Weihnachten ist Retourenzeit

Das Weihnachtsfest steht vor der Tür. Damit wird auch eine große Anzahl der Geschenke via Onlineshopping im Internet bestellt. Doch nicht jedes bestellte Geschenk gefällt oder passt dem Kunden oder dem Beschenkten. Daher geht eine Vielzahl an Produkten im Anschluss an das Weihnachtsgeschäft wieder als Retoure zurück auf dem Weg zum Onlinehändler.

Onlinehändler kämpfen nicht nur zur Weihnachtszeit mit hohen Retourenquoten. Aktuelle Forschungen zum präventiven Retourenmanagement versuchen Händlern einen Ansatzpunkt zu geben wie Retouren vermieden werden können. Dabei konnten die Forscher der Universität Jena unter Leitung von Prof. Dr. Gianfranco Walsh und M. Sc. Michael Möhring verschiedene Instrumente ermitteln, welche das Retourenverhalten positiv beeinflussen kann.

Zur Ermittlung der für die Analyse des Retourenmanagements notwendigen Daten ist jedoch ein großer Berg an strukturierten und unstrukturierten Daten zu analysieren. Die Forscher der Universität Jena empfehlen dabei den Einsatz verschiedener Technologien aus dem Big Data Umfeld wie In-Memory-Computing oder die verteilte Datenverarbeitung mit etablierter Algorithmen wie Map Reduce.

Nicht jeder Kunde ist gleich

Egal ob zur Weihnachtszeit oder im Rest des Jahres, nicht jeder Kunde hat ein gleiches Retourenverhalten
Eine aktuelle empirische Untersuchung des Forscherteams zeigt verschiedene Einflussfaktoren auf Retouren im B2C-E-Commerce auf. Die Ergebnisse wurden vor kurzem wissenschaftlich publiziert.

Demnach beeinflusst vor allem das Alter, das Geschlecht und die Möglichkeit zum kostenfreien Zurücksenden das Retourenverhalten. Auch das Retourenverhalten in anderen Branchen beeinflusst etwa die Neigung und Absicht Waren wie Modeartikel zurück zu schicken. Vor allem junge, weibliche Konsumenten schicken vermehrt bestellte Mode zurück. Damit hat nicht jeder Konsument ein gleiches Retourenverhalten. Jedoch könnten mit etablierten Datenanalysealgorithmen aus dem Data-Mining-Umfeld Retourencluster gebildet werden.

Wie können Unternehmen nun mit diesen Informationen umgehen?

Basierend auf diesen Erkenntnissen sollten eigene Analysen dieser "Daten-Muster" mit modernen Business Intelligence Werkzeugen und je nach Datenvielfalt auch mit Verwendung von Big Data Technologien im Unternehmen analysiert werden. Im nächsten Schritt sollten für die Muster mit hohem Retourenverhalten, beispielsweise Geschlecht oder Alter, Retourenpolitiken im Unternehmen angepasst werden. So können etwa automatisiert Rechnungskaufvarianten und - Verfügungsrahmen eingeschränkt werden. Das Forscherteam der Universität Jena empfiehlt hierbei eine Reihe von Instrumenten unter Beachtung der jeweiligen Kosten- und Kundenorientierung des Unternehmens. (bw)