电商售后退款单AI归因：原因分类与责任判定

在服饰与家居类目，退款单上的「七天无理由」经常掩盖真实原因，导致运营看到的售后结构失真。本轮实验以某店铺近三个月的退款工单为样本，把客服对话记录、物流节点和商品页面摘要一并送入模型：先做一级原因分类（商品质量、尺码版型、物流时效、描述不符、主观偏好），再给出可判定的责任归属提示，供售后与商品团队分工处理。

要点一（进展）：人工标注1200条工单作为基准，一级分类与人工复核的一致率约86%。误差集中在「尺码版型」与「描述不符」两类，二者在文本表述上高度重叠；引入下单时的尺码选择、退换记录等结构化字段后，这两类的混淆下降约三成。

要点二（下一步）：不把分类准确率当作终点，而是将归因结果回流为详情页与尺码表的修改建议，用同类商品的退款率变化来验证效果。若归因无法驱动商品页改动，它只是一个更漂亮的报表。