L’intelligenza artificiale è in grado di diminuire i rischi di reso per le piattaforme di retail online pure player, favorendo un’esperienza più piena in fase di ricerca, selezione, prova di prodotti, abitualmente fruiti nel punto vendita fisico.
È quanto dimostra un recente studio[1] che ha costruito e condiviso un modello per misurare l’impatto delle soluzioni di intelligenza artificiale nell’orientare lo showrooming, nel migliorare l’esperienza online riducendo il rischio percepito, nel ridurre l’incidenza dei resi, ottimizzando dunque i risultati economici, operativi e finanziari delle piattaforme del commercio digitalizzato.
Senza entrare nei dettagli tecnici del modello econometrico, di seguito vengono presentati i principali risultati a livello generale e i modi in cui l’intelligenza artificiale può promuovere comportamenti virtuosi del consumatore dal punto di vista dei retailer, come la fidelizzazione, l’aumento della spesa media e la riduzione del tasso di reso o di abbandono.
Showrooming e resi: due punti chiave nel commercio omnicanale
Nel retail digitalizzato, due termini sono costantemente attuali e rappresentano una sfida per le piattaforme pure player digitali, per i retailer brick and mortar e, al contempo, un’opportunità per gli attori realmente omnicanale:
Il webrooming
A questo si aggiunge un problema rilevante soprattutto online, quello dei resi, la cui entità rischia di mettere in crisi la profittabilità stessa di qualsiasi venture puramente digitale.
L’intelligenza artificiale gioca un ruolo decisivo nel miglioramento della customer experience ed è uno strumento che potenzialmente può sia ridurre l’impatto dei resi, sia modificare l’entità del fenomeno dello showrooming.
Per webrooming si intende il comportamento comune a molti consumatori, che consiste nel cercare informazioni online su un prodotto, come disponibilità, caratteristiche tecniche e prezzo, prima di recarsi fisicamente in negozio per effettuare l’acquisto. L’indicazione, per i dettaglianti del fisico, è ovviamente quella di essere presenti in maniera importante sui canali digitali (sito web, eCommerce, comparatori, siti di recensioni, media, Google, Google My Business, Google Maps, ecc.). Una presenza non adeguata si traduce automaticamente in una mancata vendita.
Lo showrooming
Più complesso è il tema dello showrooming che descrive il comportamento inverso, ovvero quello dei consumatori che prima vogliono testare, toccare, provare un prodotto in un negozio fisico per poi spostarsi ad acquistarlo online, dove, in molte occasioni, trovano condizioni più convenienti. La rilevanza dello showrooming è largamente motivata dalla sua diffusione. A partire dalla prima metà degli anni zero, è emerso come rilevante il comportamento di showrooming (uno studio di Accenture del 2013 nel mercato canadese arrivava a ipotizzare già allora valori vicini al 63%). Un comportamento che è diventato ancora più pervasivo e si è rafforzato nel decennio seguente, estendendosi ai mercati con una minore penetrazione, come quello italiano. Il dato è infatti confermato da indagini più recenti, secondo cui, ad esempio, il 57% degli statunitensi e britannici usa il negozio fisico come camerino di prova, prima di acquistare online[2].
Un fenomeno molto rilevante dunque che mette i retailer tradizionali di fronte a scelte obbligate: senza una forte presenza online e offline, fortemente integrate, il comportamento infedele e tendenzialmente opportunistico dei clienti, che si muovono a loro piacere tra online e offline, flagship store e monomarca, grandi magazzini, aggregatori, siti di vendite private, alla ricerca del miglior prezzo, rischia di compromettere la sostenibilità economica di qualsiasi attività di vendita al grande pubblico.
Perchè i consumatori fanno showrooming
I consumatori fanno showrooming perchè conviene. Anzitutto, perchè manca, in particolare in molti settori del retail cosiddetto esperienziale (abbigliamento, elettronica di consumo, giocattoli, ecc.), una dimensione fondamentale per la conoscenza approfondita del prodotto: la vista diretta, il tatto, il gusto, l’ambiente in cui è venduto il prodotto. Si pensi a quanto contano le boutique e il servizio al cliente per prodotti di lusso e moda.
