AI退货风险预测定制：图文特征与履约时效

退货率既是成本项，也是最诚实的商品质量信号。本期实验不做通用推荐，而是把退货预测拆成可干预的特征：商品侧的多模态图文（标题夸大词、主图色差与模特穿着、尺码表完整度）、SKU属性、下单时段与优惠类型，以及履约侧的时效与包裹破损记录。模型将文本与图像embedding拼接结构化特征，输出单笔订单的退货概率，并按类目做分位数校准，避免不同品类阈值互相污染。

要点
· 阶段进展：在服饰、鞋靴、家居三个类目冷启动，验证集AUC由0.78提升至0.83；Top10%高风险订单覆盖约45%的实际退货量，尺码信息缺失与主图色差是最易干预的两类因子。
· 下一步计划：把概率接入售前环节（尺码助手提示、详情页风险词弱化）并与仓配时效联动，用小流量A/B验证退货率与转化的净变化，避免以牺牲成交换取指标好看。