摘要：用评论提前发现退货根因
很多卖家复盘退货，只看一个数字：退货率。
退货率高了，就怪产品差。
退货率低了，就觉得安全。
但真正决定你能不能改善退货的，不是“退了多少”，而是“为什么退”。
同样是退货，根因完全不同：
- 商品坏了，属于产品质量问题
- 发错货或缺件，属于商家履约问题
- 运输损坏，属于物流包装问题
- 买家不需要了，属于买家决策变化
- 页面图片误导，属于预期管理问题
如果你只看一个退货率，这些问题会被揉成一团。
如果你把退货原因、买家评论和整改动作放在同一张表里，退货就变成一张产品改进地图。
今天拆的是 Amazon 团队在 CHIIR 2024 发表的论文《Why Do Customers Return Products? Using Customer Reviews to Predict Product Return Behaviors》。
它的核心问题很直接：
客户评论能不能帮助预测退货原因，并提前告诉卖家产品、页面、物流或售后到底哪里出了问题？
论文信息卡
论文标题：Why Do Customers Return Products? Using Customer Reviews to Predict Product Return Behaviors
作者：Hao-Fei Cheng, Eyal Krikon, Vanessa Murdock
机构：Amazon
来源：CHIIR 2024，March 10-14, 2024，Sheffield, United Kingdom
研究对象：Amazon.com 商品评论、退货记录和退货原因码
本文使用文件：03_客户反馈_VOC算法/12_Learning from Customer Returns Feedback.pdf
清单题名是 “Learning from Customer Returns Feedback”。实际 PDF 是用客户评论预测退货行为和退货原因的 Amazon 论文。本文按真实论文内容解读，不把它说成 Amazon 官方退货风控、NCX 或账户健康评分公式。
一句话结论
这篇论文对卖家的最大启发是：
退货原因码只是粗标签，评论文本才经常写着真正的退货根因。
买家选择“Item-related”，不代表你已经知道问题。
它可能是尺码不对、功能失效、材质不符、安装困难、缺件、描述误导，也可能是用了几天才出现缺陷。
买家选择“Merchant-related”，也不一定真的只是卖家发货问题。
评论可能写着“图片误导”“配件缺失”“收到的不是描述里的尺寸”。
卖家要做的不是把退货原因码照抄到周报里，而是继续往下拆：
这次退货到底是产品、页面、包装、物流、商家履约，还是买家预期变化？
为什么退货是账户绩效里的硬问题
退货不是一个单纯售后成本。
它会影响利润、库存、FBA 周转、广告效率、评分、评论、客服压力和买家体验。
论文开头给了两个背景数字：
在线购买中，约 15% 到 40% 的订单会被退回。
被退回的产品中，估计约 25% 最终进入填埋场。
这说明退货不只是卖家的钱被消耗，也会造成平台、物流和环境成本。
对 Amazon 卖家来说，退货问题还会带来更隐性的损失：
- 广告带来的订单被退掉，ACOS 看起来低，真实利润却很差
- 高退货 SKU 可能引发客户体验问题和负面评论
- 退货原因反复出现，说明 Listing 或产品没有兑现预期
- 退货处理慢或争议多，会拖累客服和账户风险
- 高退货款式占用库存和现金流，影响补货判断
所以退货复盘不能只做财务统计。
退货复盘应该成为产品、运营、供应链、包装和客服的共同工作台。
论文研究了三个问题
论文提出了三个研究问题。
第一个问题：如果退货买家自己写了评论，我们能不能用这条评论预测他选择的退货原因码？
这对应卖家的场景是：买家退货后同时留下评论或反馈，评论里是否能解释他为什么退。
第二个问题：如果退货买家没有写评论，能不能用同一产品其他买家的评论，预测这个产品的退货原因分布？
这很关键。
很多退货买家不会写评论，也不会写详细备注。
但同一个产品下，其他买家留下的评论，可能已经暴露了共性问题。
第三个问题：能不能从评论里提取更细的产品方面或客户体验方面，给退货原因码补充解释？
比如退货原因码只有“Item-related”，但评论可以进一步指出“battery life short”“missing advertised feature”“size too small”。