Il consumatore, dunque, fa showorooming perché vuole “toccare con mano” prima di comprare, ma è alla costante ricerca – con le dovute eccezioni – di alcune dimensioni di valore tipicamente erogate dai retailer online, ovvero:
- prezzi più convenienti;
- servizi di consegna più comodi;
- maggiore disponibilità di prodotti grazie a un’estensione potenzialmente infinita dell’inventario.
Come detto, il tasso di reso rappresenta una minaccia virtuale per la sostenibilità economica dei business digitali. Per ridurne l’impatto, le piattaforme online adottano diverse soluzioni, tra cui:
- ampio ricorso alle recensioni online come strumento di guida dei consumatori[3];
- introduzione di soluzioni di live streaming commerce[4];
- creazione di certificati digitali[5].
Accanto a queste soluzioni, sono le applicazioni basate su intelligenza artificiale a giocare un ruolo decisivo e a far registrare il più alto tasso di successo nell’orientare i comportamenti dei consumatori, escludendo la leva del prezzo.
La letteratura scientifica mostra che i tassi di restituzione dei prodotti possono diventare molto onerosi. Secondo Tool4Seller, un software licenziato in modalità saas sviluppato per supportare i venditori sulla piattaforma Amazon, il tasso di reso si avvicina, in alcune categorie di prodotto al 40% delle vendite.
L’AI come strumento per limitare l’effetto showrooming
Le applicazioni in grado di ridurre il tasso di resi e di orientare anche l’adozione di comportamenti showrooming visti in letteratura sono principalmente tre:
- camerini virtuali, capaci di aiutare i clienti a valutare l’idoneità del prodotto ai propri scopi, principalmente basati su soluzioni di computer vision[6];;
- AI chatbot basati su algoritmi di natural language processing (NLP) che guidano i clienti nell’acquisto fornendo informazioni e assistenza[7];
- motori di raccomandazione in grado di suggerire le migliori soluzioni disponibili e a navigare sterminati cataloghi online[8].
Studi recenti hanno mostrato che le tecnologie AI permettono di migliorare l’esperienza online degli utenti in maniera significativa[9] e a creare un valore economico aggiuntivo pari a $ 15,7 trilioni[10].
Le soluzioni sviluppate dalle grandi piattaforme
Di fronte a queste evidenze, i grandi retailer online hanno sviluppato diverse soluzioni.
Amazon ha creato proprio dei virtual showroom che offrono la soluzione di virtual try-on, permettendo ai clienti di provare diversi prodotti, tra cui le scarpe di Reebok, Adidas, New Balance.
Jd.com e Tmall.com applicano soluzioni 3D, VR, AR per rendere visibili versioni stereoscopiche dei propri prodotti, riducendo l’incertezza rispetto alla vestibilità.
Stitch Fix utilizza l’AI in maniera pervasiva per analizzare e comprendere i bisogni degli utenti e offrire la soluzione più adatta, considerando anche i trend del momento.
Nike da tempo ha un ruolo di leadership nell’utilizzo dell’IA lungo l’intero customer journey e l’intera catena del valore, incluse le soluzioni di generative AI per il design dei prodotti, la creazione di contenuti di comunicazione e l’interazione con i clienti.
Accanto alle soluzioni tecnologiche, un ruolo significativo è svolto dalle condizioni di reso molto favorevoli. Diverse legislazioni sono fortemente orientate a favore del consumatore: in Europa, ad esempio, i clienti hanno per legge il diritto a 15 giorni di reso gratuito senza condizioni. Nei Paesi in cui tale normativa non è presente, sono i grandi colossi a intervenire direttamente: è il caso di Tmall e JD.com in Cina, che hanno deciso autonomamente di offrire 7 giorni di reso con condizioni simili per tutti i clienti.
