Cara Membuat Laporan Pengembalian Produk dengan AI: Panduan Lengkap
Laporan pengembalian produk merinci pengembalian dana berdasarkan SKU, kategori, dan alasan sehingga Anda dapat membedakan masalah ukuran/kesesuaian dari masalah pemenuhan pesanan. Buat laporan ini dalam tiga langkah. Pisahkan barang yang dikembalikan dari pesanan yang dibatalkan. Hubungkan setiap kasus ke baris pesanan asli. Kemudian, baca tingkat pengembalian per SKU, bukan untuk keseluruhan toko.
Apa yang sebenarnya ditunjukkan oleh laporan pengembalian produk
Satu angka tingkat pengembalian untuk seluruh toko adalah data yang paling tidak berguna dalam e-commerce. Angka ini berubah saat bauran produk Anda berubah. Angka ini tidak memberi tahu apa pun tentang apa yang harus dilakukan selanjutnya.
Laporan yang berguna menjawab tiga pertanyaan sekaligus:
- SKU mana yang mendorong tingkat pengembalian? Toko dengan tingkat pengembalian 15% bisa saja memiliki satu lini produk dengan tingkat pengembalian 35% sementara produk lainnya berada di kisaran 8%.
- Mengapa barang dikembalikan? Ukuran, kerusakan, dan "tidak sesuai deskripsi" mengarah pada tiga tim yang sama sekali berbeda.
- Berapa biayanya? Satu unit yang dikembalikan berarti hilangnya pendapatan ditambah biaya pengiriman keluar serta biaya pemrosesan. Terkadang unit tersebut tidak dapat dijual kembali.
Skala ini patut untuk terus diperhatikan. Laporan Penjualan E-Commerce Ritel Kuartalan dari Biro Sensus AS dirilis pada 18 Agustus 2026. Laporan tersebut mencatat penjualan e-commerce kuartal kedua tahun 2026 sebesar $340.2 miliar, setelah disesuaikan secara musiman, naik 3.8 persen dari kuartal pertama. E-commerce menyumbang 17.1 persen dari total penjualan ritel pada kuartal tersebut. Pengembalian dana adalah persentase dari angka yang sangat besar.
Tidak semua pengembalian dana adalah pengembalian barang
Ini adalah perbedaan yang sering kali salah diidentifikasi oleh sebagian besar laporan, dan hal ini mengarahkan Anda pada solusi yang salah.
Sebuah pengembalian barang (return) terjadi ketika pelanggan mengirimkan kembali barang yang telah mereka terima. Sementara itu, pengembalian dana pembatalan (cancellation refund) adalah uang yang dikembalikan karena pesanan tidak pernah dipenuhi. Keduanya muncul sebagai jumlah negatif dalam ekspor pembayaran yang sama. Namun, hampir tidak ada kesamaan lain di antara keduanya.
Pembatalan memiliki jangka waktunya sendiri, dan di Amerika Serikat, ada aturan yang mengaturnya. Panduan Komisi Perdagangan Federal (FTC) tentang Aturan Barang Pesanan Melalui Surat, Internet, atau Telepon mencakup waktu pengiriman. Jika Anda tidak membuat pernyataan pengiriman, aturan tersebut menyatakan "Anda harus memiliki dasar yang wajar untuk meyakini bahwa Anda dapat melakukan pengiriman dalam waktu 30 hari." Itulah mengapa pemasar langsung menyebutnya sebagai Aturan 30 Hari.
Apa yang terjadi selanjutnya juga telah ditentukan. Tanpa persetujuan pelanggan untuk penundaan, panduan tersebut menyatakan bahwa Anda harus mengembalikan dana "tanpa diminta", dan secara penuh, untuk barang yang tidak dikirimkan. Dan jika Anda tidak dapat mengirimkan barang maupun mengirimkan pemberitahuan yang diperlukan tepat waktu, "Anda harus membatalkan pesanan dan segera memberikan pengembalian dana."
Konsekuensinya bagi laporan Anda sangat sederhana. Lonjakan pengembalian dana yang disebabkan oleh kekosongan stok adalah masalah pemenuhan pesanan yang memiliki tenggat kepatuhan di belakangnya. Lonjakan yang disebabkan oleh ukuran adalah masalah halaman produk. Melaporkan keduanya dalam satu baris tidak akan memberi tahu Anda apa pun.
