赚大钱的人都是什么人 MIT:退货不可怕 从退货政策“赚大钱”的逻辑

2019-09-23 - 赚大钱

在欧美零售圈,退货一直都是超级人性化的。

比如L.L。 Bean在过去的100年间,都有着超级慷慨的退货条款:无时间限制、不需要提供收据,于是就出现了退回10年前购买的商品的案例。结果,和中国一样,羊毛党来了,他们可能从eBay上买来廉价商品或者把从垃圾箱中淘换回来的商品,拿到L.L。 Bean,要求退款。

赚大钱的人都是什么人 MIT:退货不可怕 从退货政策“赚大钱”的逻辑
赚大钱的人都是什么人 MIT:退货不可怕 从退货政策“赚大钱”的逻辑

最终,在过去5年间,这群羊毛党给L.L。 Bean带来的损失超过5000万美元,大于相当于年利润的30%。于是,在2018年2月,L.L。 Bean修改了退货政策,将时间限制在1年以内——结果,不仅出现了来自消费者的集体诉讼,还导致大量真正忠诚的消费者发誓不再光顾L.L。 Bean。因为他们认为,自己正在为那些羊毛党的行为接受惩罚。

赚大钱的人都是什么人 MIT:退货不可怕 从退货政策“赚大钱”的逻辑
赚大钱的人都是什么人 MIT:退货不可怕 从退货政策“赚大钱”的逻辑

其实,经历类似情况的零售商还有很多,此类“羊毛党”也非常多——在2018年1月份,Costco的一位员工就在社交媒体爆料,一位在2017年年底购买圣诞树(为了过圣诞季啊……)的消费者要求退货,原因是这棵树死了……

所以,零售商们开始调整自己的策略,看起来也是无可厚非的。但是问题也来了,一刀切虽然极大减少了羊毛党的侵袭,但是对于忠诚客户来说,就是直接“躺枪”了。既然零售商可以在各个细节方面实现所谓的“个性化”而非一刀切,那么退货方面可以么?

对频繁退货的消费者进行精准打击

退货可是个大生意,数据显示,2017年,全美退货商品总价值3510亿美元——如果这是一家公司的销售额的话,它将是《财富500强》的第二名,仅次于沃尔玛。另一方面,在美国,大约10%的商品最后被退货。这些退回的商品很多未必被重新摆上货架,在算上由此带来的人力劳动,你就知道这个成本简直炸裂。

同时,退货给零售商带来的损失大约230亿美元,这相当于沃尔玛、好市多和家得宝(Home Depot)三家零售商一年白干——直接抹平了三家净利润的总和。

由此可见,其实最好的情况是,对羊毛党和那些频繁退货的用户进行精准打击,甚至,当他们拿着钱来买东西的时候就能知道他们是谁,进而针对他们收取类似于补货费、甚至拒绝为他们退货。

Texas A&M University大学的三位教授对一家零售商的数据进行了细致分析:这个未具名的零售商拥有100余家实体店、折扣店、产品目录销售以及电商网站。他们对过去7年来,总计100余万名消费者以及超过7500万条购买记录进行了分析。

他们发现了7个关键变量,加起来居然能解释顾客盈利能力的94%,如图所示:

对数据的研究还发现,通过识别那些终身盈利能力为负数的消费者,他们居然可以预测哪些人最可能滥用退货策略:只需要5次交易记录,就可以让预测的准确性达到99.96%,如果有10次(及以上)交易记录,那么正确率就能达到99.98%。

因此,三位教授将客户分为三种类型:合理的退货者、从不退货者以及滥用退货政策者。

由此可见,一位合理的退货者每年能带来1445美元的利润贡献——这也是最有利可图的消费群体,数量也非常巨大。与此同时,那些滥用退货政策的消费者虽然数量占比只有0.4%,但是退货率平均60%,每人每年给企业带来1254美元的损失。

个性化的退货政策营运而生

对于零售商来说,退货很正常,因此首先要让用户了解的是,零售商是愿意接受退货的(尤其是亲自到店退货,这样可能还能在店内买点东西),同时,要让消费者清楚,零售商会对不合理的退货进行监控,如果发现过度的退货历史,那么有权拒绝退货——这点亚马逊做的就很好,有不少天天退货的消费者,都上了“黑名单”,他们都无法退货了。

从模型看,可以在销售过程中明确自己的退货政策是不同的,对于那些天天退货的消费者,他们可以退货,但是需要承担一定的费用——例如补货费、运费等。

同时,对于特定商品,尤其是季节性的,可以调整退货策略,避免这类退货的过度发生。

这是针对于那些羊毛党和滥用退货政策的消费者,但是同时,还有更多机遇:

对于那些从不退货的消费者,他们的购买频次和数量其实是相对较低了,还有很大提升空间,因此可以给他们更“优厚”的退货条款,让他们多多下单购买,将这群平均只和零售商有1.7年合作关系的消费者——1.7年属于还是比较“新”的消费者,甚至是一群很理智的消费者——进化为和自己有长期合作的消费者。

方法很简单,可以让他们同时购买同一品类不同竞争品牌的商品,最后让他们把不喜欢的退回来就是了——这个逻辑是不是和现在的订阅箱(Subscription Box)有点像?