这三个问题合起来，其实就是卖家的退货根因分析闭环：
单次退货看评论。
没有单次评论，就看产品聚合评论。
原因码太粗，就抽更细的方面和证据。
数据规模和退货原因分布
论文使用了一年数据，时间范围是 2019 年 10 月到 2020 年 9 月。
数据包括：
- 90,962 次退货
- 73,965 个产品
- 34 个产品类目
- 平均每个产品 612 条评论
- 平均评论长度 35 个词
退货原因码被归为五大类：
- 产品相关：坏了、不能正常工作、使用后出现缺陷
- 商家相关：发错货、套装缺件
- 物流相关：运输损坏、未送达
- 买家相关：不需要了、找到更低价格
- 其他：其他原因
在这批数据里，退货原因分布是：
- 产品相关：70.2%
- 商家相关：19.5%
- 买家相关：7.4%
- 物流相关：2.4%
- 其他：0.5%
这说明产品相关问题是大头。
但卖家不能因此简单说“产品不好”。产品相关下面还要继续拆细，才知道该改材质、尺寸、结构、说明、质检，还是功能设计。
加入评论文本后，预测明显变准
论文先做了一个基线模型。
基线模型不看评论文本，只看产品、客户、商家、订单和时间特征，比如品牌、类目、平均星级、卖家类型、是否免费退货、购买到退货的天数等。
然后，研究团队加入评论文本特征。
他们比较了三种表示方式：
- GloVe + VADER
- 预训练 BERT
- fine-tuned BERT
结果非常明确。
基线模型的 average precision 是 0.660。
加入 GloVe + VADER 后变成 0.674。
加入预训练 BERT 后变成 0.687。
加入 fine-tuned BERT 后变成 0.894。
平均 F1 也从基线的 0.644 提升到 0.894。
这就是这篇论文最重要的数字之一。
评论文本不是售后情绪，它是退货原因预测的核心特征。
评论为什么能帮模型纠错
论文做了定性分析，列出评论文本帮模型纠错的几种场景。
第一，基线模型只会按类目常见原因猜。
比如某个手机配件所在类目常见退货原因是“买家不喜欢”，基线模型就容易往买家相关原因上猜。
但评论可能写得很具体：“包装贴纸写着 S20+，但完全不适配我的手机。”
这就说明根因不是买家改变主意，而是适配或描述问题。
第二，基线模型会被商家特征带偏。
如果某个商品来自第三方卖家，评分一般，基线模型可能预测为商家相关问题。
但评论可能写着：“灯不亮，图片也误导。”
这就可能是产品缺陷和页面误导，而不只是商家履约。
第三，基线模型会默认多数类。
当其他特征不够明显时，模型可能默认预测“产品相关”。但评论可能写着“收到时屏幕边框已经翘起，还有划痕”，这更像运输损坏或二手感问题。
这些例子对卖家很现实。
只看类目、星级、卖家类型、退款时间，容易猜错。
评论原文能把问题拉回真实场景。
退货买家没写评论怎么办
论文第二个问题更贴近真实运营：
很多退货买家不会写评论。
那怎么办？
研究团队用同一产品的聚合评论来预测该产品的退货原因分布。
他们比较了几个输入：
- 所有评论
- 只看正向评论
- 只看负向评论
- 正向和负向分开后拼接
- 不看评论的基线
结果显示，所有评论的效果最好。
MSE 从基线 0.02276 降到 0.01279。
KL Divergence 从基线 0.28471 降到 0.14829。
注意，这里不是只看负面评论。
论文还提到一个有意思的发现：约 25% 的退货客户会给产品留下正面评论。
这说明退货不一定等于讨厌产品。
买家可能觉得产品很好，但不适合自己。
可能质量不错，但尺寸不合适。
可能喜欢产品，但发现更低价。
可能给了好评，后来使用中才发现问题。
所以卖家不能只看一星二星。
三四五星评论里，也可能藏着未来退货原因。
更细的根因，要靠方面抽取
退货原因码太粗。
论文第三部分尝试从评论里抽取更细的 product aspects，也就是产品或体验方面。
比如：
- poor battery life
- battery ran out fast
- battery didn’t last
这些不同表述可以聚合成同一个方面：电池续航差。
论文比较了两类方法：
- 统计 keyphrase extraction 方法
- 基于 LLaMA 微调的 LLM 方法
