Ayşegül Sakarya Pehlivan
asakarya@ekonomist.com.tr
E-ticaret tüm dünyada son yılların en parlak dönemini yaşıyor. Pandeminin de etkisiyle pazar katlanarak büyüyor. Haliyle e-ticaret pazarına yönelik yeni girişimlerin sayısı da hızla artıyor.
Türkiye, genç nüfusu, yüksek internet, mobil cihaz ve sosyal medya kullanım oranları, moda sektörünün gelişmişliği, coğrafi konumu ve online perakende büyüme oranlarıyla global yatırımcıların dikkatini çekiyor. İspanyol uSizy de bu girişimlerden biri. 2019 sonunda Türkiye pazarına giren uSizy, tüm dünyada e-ticaretin en önemli konularından biri olan ‘iade' sorunun çözüm geliştiriyor.
Geliştirdiği makine öğrenme teknolojisi sayesinde tüketicilerin online alışverişte doğru bedeni seçmelerine yardımcı olan şirket, iade oranlarını ortalama yüzde 29 azaltıyor.
uSizy kuruluş hikayesi 2016 yılı başlarında Inaki Garcia'nın, aynı dükkandan aynı markanın iki farklı ürününü farklı bedenlerde almasıyla başladı. Garcia, bu durumun online satışları ve iadeleri nasıl etkileyebileceğini fark etti.
2016 yılında, beden ölçümü sorununu kesin olarak çözmek ve hem kullanıcılar hem de e-ticaret işletmeleri için online satışları ve iadeleri dönüştürmek için uSizy doğdu. uSizy'nin ‘size adviser' yani beden tavsiyesi çözümü, binlerce benzer kullanıcıdan toplanan bilgilerin her giysinin kalıbına göre değerlendirilmesiyle, her kullanıcıya tam beden öneren yenilikçi bir makine öğrenimi teknolojisi.
Bir kullanıcının kendine özgü vücut kalıbını, boy ve kilo gibi tüm kullanıcılar tarafından bilinen temel ölçülerle ve morfolojik algoritmalarla oluşturuyor. Ardından, kalıplara göre toplanan tüm bilgi ve makine öğrenmesine dayalı olarak söz konusu vücut için en iyi bedeni öneriyor.
uSizy’nin ilk versiyonu bisiklet kıyafetleri ve 30 marka için pilot bir test ile başladı. 2017 yılında, tüm spor branşlarında 100 spor markasına uygulandı. Üstüne ayakkabı ve genel moda giyim alanına girildi. Bu versiyonda hızlı makine öğrenmesi için aynı kalıptaki ürünleri eşleştirebilen izomorfik algoritmalar geliştirildi.
2018 yılında ürün ve beden bazlı stok analizine başlandı. 2019 yılında Size Adviser’ a ek olarak yeni projeler geliştirildi.
Tüm dünyada e-ticarette en önemli sorunlardan biri ürünlerin iade edilmesi. Bir ürünün iadesi veya beden değişimi işlemi, bir e-ticaret şirketi için yüksek maliyetler anlamına geliyor. Müşteri hizmetleri ekibinin talebi karşılaması, ürün toplama veya değişim sürecini başlatması ve taşıma, depolama, envanter, stok, finans gibi ilgili departmanları harekete geçirmesi gerekiyor.
Daha fazla işlem hacmi, departmanlar arasında daha fazla iş, stres ve düşük hizmet kalitesi anlamına geliyor. Dahası, maliyetleri e-ticaretin kendisi tarafından karşılanan ücretsiz iade politikasını da bu durumu şirketler açısından kritik hale getiriyor.
Türkiye’deki ortalama iade oranı dünya ortalamasına benziyor. Kullanıcıların yüzde 25’i bir ürünü iade ediyor ve iadelerin yüzde 50’sinden fazlası beden hatasından kaynaklanıyor.
uSizy Türkiye Ülke Müdürü Mehmet Çankal, “uSizy, bu süreçlerdeki problemlere kaynağında çözüm getirmekte ve dahası gerçekleşmesinin önüne geçiyor. Beden hatalarından kaynaklanan iade oranını ortalama yüzde 29 düşürerek, tüm maliyetleri ve süreçlerdeki sıkıntıları 1/3 oranında azaltır.
Makine öğrenme teknolojisi, ürünler ve satışlar hakkında daha fazla bilgiye sahip olduğu global markalarda, iade oranını yüzde 42’ ye kadar azaltıyor. Bu sayede, e-ticaret çok daha fazla satış ve daha mutlu müşteri üretiyor” diyor.
