Whalesbook
₹5,000 ਕਰੋੜ ਦੇ ਡਾਟਾ ਘਾਟੇ ਦਾ ਸੱਚ
GS1 India ਦੁਆਰਾ ਕੀਤੀ ਗਈ ਇੱਕ ਵਿਸਤ੍ਰਿਤ ਸਟੱਡੀ ਨੇ ਖੁਲਾਸਾ ਕੀਤਾ ਹੈ ਕਿ ਭਾਰਤ ਦੇ ਈ-ਕਾਮਰਸ ਅਤੇ ਕਵਿੱਕ ਕਾਮਰਸ ਸੈਕਟਰਾਂ ਨੂੰ ਖਰਾਬ ਪ੍ਰੋਡਕਟ ਡਾਟਾ ਦੀ ਗੁਣਵੱਤਾ ਕਾਰਨ ਸਾਲਾਨਾ ਲਗਭਗ ₹5,000 ਕਰੋੜ ਦਾ ਵਿੱਤੀ ਨੁਕਸਾਨ ਹੋ ਰਿਹਾ ਹੈ। ਇਸ 'ਚੋਂ ਲਗਭਗ ₹2,000 ਕਰੋੜ ਦਾ ਘਾਟਾ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਮਾਰਜਿਨ 'ਤੇ ਪੈ ਰਿਹਾ ਹੈ, ਜਿਸਦਾ ਕਾਰਨ ਹੈ ਘੱਟ ਕਨਵਰਜ਼ਨ ਰੇਟ, ਸੂਚੀਬੱਧ ਪ੍ਰੋਡਕਟਸ ਦੀ ਘੱਟ ਵਿਕਰੀ ਅਤੇ ਲੰਬਾ ਸੈਲ-ਥਰੂ ਸਮਾਂ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ₹1,900 ਕਰੋੜ ਸਿਰਫ ਪ੍ਰੋਡਕਟਸ ਦੇ ਵਾਪਸ ਆਉਣ (Return) ਨਾਲ ਜੁੜੇ ਖਰਚਿਆਂ ਵਿੱਚ ਜਾਂਦੇ ਹਨ, ਜਿਸ ਵਿੱਚ ਰਿਵਰਸ ਲੌਜਿਸਟਿਕਸ, ਹੈਂਡਲਿੰਗ ਅਤੇ ਪ੍ਰੋਸੈਸਿੰਗ ਦਾ ਖਰਚਾ ਸ਼ਾਮਲ ਹੈ। ਇਹ ਅੰਕੜੇ ਦੱਸਦੇ ਹਨ ਕਿ ਇਹ ਕੋਈ ਛੋਟੀ-ਮੋਟੀ ਗਲਤੀ ਨਹੀਂ, ਸਗੋਂ ਇੱਕ ਵੱਡੀ ਪ੍ਰਬੰਧਕੀ ਸਮੱਸਿਆ ਹੈ।
ਰਿਵਰਸ ਲੌਜਿਸਟਿਕਸ ਦਾ ਜੰਜਾਲ
ਖਾਸ ਕਰਕੇ ਫੈਸ਼ਨ ਅਤੇ ਕੱਪੜਿਆਂ ਦੇ ਸੈਕਟਰ ਵਿੱਚ, ਗਾਹਕਾਂ ਦੁਆਰਾ ਪ੍ਰੋਡਕਟਸ ਵਾਪਸ ਕਰਨ ਦਾ ਰੁਝਾਨ ਇਸ ਵਿੱਤੀ ਬੋਝ ਨੂੰ ਹੋਰ ਵਧਾ ਰਿਹਾ ਹੈ। ਗਾਹਕ ਅਕਸਰ ਸਾਈਜ਼ ਮਿਲਣ 'ਤੇ, ਸਟਾਈਲ ਪਸੰਦ ਨਾ ਆਉਣ 'ਤੇ ਜਾਂ ਲਿਸਟਿੰਗ ਅਤੇ ਮਿਲੇ ਪ੍ਰੋਡਕਟ ਵਿੱਚ ਫਰਕ ਹੋਣ ਕਾਰਨ ਚੀਜ਼ਾਂ ਵਾਪਸ ਕਰਦੇ ਹਨ। Unicommerce ਦੀ ਰਿਪੋਰਟ ਮੁਤਾਬਕ, ਇੱਕ ਆਰਡਰ ਦੀ ਅਸਲੀ ਡਿਲੀਵਰੀ ਕਾਸਟ ਤੋਂ ਇਲਾਵਾ, ਰਿਵਰਸ ਲੌਜਿਸਟਿਕਸ 'ਤੇ ਆਰਡਰ ਵੈਲਿਊ ਦਾ 5-7% ਹੋਰ ਖਰਚ ਹੋ ਜਾਂਦਾ ਹੈ। ਪੂਰੀ ਦੁਨੀਆ ਵਿੱਚ, ਫੈਸ਼ਨ ਅਤੇ ਫੁੱਟਵੀਅਰ ਕੈਟਾਗਰੀਆਂ ਵਿੱਚ 30-40% ਤੱਕ ਰਿਟਰਨ ਰੇਟ ਦੇਖਿਆ ਜਾਂਦਾ ਹੈ। ਭਾਰਤ ਵਿੱਚ, ਕੱਪੜਿਆਂ ਦੇ ਰਿਟਰਨ ਸਭ ਤੋਂ ਵੱਡੀ ਸ਼੍ਰੇਣੀ ਹੈ, ਜਿੱਥੇ ਹਰ ਚੌਥੀ ਆਈਟਮ ਵਾਪਸ ਭੇਜੀ ਜਾਂਦੀ ਹੈ, ਜੋ ਕਿ ਔਸਤ ਈ-ਕਾਮਰਸ ਰਿਟਰਨ ਰੇਟ 15-20% ਤੋਂ ਕਾਫੀ ਜ਼ਿਆਦਾ ਹੈ। ਇੱਕ ਸਿੰਗਲ ਰਿਟਰਨ ਨੂੰ ਪ੍ਰੋਸੈਸ ਕਰਨ ਦਾ ਖਰਚਾ ਅਸਲ ਡਿਲੀਵਰੀ ਚਾਰਜ ਦਾ 1.5 ਗੁਣਾ ਤੱਕ ਹੋ ਸਕਦਾ ਹੈ।
AI: ਮਾੜੀ ਕਾਰਗੁਜ਼ਾਰੀ ਦਾ ਸਮਾਰਟ ਹੱਲ
ਇਹਨਾਂ ਵਧਦੇ ਖਰਚਿਆਂ ਅਤੇ ਗਾਹਕਾਂ ਨੂੰ ਹੋਣ ਵਾਲੀ ਪਰੇਸ਼ਾਨੀ ਨੂੰ ਦੇਖਦੇ ਹੋਏ, ਪ੍ਰਮੁੱਖ ਈ-ਕਾਮਰਸ ਕੰਪਨੀਆਂ ਪ੍ਰੋਡਕਟ ਡਾਟਾ ਦੀ ਸ਼ੁੱਧਤਾ ਵਧਾਉਣ ਅਤੇ ਗਲਤੀਆਂ ਘਟਾਉਣ ਲਈ ਇੱਕ ਮੁੱਖ ਰਣਨੀਤੀ ਵਜੋਂ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਦੀ ਵਰਤੋਂ ਕਰ ਰਹੀਆਂ ਹਨ। Flipkart ਨੇ ਆਪਣੇ ਸੈਲਰ ਟੂਲਜ਼ ਵਿੱਚ AI ਨੂੰ ਏਕੀਕ੍ਰਿਤ ਕੀਤਾ ਹੈ ਤਾਂ ਜੋ ਪ੍ਰੋਡਕਟ ਲਿਸਟਿੰਗ ਨੂੰ ਸੌਖਾ ਅਤੇ ਵਧੇਰੇ ਸਹੀ ਬਣਾਇਆ ਜਾ ਸਕੇ, ਜਿਸ ਨਾਲ ਵਿਕਰੇਤਾਵਾਂ ਲਈ ਗਾਹਕਾਂ ਦੇ ਤਜ਼ਰਬੇ ਵਿੱਚ ਸੁਧਾਰ ਹੋ ਸਕੇ ਅਤੇ ਰਿਟਰਨ ਪ੍ਰਭਾਵ ਘੱਟ ਸਕੇ। Amazon Fashion India ਵੀ ਵਿਸਤ੍ਰਿਤ ਸਾਈਜ਼ ਚਾਰਟ, ਫਿੱਟ ਗਾਈਡੈਂਸ, ਪੂਰੀ ਜਾਣਕਾਰੀ ਵਾਲੇ ਵਰਣਨ ਅਤੇ AI-ਸੰਚਾਲਿਤ ਸ਼ਾਪਿੰਗ ਸਹਾਇਤਾ ਵਰਗੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਵਿੱਚ ਨਿਵੇਸ਼ ਕਰ ਰਹੀ ਹੈ ਤਾਂ ਜੋ ਗਾਹਕ ਆਤਮ-ਵਿਸ਼ਵਾਸ ਨਾਲ ਖਰੀਦਦਾਰੀ ਕਰ ਸਕਣ। Zepto ਵਰਗੇ ਕਵਿੱਕ ਕਾਮਰਸ ਪਲੇਟਫਾਰਮ ਵੀ ਫੈਸ਼ਨ ਸ਼੍ਰੇਣੀ ਵਿੱਚ ਸਮੱਸਿਆਵਾਂ ਘਟਾਉਣ ਅਤੇ ਖਰੀਦਦਾਰੀ ਨੂੰ ਵਧੇਰੇ ਭਰੋਸੇਯੋਗ ਬਣਾਉਣ ਲਈ AI-ਡਰਾਈਵਨ ਵਿਸਤ੍ਰਿਤ ਵਰਣਨ ਅਤੇ ਸਹੀ ਤਸਵੀਰਾਂ ਦੀ ਵਰਤੋਂ ਕਰ ਰਹੇ ਹਨ।
ਡਾਟਾ ਦੀਆਂ ਗਹਿਰੀਆਂ ਸਮੱਸਿਆਵਾਂ ਅਜੇ ਵੀ ਮੌਜੂਦ
ਭਾਵੇਂ AI ਇੱਕ ਉਮੀਦ ਜਗਾਉਣ ਵਾਲਾ ਤਕਨੀਕੀ ਹੱਲ ਪੇਸ਼ ਕਰਦਾ ਹੈ, ਪਰ ਇਹ ਮੂਲ ਕਾਰਨ - ਯਾਨੀ ਪ੍ਰੋਡਕਟ ਡਾਟਾ ਦਾ ਮਾੜਾ ਪ੍ਰਬੰਧਨ - ਨੂੰ ਬੁਨਿਆਦੀ ਤੌਰ 'ਤੇ ਹੱਲ ਨਹੀਂ ਕਰਦਾ। ਵਿਸ਼ਾਲ ਸੈਲਰ ਨੈੱਟਵਰਕਾਂ ਵਿੱਚ ਅਸੰਗਤ ਡਾਟਾ ਬਣਾਉਣਾ ਅਤੇ ਪ੍ਰਬੰਧਨ ਕਰਨਾ ਅਜੇ ਵੀ ਇੱਕ ਵੱਡੀ ਕਮਜ਼ੋਰੀ ਹੈ। AI ਟੂਲ ਜਾਣਕਾਰੀ ਨੂੰ ਪ੍ਰੋਸੈਸ ਅਤੇ ਪੇਸ਼ ਕਰ ਸਕਦੇ ਹਨ, ਪਰ ਉਹ ਡਾਟਾ ਗੁਣਵੱਤਾ ਵਿੱਚ ਮੌਜੂਦ ਖਾਮੀਆਂ ਨੂੰ ਦੂਰ ਕਰਨ ਦੀ ਬਜਾਏ ਉਹਨਾਂ ਨੂੰ ਛੁਪਾ ਸਕਦੇ ਹਨ। AI ਨੂੰ ਲਾਗੂ ਕਰਨ ਅਤੇ ਬਣਾਈ ਰੱਖਣ ਵਿੱਚ ਵੀ ਕਾਫੀ ਖਰਚਾ ਸ਼ਾਮਲ ਹੈ। ਤੇਜ਼ੀ ਨਾਲ ਵਿਕਾਸ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਨ ਕਾਰਨ, ਕੰਪਨੀਆਂ ਨੇ ਇਤਿਹਾਸਕ ਤੌਰ 'ਤੇ ਵਿਸਤ੍ਰਿਤ ਡਾਟਾ ਸ਼ੁੱਧਤਾ ਦੀ ਬਜਾਏ ਪੈਮਾਨੇ ਨੂੰ ਤਰਜੀਹ ਦਿੱਤੀ ਹੈ, ਜਿਸ ਨਾਲ ਇੱਕ ਲਗਾਤਾਰ ਚੁਣੌਤੀ ਪੈਦਾ ਹੋਈ ਹੈ ਜਿਸ ਨੂੰ ਹੁਣ AI ਦੁਆਰਾ ਹੱਲ ਕਰਨ ਦਾ ਕੰਮ ਸੌਂਪਿਆ ਗਿਆ ਹੈ।
ਭਵਿੱਖ: ਵਿਕਾਸ ਅਤੇ ਡਾਟਾ ਚੁਣੌਤੀਆਂ
ਭਾਰਤ ਦਾ ਈ-ਕਾਮਰਸ ਬਾਜ਼ਾਰ ਜ਼ਬਰਦਸਤ ਵਿਕਾਸ ਲਈ ਤਿਆਰ ਹੈ, ਅਤੇ ਅਨੁਮਾਨਾਂ ਮੁਤਾਬਕ ਇਹ 2030 ਤੱਕ $345 ਬਿਲੀਅਨ ਤੱਕ ਪਹੁੰਚ ਸਕਦਾ ਹੈ। ਇਸ ਵਿਸਥਾਰ ਦਾ ਕਾਰਨ ਵਧ ਰਹੀ ਡਿਜੀਟਲ ਪਹੁੰਚ, ਛੋਟੇ ਸ਼ਹਿਰਾਂ ਵਿੱਚ ਵਧਦੀ ਵਰਤੋਂ ਅਤੇ ਬਿਹਤਰ ਭੁਗਤਾਨ ਪ੍ਰਣਾਲੀਆਂ ਹਨ। ਡਾਟਾ ਦੀ ਗੁਣਵੱਤਾ ਵਿੱਚ ਸੁਧਾਰ ਕਰਨਾ ਅਤੇ ਰਿਟਰਨ ਦੇ ਨੁਕਸਾਨ ਨੂੰ ਰੋਕਣ ਲਈ AI ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਇੱਕ ਮੁੱਖ ਫੋਕਸ ਹੋਵੇਗਾ। ਜਦੋਂ ਕਿ Amazon ਅਤੇ Flipkart ਵਰਗੇ ਪਲੇਟਫਾਰਮ ਖੋਜ ਅਤੇ ਸਿਫਾਰਸ਼ਾਂ ਲਈ ਆਪਣੇ AI ਨੂੰ ਵਧਾ ਰਹੇ ਹਨ, ਉਦਯੋਗ ਨੂੰ ਡਾਟਾ ਮਿਆਰੀਕਰਨ ਦੀ ਸੰਸਕ੍ਰਿਤੀ ਨੂੰ ਵੀ ਉਤਸ਼ਾਹਿਤ ਕਰਨਾ ਪਵੇਗਾ। AI ਦੀ ਅਸਲ ਪ੍ਰਭਾਵਸ਼ੀਲਤਾ ਇਸ ਗੱਲ 'ਤੇ ਨਿਰਭਰ ਕਰੇਗੀ ਕਿ ਇਹ ਕਿੰਨੀ ਸਾਫ਼, ਵਧੇਰੇ ਸਹੀ ਬੁਨਿਆਦੀ ਡਾਟਾ ਨੂੰ ਪ੍ਰੋਸੈਸ ਕਰ ਸਕਦਾ ਹੈ, ਜੋ ਆਖਰਕਾਰ ਕਾਰਜਕਾਰੀ ਚੁਣੌਤੀਆਂ ਨੂੰ ਇੱਕ ਪ੍ਰਤੀਯੋਗੀ ਲਾਭ ਵਿੱਚ ਬਦਲ ਦੇਵੇਗਾ।