零售电商实验室本期聚焦一个具体问题：退货率上升时，运营看到的往往只是「尺码不符」「质量问题」这类粗分类，无法定位到具体商品页面的哪一个描述环节出了问题。
我们做了一组实验：将售后工单的退货原因文本、用户评论文本与订单 SKU 对齐，用轻量文本分类模型做归因，再回写到商品维度。归因不追求覆盖全部退货，只收敛到四个可操作类别——尺码偏差、色差、功能不符、物流破损。
进展：
· 在约 12 万条已标注退货工单上，四分类宏观 F1 为 0.81；「色差」与「功能不符」最易混淆，主要源于用户口语描述中的模糊表达，后续靠关键词规则做了部分兜底。
· 归因结果回写商品页后，运营对 37 个 SKU 调整了尺码表或主图，其后两周同款退货率下降约 6%~11%。样本量仍偏小，仅作阶段性观察，不作结论。
下一步计划：接入直播话术与客服会话记录，判断退货是否来自售中承诺与页面描述的不一致；同时评估归因信号能否作为选品与供应商评估的辅助输入。
评论