電子商務是一股勢不可擋的力量，預計到2020年銷售額將達到4萬億美元。無數調查顯示，與實體店相比，消費者更喜歡網店的便利性，但對於那些試圖以自由退貨政策擊敗競爭對手的公司來說，這是一個好壞參半的問題。

據估計，有高達三分之一的在線訂單被退回，從而降低了利潤率。

在谷歌和總部位於印度的電子商務公司Myntra Designs的研究人員發表的一篇新論文中，對退貨痛點進行了一番嘗試。他們使用一個機器學習模型，對顧客的偏好、體型、產品視圖等數據集進行培訓，並設法在購買前預測每位顧客的退貨概率。

爲了確定哪些因素對退貨產生了不成比例的影響，研究人員對Myntra Designs的電子商務平臺進行了分析，該平臺一次可承載約60萬種產品，每週促成數百萬份訂單。

他們發現，他們發現，在所有退貨訂單中，當購物車中有一些類似的產品時，會有4%的退貨發生。此外，他們發現53%的退貨是由於數量和配合相關的問題，退貨率高度依賴於購物車的商品數量，購物車內超過五種產品時，退貨率約爲72%，而購物車只有一種產品的退貨率爲9%。而且較舊的存貨退貨率幾乎是較新產品的兩倍。

在此基礎上，研究人員設計了一個他們稱之爲混合雙模型的模型來預測購物車和物品退貨概率。高級AI分類器對可回收購物車進行分類，而第二個分類器預測單個產品級別的回收概率。

在實驗中，最佳的退貨預測AI系統在接收機工作特性（AUC）下達到了83.2%的面積（檢測精度的測量）和74%的精度。在對100000名用戶進行的現場測試中，與對照組相比，訂單數量略有下降（下降了1.7%），但退貨率下降了3%。

研究人員指出，瞭解哪些客戶可能退回物品，零售商可以採取先發制人的行動，例如個性化運費或通過提供優惠券使產品無法退回。"作爲未來的工作，我們計劃將這個模型應用於更多可以進一步幫助降低總體回報的行動項目，"他們寫道。