在零售电商场景中，退货原因字段长期存在「填写随意、口径不一」的问题：同一件衣服可能被写成「不合适」「偏小」「和图片不符」，运营难以据此定位是尺码描述、详情页还是供应商的问题。本期零售电商实验室围绕「退货原因归类」做了一组小规模实验，目标不是做一个通用分类器，而是验证能否用商品画像约束文本归类，让结果直接落到可执行的改进项上。
方法上，我们以售后文本（退货理由、客服备注、评价摘要）为主输入，引入商品侧的结构化画像作为约束条件：类目、尺码表、材质、历史退货率、图文一致度评分等。模型不直接输出「尺码问题」这类泛标签，而是输出「尺码表偏小—对应SKU集中在M/L」这样的结构化归因，并保留原文片段作为依据，便于人工复核。
阶段性结果：在约1.2万条历史退货记录上，人工抽检500条，归因标签与人工判断一致率约82%，较仅用文本的基线提升约11个百分点；对「尺码/版型」类问题的召回提升更明显。下一步计划是接入上新前的详情页审核环节，尝试在商品上架阶段就给出尺码表风险提示，把退货归因从「事后统计」前移到「事前拦截」。
评论