结果显示，两类方法都能从评论里提取出有解释力的方面。
在“是否解释退货原因”这个任务上：
- keyphrase-based 方法整体准确率 0.811
- LLM-based 方法整体准确率 0.825
论文还特别指出，在超过 80% 的样本中，从评论中抽取的方面提供了比退货原因码更详细的信息。
这对卖家很关键。
“产品相关”不够。
“短电池续航”才可行动。
“商家相关”不够。
“缺少宣传中展示的配件”才可行动。
“物流相关”不够。
“外包装抗压不足导致边角压坏”才可行动。
放到卖家运营里怎么做
你不需要先训练 BERT 或 LLaMA。
你可以先把思路落到一张表里。
建议字段如下：
- ASIN / SKU
- 站点
- 退货日期
- 退货原因码
- 退货备注
- 同期低星评论
- 同期中高星评论中的隐性抱怨
- VOC 问题摘要
- 根因大类：产品 / 商家 / 物流 / 买家 / 其他
- 根因细类：尺码、材质、功能、缺件、描述误导、运输损坏等
- 原文证据
- 影响范围：单次 / 多次 / 多渠道重复出现
- 责任人
- 整改动作
- 14 天复盘
- 30 天复盘
关键规则只有一条：
每一个细根因，都必须有原文证据。
没有评论、备注、客服消息或退货说明支撑的根因，先标“待验证”，不要直接下结论。
一个卖家案例
假设你卖一款厨房电子秤。
后台看到退货原因里，“Item-related” 占比很高。
如果只看这个原因码，你只会说：产品质量有问题。
但把评论拉出来，你可能看到三类反馈：
第一类：“用了两周后数字跳动，称重不准。”
这是功能稳定性问题，应该找工厂和质检。
第二类：“图片看起来很大，实际托盘太小。”
这是页面预期问题，应该改尺寸图和场景图。
第三类：“收到时外盒被压，里面塑料件裂了。”
这是包装和运输抗压问题，应该改内衬和外箱。
这三个都可能被归到 Item-related，但整改动作完全不同。
如果你只看退货率，就会盲目要求工厂“提升质量”。
如果你看细根因，就能知道该改传感器、改图片，还是改包装。
这就是评论文本对退货复盘的价值。
不要误读这篇论文
第一，这不是 Amazon 官方退货风控公式。
论文展示的是研究方法和实验结果，不等于 Seller Central 里的退货、NCX、账户健康或任何绩效指标的官方计算逻辑。
第二，评论不能解释所有退货。
论文也明确指出，有些退货原因和评论不一致。买家可能写了正面评论，但后来因为价格、尺寸或个人需求变化而退货；也可能选择了不准确的退货原因码。
第三，不能只看负面评论。
论文发现，只用负面评论预测退货原因，效果不如使用全部评论。因为中性、正向甚至三星评论里，也会写到不适配、不符合预期、场景不匹配等信息。
第四，LLM 不是万能。
论文提到，LLM 做方面抽取有少样本优势，但也可能有注入攻击、不专业语言或幻觉风险。卖家使用 AI 做退货复盘时，必须保留证据句和人工复核。
第五，退货复盘不是为了责怪买家。
它的目标是减少下一批退货，让页面更准确、产品更稳定、包装更可靠、售后更清楚。
结论
退货原因，很多时候早就写在评论里了。
退货码告诉你粗方向。
评论原文告诉你具体根因。
聚合评论告诉你下一批退货可能集中在哪里。
方面抽取告诉你该改产品、页面、包装、物流还是售后。
这篇 Amazon 论文给卖家的真正启发是：
不要把退货复盘做成财务报表，要把它做成根因整改表。
每周把退货原因码、评论、VOC、客服消息放在一起。
每个高频退货原因都找到原文证据。
每个原文证据都映射到一个整改动作。
每个整改动作都在 14 天和 30 天后复盘。
退货率下降，不是靠祈祷买家少退。
而是靠你提前看懂买家已经写出来的问题。
参考资料
- 论文：Why Do Customers Return Products? Using Customer Reviews to Predict Product Return Behaviors
- Amazon Science 页面：https://www.amazon.science/publications/why-do-customers-return-products-using-customer-reviews-to-predict-product-return-behaviors
- DOI：https://doi.org/10.1145/3627508.3638326