在服装类目的售后数据里，我们做了一次小规模实验：把退货申请原因、用户评论文本与订单属性（尺码、版型、买家身高体重填写情况）对齐，训练一个归因分类器，把笼统的“不合适”拆成尺码偏差、色差、面料手感、版型预期落差等可执行类别。
阶段进展：首批约 1.2 万条退货样本上，四分类归因的抽样一致率约 78%。其中尺码偏差识别最稳，可作为详情页尺码表优化的直接输入；色差与面料手感两类因文本稀疏、判断依赖图片，准确率低于均值，已改为只输出置信度区间，交由客服人工复核，不作自动结论。
要点：
- 下一步接入详情页尺码表与买家实测数据，尝试把归因前移到售前，对历史偏差高的 SKU 在下单页给出提示，而非只在售后做解释。
- 归因结果同步回写选品与拍摄环节，用于区分是文案描述问题、尺码表问题，还是版型本身问题。
目前实验仍限于单一类目与有限样本，跨类目迁移效果待验证。
评论