AI售后工单归因定制：退货原因与责任判定

零售电商的退货工单里，最有价值的信息往往藏在客服与买家的自由对话中。工单系统自带的退货原因多为下拉选项，一线为求快常选“七天无理由”，导致商品质量、描述不符、物流破损等真实问题被掩盖，售后策略与选品改进都缺乏依据。

本实验室围绕这一环节做了实验性探索：以脱敏对话与工单文本为输入，先做结构化抽取（商品、订单、时间、破损描述、尺码反馈），再结合平台规则库做原因归因与责任初判，输出可回溯的标签与证据片段。做法上不追求单一模型端到端，而是“抽取—归因—规则校核”三段式，规则库由售后运营持续维护。

进展与数据：

• 在约3万条历史工单上，一级退货原因分类准确率约92%，其中“描述不符/尺码问题”混淆最多，引入商品尺码表与详情页文本比对后下降约6个百分点；
• 责任初判与人工复核一致率约85%，主要分歧集中在物流破损的举证时点，已按揽收/派送节点补充时间证据链。

下一步计划：将归因结果接入售后分流与前置拦截（如尺码类自动推换码建议），并以小流量A/B验证退货率与人工审核工时的变化。