电商退货率深度分析

平台汇总数字掩盖了结构性问题

电商平台后台给出的退货率通常只是一个笼统的汇总值——不分品、不分时段、不分支付方式。同一个 30% 的数字背后，可能是一款畅销品的 5% 加上一款问题品的 80%，还混入了未付款取消、在途订单这类根本算不上「退款」的订单。更麻烦的是，先用后付、抖音月付这类信用支付天然放大退货率，不拆开看就会得出「抖音退货率比视频号高」这种可能误导的结论。

分析框架与工作流程

本技能把原始订单数据（.xlsx / .csv）拆成可执行的业务洞察，核心能力包括：

• 五分类模型：将订单拆为未付款取消、售前退款、发货后退款、正常完成、在途五类，分母只计实际付款订单
• 分品与分时段分析：每个 SKU 独立计算退货率，按周或上线前后对比
• 跨平台并排对比：同一产品在视频号、抖音等平台的退货率直接对比
• 支付方式拆解：量化信用支付对退货率的放大效应

工作流程分五步：接收数据文件 → 自动识别平台并扫描数据 → 六步交互确认（平台、产品名称合并、产品选择、排除配件、时段拆分、支付拆解，逐个提问不堆砌）→ 执行分析 → 生成 HTML 报告。

其中产品名称合并很关键：同一产品常因包装描述或 SKU 变体出现多个名称，先合并再算分品退货率，才能避免数据碎片化导致指标失真。

适用边界与注意点

• 技能不生成数据，需要用户提供从平台后台导出的原始订单文件
• 平台识别基于列名特征匹配，不确定时会回问用户确认
• 在途订单占比超过 20% 时当前退货率会偏低，报告中必须单独提示
• 配件、赠品需在交互中排除，否则会拉低整体退货率