在零售电商中，服饰退货有相当比例源于尺码不合适，但这类损失常被记入“正常退货”而不被单独度量。本阶段实验不做泛化的体型识别，而是把用户历史购买记录、留评尺码、退货原因与商品尺码表结构化，训练一个轻量匹配模型，输出“推荐尺码 + 置信度”；置信度不足时，退回身高体重与松紧偏好的简短问卷。
进展：
- 在三个服饰子类目做离线回放，以“退货是否因尺码”为标签，匹配准确率较仅用身高体重规则提升约 11 个百分点；低置信度样本占 18%，转问卷后的人工介入量仍在可控范围。
- 下一步计划把版型字段（肩宽、衣长、弹力等）纳入特征，并观察线上 A/B 中退货率与转化率的联合变化，避免只压退货而牺牲成交。
评论