E-commerce retouren verminderen: verhoog je winst in 4 stappen

Een bestelling die retour gaat betekent omzetderving en kosten. Daarom is het niet gek dat e-commerce organisaties het aantal retouren willen beperken. In dit artikel laten we je een datagedreven aanpak zien die hierbij helpt. Niet alleen om het aantal retouren te verminderen, maar ook om de kosten naar beneden te brengen.

Retouren voorkomen = winst verhogen

Retouren zijn voor veel webshops een belangrijk onderwerp. Per productsoort verschilt het percentage van de bestellingen wat retour komt sterk. In sommige markten kan dit oplopen tot zo’n zestig procent van alle verkopen. De markt van kleding en accessoires bijvoorbeeld, kent een retourratio van veertig tot zestig procent. Dat terwijl elektronica of voeding op slechts drie tot tien procent uitkomt.

Een enorm brede spreiding dus. In welke markt je ook opereert: retouren drukken significant op de winst van je webshop. Dat is natuurlijk niet wat je wil, maar je het ook als een kans zien. Immers, ieder retour wat je kunt voorkomen, betekent een hogere winst.

Het probleem ligt bij de oorzaak

Als je retouren wil verminderen, moet het retourproces goed in elkaar zitten. Dit proces kan op verschillende plaatsen in je organisatie terugkomen. Een belangrijk onderdeel hiervan is het monitoren van de oorzaak van de retouren. Er zijn ontzettend veel redenen waarom klanten producten retourneren. Iedere oorzaak heeft ook weer een eigen oplossing. Hieronder vind je twee veelvoorkomende voorbeelden.

Voorbeeld 1: te weinig informatie

Retourneert een klant een product omdat zij verkeerd of onvoldoende geïnformeerd is? Dan kan de oplossing liggen bij de content op je website, of bij je klantenservice. Voeg bijvoorbeeld een instructievideo of uitgebreidere productbeschrijvingen aan de productpagina toe.

Voorbeeld 2: defect

Retourneert een klant omdat het product defect was? Ga dan de uitdaging aan om te achterhalen op welke plek in de keten het defect ontstaan is. Bijvoorbeeld bij de leverancier, bij de fulfilment of tijdens de verzending. Kwaliteitscontrole op verschillende plekken in het proces kan dit verhelpen.

Retouren verminderen in vier stappen

Het liefst zouden we ieder retour individueel analyseren en het probleem bij de bron aanpakken. Helaas is dit een tijdrovend en inefficiënt proces. Gelukkig zijn er snellere oplossingen. Door handig gebruik te maken van je data kunnen gaan we aan de slag met laaghangend fruit. Je begint met de producten die een grote invloed hebben op je proces. Dit laaghangende fruit pluk je via vier eenvoudige stappen:

Monitoren - Meet het aantal retouren, je retourratio en de waarde van de geretourneerde producten.
Breakdown - Splits je retour metrics op in kleinere delen. Zo ben je beter in staat patronen te ontdekken. Daaruit haal je belangrijke managementinformatie. Denk bij het segmenteren van de data aan het aantal retouren per product, per klantsegment, per retourreden, of over tijd.
Retourkosten benaderen - Schat zo exact mogelijk de kosten per retour.
Verbeteren - De inzichten uit de eerste drie stappen heb je in je zak. Nu kun je aan de slag! Verbeter je processen en verminder je retouren.

In de rest van dit artikel bekijken we deze vier stappen in meer detail.

Stap 1: monitor het retourproces

In het retourproces is het belangrijk om drie zaken goed te meten:

Het aantal retouren
De retourwaarde
De retourratio

Deze data maken wij graag duidelijk met een visualisering. Hiervoor gebruiken we vaak een vergelijking tussen de drie laatste jaren, uitgesplitst per maand.

Voor je de data kunt visualiseren, moet je deze natuurlijk eerst hebben. Maar hoe pak je dat aan? Het aantal retouren zul je moeten tellen. De retourwaarde is de opgetelde verkoopwaarde van de geretourneerde producten.

Twee methoden retourratio e-commerce berekenen

Nadat je het aantal retouren geteld en de retourwaarde berekend hebt, kun je de retourratio uitrekenen. In de basis gaat dat als volgt:

retourratio= retourwaardeomzet×100%

De berekening van de retourratio kun je echter op twee manieren aanpakken. Je kunt de orderdatum als uitgangspunt nemen, of de retourdatum.

Retourratio berekenen op basis van orderdatum

Bereken je de retourratio op basis van orderdatum? Dan ziet de berekening er als volgt uit:

retourratio (15 jan. 2020)= retourwaarde (besteld op 15 jan. 2020)omzet (15 jan. 2020)×100%

Aan het werken met de orderdatum kleeft wel een nadeel. Namelijk, zolang je retourtermijn loopt, kan de retourratio veranderen. Producten die recent besteld zijn, kunnen immers nog retour komen. Daardoor kan de retourratio te positief uitvallen. De retourratio van vandaag is bijvoorbeeld altijd 0%.

