← Wszystkie case studies · ✨ Inne
E-commerce moda · 120 tys. paczek / mies.E-commerce moda: liczba zwrotów −19% dzięki analizie języka recenzji
Sklep odzieżowy (120 tys. paczek/mies., zwroty 38%) — AI czyta recenzje i opisy zwrotów, identyfikuje produkty z błędnym opisem rozmiaru.
Okres pomiaru: 4 miesiące pierwszego cyklu
Sytuacja przed wdrożeniem
Zwroty 38% w kategoriach typu „bluzki damskie". Część z winy klienta („nie pasuje mi"), część z winy sklepu (rozmiar mały vs tabela, kolor inny niż na zdjęciu, materiał inny niż w opisie). Operacjonalnie nie szło zidentyfikować problemów per SKU — recenzje były czytane sporadycznie.
Co zrobiliśmy
AI analizuje co miesiąc: 100% recenzji, 100% komentarzy do zwrotów, 100% kontaktów do BOK związanych z produktami. Identyfikuje sygnały: „mniejsze niż rozmiar", „kolor inny niż na zdjęciu", „cieńszy materiał", „nieprawidłowa metka". Generuje listę 50 SKU z najwyższym scoringiem problemu + konkretne sugestie korekty (zmień rozmiarówkę, dodaj sesja zdjęciowa, popraw opis materiału).
Rezultat
Zwroty −19% po 4 miesiącach. NPS +24 pkt. Buyer-team zaczął używać tych danych przy decyzjach o zatowarowaniu (czy zamówić ten dostawca raz jeszcze). Wzrosła też kategoria z „przeklamań" — wycofaliśmy 12 SKU z portfolio całkowicie.
„Wreszcie wiemy, że dostawca X od pół roku robi nam koszule o 1,5 cm krótsze w pasie niż w karcie. To kosztowało nas 80 tys. zł w zwrotach."
Inne case studies z działu inne.
Chcesz, żeby Wasza firma była następna na tej liście?
30-min rozmowa — pokazujemy 2–3 case'y najbliższe Waszej sytuacji (pod NDA) i mówimy, ile zaoszczędzicie w pierwszym roku.