La risposta dei retailer tradizionali al commercio online consiste principalmente nell’aumentare il livello di servizio e nell’offrire proprio quell’esperienza sensoriale e tattile assente nei concorrenti online, con l’effetto però di alzare i prezzi, finendo per rafforzare il fenomeno showrooming, a beneficio delle grandi piattaforme.
Adidas speed factory: la robotica al servizio della personalizzazione di massa
Tra gli esempi significativi di ricorso all’IA e alla robotica per il miglioramento delle performance, dell’esperienza del cliente e della riduzione del tasso di reso, c’è sicuramente l’Adidas Speed Factory, in grado di personalizzare su larga scala prodotti con caratteristiche di mercato di massa, favorendo anche una produzione localizzata, riducendo i tempi di consegna e aumentando la capacità di risposta alle richieste del mercato, in particolare in termini di personalizzazione. I consumatori non cercano solo offerte standard, desiderano creazioni personalizzate che riflettano le loro preferenze uniche. Attraverso la Speed Factory, Adidas è in grado di regolare rapidamente le proprie linee di produzione per adattarsi ai gusti e agli stili in evoluzione, offrendo prodotti su misura con un’efficienza straordinaria. Grazie a programmazione avanzata e automazione sono possibili scelte di design specifiche: l’approccio “paint-by-numbers” permette ai consumatori la possibilità di mescolare e abbinare vari componenti della scarpa per un look unico.
Un altro vantaggio notevole dell’applicazione estensiva della robotica risiede nell’efficientamento dell’assemblaggio: la riduzione degli errori garantita dai robot rende sostenibile il processo di personalizzazione.
Sephora virtual artist: computer vision per estendere al digitale l’esperienza fisica
Con Sephora Virtual Artist, i clienti realizzano si possono truccare virtualmente, realizzando con pochi click il proprio make-up ideale, provando un’infinità di prodotti senza i limiti esistenti nel mondo fisico. Anzitutto per la dimensione della libreria di ombretti, lucidalabbra, rossetti, estensioni di ciglia per trovare la combinazione ideale e il proprio look unico, anche senza entrare in negozio.
L’app di make-up di Sephora utilizza il riconoscimento facciale e il tracciamento personalizzato degli elementi del viso per permettere ai clienti di provare i prodotti ovunque. L’app scansiona il viso, rileva occhi, labbra e guance per il posizionamento del prodotto, e consente di provare virtualmente il trucco valutare la preferenza per un eyeliner o un rossetto. Nell’app sono disponibili anche tutorial per costruire make-up completi e conoscere le ultime tendenze, imparando a crearle virtualmente sul proprio viso.
La tecnologia augmented reality e di analisi del tono della pelle, utilizzata anche da ModiFace, consente al chatbot AI di offrire raccomandazioni specifiche, inclusi i prodotti nelle singole varianti.
L’intelligenza artificiale entra anche nell’utilizzo della cronologia degli acquisti del cliente e delle altre interazioni online e offline per fornire, attraverso il motore di raccomandazione, suggerimenti ad hoc e in definitiva un’esperienza di acquisto altamente personalizzata.
Le principali evidenze emerse dello studio
La ricerca datata 2024 sul tema dei resi, dello showrooming e dell’impatto dell’intelligenza artificiale giunge ad alcune conclusioni importanti.
L’IA risolve la sfiducia dei consumatori online
Quando il costo di applicazione della tecnologia AI è relativamente basso, introdurla nelle operazioni del retailer potenzierà ulteriormente l’effetto showrooming, con potenziale ulteriore impatto negativo rispetto ai punti vendita puramente fisici. Dallo studio emerge infatti che le soluzioni AI possono risolvere completamente l’incertezza sulla compatibilità del prodotto. In queste circostanze, una riduzione appropriata del prezzo da parte della piattaforma attirerà più consumatori. Paradossalmente, un incremento del servizio da parte dei negozi fisici potrebbe rafforzare l’effetto showrooming, soprattutto in caso di aumento del prezzo dovuto all’incremento della qualità del servizio.
