AI退货原因归因定制：评价文本与仅退款风控

在零售电商售后链路中，退货原因填写粗糙、描述不一致，导致仅退款风控与商家责任判定长期依赖人工。本期实验把商品页属性、用户评价、客服会话与物流节点作为联合输入，用轻量多模态模型预测退货主因，并输出可解释证据片段。

进展：在服饰、鞋履、家居三个类目离线验证，将原因从 9 个粗标签细化为 17 个子类，Top-3 命中率 82.4%；对高风险仅退款单召回 76.1%，误伤率 4.8%，人工复核量下降约 31%。

下一步：接入退货物流时序与商家履约数据，做小流量在线 A/B，重点观测误伤率、商家申诉率和客服处理时长，避免模型把“描述不符”简单归咎于用户。