零售退货里，“描述不符”与“质量问题”常被混填，人工归因只看标题，误差偏大。我们把近 6 个月的售后会话、退货申请文本与 SKU 属性对齐，做了一轮实验：先用小模型对会话做切片和意图过滤，剔掉物流催促、无理由等噪声，再把剩余文本按“版型偏小／色差／材质不符／做工缺陷”等 12 个细类聚类，最后与商品属性、尺码表、详情页变更记录交叉比对，输出责任候选。
进展：
· 在 3 个服饰类目约 4.2 万条退货记录上人工抽检 500 条，主要归因一致率 81%，较原有单级标签提升约 23 个百分点；
· 聚类已能定位到具体尺码表条目，“偏小”集中在两个版型，反馈商品侧改版后可继续追踪退货率变化。
下一步：把归因结果接入选品与详情页优化流程，验证“归因—改版—退货率”闭环是否稳定，并补齐家居、美妆类目的细类体系。
评论