在零售电商实验室近期的实验中，我们把退货工单里的文字原因与商品尺码表、用户历史购买记录做了对齐，尝试让模型不再只依赖用户自填的身高体重，而是从「买了什么码、留下了什么、退回了什么」中反推个体的真实穿着偏好。
第一阶段我们抽样了约 12 万条服饰类退货记录，剔除非尺码类原因后，将「偏大/偏小/版型不符」与 SKU 的实测围度数据做匹配。初步结果显示：对同一品牌内的复购用户，基于历史留退行为给出的推荐尺码，与人工客服建议的一致率约 78%，高于仅用身高体重表单的 61%。
要点：
- 进展：已完成尺码表结构化解析，覆盖 6 个品类、约 4.3 万个 SKU 的肩宽、胸围、衣长等字段；
- 下一步：引入版型标签（修身/宽松）与面料弹性的弱监督标注，通过线上 A/B 实验观察推荐尺码对退货率的实际影响，而不只看离线一致率。
需要说明的是，尺码推荐的效果高度依赖尺码表质量，我们暂未把该结论外推到非服饰品类。
评论