AI退货原因归因定制：售后文本聚类与改款清单

零售电商的退货原因长期靠人工翻工单，颗粒度粗、口径不统一，改款建议往往停留在个案。实验室本期做的是把售后文本变成可聚合的归因标签：将退货工单、客服会话与商品评价合并清洗，用多标签分类模型把原因归到「尺码偏差、色差、材质手感、功能不符预期、物流破损」等十余个节点，再按 SKU 与批次聚合出缺陷集中度。

进展：在 3 个服饰类目、约 12 万条售后文本上试点，与人工抽检的一致率约 86%；单 SKU 归因从人工约 40 分钟压缩到 3 分钟内，能在周会上直接看到「哪几个尺码段退货异常」。

下一步计划：把归因结果与详情页文案、尺码表、主图对齐，输出可执行的改款与改文案清单，并用 8 周 A/B 观察对应 SKU 的退货率变化，验证这条链路是否真正闭环。