Türkiye’de Morhipo, Boyner, Superstep gibi e-ticaret siteleriyle çalışan uSizy, 2020’de yüzde 150 büyüdü. Şirket, 2021’de yine aynı büyümeyi yakalamayı ve 10 yeni ülkeye açılmayı hedefliyor. Usizy’nin Türkiye’de şu anda yüzde 80’ i teknoloji ve ürün konusunda uzmanlaşmış, 30’dan fazla çalışanı var. 2021 yılında uSizy ekibinin 40 kişinin üstüne çıkması planlanıyor.
Yeni ürünlerle büyüyecek
Usizy önümüzdeki dönemde yeni ürünlerle büyüyecek. Bunlardan biri 'akıllı stok’. Mehmet Çankal, “E-ticaret, belirli bir ürün ve bedenin gerçek zamanlı olarak stok bulunmaması nedeniyle bugün ne kadar potansiyel satış veya gelecekte ne kadar kaybedeceğini bilemez.
Bu, akıllı stok ürünümüz ile çözülüyor” diyor. Öte yandan günümüzde bir ürünün fiyatı tüm bedenler için aynı fiyata dayanıyor. Ancak üretim, dağıtım, depolama, talep gibi maliyetler, her beden ve üründe farklı.
Bu nedenle müşterilere her beden için bir fiyat önerebiliyor. Örneğin, Amazon halihazırda böyle benzer bir fiyatlama yapıyor. Son olarak, 'smart logistics’ ile müşteriler henüz yapılan bir satışın beden hatası nedeniyle iade olasılığından haberdar edebiliyor. Bu da operasyonel maliyetleri düşürmek için planlama ve süreç iyileştirmeye olanak sağlıyor.
Birkaç ay önce bisiklet için boyut tavsiyesi hizmetini başlattı. Piyasadaki her modelin ve markanın geometrisine dayanan ve kullanıcının vücudunu, konfor ve performans tercihlerini gibi dikkate alan tamamen yenilikçi bir ürün. Çankal, “Sonraki inovasyonlar, e-ticaretin belirli bir noktasında ve her zaman aynı “beden/ boyut” konseptinde diğer ürünler olacaktır. Kişiselleştirilmiş gezinme, ürün önerileri vb. gibi üzerinde çalıştığımız birkaç konu var” diyor.
İnsanların yüzde 85'i ölçüsünü bilmiyor
Türkiye’de kullanıcıların yüzde 85’i satın alma esnasında ölçülerini bilmiyor. E-ticaretten sorumlu olanların yüzde 90’ı, kendi e-ticaret sitelerinde veya markalarında, mevcut beden tablolarıyla belirli bir giysinin bedenini doğru bir şekilde alıp alamayacaklarını sorduğumuzda, hayır cevabını veriyor.
Çankal, “Şimdi bir de markayı bilmeyen kullanıcıları ve hatta yeni kullanıcıların durumunu hayal edin. Tüketici ‘benim bedenim nedir?’ sorusuyla karşı karşıya kalıyor. Bu durum, satışa dönüşümü engelleyen kritik bir nokta olup, moda, spor giyim ve ayakkabı şirketlerine büyük maliyetler getirmekle kalmayıp, şirketleri verimsiz operasyonlarla yüz yüze bırakıyor. Bu noktada çevrimiçi satın alma sürecinde kişiselleştirilmiş, modern ve kullanıcı dostu bir deneyim sunarak satışları arttırıyoruz” diyor.
Sistem nasıl işliyor?
uSizy, her bir giysinin kendine özgü kalıbını belirliyor ve izomorfik algoritmalar uyguluyor. Yani, markası ne olursa olsun aynı orantılara sahip aynı tip giysileri belirliyor. Bundan sonra, kıyafetleri (veya belirli bir kalıbı) satın alan tüm kullanıcıların geri bildirimlerine ve beden hatası nedeniyle iade edip etmediklerine bakılıyor.
Sistem, tüm bilgileri toplayıp, o giysiye göre her vücut tipi için en iyi bedenin (veya en iyi sonucun) ve son olarak da bu kendine özgü kalıba göre hangisinin en iyi beden olduğunu otomatik olarak öğreniyor. Bir kullanıcının kendine özgü vücut kalıbını, boy ve kilo gibi tüm kullanıcılar tarafından bilinen temel ölçülerle ve morfolojik algoritmalarla oluşturuyor. Ardından, kalıplara göre toplanan tüm bilgi ve makine öğrenmesine dayalı olarak söz konusu vücut için en iyi bedeni öneriyor.