Claude Code + חנות אונליין: 1 מכל 5 הזמנות חוזרת אלינו, והסוכן מצא ש-6 מוצרים אחראים ל-44% מזה

בעלת חנות אונליין ישבה מולי בזום עם דוח מכירות פתוח ואמרה משפט שאני שומע הרבה:

"המחזור עלה. הרווח לא."

הסתכלנו על המספרים. המחזור השנתי עלה ב-19%. הרווח הנקי עלה ב-4%. משהו באמצע אכל את ההפרש.

שאלתי אותה: כמה מההזמנות שלך חוזרות?

היא אמרה "לא הרבה, אולי 10 אחוז".

הרצנו את המספר. היה 19.4%. כמעט פי שניים ממה שהיא חשבה. והיא לא היוצאת דופן, היא בדיוק הממוצע.

המספר שכל בעל חנות בישראל צריך לראות

שיעור ההחזרות הממוצע במסחר אלקטרוני עומד ב-2026 על 20.8%. אחת מכל חמש הזמנות חוזרת. בחנות פיזית המספר הזה עומד על 8.7%, כלומר פחות ממחצית.

וזה עוד לפני שדיברנו על העלות. טיפול בהחזרה בודדת עולה לעסק בין 10 ל-65 דולר, כשהממוצע נע סביב 20 עד 30 דולר. משלוח חזור, שעת עבודה, בדיקת המוצר, החזרתו למלאי, ושיחת שירות לקוחות אחת לפחות.

התוצאה המצטברת: החזרות גוזלות בין 8% ל-10% מהרווח הכולל של המסחר האלקטרוני. זה לא "עלות תפעולית". זה העשירייה העליונה של הרווח שלך.

ויש עוד שכבה, והיא הקשה יותר. החזרה לא נגמרת בכסף. היא לוקחת איתה את הלקוח. מישהו שהחזיר מוצר פעם אחת קונה שוב בסבירות נמוכה בהרבה, גם אם התהליך היה נעים.

אז ישבנו לעשות משהו שאף אחד בחנות הזאת לא עשה מעולם: לקרוא את ההחזרות.

למה אף אחד לא קורא את ההחזרות

לא כי בעלי חנויות עצלנים. כי זה בלתי אפשרי ידנית.

הדאטה של החזרות יושב בשלושה-ארבעה מקומות שונים שלא מדברים ביניהם:

• טבלת ההזמנות במערכת החנות (מי, מה, מתי, כמה)
• סיבת ההחזרה, שברוב המקרים היא שדה טקסט חופשי שהלקוח כתב בעצמו
• תכתובות שירות הלקוחות במייל או בוואטסאפ
• עמוד המוצר עצמו: התמונות, התיאור, טבלת המידות

כדי להבין למה מוצר מסוים חוזר, אתה צריך להצליב את כל הארבעה. עבור מוצר אחד. עכשיו תכפיל ב-400 מוצרים.

וסיבת ההחזרה בטקסט חופשי היא סיוט בפני עצמו. באותה חנות, על אותו מוצר, היו רשומות כמו:

• "קטן"
• "לא התאים לי בכתפיים"
• "הזמנתי L ויצא כמו S"
• "צר מדי"
• "לא כמו בתמונה"

חמש רשומות. סיבה אחת. שום דוח במערכת החנות לא ידע לאחד אותן, כי מבחינת המערכת אלה חמישה טקסטים שונים.

וזה בדיוק סוג המשימה ש-Claude Code נולד בשבילה.

מה זה Claude Code, בשתי שורות לבעל עסק

Claude Code הוא סוכן AI שרץ על המחשב שלך ויודע שני דברים שצ'אט רגיל לא יודע: לקרוא קבצים אמיתיים מהמחשב שלך, ולהריץ פעולות בעצמו במקום רק לתת לך עצה.

אתה לא מעתיק לו נתונים לחלון צ'אט. אתה מצביע על תיקייה ואומר "תקרא את זה, תצליב את זה עם זה, ותגיד לי מה אתה רואה".

ולא צריך לדעת לתכנת. השיחה מתנהלת בעברית רגילה.