Catatan cakupan: panduan FTC adalah dokumen kepatuhan tentang waktu pengiriman, bukan standar kebijakan pengembalian barang. Panduan ini dikutip di sini hanya untuk menetapkan bahwa pembatalan adalah kategori yang berbeda dengan jangka waktu yang berbeda pula.
Kode alasan adalah kolom yang dapat ditindaklanjuti
Tingkat pengembalian memberi tahu Anda seberapa besar masalahnya. Kode alasan memberi tahu Anda masalah siapa itu sebenarnya. Itulah mengapa laporan pengembalian tanpa cakupan alasan akan mandek dalam rapat.
| Kode alasan | Apa yang biasanya ditunjukkan | Siapa yang dapat menindaklanjutinya |
|---|---|---|
| Ukuran atau kesesuaian salah | Panduan ukuran dan fotografi | Merchandising |
| Rusak dalam perjalanan | Kemasan atau kurir pengiriman | Fulfillment |
| Tidak sesuai deskripsi | Teks deskripsi halaman produk | Content |
| Berubah pikiran | Ekspektasi yang terbentuk sebelum checkout | Marketing |
| Cacat produk | Pemasok atau satu batch tertentu | Quality and sourcing |
| Kosong atau tidak terpetakan | Formulir pengisian itu sendiri | Operations |
Baris terakhir bukanlah sekadar pelengkap. Tingkat kekosongan di atas sekitar seperlima dari total kasus berarti setiap baris lain dalam tabel hanya menggambarkan sebagian dari gambaran keseluruhan.
Apa yang Anda butuhkan sebelum memulai
Tiga file ekspor, dan biasanya file-file ini sudah ada:
- Ekspor RMA atau pengembalian yang berisi ID pesanan, SKU, jumlah, nominal pengembalian dana, kode alasan, dan tanggal diterima.
- Baris pesanan asli untuk periode yang sama, sehingga setiap kasus dapat diukur terhadap apa yang sebenarnya terjual.
- Ekspor pengembalian dana atau pembayaran, jika pembatalan dicatat di tempat lain.
Jika kode alasan hilang atau sebagian besar kosong, celah tersebut merupakan temuan pertama itu sendiri. Sampaikan hal tersebut di halaman laporan daripada mencoba mencari jalan pintas untuk menghindarinya.
Cara membuat laporan pengembalian secara manual
Cara manual memang bisa berhasil. Namun, cara ini sering kali bermasalah di bagian-bagian yang sudah bisa ditebak.
Opsi 1: Membuat Pivot Table dari ekspor pengembalian saja. Cepat, tetapi menyesatkan. Menghitung kasus tanpa mencocokkannya dengan baris pesanan hanya akan memberi Anda volume, bukan tingkat persentase. SKU yang terjual 10.000 unit dan SKU yang terjual 90 unit bisa saja menunjukkan jumlah pengembalian yang sama.
Opsi 2: Menggabungkan data ke pesanan dalam spreadsheet. Ini adalah format yang benar. Anda mencari setiap baris pesanan untuk mendapatkan unit yang terjual, lalu menghitung tingkat pengembalian per SKU. Namun, di sinilah masalah dimulai. Nama SKU bisa saja berubah di antara sistem yang berbeda, sehingga pencarian data (lookup) menghasilkan nilai kosong tanpa peringatan. Barang juga sering kali tiba lebih lambat dari bulan penjualan, sehingga pembagian bulanan yang sederhana akan mengecilkan tingkat pengembalian terbaru.
Opsi 3: Membagi berdasarkan kohort, bukan berdasarkan bulan kalender. Ukur berdasarkan bulan saat barang tersebut terjual, bukan bulan saat barang tersebut dikembalikan. Ini adalah versi yang akurat tetapi paling lambat untuk dipelihara. Setiap kali data diperbarui, Anda harus menggabungkan ulang datanya.
Hasil akhirnya baik-baik saja untuk ketiga opsi tersebut. Namun, pemeliharaannyalah yang memakan banyak waktu dan tenaga Anda.
Cara membuat laporan pengembalian produk dengan AI
Langkah 1: Unggah file pengembalian dan pesanan Anda
Masukkan ekspor RMA, baris pesanan, dan file pengembalian dana ke dalam Powerdrill Bloom secara bersamaan. Excel, CSV, dan PDF semuanya didukung, dan kolom-kolomnya tidak perlu diselaraskan terlebih dahulu.
