Ürün Bazında İade Oranını Takip Etmek

Bir ürün yönetimi ekibi, kategori ortalamasının altında kaldığı için %12'lik mağaza geneli iade oranını kutluyor. Bu sırada bir elbise modeli %58 iade oranıyla dönüyor ve sessizce koleksiyonun tamamının marjını siliyor. Harmanlanmış rakam onlara her şeyin yolunda olduğunu söyledi. Bu, eksik bilgiyle yalan söylemekti. Mağaza geneli iade oranı, bir KPI kılığına girmiş gösteriş metriğidir — asıl para kaybettiren birkaç SKU'yu ortalamayla eritir ve bunları, genel görünümü kabul edilebilir gösteren düzinelerce sorunsuz ürünün arkasına gizler.

Gerçekte iyi bir iade oranı benchmark'ının nasıl göründüğünü okuduysanız, hazır giyim iade oranlarının kategoriye göre muazzam ölçüde değiştiğini zaten biliyorsunuzdur — National Retail Federation'ın iade verilerine göre yaygın olarak %20-40 aralığında belirtilir. Bu aralık tam olarak konunun özü: tek bir mağaza geneli rakam, temel ürünlerdeki %8'lik iade oranını, kötü fotoğraflanmış bir davetiye üstünün %45'lik iade oranıyla harmanlar ve ortalarda bir yerde anlamsız bir sonuç bildirir. Asıl işe yarayan, düzeltilebilir sinyal ürün bazında iade oranında yaşar.

Harmanlanmış rakam operatörler için neden yetersiz kalır

Mağaza geneli iade oranı bir çıktı metriğidir — size skor tablosunu gösterir, oyunu kaybettiren hamleyi göstermez. 'Nasıl gidiyoruz' sorusuna cevap verir ama 'Pazartesi sabahı ne yapacağız' sorusuna cevap vermez. Merchant'lar ortalamada durduğunda üç spesifik başarısızlık ortaya çıkar:

• Ortalama almak aykırı değerleri gizler. 500 SKU'luk bir katalogda sağlıklı bir %10 ortalama iade oranı olsa bile, %50'nin üzerinde çalışan 15 SKU olabilir — ve bu 15 tanesi iade bütçenizi orantısız şekilde tüketiyordur.
• Satın alma ve ürün yönetimi bir toplam rakam üzerinden aksiyon alamaz. 'İadeleri 3 puan azalt' bir görev değildir; 'bu beden tablosu şu dört model için yanlış' bir görevdir.
• Toplam trendler gerçek sorunların tam bir sezon gerisinde kalır. Mağaza geneli iade oranı yükseldiğinde, buna sebep olan SKU muhtemelen zaten üretimden kalkmış ya da aynı hatalı spesifikasyonla yeniden sipariş edilmiş olabilir.

Mağaza geneli iade oranı size binanın sıcaklığını söyler. Ürün bazında iade oranı ise hangi odada yangın çıktığını söyler.

Ürün bazında iade oranı gerçekte neyi ölçer

Hesaplamanın kendisi basittir — belirli bir dönemde bir SKU için iade edilen birim sayısının, satılan birim sayısına bölünmesi — ama değer, formülden değil, sıralanmış listeyle ne yaptığınızdan gelir. SKU bazında iade oranınız olduğunda, sebep koduyla katmanlamanız gerekir, çünkü bedenden kaynaklanan yüksek iade oranı ile taşıma sırasında hasardan kaynaklanan yüksek iade oranı tamamen farklı çözümler gerektirir. Bu tam olarak, her iadeyi kimseye bir şey anlatmayan genel bir 'fikrimi değiştirdim' kutusuna kaydetmek yerine iadeleri kök nedene bağlamayı öğrenmenin arkasındaki disiplindir.

Faydalı bir zihinsel model: ürün bazında iade oranını bir rapor değil, bir triyaj kuyruğu olarak ele alın. Anlamlı satış hacmine sahip her SKU'yu iade oranına göre sıralayın, sonra listede aşağı doğru inerken her ürün için tek bir soru sorun — bu bir beden sorunu mu, bir açıklama sorunu mu, bir kalite sorunu mu, yoksa bir fotoğraf sorunu mu? Her cevap farklı bir sorumluya yönlendirilir.

SKU bazında panoyu kurmak

Bunu çalıştırmak için bir veri bilimi ekibine değil, iade anında tutarlı şekilde takip edilen üç alana ihtiyacınız var: SKU, sebep kodu ve birim maliyet. Buradan itibaren kurulum çoğunlukla eşik değerleri hakkındaki yargıyla katmanlanmış aritmetiktir.