מה בדיוק עשינו: שלושה קבצים ושאלה אחת

ייצאנו מהחנות שלושה קבצים פשוטים. כל מערכת חנות יודעת לייצא אותם:

1. orders.csv – כל ההזמנות של 14 חודשים: מספר הזמנה, תאריך, מוצר, מידה, צבע, מחיר
2. returns.csv – כל ההחזרות: מספר הזמנה, תאריך החזרה, סיבה בטקסט חופשי
3. products.csv – קטלוג המוצרים: שם, תיאור מלא, טבלת מידות, מספר תמונות

הכנסנו את שלושתם לתיקייה אחת, פתחנו את Claude Code שם, וכתבנו הנחיה בעברית:

"תקרא את שלושת הקבצים בתיקייה. לכל מוצר תחשב: כמה נמכר, כמה חזר, ומה אחוז ההחזרה שלו. אחר כך תקרא את כל סיבות ההחזרה בטקסט חופשי ותקבץ אותן לקטגוריות אמיתיות (מידה, איכות, צבע שונה מהתמונה, הגיע פגום, התחרטתי, אחר) גם כשהניסוח שונה לגמרי. תייצר לי טבלה של 20 המוצרים עם אחוז ההחזרה הגבוה ביותר שנמכרו לפחות 25 פעם, עם הסיבה הדומיננטית לכל אחד ועם עלות ההחזרות שלו בשקלים. ולכל מוצר כזה תקרא את התיאור ואת טבלת המידות בקטלוג ותגיד לי אם משהו שם חסר או מטעה."

זהו. זאת ההנחיה.

הסוכן רץ. הוא עבר על 3,140 הזמנות ו-610 החזרות. ההרצה לקחה פחות מ-20 דקות.

מה הוא מצא

ממצא ראשון: הריכוזיות

מתוך 412 מוצרים פעילים בחנות, 6 מוצרים היו אחראים ל-44% מכלל ההחזרות.

תעצור רגע על המספר הזה. אחוז וחצי מהקטלוג ייצר כמעט חצי מהבעיה.

וזה מסביר למה אף אחד לא שם לב. כששיעור ההחזרות הכללי הוא 19%, אתה מסתכל על זה כעל "מצב". כשמסתכלים לעומק מתגלה ששלושה מוצרים עומדים על 38%, 41% ו-47% החזרות, בזמן שרוב הקטלוג עומד על 9% עד 12%. אלה לא מוצרים. אלה חורים.

ממצא שני: הסיבה שחוזרת על עצמה

אחרי שהסוכן איחד את כל הניסוחים החופשיים לקטגוריות, התמונה הייתה חד משמעית:

• מידה ולא התאים – 48% מכלל ההחזרות
• נראה שונה מהתמונה – 21%
• איכות מתחת לציפייה – 14%
• הגיע פגום – 8%
• התחרטתי או קניתי במקום אחר – 9%

המספרים האלה כמעט חופפים אחד לאחד למה שקורה בתעשייה כולה. בענף האופנה, מידה והתאמה אחראיות ל-40% עד 50% מכל ההחזרות, ובאופן רוחבי סוגיות של מידה, התאמה וצבע מייצרות כ-45% מההחזרות. תיאור לא מדויק לבדו אחראי ל-14%, ו-22% מהמחזירים אומרים במפורש "נראה שונה ממה שציפיתי".

כלומר שתי הסיבות הראשונות מייצרות יחד מעל 60% מכל ההחזרות בשוק. ושתיהן, שים לב, נקבעות בעמוד המוצר. לא במחסן. לא אצל השליח.

ממצא שלישי: זה שסגר את המעגל

זה החלק שידני לא היה קורה לעולם.

הסוכן לא רק ספר החזרות. הוא נכנס לקטלוג המוצרים וקרא את העמודים של אותם 6 מוצרים בעייתיים. ומה שהוא החזיר היה רשימה קונקרטית:

• 4 מתוך 6 לא הייתה להם טבלת מידות בכלל. רק "S / M / L".
• 2 מתוך 6 הייתה טבלת מידות, אבל היא הייתה זהה לזו של פריט אחר בקטלוג שגזרתו שונה לחלוטין. מישהו העתיק והדביק.
• מוצר אחד עם 47% החזרות הופיע עם תמונה אחת בלבד, מצולמת על רקע בהיר שהבהיר את הצבע בצורה משמעותית. 71% מסיבות ההחזרה שלו היו "הצבע שונה".
• שני מוצרים נמכרו בעיקר במידה אחת ספציפית, ודווקא היא זו שחזרה. אותו מוצר במידות האחרות היה בסדר גמור. כלומר לא המוצר בעייתי, המידה הזאת בעייתית.

