AI退货归因定制：评价文本与图片证据链

在零售电商场景里，退货原因多由客服手工勾选，颗粒度粗、噪声大，很难回流到选品与详情页优化。本阶段实验把退货工单、买家评价文本与上传图片放进同一条证据链做归因：以订单为单元抽取「下单—发货—签收—申请退货」的行为序列，用多模态模型识别图片中的瑕疵与色差，再用小模型把文本归因收敛到尺码偏差、材质预期、物流破损、功能不符等固定类目。

要点：
1）试点 3 个服饰类目、约 1.2 万条退货工单，与人工标注一致率 82%，其中尺码偏差类召回提升较明显；
2）下一步接入商品详情页图文，验证「描述—实物」偏差能否作为独立归因特征，并把标签回流至选品与详情页优化建议。

现阶段不做准确率承诺，重点是把归因标签沉淀为可复用的数据资产，而不是又一张报表。