Eine neue Publikation des August-Wilhelm Scheer Instituts untersucht, wie Machine Learning zur Reduktion von Retouren im E-Commerce beitragen kann. Die Studie vergleicht verschiedene Algorithmen zur Vorhersage von Rücksendungen im Bekleidungsbereich und analysiert zentrale Einflussfaktoren. Ziel ist es, Retourenprozesse effizienter und nachhaltiger zu gestalten. Die Forschung unterstützt datenbasierte Lösungen für Kreislaufwirtschaft und Ressourcenschonung.
Saarbrücken, 2. Mai 2025 – Eine neue Veröffentlichung des August-Wilhelm Scheer Instituts untersucht, wie datenbasierte Methoden zur Reduktion von Retouren im E-Commerce beitragen können. Unter dem Titel „Towards Waste Reduction in E-Commerce: A Comparative Analysis of Machine Learning Algorithms and Optimisation Techniques for Garment Returns Prediction with Feature Importance Evaluation“ analysiert das Autorenteam verschiedene Machine-Learning-Ansätze zur Vorhersage von Rücksendungen im Bekleidungsbereich.
Die Studie vergleicht unterschiedliche Algorithmen hinsichtlich ihrer Prognosegüte und identifiziert relevante Einflussfaktoren – etwa Material, Größe oder Produktbewertungen. Ziel ist es, Unternehmen bei der Optimierung von Retourenprozessen zu unterstützen und damit ökonomische wie ökologische Kosten zu senken. Die Arbeit leistet einen Beitrag zur digitalen Kreislaufwirtschaft und stärkt den nachhaltigen Umgang mit Ressourcen im Onlinehandel.
Marie Niederländer
Sören Gry
u.a.
https://link.springer.com/article/10.1007/s42979-025-03944-z?utm_source=rct_cong...
https://www.aws-institut.de/publikation/towards-waste-reduction-in-e-commerce-a-...
Merkmale dieser Pressemitteilung:
Journalisten
Informationstechnik, Umwelt / Ökologie
überregional
Forschungs- / Wissenstransfer, Forschungsprojekte
Deutsch
Sie können Suchbegriffe mit und, oder und / oder nicht verknüpfen, z. B. Philo nicht logie.
Verknüpfungen können Sie mit Klammern voneinander trennen, z. B. (Philo nicht logie) oder (Psycho und logie).
Zusammenhängende Worte werden als Wortgruppe gesucht, wenn Sie sie in Anführungsstriche setzen, z. B. „Bundesrepublik Deutschland“.
Die Erweiterte Suche können Sie auch nutzen, ohne Suchbegriffe einzugeben. Sie orientiert sich dann an den Kriterien, die Sie ausgewählt haben (z. B. nach dem Land oder dem Sachgebiet).
Haben Sie in einer Kategorie kein Kriterium ausgewählt, wird die gesamte Kategorie durchsucht (z.B. alle Sachgebiete oder alle Länder).