01What it isQué es
Value recovery analytics estimates, for each returned unit, the net value it would fetch in every disposition channel — restock, refurbish, liquidate, donate or recycle — and routes it to the best one, given its condition, model age and timing.
El analytics de recuperación de valor estima, para cada unidad devuelta, el valor neto que obtendría en cada canal de disposición —reingreso, reacondicionado, liquidación, donación o reciclaje— y la dirige al mejor, según su condición, antigüedad del modelo y momento.
02Why it mattersPor qué importa
Fixed rules ('grade C goes to liquidation') ignore that the same grade is worth very different amounts by model and age. Designing the reverse chain for speed or for cost should depend on how fast returned products lose value (Blackburn, Guide, Souza and Van Wassenhove, 2004 — California Management Review), so the disposition decision has to price time as well as condition. Unit-level analytics turns that principle into a routing rule.
Las reglas fijas («el grado C va a liquidación») ignoran que un mismo grado vale montos muy distintos según el modelo y la antigüedad. Diseñar la cadena inversa para velocidad o para costo debe depender de qué tan rápido pierden valor los productos devueltos (Blackburn, Guide, Souza y Van Wassenhove, 2004 — California Management Review), así que la decisión de disposición tiene que poner precio al tiempo además de a la condición. El analytics a nivel unidad convierte ese principio en una regla de enrutamiento.
03How it is doneCómo se hace
1
Price every channel. Estimate net recovery per unit for each channel from current market prices, fees, refurbishment and logistics cost.
2
Route by expected value. Send each unit to the highest net-value channel automatically at grading, with overrides logged and reviewed.
3
Feed results back. Compare realized versus predicted recovery monthly and retrain the rules; send chronic low-recovery SKUs to root-cause review.
1
Poner precio a cada canal. Estimar la recuperación neta por unidad en cada canal a partir de precios de mercado vigentes, comisiones, reacondicionamiento y costo logístico.
2
Enrutar por valor esperado. Enviar cada unidad automáticamente al canal de mayor valor neto al clasificarla, registrando y revisando las excepciones.
3
Retroalimentar los resultados. Comparar cada mes la recuperación real contra la estimada y reentrenar las reglas; enviar los SKU con baja recuperación crónica a análisis de causa raíz.
04The concept in depthEl concepto a fondo
Value recovery analytics: the optimal channel for each returned product›
Disposition analytics determines, for each returned product, the channel that generates the highest net recovery rate (sale price minus disposition costs). The factors: (1) Product condition (grade A–F). (2) Category and its second-hand market. (3) Model age. (4) Required speed. (5) Available volume.
AI in disposition optimization›
Optimization systems (like Optoro) use ML models to predict the expected sale price of each product in each disposition channel — and automatically recommend the highest-recovery-rate channel for each product. The model considers: condition, category, specific model, current market prices, available volume, and target time.
Disposition timing is as important as the channel›
An electronics product waiting 3 months to be disposed can lose a significant share of its market value from technological depreciation. Fast disposition maximizes recovery rate.
Intermediate vs. Advanced›
Intermediate: applies defined disposition rules, reports recovery rate by channel.
Advanced: designs the disposition optimization model; implements recovery rate analytics by channel and product; uses data to continuously improve rules.
Advanced: designs the disposition optimization model; implements recovery rate analytics by channel and product; uses data to continuously improve rules.
Analytics de recuperación de valor: el canal óptimo para cada producto devuelto›
El analytics de disposición determina, para cada producto devuelto, el canal que genera la mayor tasa de recuperación neta (precio de venta menos costos de disposición). Los factores: (1) condición del producto (grado A–F); (2) categoría y su mercado de segunda mano; (3) antigüedad del modelo; (4) velocidad requerida; (5) volumen disponible.
IA en la optimización de la disposición›
Los sistemas de optimización (como Optoro) usan modelos de ML para predecir el precio de venta esperado de cada producto en cada canal de disposición y recomendar automáticamente el canal de mayor recuperación para cada producto. El modelo considera: condición, categoría, modelo específico, precios vigentes de mercado, volumen disponible y tiempo objetivo.
El momento de la disposición importa tanto como el canal›
Un producto electrónico que espera 3 meses para su disposición puede perder una parte significativa de su valor de mercado por depreciación tecnológica. Disponer rápido maximiza la tasa de recuperación.
