Retourenverhinderung durch gezielte Rabatte: Entwicklung eines KI-basierten Prototyps mit Low-Code-Technologie für den Kundendienst

In dieser Fallstudie wurde ein Prototyp entwickelt, der den Mitarbeitenden des Kundendienstes Rabatte für die Kundschaft vorschlägt, um Retouren zu verhindern. Durch die gewährten Rabatte sollen die kaufenden Personen angehalten werden, die Produkte zu behalten. Zudem soll die Zufriedenheit der Kundschaft trotz der Qualitätsdefizite oder Leistungseinschränkungen gewährleistet werden. Die Hauptkomponente des Prototyps ist ein KI-basiertes Modell, das auf dem Fallbasierten Schließen beruht und zur verbesserten Nutzbarkeit in eine Webapplikation integriert wurde. Mit Hilfe der Low-Code-Technologie myCBR konnten der Entwicklungsprozess beschleunigt und die Entwicklungskosten gering gehalten werden. Die Evaluierung erfolgte unter realen Bedingungen bei einem kooperierenden Versandhändler für Möbel und Wohnaccessoires und zielte darauf ab, sowohl die Praktikabilität als auch die Ökonomie des Prototyps zu ermitteln. Die Studie belegt, dass der Prototyp in der Lage ist, die Datengrundlage des Kundendienstes systematisch zu nutzen, um effiziente und kostenreduzierte Rabattvorschläge zu generieren. Indem die Rabatte datenbasiert vergeben werden, können Anliegen der kaufenden Personen effektiver gelöst und unnötige Retouren verhindert werden. Durch die Verhinderung von Retouren trägt der Prototyp somit zur Nachhaltigkeit, Kostenreduktion und Ressourceneffizienz bei.