退货是零售电商中少数同时影响履约成本与用户体验的环节。实验室近期的实验不做“是否退货”的单一判断，而是把预测拆到决策时点：下单时、履约中、签收后，各自可用的特征与可执行动作并不相同。
特征按可得性分层：下单侧用品类、尺码、促销力度、支付与收货方式；履约侧用改址、催单、客服会话意图；签收侧用开箱评价与换货记录。模型输出退货概率区间，并映射到有限动作集，例如尺码提示、替代款推荐、取件时间预约，避免对用户行为做过度干预。
要点：
- 阶段性进展：在某服饰类目离线回测中，高风险分位订单的实际退货率约为整体均值的 3 倍，说明分层干预存在可操作空间；同时发现促销叠加订单的误报偏高，需单独校准。
- 下一步计划：将干预动作接入小流量 A/B 实验，用净收益口径评估，即减少的退货履约成本减去干预成本与体验折损，并观察是否出现“提示反而诱发退货”的反向效应。
评论