Retourratio berekenen op basis van retourdatum

Bereken je de retourratio op basis van retourdatum? Dan ziet de berekening er als volgt uit:

retourratio (15 jan. 2020)= retourwaarde (geretourneerd op 15 jan. 2020)omzet (15 jan. 2020)×100%

Ook aan het werken met de retourdatum kleeft een nadeel. Namelijk, wanneer je omzet niet stabiel is, kan de retourratio enorm schommelen. Bijvoorbeeld: het is 15 januari, de feestdagen zijn achter de rug en het is een rustige dag. De feestdagen zelf waren natuurlijk erg druk. Dat betekent dat op dit moment de omzet laag is, maar de retourwaarde hoog.

De retourdatum als uitgangspunt heeft ook een voordeel. Je weet namelijk (in bovenstaand voorbeeld) op 16 januari precies wat het retourpercentage van 15 januari was. Dit verandert ook niet meer. Daarom kijken financieel managers graag naar dit cijfer.

Welke berekening van retourratio is de beste?

Ik raad je aan om juist naar het eerste cijfer te kijken. De berekening op basis van orderdatum dus. Dit geeft een veel zuiverder beeld van je retouren. Bovendien stelt het je in staat de retourratio te segmenteren. Hierover meer in de volgende stap.

Stap 2: Breakdown

Na de eerste stap hebben we de drie belangrijkste metrics in beeld. Nu kunnen we kijken naar de vier belangrijkste dimensies waarop we data kunnen segmenteren:

Datum
Product
Retourreden
Klantsegment

Retourratio per product

De retourratio per product is een van de meest inzichtvolle analyses om mee te beginnen. Eerst bereken je per product de omzet van de afgelopen twaalf maanden, de retourwaarde en de retourratio. Vervolgens plaats je al je producten in een matrix (een scatterplot). Hierin stelt de horizontale as de retourratio voor en de verticale as de retourwaarde.

Het laaghangende fruit bevindt zicht rechtsboven in de matrix: een hoge retourwaarde en een hoge retourratio. Met andere woorden, je verkoopt er veel van EN er worden er veel van geretourneerd. Wil je je retourratio verbeteren? Focus je dan als eerste op deze producten.

Retourratio per retourreden

De volgende aanpak is het kijken naar de oorzaak. Door de retourredenen in detail te bekijken, pak je retourreductie bij de bron aan. Als je dit proces automatiseert, kwantificeer je de oorzaken. Zo kun je snel en onderbouwd een of meerdere processen aanwijzen waar mogelijkheden voor verbetering liggen. Misschien moet je wel de informatie op website aanpassen. Of je leverancier moet de kwaliteit van een onderdeel van het product verbeteren. Het zou ook kunnen dat je klantenservice of fulfilmentteam betere instructies nodig hebben.

Kijk vooral eens hoe de grotere spelers het retourproces op hun website aanpakken.

Retourratio per klant(segment)

Je kunt klanten op ontzettend veel manieren segmenteren. Hiervoor kun je bijvoorbeeld demografische gegevens gebruiken, of de soort orders die een klant plaatst. Daarnaast kun je segmenteren op retourratio. Neem dan het bovenste segment (bijvoorbeeld de twintig procent van de klanten met de meeste retouren; of juist met de minste retouren). Op welke kenmerken / met welk gedrag verschillen zij van de andere segmenten, die minder retourneren? Op die manier kun je zelfs naar individuele klanten bekijken. Zo kun je hele interessante inzichten opdoen.

De YouTuber

Bij Meermetdata.nl verzorgen we voor verschillende webshops data-analyse ten behoeve van procesverbetering. Bij een daarvan vond ik wel een héél interessante retourreden. Tijdens het analyseren van de retourratio per klant (op individueel niveau dus) kwam een vreemd getal bovendrijven. Een bepaalde klant had al voor duizenden euro’s aan elektronica besteld. Echter, meer dan 95 procent daarvan kwam heel snel weer retour. Wat bleek nou? Deze klant was een tech-YouTuber, die drie keer per week de nieuwste producten recenseerde op zijn kanaal. De producten bestelde hij op de webshop in kwestie. Vervolgens deed hij zijn review. Daarna gingen de producten linea recta weer terug naar de webshop. Na deze ontdekking plaatste de webshop deze klant op een blacklist. Zo wist de webshop meer dan honderd retouren per jaar te besparen, zonder omzet te verliezen.

In het voorbeeld ontdekten we een bijzonder veel retouren bij één klant. Uit zo’n ontdekking moet je natuurlijk lering trekken. De webshop in kwestie deed dit gelukkig wel. Daar gaat nu automatisch een belletje rinkelen als het systeem bij individuele klanten buitensporige hoeveelheden retouren registreert. Na deze melding start een klantenservicemedewerker een klein onderzoek.

