AI退货原因归因：多模态证据链与口径统一

在零售电商场景，退货原因数据长期存在“标签粗、口径乱、图文分离”的问题。本实验尝试用多模态归因流程，把售后工单、退货备注、客服会话、订单属性与买家上传图片放在同一证据链中，先由规则引擎处理明确原因，再用轻量模型对模糊文本和图片做原因分类，重点区分尺码不合适、色差、破损污渍、功能不符与物流问题。

阶段性进展：
• 已在服饰鞋靴类目跑通离线评估，覆盖约12万条退货记录；人工抽检1000条，一级原因归因准确率约86%，其中“尺码不合适”和“物流问题”较稳定，“破损/污渍”仍需图片证据复核。
• 下一步将归因结果反哺商品详情页、尺码表和主图质检，按原因做小流量A/B，观察同类退货率与客服工单量变化，并补充跨类目口径映射。