Co rekomendacja rozmiaru naprawdę daje przeciw zwrotom

Rozpowszechniona obietnica dostawców głosi, że spersonalizowana rekomendacja rozmiaru obniża zwroty o 25%. Przeliczyliśmy ten mechanizm na 2,33 milionach rzeczywistych pozycji zamówień. Jest on realny, ale dźwignia jest znacznie mniejsza niż reklamowano, a powód leży nie w modelu, lecz w pytaniu, co w ogóle jest problemem rozmiaru.

1 · Bracketing jest duży, ale nie wszędzie jest problemem rozmiaru

Mechanizm nazywa się bracketing rozmiarów: klienci zamawiają ten sam artykuł w kilku rozmiarach, zatrzymują jeden, a resztę odsyłają. W zbiorze danych 16,6% wszystkich pozycji to takie zestawy (brackets), ze wskaźnikiem zwrotów 73%; stanowią one 23,5% wszystkich zwrotów. To pula, którą rekomendacja rozmiaru mogłaby teoretycznie zaadresować.

Tyle że nie każdy bracket jest problemem rozmiaru. Patrząc, ile rozmiarów ostatecznie się zatrzymuje, pula rozpada się:

• 50,5% zestawów: nie zatrzymano niczego. To problem produktu lub gustu, którego żadna logika rozmiarów nie rozwiąże.
• 40,5%: zatrzymano dokładnie jeden rozmiar. Tylko to jest w ogóle problemem rozmiaru, który rekomendacja mogłaby rozwiązać.
• 7,5% zatrzymuje dwa, 1,2% trzy rozmiary.

Dopiero ten podział czyni rachunek uczciwym. Adresowalne są wyłącznie zestawy z dokładnie jednym zatrzymanym rozmiarem, w okresie testowym 17 352 sztuk.

2 · Rekomender zbudowany bez wycieku danych

Spersonalizowany rekomender rozmiaru uczy się z przeszłości: typowego zatrzymywanego rozmiaru każdego klienta w danej grupie produktów, wyłącznie z wcześniejszych zamówień. Gdy tej historii brak, cofa się do najczęściej zatrzymywanego rozmiaru artykułu, a następnie do globalnego domyślnego. Wszystko zbudowane na podziale czasowym, aby nic z przyszłości nie wyciekło do rekomendacji. Historia klienta pokrywa 34,8% przypadków.

Zmierzony czysto, spersonalizowany rekomender trafia w faktycznie zatrzymany rozmiar w 28,8% przypadków, wobec 19,1% przy czystej bazie na poziomie artykułu (która zawsze rekomenduje najczęściej zatrzymywany rozmiar artykułu). Personalizacja działa więc w sposób wykazywalny, a odstęp jest wyraźny.

3 · Co realnie da się wyłapać, a czego nie

Teraz uczciwy pułap. Nawet gdyby rekomender trafiał każdy adresowalny zestaw poprawnie, byłoby to 6,9% wszystkich zwrotów (17 352 adresowalne zestawy odpowiadają 20 607 możliwym do uniknięcia zwrotom). To pułap, a nie wynik.

Realistycznie, przy zmierzonej trafności, spersonalizowany rekomender wyłapuje około 2,0% wszystkich zwrotów; baza na poziomie artykułu dochodzi do 1,3%. Wartość dodana personalizacji jest realna (2,0 wobec 1,3), ale rząd wielkości jest inny niż obietnica 25%.

25% nie jest osiągalne samą rekomendacją rozmiaru - i to nie dlatego, że model jest zbyt słaby, lecz dlatego, że tylko dobre 40% zestawów to w ogóle problem rozmiaru, a połowa (nic nie zatrzymano) nim nie jest.

4 · Najmocniejsze stanowisko przeciwne

Najmocniejsza riposta: z prawdziwymi danymi o dopasowaniu i sylwetce dałoby się więcej. To prawda. Nasz rekomender używa tylko zachowania zakupowego i zatrzymań/zwrotów, bez wymiarów odzieży, bez danych o ciele. Doradca dopasowania z prawdziwymi wymiarami mógłby podnieść trafność, a w asortymentach premium z wysoką stawką kosztu zwrotu opłaca się to wcześniej. Pokazujemy granicę tego, co osiągalne z samych danych zamówień, zmierzoną czysto, bez narzutu 25%.

5 · Czego ten artykuł nie obejmuje

Brak danych o dopasowaniu czy sylwetce, tylko zachowanie zakupowe i zwrotowe. Brak zmierzonego efektu interwencji: to, że dodatkowe zwroty znikają, gdyby zatrzymany rozmiar zamówiono osobno, jest logiką bracketingu, a nie dowodem przyczynowym. Pojedynczy zbiór danych sprzedawcy (DMC 2016), bez uogólnienia branżowego.

Odtwarzalność

Wszystkie liczby powstają z publicznego zbioru DMC 2016 za pomocą repozytorium towarzyszącego fashion-size-fit-prediction (dekompozycja zestawów na pełnych danych, rekomender na podziale czasowym; results/size_metrics.json przechowuje cytowane tu wartości). Surowe dane nie są dołączane ze względów licencyjnych, lecz odtwarzane loaderem z pobrania z Kaggle.

→ Ujęcie ekonomiczne (ile kosztuje zwrot, od kiedy zapobieganie się opłaca) znajduje się w artykule siostrzanym Ile naprawdę kosztują zwroty w modzie.

Źródła

• Podstawa danych: Data Mining Cup 2016 (internetowe zwroty modowe), via Kaggle.
• Artykuł siostrzany z rachunkiem kosztów: Ile naprawdę kosztują zwroty w modzie.