Intermedio vs. Avanzado›
Intermedio: aplica las reglas de disposición definidas y reporta la tasa de recuperación por canal.
Avanzado: diseña el modelo de optimización de la disposición; implementa analytics de recuperación por canal y producto; usa los datos para mejorar las reglas de forma continua.
Avanzado: diseña el modelo de optimización de la disposición; implementa analytics de recuperación por canal y producto; usa los datos para mejorar las reglas de forma continua.
05In practiceEn la práctica
The optimal disposition channel depends on the specific product — not just the condition grade›
A current-year smartphone model has 75% recovery in refurbished; the same 3-year-old smartphone may have only 35%. The disposition engine must consider age and market demand.
Disposition timing is as important as the channel›
Technological depreciation means fast disposition maximizes recovery rate — especially in electronics categories.
Connect disposition analytics with returns analytics (root cause)›
Together, the two datasets allow identifying products with the worst lifecycle ROI — which deserve corrective action in design or the sales process.
ML disposition optimization models have the greatest ROI in high-volume operations›
An ML engine improving recovery rate by 15 pp for 50,000 returns/year at $1,500 MXN average generates $11.25M MXN in additional recovered value.
El canal de disposición óptimo depende del producto específico, no solo del grado de condición›
Un smartphone del modelo del año puede tener 75% de recuperación en reacondicionado; el mismo smartphone con 3 años de antigüedad, solo 35%. El motor de disposición debe considerar antigüedad y demanda de mercado.
El momento de la disposición importa tanto como el canal›
Por la depreciación tecnológica, disponer rápido maximiza la tasa de recuperación, sobre todo en categorías de electrónica.
Conectar el analytics de disposición con el analytics de devoluciones (causa raíz)›
Juntos, ambos conjuntos de datos permiten identificar los productos con peor ROI en su ciclo de vida, que merecen acciones correctivas en diseño o en el proceso de venta.
Los modelos de ML para optimizar la disposición tienen el mayor ROI en operaciones de alto volumen›
Un motor de ML que mejora la tasa de recuperación en 15 pp para 50,000 devoluciones/año con valor promedio de $1,500 MXN genera $11.25M MXN de valor adicional recuperado.
06Illustrative caseCaso ilustrativo
Illustrative case built from typical industry values — not data from a specific company.Caso ilustrativo construido con valores típicos de la industria — no son datos de una empresa específica.
Illustrative case: Disposition optimization — electronics company, 14,400 returns/year
Implementation of a disposition optimization engine.
Implementation of a disposition optimization engine.
| Disposition channel | Net recovery rate | Current % → optimal % |
|---|---|---|
| Restock as new (grade A) | ● OK | 100% · 12% → 18% (better grading detects more real grade A) |
| Certified Refurbished (Back Market / Amazon Renewed) | ● OK | 68% net · 28% → 46% (ML identifies more candidates) |
| B2B Liquidation (B-Stock) | ● MEDIUM | 35% net · 40% → 26% (migration to higher-recovery channels) |
| Scrap / recycling | ● HIGH | 5% · 20% → 10% (reduction with better grading) |
Result: Average recovery rate: 46% → 59%. Additional value recovered: 14,400 × (59% − 46%) × $2,800 MXN ≈ $5.2M MXN/year. Biggest impact: migration of 18% of volume from the liquidation channel to the certified refurbished channel.
Illustrative case built from typical industry values — not data from a specific company.Caso ilustrativo construido con valores típicos de la industria — no son datos de una empresa específica.
Caso ilustrativo: Optimización de la disposición — empresa de electrónica, 14,400 devoluciones/año
Implementación de un motor de optimización de la disposición.