הפרט האחרון הוא דוגמה מושלמת לדבר שבן אדם כמעט לא יכול לראות. צריך לפרק את ההחזרות לא רק לפי מוצר אלא לפי מוצר כפול מידה, על פני 14 חודשים. אף אחד לא עושה את זה ביד.

מה תיקנו, ומה קרה אחר כך

התיקונים לקחו שבוע. לא שבועיים, לא רבעון. שבוע.

1. טבלת מידות אמיתית לכל 6 המוצרים, במספרים, בסנטימטרים, נמדדת על הפריט עצמו. לא "S/M/L". רוחב חזה, אורך, רוחב כתף.
2. צילום מחדש של המוצר עם בעיית הצבע, על רקע ניטרלי, בשלוש זוויות, עם תמונה אחת על דוגמנית שמראה את הצבע באור יום.
3. משפט התאמה בראש עמוד המוצר: "הגזרה צמודה, מי שאוהב נוח כדאי לעלות מידה". משפט אחד.
4. שתי המידות הבעייתיות הוסרו זמנית מהמכירה עד לבדיקה מול הספק. התברר שאצל הספק היה שינוי גזרה שאף אחד לא עדכן.

התוצאה אחרי 90 יום, על אותם 6 מוצרים:

• שיעור ההחזרות שלהם ירד מ-39% ל-16% בממוצע
• שיעור ההחזרות הכולל של החנות ירד מ-19.4% ל-13.1%
• בתרגום לכסף על בסיס שנתי: חיסכון של כ-41,000 שקל בעלויות טיפול, משלוחים חוזרים ושעות עבודה
• והנתון שהכי הפתיע: המכירות של אותם מוצרים לא ירדו. הן עלו ב-7%. טבלת מידות אמיתית לא מרתיעה קונים. היא מרגיעה אותם.

41,000 שקל בשנה, על שבוע עבודה ועל הרצה של 20 דקות. וזה כסף שכבר היה בעסק. אף אחד לא היה צריך למכור יותר כדי להרוויח אותו.

הדבר שאני רוצה שתיקח מזה

זה לא סיפור על AI.

זה סיפור על זה שהתשובות כבר נמצאות אצלך במערכת, ואף אחד לא קורא אותן. שדה "סיבת החזרה" היה שם 14 חודשים. 610 לקוחות טרחו למלא אותו. איש לא פתח.

וזה נכון גם לדברים אחרים: שדה "מאיפה שמעת עלינו" בטופס, ההודעות בוואטסאפ, הערות המבטלים, השאלות שחוזרות בשירות הלקוחות. הדאטה קיים. מה שחסר זה מישהו שיקרא אותו כולו.

פעם זה היה דורש אנליסט. היום זה דורש הנחיה טובה אחת וחצי שעה.

איך אתה מריץ את זה בחנות שלך השבוע

שלושה צעדים, בלי לדעת לתכנת:

צעד 1 – ייצוא. מהמערכת שלך (שופיפיי, ווקומרס, מג'נטו, כל אחת) תייצא שלושה קבצים: הזמנות, החזרות או ביטולים, וקטלוג מוצרים. טווח של לפחות 12 חודשים, כדי שתהיה עונתיות. הכל לתיקייה אחת בשם returns-audit.

צעד 2 – הנחיה. תפתח שם את Claude Code ותכתוב בעברית מה אתה רוצה לדעת. אפשר להעתיק את ההנחיה מהמאמר הזה כמו שהיא. חשוב: תבקש ממנו לדרג לפי כסף, לא לפי אחוזים. מוצר עם 60% החזרות שנמכר 12 פעם בשנה הוא רעש. מוצר עם 22% החזרות שנמכר 800 פעם הוא הבעיה האמיתית.

צעד 3 – בדיקה. תיקח שלוש שורות מהטבלה שקיבלת ותאמת אותן ידנית מול המערכת. לא כי הסוכן שקרן, אלא כי ייצוא יכול להיות עם עמודה מוזרה או שורות כפולות. ברגע שהשלוש נכונות, השאר בדרך כלל נכון.

