在零售电商里，退货常被记作一笔履约费用，但它同时影响毛利、库存周转与二次销售。本阶段实验聚焦一件事：在发货前后用可解释模型识别高退货风险订单，并给出可执行的处置建议。
数据侧只用了三类易得信号：商品历史退货率与尺码、色差相关标签；用户下单前的行为序列（加购—取消—反复比价）；订单结构特征（同款多码、促销叠加）。模型输出的是风险分而非直接拦截，目的是不误伤正常用户。
进展：在女装、鞋靴两个测试类目中，Top10% 风险订单命中约 62% 的实际退货，较高基线提升约 18 个百分点；对高风险订单改发“发货前尺码确认”提示后，该组退货率下降约 7%。
下一步：将预测结果接入逆向物流与库存回流排期，验证能否缩短可二次销售商品的上架时间；同时评估促销期数据偏移带来的误判，避免大促期间风险分整体走高。
评论