Implementación de un motor de optimización de la disposición.
| Canal de disposición | Tasa de recuperación neta | % actual → % óptimo |
|---|---|---|
| Reingreso como nuevo (grado A) | ● OK | 100% · 12% → 18% (mejor clasificación detecta más grado A real) |
| Reacondicionado certificado (Back Market / Amazon Renewed) | ● OK | 68% neto · 28% → 46% (el ML identifica más candidatos) |
| Liquidación B2B (B-Stock) | ● MEDIO | 35% neto · 40% → 26% (migración a canales de mayor recuperación) |
| Scrap / reciclaje | ● ALTO | 5% · 20% → 10% (reducción por mejor clasificación) |
Resultado: Tasa de recuperación promedio: 46% → 59%. Valor adicional recuperado: 14,400 × (59% − 46%) × $2,800 MXN ≈ $5.2M MXN/año. Mayor impacto: migración del 18% del volumen del canal de liquidación al de reacondicionado certificado.
07How it is measuredCómo se mide
Overall Recovery Rate % (total value recovered from all returns)›
Overall Recovery Rate %
(Total value recovered from all returns, net of disposition costs / Total book value of returns) × 100
Benchmark: >60% for well-managed electronics · >45% for fashion · Benchmark: sector P25 for the specific category
⚠️ Overall recovery rate is the most important metric in reverse logistics because it integrates the recovery rate of all disposition channels.
Value Recovery vs. Baseline % (recovery rate improvement vs. fixed disposition rules baseline)›
Value Recovery vs. Baseline %
(Recovery rate with optimization − Recovery rate with fixed rules) / Recovery rate with fixed rules × 100
Benchmark: 10–25 pp recovery rate improvement with an optimization engine vs. fixed rules
🔑 For a returns volume of $10M MXN at book value, each percentage point improvement in recovery rate is worth $100K MXN.
Overall Recovery Rate % (valor total recuperado de todas las devoluciones)›
Overall Recovery Rate %
(Valor total recuperado de todas las devoluciones, neto de costos de disposición / Valor en libros total de las devoluciones) × 100
Benchmark: >60% en electrónica bien gestionada · >45% en moda · Referencia: P25 del sector para la categoría específica
⚠️ La tasa de recuperación total es la métrica más importante de la logística inversa porque integra la recuperación de todos los canales de disposición.
Value Recovery vs. Baseline % (mejora de la recuperación vs. la línea base de reglas fijas)›
Value Recovery vs. Baseline %
(Tasa de recuperación con optimización − Tasa de recuperación con reglas fijas) / Tasa de recuperación con reglas fijas × 100
Benchmark: 10–25 pp de mejora en la tasa de recuperación con un motor de optimización vs. reglas fijas
🔑 Para un volumen de devoluciones de $10M MXN a valor en libros, cada punto porcentual de mejora en la recuperación vale $100K MXN.
08What you would useQué se usa
📌 Disposition Optimization
Optoro Return Optimization Engine›
Module: AI-Powered Disposition Routing
Optoro’s reverse logistics platform uses ML to optimize the disposition channel for each returned product in real time.
Optoro’s reverse logistics platform uses ML to optimize the disposition channel for each returned product in real time.
Power BI — Value Recovery Dashboard›
Module: Recovery Rate Analytics by Channel + Product
Power BI dashboard for recovery rate analysis by disposition channel, product category, and condition grade.
Power BI dashboard for recovery rate analysis by disposition channel, product category, and condition grade.
📌 Optimización de la disposición
Optoro Return Optimization Engine›
Módulo: Enrutamiento de disposición con IA
La plataforma de logística inversa de Optoro usa ML para optimizar en tiempo real el canal de disposición de cada producto devuelto.
La plataforma de logística inversa de Optoro usa ML para optimizar en tiempo real el canal de disposición de cada producto devuelto.
Power BI — Value Recovery Dashboard›
Módulo: Analytics de recuperación por canal + producto
Dashboard de Power BI para analizar la tasa de recuperación por canal de disposición, categoría de producto y grado de condición.
Dashboard de Power BI para analizar la tasa de recuperación por canal de disposición, categoría de producto y grado de condición.
The bottom lineEn corto
Every returned unit has a best channel and an expiry date — route it by both.
Cada unidad devuelta tiene un mejor canal y una fecha de caducidad de su valor: hay que enrutarla con base en ambos.
← PreviousAnteriorDonation & CSR programs for returned inventoryDonaciones y programas de RSE para inventario devueltoNextSiguiente →Reverse logistics KPI framework & performance dashboardsMarco de KPIs y dashboards de desempeño de logística inversa
All D08 componentsTodos los componentes de D08D08 artifactsArtifacts de D08SCRA