在零售电商售后场景里，退货原因通常由用户自选、客服备注、物流异常三处信息拼凑而成，口径不一致，责任难以归属，也影响商品页与供应商的改进方向。本期实验室以某服饰类目近三个月的售后工单为样本，尝试「规则前置 + 模型兜底」的两段式归因流程：先用退货原因码、签收时长、是否拆封、是否影响二次销售等结构化字段命中明确规则；剩余模糊样本再交给文本模型读取客服对话与用户描述，输出质量类、尺码类、物流类、主观偏好类四类归因及置信度，低置信样本自动转人工复核。
要点1（进展）：在约 4.2 万条工单的离线测试中，规则层可覆盖约六成样本，模型兜底部分与人工复核的一致率约 82%，分歧主要集中在「色差」与「材质不符」的边界判定。
要点2（下一步）：将归因结果回接到商品详情与尺码表建议，观察同类目退货率与客服重复沟通时长的变化，并评估按归因结果做供应商责任分摊的可行性。
评论