ואם אתה מריץ את זה כל רבעון, אתה מקבל משהו ששווה עוד יותר: אתה רואה מוצר שמתחיל להידרדר לפני שהוא מייצר 60 החזרות.

שלוש טעויות שראיתי אנשים עושים עם זה

טעות 1: לרדוף אחרי האחוז במקום אחרי הכסף. כתבתי את זה למעלה ואני חוזר, כי זו הטעות הנפוצה ביותר. תמיד לדרג לפי עלות ההחזרות בשקלים.

טעות 2: להסיק שהמוצר גרוע. ברוב המקרים שראיתי, המוצר בסדר גמור. הציפייה הייתה שגויה. בדיוק לכן התיקון הוא כמעט תמיד בעמוד המוצר ולא במחסן, וזה גם למה הוא זול.

טעות 3: לתקן ולא למדוד. אם לא תסמן את התאריך שבו שינית את עמוד המוצר, לא תדע אם זה עבד. תרשום תאריך, תיתן לזה 60 עד 90 יום, ותריץ את אותה הנחיה שוב. ההשוואה היא כל העניין.

ההבדל בין עסק שמנחש לעסק שיודע

בעלת החנות ההיא חשבה שהיא עומדת על 10% החזרות. היא עמדה על 19.4%.

וזה לא כי היא לא מקצועית. היא מצוינת. זה כי אף אחד לא נתן לה את המספר. היא ניהלה את העסק לפי תחושה, כמו רוב בעלי העסקים שאני פוגש, כי זה מה שהיה זמין.

הפער בין עסק שמנחש לעסק שיודע הוא לא פער של כישרון. הוא פער של מערכות. ומערכות זה בדיוק מה שאפשר לבנות.

אם אתה רוצה לראות איך זה נראה כשעסק עובר מניחוש למדידה, השיטה הדיגיטלית מפרקת את זה לשלבים, וסיפורי ההצלחה מראים את זה במספרים של עסקים ישראליים אמיתיים.

שאלות נפוצות

אני לא יודע לתכנת. באמת אפשר להריץ את זה לבד?
כן. ההתקנה של Claude Code היא הדבר היחיד שדורש כמה שורות במסך שחור, ויש עליהן מדריכים. מהרגע שהוא מותקן, כל השיחה מתנהלת בעברית רגילה: אתה מסביר מה אתה רוצה לדעת והוא עושה את החישובים. אתה לא כותב שורת קוד אחת.

זה בטוח לשלוח נתונים של לקוחות?
תוציא את שמות הלקוחות ואת כתובות המייל לפני הייצוא. לניתוח החזרות אתה צריך רק מספר הזמנה, מוצר, מידה, תאריך וסיבה. לא צריך מי קנה. זה גם אפשרי טכנית וגם פשוט: רוב מערכות החנות נותנות לבחור אילו עמודות לייצא.

מה אם סיבות ההחזרה אצלי הן רק תפריט קבוע ולא טקסט חופשי?
זה אפילו יותר קל, אבל פחות מדויק. תפריט קבוע נוטה לדחוס הכל ל"לא התאים", שזאת לא סיבה אלא תיאור. אם זה המצב אצלך, שווה להוסיף שדה טקסט חופשי אחד לתהליך ההחזרה ולהריץ את הניתוח שוב בעוד רבעון. הטקסט החופשי הוא הזהב.

כמה זמן ההרצה לוקחת בפועל?
בחנות של כ-3,000 הזמנות, פחות מ-20 דקות. בחנות של 30,000 הזמנות זה יכול לקחת שעה או יותר, ולפעמים צריך לפצל את הקובץ לחודשים. הזמן האמיתי הוא לא ההרצה אלא הייצוא של הנתונים ואימות של כמה שורות בסוף.

זה רלוונטי רק לחנויות אופנה?
אופנה היא המקרה הקיצוני, עם 20% עד 40% החזרות. אבל מוצרי חשמל עומדים על 8% עד 15%, קוסמטיקה על 4% עד 12% וריהוט על 22.7%. בכל קטגוריה יש קומץ מוצרים שאחראים לחלק לא פרופורציונלי מההחזרות, והניתוח הזה בדיוק אותו ניתוח. גם עסק שירותים יכול להריץ את הגרסה שלו, על ביטולים ועל בקשות החזר.

באהבה ענקית,
יהב.