Cómo una tienda online redujo las devoluciones con IA

Antes de continuar, una aclaración: el caso siguiente es ilustrativo, elaborado a partir de patrones habituales en tiendas online españolas de moda y complementos. No corresponde a una tienda real ni a un cliente concreto de MG Solutions; se usa como ejemplo tipo para mostrar, con cifras realistas, el impacto de aplicar IA a este problema.

Piensa en una tienda online de moda con un catálogo de 400 referencias, facturación anual de algo más de un millón de euros y un equipo de atención al cliente de dos personas. El negocio crecía bien en ventas, pero un dato empañaba los resultados trimestre tras trimestre: casi un tercio de los pedidos acababa en devolución, muy por encima de la media que manejaban internamente como objetivo razonable para el sector.

El problema: devoluciones que se comían el margen antes de calcular beneficio

Cuando el equipo analizó el motivo de cada devolución durante dos meses, encontró un patrón claro: más de la mitad se debía a dudas de talla mal resueltas antes de la compra —"no sabía si me quedaría bien, así que pedí dos tallas para quedarme la que encajara"— y otra parte importante a expectativas de producto que no coincidían con la realidad, sobre todo en tejidos, color y caída de la prenda.

El coste de cada devolución no era solo el envase y el transporte de vuelta: incluía el tiempo de gestión del equipo de atención al cliente, la inspección de la prenda devuelta, y en algunos casos la pérdida de venta porque el artículo devuelto ya no se podía revender como nuevo. Con un coste medio estimado de 9 euros por devolución gestionada, y un volumen de devoluciones que superaba las 600 unidades mensuales, la tienda calculaba un impacto directo cercano a los 5.400 euros al mes, sin contar el desgaste del equipo ni el efecto en la reputación de clientes insatisfechos.

Había también un coste de oportunidad menos visible: cada prenda devuelta era stock inmovilizado durante el tiempo de tránsito de ida y vuelta, capital que no generaba venta mientras viajaba entre el cliente y el almacén. En una tienda con margen ajustado por la presión de precios online, ese capital atrapado en devoluciones pendientes de gestionar llegaba a representar, en los meses de mayor volumen, varios miles de euros de inventario fuera de circulación.

La solución implementada: un agente que resuelve la duda antes de que se convierta en devolución

MG Solutions trabajó con la tienda en un agente conversacional integrado en la propia ficha de producto y en WhatsApp, con tres funciones:

• Asesor de tallas: a partir de las medidas del cliente y del historial de compras previas (si las hay), recomienda la talla más ajustada por prenda, cruzando la guía de tallas específica de cada modelo, que no siempre coincide entre referencias.
• Resolución de dudas de producto: responde preguntas concretas sobre tejido, caída, transparencia, elasticidad o combinación con otras prendas, basándose en la ficha técnica real de cada artículo y en las valoraciones de clientes anteriores.
• Seguimiento postcompra: si detecta que un cliente ha comprado dos tallas de la misma prenda —señal clara de duda no resuelta—, contacta de forma proactiva antes del envío para ayudar a decidir cuál quedarse, reduciendo el envío innecesario de la que sobra.

El proceso: empezar por las categorías con más devoluciones

La implantación se centró primero en las categorías de producto con mayor tasa de devolución —pantalones y calzado, donde el ajuste es más determinante—, antes de extenderse al resto del catálogo:

1. Se analizó el histórico de devoluciones de los últimos 18 meses para identificar qué preguntas de talla y producto se repetían con más frecuencia.
2. Se entrenó al agente con las guías de tallas reales de cada proveedor —a menudo distintas entre marcas, algo que confundía a los clientes— y con las valoraciones textuales dejadas por compradores anteriores.
3. Durante seis semanas, el agente funcionó en paralelo al equipo de atención al cliente en las categorías piloto, comparando su tasa de acierto de talla recomendada frente a la elección final del cliente.
4. Verificada una precisión superior al 88% en la recomendación de talla, se extendió el agente a todo el catálogo.

Los resultados: menos devoluciones, más confianza en la compra

Comparando el trimestre posterior a la implantación completa con el mismo periodo del año anterior:

• La tasa global de devoluciones bajó del 31% al 22%, una reducción del 30% sobre la cifra original.
• Las devoluciones específicamente motivadas por error de talla cayeron un 42%.
• El número de compras con dos tallas de la misma prenda —el patrón que delataba duda no resuelta— bajó un 55%, gracias al contacto proactivo del agente.
• Las consultas gestionadas por el equipo humano de atención al cliente bajaron un 40%, permitiendo redirigir ese tiempo a incidencias más complejas, como cambios y reclamaciones de calidad.

Con el coste medio de 9 euros por devolución gestionada y una reducción de unas 190 devoluciones mensuales, el ahorro directo estimado ronda los 1.700 euros al mes, a lo que se suma el margen recuperado por prendas que ya no se envían y se devuelven sin necesidad, y el efecto, más difícil de cuantificar pero real, de una mejor experiencia de compra. La tienda también registró una mejora en las valoraciones dejadas por clientes tras la compra, que pasaron a mencionar con más frecuencia el acierto en la recomendación de talla como motivo de satisfacción.

Un cambio en la relación con el cliente, no solo en la logística

El equipo de atención al cliente, liberado de responder decenas de veces al día la misma pregunta sobre tallas, pasó a dedicar su tiempo a construir relación con clientes recurrentes y a resolver incidencias que sí requieren trato humano. El propio equipo destacó que las conversaciones que les llegaban ahora eran más interesantes y menos repetitivas.

Este enfoque de resolver la duda del cliente antes de que se convierta en un problema operativo se repite en otros sectores con procesos de venta o atención similares. Puedes verlo en cómo una inmobiliaria triplicó las visitas cualificadas, y el principio de anticipar la necesidad del cliente antes de que se convierta en coste está también presente en cómo una clínica veterinaria fidelizó más clientes.

Conclusión

En el comercio electrónico, buena parte de las devoluciones no nacen de un producto defectuoso, sino de una duda que nadie resolvió a tiempo. Un agente que aconseja la talla correcta, responde dudas reales de producto y detecta señales de indecisión antes del envío reduce las devoluciones de forma directa, sin tocar el catálogo ni bajar precios.

Si quieres saber qué parte de tus devoluciones se podría evitar resolviendo mejor las dudas antes de la compra, en MG Solutions ofrecemos un diagnóstico gratuito y sin compromiso.