L’utilizzo di soluzioni di AI da parte delle piattaforme cresce a fronte di politiche di reso particolarmente onerose
La piattaforma preferisce applicare la tecnologia AI nel caso in cui ai consumatori sia permesso restituire i prodotti non idonei. Quando invece è reso più difficile o oneroso il reso, l’impatto dell’IA è inferiore e il problema dell’idoneità non può essere risolto completamente. I risultati ottenuti dalla sperimentazione suggeriscono che, nella pratica, le piattaforme dovrebbero evitare di applicare la tecnologia AI per prodotti con bassa probabilità di compatibilità o prodotti altamente personalizzati. Infine, il modello e i dati empirici mostrano che la decisione del negozio fisico di incrementare lo sforzo di servizio non ha influenza sulla decisione della piattaforma di applicare la tecnologia.
L’efficacia del miglioramento del servizio da parte del punto vendita fisico è limitato dall’utilizzo dell’AI da parte delle piattaforme
In risposta all’introduzione della tecnologia AI da parte delle piattaforme nelle operazioni di vendita, i negozi fisici dovrebbero incrementare il proprio servizio per riconquistare la quota di mercato. Tuttavia, se le piattaforme online utilizzano l’AI per migliorare la valutazione del cliente in sede di decisione, il recupero di quote di mercato da parte del negozio fisico è molto più contenuto.
Come si vede, sono numerose e variegate le implicazioni per i decisori, in particolare nello sviluppo della strategia AI.
Sitografia
https://paperpile.com/g/academic-research-databases
Google Scholar
https://www.webofknowledge.com
https://ieeexplore.ieee.org/Xplore/home.jsp
Altri link
https://www.sciencedirect.com/science/article/pii/S1366554523003976
https://www.emerald.com/insight/content/doi/10.1108/FS-10-2021-0210/full/html
Articoli presenti
L’IA mette il turbo al retail: strategie per l’efficienza e l’innovazione – Agenda Digitale
Intelligenza artificiale: la terza evoluzione del retail – Agenda Digitale
IA e sicurezza nel retail: meno furti, migliore gestione delle risorse – Agenda Digitale
Retail 4.0: come il digitale ridefinisce il rapporto col cliente – Agenda Digitale
[1] Qiang Wang, Xiang Ji, Nenggui Zhao. Transportation Research Part E: Logistics and Transportation Review. Embracing the power of AI in retail platform operations: Considering the showrooming effect and consumer returns. Transportation Research Part E: Logistics and Transportation Review
Volume 182, February 2024.
[2] Zhang, S., Yao, Y., Zhang, J., 2023b. Consumer showrooming with supplier encroachment and omnichannel retailing. Decis. Sci. 54 (2), 232–249.
[3] Mayzlin, D., Dover, Y., Chevalier, J., 2014. Promotional reviews: An empirical investigation of online review manipulation. Amer. Econ. Rev. 104 (8), 2421–2455.
[4] Wang, Q., Zhao, N., Ji, X., 2022. Reselling or agency selling? The strategic role of live streaming commerce in distribution contract selection. Electron. Commer. Res. 1–34. http://dx.doi.org/10.1007/s10660-022-09581-5.
[5] Chau, P.Y., Hu, P.J.H., Lee, B.L., Au, A.K., 2007. Examining customers’ trust in online vendors and their dropout decisions: an empirical study. Electron. Commer. Res. Appl. 6 (2), 171–182.
[6] Ma, Y., Zhang, C., Li, Y., 2023. Strategies for the retail platform to counteract match uncertainty: virtual showroom and return or exchange policy. Comput. Ind. Eng. 176, 108832.
[7] Cohen, M.C., 2018. Big data and service operations. Prod. Oper. Manage. 27 (9), 1709–1723.
[8] Yang, W., Zhang, J., Yan, H., 2022b. Promotions of online reviews from a channel perspective. Transp. Res. E 161, 102697.
[9] Huang, M.H., Rust, R.T., 2018. Artificial intelligence in service. J. Serv. Res. 21 (2), 155–172.
[10] Lui, A.K., Lee, M.C., Ngai, E.W., 2022. Impact of artificial intelligence investment on firm value. Ann. Oper. Res. 308, 373–388.