1. 1SKU bazında iade ve satış verisini 90 günlük yuvarlanan bir pencerede çekin; daha kısa pencereler düşük hacimli ürünler için çok gürültülü, daha uzun pencereler ise yakın zamanda yapılan düzeltmeleri sulandırır.
2. 2Bir SKU'nun iade oranına güvenmeden önce minimum satış hacmi eşiği belirleyin (ör. 20+ satılan birim) — 3 satılan üründen 1 iade, istatistiksel olarak hiçbir anlam ifade etmeyen %33'lük bir orandır.
3. 3Kalan SKU'ları iade oranına göre sıralayın, ardından en üst dilimi toplam iade tutarına göre yeniden sıralayın, çünkü 15$'lık bir üründeki %40'lık iade oranı, 180$'lık bir üründeki %20'lik iade oranından daha az önemlidir.
4. 4Her iade edilen birimi bir sebep koduyla etiketleyin ve en kötü performans gösterenleri yukarıdaki tablodan uygun sorumluya yönlendirin.
5. 5Bir düzeltme yayına alındıktan 30-60 gün sonra aynı SKU'ları yeniden kontrol edin ki sadece bir düzeltmenin 'yayına alındığını' değil, iade oranının gerçekten değiştiğini doğrulayın.

İade oranını gerçek maliyetine bağlamak

İade oranı tek başına hâlâ tam finansal tabloyu vermez — iki SKU aynı %30'luk iade oranını paylaşabilir, ama iade kargosu, yeniden stoklama işçiliği ve ürünün tekrar satılabilir olup olmadığını hesaba kattığınızda etki tamamen farklı olabilir. Bu yüzden ürün bazında iade oranının, hangi yangınla önce mücadele edeceğinize karar vermeden önce iade başına hizmet maliyeti ile birlikte değerlendirilmesi gerekir. Ucuza işlenip kolayca yeniden stoklanabilen yüksek iade oranlı bir SKU, manuel inceleme gerektiren ve tam fiyattan tekrar satılamayan orta iade oranlı bir SKU'nun gerisinde sıralanabilir.

Ürün bazında takip, hiçbir şey yapmamanın maliyetine karşı da kendini burada geri öder. McKinsey'nin perakende araştırmasına göre, iade işleme ve ters lojistik, hazır giyim perakendecileri için en hızlı büyüyen maliyet kalemlerinden birini temsil ediyor ve yönetilmeyen iade oranları, SKU bazında düzeltme döngüsüne kimse sahip çıkmadığı için sessizce bileşik etki yaratıyor. Mağaza geneli bir pano hiçbir aksiyon tetiklemeden aylarca gidebilir; her satıra bir sorumlu atanmış sıralı bir SKU listesi ise haftalar içinde düzeltilir.

İşe alım yapmadan operasyonelleştirmek

Bunu kalıcı hale getiren ekipler özel bir analist işe almaz — takvime tekrar eden 20 dakikalık bir gözden geçirme koyar, iade tutarına göre en yüksek 10 SKU'yu çeker ve toplantı bitmeden her SKU için bir aksiyon atar. Alışkanlık, araçtan daha önemlidir. Haftalık gözden geçirilen bir e-tablo, kimsenin açmadığı güzel bir panodan daha iyidir.

İade anında sebep kodlarını ve SKU kimliklerini zaten yakalayan ResReturn gibi platformlar, sıralamayı ve sebep kodu toplamasını otomatikleştirebilir; bu da genellikle ikinci aydan sonra bu pratiği öldüren manuel çekme ve pivot işini ortadan kaldırır. Amaç daha şık bir rapor değil — 'bu SKU kan kaybediyor' ile 'birisi düzeltti' arasındaki mesafeyi kısaltmaktır.

SKU bazında takibe başlarken yapılan yaygın hatalar

• Gelir ve birim maliyete göre ağırlıklandırmak yerine her yüksek iadeli SKU'ya aynı şekilde davranmak.
• Minimum hacim eşiği belirlememek, bu da düşük satışlı ürünlerden gelen istatistiksel gürültünün listenin başını domine etmesine izin verir.
• Sebep kodlarını atlayıp sadece oranı takip etmek, bu da çözüme giden bir yol olmayan bir sorun listesi üretir.
• Haftalık veya iki haftalık yerine üç ayda bir gözden geçirmek, düzeltilebilir sorunların tam bir satın alma döngüsü boyunca sürmesine izin verir.
• Bir düzeltme yayına alındıktan sonra yeniden ölçmeyi unutmak, böylece müdahalenin gerçekten işe yarayıp yaramadığını kimse doğrulamaz.