电子商务是一股势不可挡的力量，预计到2020年销售额将达到4万亿美元。无数调查显示，与实体店相比，消费者更喜欢网店的便利性，但对于那些试图以自由退货政策击败竞争对手的公司来说，这是一个好坏参半的问题。

据估计，有高达三分之一的在线订单被退回，从而降低了利润率。

在谷歌和总部位于印度的电子商务公司Myntra Designs的研究人员发表的一篇新论文中，对退货痛点进行了一番尝试。他们使用一个机器学习模型，对顾客的偏好、体型、产品视图等数据集进行培训，并设法在购买前预测每位顾客的退货概率。

为了确定哪些因素对退货产生了不成比例的影响，研究人员对Myntra Designs的电子商务平台进行了分析，该平台一次可承载约60万种产品，每周促成数百万份订单。

他们发现，他们发现，在所有退货订单中，当购物车中有一些类似的产品时，会有4%的退货发生。此外，他们发现53%的退货是由于数量和配合相关的问题，退货率高度依赖于购物车的商品数量，购物车内超过五种产品时，退货率约为72%，而购物车只有一种产品的退货率为9%。而且较旧的存货退货率几乎是较新产品的两倍。

在此基础上，研究人员设计了一个他们称之为混合双模型的模型来预测购物车和物品退货概率。高级AI分类器对可回收购物车进行分类，而第二个分类器预测单个产品级别的回收概率。

在实验中，最佳的退货预测AI系统在接收机工作特性（AUC）下达到了83.2%的面积（检测精度的测量）和74%的精度。在对100000名用户进行的现场测试中，与对照组相比，订单数量略有下降（下降了1.7%），但退货率下降了3%。

研究人员指出，了解哪些客户可能退回物品，零售商可以采取先发制人的行动，例如个性化运费或通过提供优惠券使产品无法退回。"作为未来的工作，我们计划将这个模型应用于更多可以进一步帮助降低总体回报的行动项目，"他们写道。