服装是零售电商退货率最高的类目之一，而尺码不合适通常排在退货原因首位。本阶段实验尝试把三条弱信号拼成一条可用证据链：用户退货时勾选的理由文本、历史订单中同款同码的留存情况、以及用户主动填写的身高体重与穿着偏好。
与直接套用协同过滤不同，我们先做品牌尺码表对齐——不同商家的 S/M/L 并非同一套版型，跨店直接建模容易把噪声当成规律。对齐后按版型维度聚类，再在类内做个人尺码推断。同时把退货理由做归一化，区分“偏小”“偏大”与“版型不符”三类，避免把设计问题误记为尺码问题。
要点：
· 进展：在约 8 万条已完结订单上离线回放，尺码方向判断的一致率较规则基线有提升，但对无历史订单的新客仍不稳定，暂不接入线上主流程。
· 下一步：引入详情页平铺尺寸与面料弹性描述，处理同一用户跨品类的体型漂移，并评估以“建议尺码＋理由”的形式先服务客服与售前咨询。
评论