📦 退貨率高不是問題，不知道退在哪一環才是

退貨率 12% 這個數字，其實什麼都沒告訴你

很多賣家月底看後台，退貨率 12%，心裡一驚，然後開檢討會。會議上通常會出現三種結論：客人越來越難搞、要加強品管、下個月盯緊一點。

一個月後再看，還是 12%。

問題出在「12%」是一個總數，總數不會告訴你該做什麼。同樣是 12%，這兩種情況要做的事完全相反：

• 十筆退貨有七筆是「太小」，那是尺寸表在說謊，該修的是商品頁上的尺寸資訊，跟品管一點關係都沒有
• 十筆退貨有六筆是「袋子破了衣服髒掉」，那是包材配錯品項，換個雙層包裝就解決，跟商品本身無關

真正有用的資訊藏在退貨原因欄位跟客服對話裡，但那些是幾十上百行的自由文字，沒人有空一筆一筆讀完再分類。所以大部分人的做法是掃過幾筆有印象的，憑感覺下結論，然後修錯地方。

退貨健檢分類器就是把「讀完並分類」這件事丟給 AI 做，你只要負責決定先修哪一個。

六個分類，加上一句「該修哪一環」

這個工具做的事很單純：把你貼上的每一筆退貨紀錄，歸到固定的六個類別裡。

尺寸問題、品質落差、照騙落差（實物與圖片不符）、物流損壞、送錯商品、其他。

類別固定不會變，所以你每個月跑一次，數字可以直接橫向比較。這個月尺寸類從 55% 掉到 30%，就代表上個月改尺寸表那件事有效。

每一類會給你四樣東西：

• 筆數與佔比：各類加總會等於總筆數，不會憑空多出資料
• 根因：不是複述「顧客覺得太小」，而是從原文歸納。例如十筆尺寸問題有八筆是「太小」方向、只有兩筆偏大，這種單向集中就是版型或量法系統性失準，不是顧客量錯
• 業界水位對照：這一類在同品類常見佔多少，用區間表達並標註業界估算，讓你知道 11% 的物流損壞算偏高還是正常
• 改善優先序：依「佔比 × 可改善程度」排序，每項指向一個具體環節

那個「環節」是重點。工具只會從這幾個裡面挑：產品頁、尺寸表、商品攝影、品管檢驗、包材、物流商、揀貨流程、客服話術。搭配一個能直接執行的動作，例如「尺寸表加上模特兒身高體重與試穿心得」，而不是「加強品質控管」這種開完會就忘的空話。

三個步驟，五分鐘跑完一個月的退貨

步驟 1：把退貨紀錄複製出來

去後台的退貨管理，把「退貨原因」那一欄整批複製，一行一筆貼進輸入框。蝦皮、momo、SHOPLINE、CYBERBIZ 都有這個欄位，匯出 CSV 之後只留原因那一欄最快。

格式完全不用整理。「平常穿 M 這件 M 穿不下」「照片是奶白實品是卡其，退貨」「袋子破了衣服髒掉」這種口語紀錄直接貼就好。

原因欄位太空泛（很多平台只有下拉選單「七天鑑賞期」）的話，改貼客服對話節錄。顧客在 LINE 或客服信裡講的理由，資訊量通常比下拉選單高得多。

至少貼 15 到 20 筆，數量太少分類出來的佔比沒有參考價值。

步驟 2：選商品品類

服飾配件、鞋類、美妝保養、食品飲料、3C 家電、居家生活、母嬰用品、其他，八選一。

這個欄位會直接影響業界水位對照。服飾類的尺寸問題佔三到五成是常態，但同樣的數字出現在 3C 家電就完全不合理。選錯品類，對照基準就會偏掉。

步驟 3：讀報告，只挑第一項做

按下分析，會拿到總體觀察、各類統計、改善優先序。

看報告的順序建議是倒著看：先看改善優先序的第一項，那是投報率最高的一步；再回頭看它對應的分類根因，確認 AI 的判讀跟你的直覺對不對得上。

不確定工具會產出什麼樣子的話，先按「看範例」，會載入一份 18 筆服飾退貨的完整分析，包含尺寸問題 55.6%、照騙落差集中在單一款外套這種真實的樣態。

結果可以整份複製成文字，也可以存進「我的紀錄」，下個月再跑一次就有對照組。

幾個讓分析更準的做法

1.一次只丟一個品類：服飾跟 3C 混在一起貼，業界水位對照就失效了。品項橫跨多類的話，分開跑，各自拿一份報告。

2.原因欄位太罐頭就改貼對話：平台下拉選單常常只有「不喜歡」「不符預期」，這種資料 AI 也讀不出東西。花十分鐘把客服對話裡的關鍵句挑出來，分析品質差很多。

3.看「方向」比看筆數重要：十筆尺寸問題，如果八筆嫌小、兩筆嫌大，那是版型偏小，加註「建議大一號」就能修掉一半。如果五筆嫌小、五筆嫌大，那是尺寸表量法根本不準，要重新實測。工具的根因會點出這件事，別只看筆數。

4.注意有沒有集中在單一商品：三筆照騙落差如果全指向同一款米色外套，那不是通案，就是那款商品的打光跟後製有色偏，重拍一次就解決。這種單款集中的問題最好修，優先處理。

5.每月固定跑，數字才有意義：單月報告告訴你現況，連續三個月才看得出改善有沒有效。存進紀錄，下個月開新的一份對照。

6.業界水位是參考不是標準：報告裡的對照都標了「業界估算」並用區間表達，用途是幫你判斷「這個數字值不值得緊張」，不是拿來當 KPI。你的客群、價位帶、通路都會影響合理水位。

三個實際情境

情境 A：女裝賣家，退貨率一直壓不下來

貼 18 筆退貨原因，品類選服飾配件。

結果：尺寸問題 10 筆（55.6%）、照騙落差 3 筆、品質落差 2 筆、物流損壞 2 筆、其他 1 筆。

關鍵在根因：十筆尺寸問題有八筆是「太小」方向。這代表不是顧客亂買，是版型偏小或尺寸表量法跟實際不符。業界對照顯示服飾類尺寸因素常見佔三到五成（業界估算），55.6% 已經超過高標。

第一優先動作指向「尺寸表」：重新實測全系列，改用平量尺寸加模特兒身高體重試穿對照，偏小的款式在商品頁直接加註「版型偏小，建議拉大一號」。這件事一個下午就能做完，比開三次品管檢討會有用。

情境 B：食品電商，以為是品質問題

老闆一直覺得是供應商品質不穩，準備換供應商。貼 25 筆退貨紀錄跑完發現，品質落差只有 4 筆，物流損壞卻有 11 筆，全部是「包裝壓壞」「醬料漏出來」。

改善優先序第一項指向「包材」，第二項指向「物流商」。換供應商這件事被擋下來了，實際要做的是玻璃罐加緩衝隔板、跟物流商確認易碎品標示流程。

情境 C：3C 配件，退貨集中在同一批

貼 20 筆，品類選 3C 家電。結果送錯商品 6 筆，佔三成，遠高於這類常見的水位。

根因指向揀貨：紀錄裡出現多次「收到的是黑色我買的是白色」「型號不對」，同款不同色的 SKU 擺在相鄰儲位。改善動作指向「揀貨流程」，把顏色相近的 SKU 分開儲位、出貨掃碼複核。

這種問題不修，退貨率只會跟著銷量等比放大。

拿到報告之後該做什麼

報告的價值在於它把「該修哪一環」講清楚了，接下來就是照那個環節去動手。

指向產品頁或尺寸表：問題出在下單前的資訊落差，這是最好修也最划算的一類。修完之後用商品頁轉換率診斷整頁再看一次，順便檢查有沒有其他讓人下錯單的敘述。

指向商品攝影：色差跟實物落差幾乎都出在打光跟後製。商品攝影指南有拍攝設定與打光的具體做法，重拍問題款式，商品頁補一張自然光實拍對照圖。

指向客服話術：如果退貨紀錄裡反覆出現同一種誤解，代表這個問題應該在下單前就被回答掉。把客服對話丟進 FAQ 萃取器，把高頻問題整理成商品頁 FAQ，讓顧客自己先看到答案。

指向包材、物流商、揀貨流程：這幾類跟商品本身無關，但通常最快見效，換包材、調儲位、加一道複核，一週內就能執行完。

做完之後把日期記下來，下個月同一天再跑一次。兩份報告放在一起看，才知道你修的那件事到底有沒有效。