Retourratio per datum

Een andere hele logische manier om naar retourratio te kijken, is per tijdsbestek. Bijvoorbeeld per maand, kwartaal of jaar. Door dit te bestuderen leer je hoe de trend grofweg verloopt: lopen de retouren op, of worden het er minder? Hoe dan ook, stel op basis van deze data vooral een target.

Als je met tijd werkt kun je het natuurlijk ook anders bekijken. Bijvoorbeeld zomermaanden versus wintermaanden, werkdagen versus weekenddagen, maandagen versus dinsdagen, ochtenden versus avonden, etc. Hier kunnen interessante inzichten uitkomen.

Al het bovenstaande

Vaak zit het begrijpen van je retouren in een aantal factoren. Je kunt eenvoudig verbeterkansen spotten als je de data combineert en kijkt naar retouren:

van bepaalde producten;
met een bepaalde retourreden;
door een bepaald type klant;
over tijd.

Stap 3: retourkosten benaderen

Wil je op een nog hoger niveau aan de slag met datagedreven retourreductie? Dan kun je nog een stap verder gaan dan retourratios analyseren. In deze stap ga je de retourkosten in kaart brengen. Dit zijn alle directe kosten die je maakt op een retour, door je gehele proces. Dat proces loopt vaak als volgt:

Een klant meldt een retour aan, bij je klantenservice of via de website.
De webshop verzorgt wat administratieve handelingen zodat de klant het product kan terugsturen.
De logistieke partner levert het pakket met het retour aan bij de webshop.
Het magazijn en de administratie van de webshop verwerkt het retour.
De klant ontvangt het aankoopbedrag terug, krijgt een vervangend product opgestuurd, of nog een andere oplossing.
Het geretourneerde product krijgt een nieuw leven: terug in de voorraad, terug naar de leverancier of de prullenbak in.

Aan elk van bovenstaande acties zijn kosten verbonden. Door die in kaart te brengen leer je exact wat een retour kost. Vervolgens kun je heel exact bepalen waar jouw organisatie de meeste kosten maakt. Dit kan onder andere door naar de doorsnedes te kijken die we in stap 2 hebben gemaakt.

Stap 4: Verbeteren

Je hebt nu alle data over retouren in beeld:

Je monitort het retourproces. Nu weet je hoeveel retouren er zijn, wat de waarde hiervan is en hoeveel procent van de verkopen retour komt.
Je hebt inzichten gehaald uit het segmenteren van de data. Dit heb je gedaan op productniveau, danwel retourreden, klantsegment of tijdsbestek.
Je hebt de stappen van je retourproces uitgetekend en in kaart gebracht welke kosten aan welke stap verbonden zijn.

Je weet dus kent dus alle pijnpunten (ofwel: mogelijkheden voor verbetering). Nu ben je klaar voor de laatste stap: het daadwerkelijk doorvoeren van verbeteringen. Ik raad webshops aan dit via de Plan-do-check-act methode te doen.

Plan

Identificeer je probleem, zoals besproken in stap één tot drie.

Do

Bedenk potentiële oplossingen. Daarbij is het van belang om creatief te denken.

Organiseer bijvoorbeeld een brainstormsessie en presenteer wat je opviel in stap één tot drie. Ga daarna met je team aan de slag om creatieve oplossingen te bedenken. Sommige zullen heel logisch volgen uit je gevonden inzichten. Andere zullen je dwingen om ‘outside-the-box’ te denken.

Vervolgens kun je deze acties in de praktijk brengen.

Check

Controleer of de uitvoering van de bedachte oplossing het gewenste effect heeft bereikt.

Act

Gewenst effect bereikt: ja? Behoud je verbetering. Nee? Dan moet je terug naar de tekentafel.

Blijf verbeteren

In bovenstaande afbeelding zie je dat dit proces een cirkel is. Je bent immers nooit klaar met verbeteren. Er kunnen altijd nieuwe retouren ontstaan, met oorzaken die je nooit eerder bent tegengekomen. Daarom raden we onze klanten aan maandelijks de retourratio te monitoren. Hang daar een doelstelling aan vast. Bepaal ook specifieke acties, mocht je de doelstelling niet behalen. Als je blijft monitoren en verbeteren, voorkom je dat de retouren ongemerkt oplopen.

Aan de slag met analyseren

Er bestaan verschillende methodes om dit soort analyses te maken. Hiervoor geven wij de voorkeur aan Tableau of PowerBI (je kunt ze ook in Excel doen of in Python/Javascript programmeren). Daarin is de data opgeslagen en gestructureerd in een datawarehouse. Dit richt je eenmalig in. Daarna heb je met een druk op de knop alle actuele inzichten tot je beschikking. Dit kan in een dashboard, of elke dag/week/maand op je mail.

Wil je graag dat we eens meedenken met jouw retouranalyse? Plan een vrijblijvend gesprek in of neem contact met ons op:

Plan een vrijblijvend gesprek in Neem contact op

Op zoek naar ready-to-go Power BI implementaties?

Neem dan zeker een kijkje naar het aanbod van ons dochterbedrijf Studio Power BI.