyoruz" ya da "Bu model dar kalıp; genellikle bir üst beden alınıyor". Yeni müşteride ürün örüntüsü, tekrar müşteride kişisel geçmiş. Giyim ve ayakkabıda iade azaltmanın en güçlü aracı.

Yorum bazlı uyarılar

Yorum analizi (yapay zeka ile yorum analizi) kalıp, renk, ölçek ve doku temalarını çıkarır; oran eşiği aşınca ürün sayfasında uyarı: "Müşterilerin yüzde 25'i rengin fotoğraftan koyu olduğunu belirtiyor", "Kalıp dar". Dürüst uyarı, satışı biraz düşürebilir ama iadeyi çok düşürür; net etki olumlu (iadeli sipariş zaten kayıptı). Uyarı sonrası tema oranı izlenir; çözüm (fotoğraf yenileme) uygulanınca uyarı kalkar.

Ürün sayfası zenginleştirme

İade sebebi "ölçek" ise ölçek görseli (elde, masada, model üzerinde) ve ölçü tablosu; "renk" ise doğal ışıkta yeni fotoğraf ve renk notu; "uyumluluk" ise uyumlu model listesi ve seçici (telefon modeli seçince uyumlu kılıflar); "kalite" ise malzeme detayı ve yakın çekim. Yapay zeka, ürün bazlı iade sebebine göre eksik içeriği listeler ve taslağını üretir (ölçü tablosu formatı, uyumluluk listesi, açıklama ekleme). Ürün sayfası SEO ve ürün açıklaması.

Sipariş anında iade riski

Model, sipariş anında iade olasılığı tahmin eder: ürün ve bedenin iade örüntüsü, müşterinin iade geçmişi, aynı üründen birden fazla beden sipariş (deneme amaçlı), kapıda ödeme, sepet yapısı. Yüksek riskte müdahale: sipariş öncesi beden önerisi ve ölçü hatırlatması, aynı üründen iki beden alan müşteriye "iade kargo bizden, tek beden bırakın" kurgusu ya da bilgilendirme, kapıda ödemede doğrulama. Risk puanı müşteriyi engellemek için değil, bilgilendirmek için kullanılır.

İade sürecinde değişime yönlendirme

İade talebinde önce değişim seçeneği: beden değişimi tek işlemle (yeni beden rezerve, iade gelince gönderim ya da güvenilir müşteride hemen), renk değişimi, alternatif ürün önerisi (yapay zeka, iade sebebine göre uygun ürün önerir: "dar geldi" → aynı ürünün bir üst bedeni ya da bol kalıplı benzer model). Değişim, iadeyi satışa çevirir; kargo maliyeti tek yön.

İade istismarı tespiti

Tekrarlayan davranış (her siparişte iade, etiketsiz ürün, kullanılmış ürün, iade edilen ürünle farklı ürün), belirli ürünlerde anormal iade oranı olan müşteriler, kapıda ödemede teslim almama geçmişi; işaretleme ve kural (bu müşteride kapıda ödeme kapalı, iade kontrolü sıkı). Yasal iade hakkı kısıtlanmaz; koşullar (etiket, kullanılmamış) kontrol edilir. Dürüst müşteriyi cezalandırmayan, örüntüye dayalı yaklaşım.

Ölçüm

Ürün ve sebep bazlı iade oranı (öncesi/sonrası), beden önerisi gösterilen ve gösterilmeyen siparişlerde iade farkı, uyarı eklenen ürünlerde iade ve dönüşüm değişimi, değişime dönüşen iade oranı, iade riski tahmini doğruluğu, ters lojistik maliyeti / ciro.

Bir müşterimiz (kadın giyim, aylık 3.100 sipariş, iade yüzde 33) beden önerisi, yorum bazlı kalıp uyarıları ve değişim akışını açtı. Dört ayda iade yüzde 33'ten yüzde 22'ye, değişime dönüşen iade yüzde 8'den yüzde 27'ye, aylık ters lojistik maliyeti yaklaşık 90 bin TL azaldı; beden önerisi gösterilen siparişlerde iade, gösterilmeyenlere göre 9 puan düşük.

Sık hatalar

• İade sebebini ayrıntılı almamak
• Beden önerisini yalnızca ölçü tablosuna dayandırmak (iade örüntüsü olmadan)
• Yorum uyarısını gizlemek (satış korkusuyla)
• Değişim akışı olmadan yalnızca iade
• Risk puanını müşteriyi engellemek için kullanmak
• İade istismarını dürüst müşteriye kural olarak uygulamak
• Ölçmeden "iade azaldı" demek

Beden önerisi, yorum uyarıları, iade riski ve değişim akışı yapay zeka destekli e-ticaret sistemimizde hazır. İlgili: iade oranı ve ters lojistik, giyim e-ticareti rehberi. Terimler: iade yönetimi, cayma hakkı.