退货原因字段多由用户随手勾选，真实原因常藏在评论文本与用户实拍图里。我们把退货申请文本、客服会话、用户实拍图与商品参数对齐到「SKU-批次」粒度，用多模态模型做原因归类——尺码偏差、色差、材质不符、破损、物流、预期落差，再以弱监督方式聚合成SKU级问题分布，而不是停留在单条判断。
进展：某服饰类目试点中，模型归因与人工复核的一致率由62%提升至81%；对尺码类问题给出详情页尺码表修正建议后，相关SKU的尺码退货占比下降约7个百分点。我们并不追求单条评论的绝对准确，而是让分布稳定到足以驱动动作。
下一步：将归因结果回流到详情页与主图的A/B测试，观察退货率是否随内容调整而变化；同时引入「退货后是否复购」作为长期指标，避免只优化短期退货数字。
评论