Returregler er skrevet for kunder, men automatisering av returregler krever operative detaljer. Formuleringer som «ubrukte varer innen 30 dager» lar viktige spørsmål stå ubesvart: Hvilken dato starter fristen? Hvilke produkter er unntatt? Hvilken dokumentasjon kreves? Er reglene forskjellige fra marked til marked?
Automatisering blir pålitelig når retningslinjene konverteres til eksplisitte beslutninger som kundebehandlere og systemer kan bruke konsekvent.
Begynn med en beslutningstabell for returreglene
List opp forholdene som endrer resultatet. Hold språket til kunden enkelt, men gjør den interne logikken presis.
| Vilkår | Eksempel på intern regel | Kunderesultat |
|---|---|---|
| Returfrist | Tell fra leveringsdato der den finnes | Innenfor eller utenfor fristen |
| Produktkategori | Ekskluder personaliserte eller hygienesensitive varer | Forklar kategoribegrensning |
| Varens tilstand | Krever ubrukt vare med originale merkelapper | Be om detaljer eller godkjenn |
| Salgsstatus | Bruk de publiserte salgsvilkårene | Refusjon, tilgodebeløp eller utenfor returretten |
| Marked | Bruk vilkår for kundens kjøpsregion | Riktig lokal prosess |
| Tidligere kompensasjon | Sjekk erstatnings-, tilgode- og refusjonshistorikk | Unngå dobbel kompensasjon |
Tabellen skal skille en hard regel fra et signal som trenger vurdering. Et manglende bilde kan utløse en forespørsel om informasjon; det bør ikke alltid bety automatisk avvisning.
Utform kundereisen
- Forstå forespørselen. Identifiser bestillingen, varen, årsaken og ønsket løsning.
- Sjekk returrett. Les kjøps-, leverings- og produktdata samt gjeldende retningslinjer.
- Spør kun om manglende informasjon. Ikke la kundene gjenta detaljer som allerede er tilgjengelige i Shopify eller tidligere meldinger.
- Forbered neste handling. Dette kan være en returetikett, lenke til returportalen, et byttealternativ eller eskalering.
- Sett forventningene. Forklar tidsfrister, emballasjekrav, gebyrer og refusjonstidspunkt.
- Registrer årsaken. Strukturerte returårsaker hjelper produkt-, logistikk- og varepresentasjonsteamene med å forbedre seg.
Ved bytte må beslutningsmodellen også ta hensyn til lagerbeholdning og prisforskjeller. Veiledningen om automatisering av bytter i Shopify beskriver denne arbeidsflyten mer detaljert.
Skriv svar for beslutninger, ikke makroer
Tradisjonelle makroer inneholder ofte et langt avsnitt med flere «hvis»-setninger. Kundebehandlerne sletter de delene som ikke gjelder, noe som skaper feil og ujevn tone. Et utkast som bygger på returreglene, bør bare inneholde vilkårene som gjelder for den aktuelle bestillingen.
En god bekreftelse på en godkjent retur oppgir hvilken vare returen gjelder, neste trinn, fristen og når refusjonen eller byttet starter. Et godt avslag forklarer den relevante regelen og tilbyr et reelt alternativ dersom det finnes. Systemet skal aldri finne på en kompensasjon bare for å virke hjelpsomt.
Dette er en grunn til at kundeservicemakroer og AI-utkast løser forskjellige problemer.
La mennesker behandle unntakene
Eskaler saker som gjelder høy ordreverdi, gjentatte krav, uklare leveringsdatoer, motstridende regelkilder, regulerte varer eller sårbare kunder. Eskaler også situasjoner der en streng regel står i veien for en åpenbar mulighet til å gi kunden en rimelig løsning.
Menneskelig vurdering er ikke en automatiseringssvikt. Et godt utformet system fjerner rutinearbeid slik at folk kan fokusere på unntak som krever kommersiell vurdering.
Hold retningslinjene oppdaterte som et system
Tildel en eier og ikrafttredelsesdato til hver regel. Når de offentlige retningslinjene endres, oppdater den operative beslutningstabellen og test vanlige scenarier før publisering. Hold markedsspesifikke variasjoner atskilt i stedet for å skjule dem i notater.
Spor beslutninger om returrett, årsaker til overstyring, endringer fra kundebehandlerne, gjenåpningsgrad og returårsaker. Hyppige overstyringer kan avsløre en dårlig regel, mens gjentatt forvirring hos kundene kan avsløre uklart språk i retningslinjene. Disse tilbakemeldingene forbedrer både arbeidsflyten i kundeservice og de offentlige retningslinjene.
Begynn med én region og et lite antall produktkategorier. Når teamet ser konsistente resultater, utvider du forsiktig. Den tilnærmingen gjør Retur og bytte med AI til en kontrollert driftsprosess i stedet for en generisk svargenerator.