Langkah 2: Deskripsikan laporan dalam bahasa sehari-hari
Sampaikan apa yang Anda inginkan, bukan bagaimana cara menghitungnya. Sebagai contoh: "Gabungkan data ini berdasarkan ID pesanan dan SKU. Pisahkan pembatalan dari barang yang diterima. Berikan saya tingkat pengembalian berdasarkan SKU dan kategori, dibagi berdasarkan bulan penjualan, lengkap dengan rincian alasannya. Tandai SKU mana saja yang di atas 25%."
Agen AI akan memproses penggabungan data tersebut dan memberi tahu Anda baris mana saja yang tidak dapat dicocokkan. Daftar rekonsiliasi tersebut jauh lebih penting daripada perhitungan aritmetikanya.
Langkah 3: Tinjau baris yang tidak cocok, lalu ekspor
Baca baris yang tidak cocok dan tidak memiliki alasan terlebih dahulu. Di sinilah letak kemungkinan terbesar terjadinya kesalahan angka. Kemudian, ekspor sebagai spreadsheet, dokumen Office, atau slide presentasi. Jika laporan ini bersifat bulanan, buat tugas terjadwal agar versi berikutnya dapat dibuat secara otomatis dari file ekspor terbaru.
Kesalahan umum yang sering terjadi
Hanya melaporkan tingkat pengembalian gabungan. Persentase tingkat pengembalian seluruh toko bisa saja terlihat membaik padahal setiap lini produk individu memburuk, karena volume penjualan bergeser ke kategori produk yang memiliki tingkat pengembalian lebih rendah. Selalu tampilkan rincian per kategori di samping angka total keseluruhan.
Membagi data berdasarkan tanggal barang dikembalikan. Barang yang dikembalikan sering kali baru tiba berminggu-minggu setelah penjualan. Laporan yang dibagi dengan cara ini akan membuat bulan-bulan terbaru terlihat sangat bersih secara semu, dan menunda analisis Anda terhadap produk baru.
Menganggap kode alasan yang kosong sebagai nol. Jika sepertiga kasus tidak memiliki alasan, rincian Anda hanya menggambarkan dua pertiga kasus yang memilikinya. Tampilkan tingkat cakupan data di sampingnya.
Mengabaikan hasil akhir penjualan kembali. Barang yang dapat dipajang kembali di rak dan barang yang harus dihapusbukukan (write-off) memiliki dampak biaya yang sangat berbeda. Jika data Anda memiliki kolom disposisi (disposition), gunakan kolom tersebut.
Membandingkan diri Anda dengan tolok ukur (benchmark) yang tidak jelas sumbernya. Tolok ukur kategori beredar luas tetapi jarang sekali dapat ditelusuri ke sumber utamanya. Tren Anda sendiri, per SKU, adalah perbandingan terbaik yang dapat mendukung pengambilan keputusan.
Untuk sisi pendapatan dari ekspor yang sama, silakan baca mengubah pesanan e-commerce mentah menjadi laporan tren penjualan. Untuk pilihan alat bantu, rangkuman kami tentang alat AI untuk analitik e-commerce mencakup kategori yang lebih luas.
Kesimpulan
Ini bukanlah perhitungan aritmetika yang rumit. Ini adalah masalah penggabungan data yang berkisar pada dua keputusan penilaian: apa yang dihitung sebagai barang yang dikembalikan, dan ke bulan mana suatu kasus pengembalian dimasukkan. Kedua hal inilah yang sering kali membuat laporan menjadi salah.
Serahkan tugas penggabungan data tersebut kepada agen AI. Gunakan waktu Anda untuk menganalisis kode alasan dan baris data yang tidak cocok.
Buat laporan pengembalian pertama Anda secara gratis dari file ekspor yang sudah Anda miliki. Untuk pekerjaan ritel yang berulang, asisten AI Excel dan pembuat laporan AI dapat menangani file yang sama.
Materi Biro Sensus dan FTC yang dikutip di sini diambil pada tanggal 2 September 2026.
Pertanyaan yang sering diajukan
Apa itu laporan pengembalian produk?
Ini adalah laporan yang menunjukkan unit yang dikembalikan dan nilai pengembalian dana yang dirinci berdasarkan SKU, kategori, dan kode alasan, yang diukur terhadap unit yang terjual. Laporan ini memisahkan barang yang dikembalikan dari pembatalan sehingga tingkat pengembalian mengarah pada penyebab yang spesifik.
Bagaimana cara menghitung tingkat pengembalian berdasarkan SKU?
Bagi unit yang dikembalikan untuk SKU tersebut dengan unit yang terjual untuk SKU yang sama, dibagi berdasarkan bulan penjualan. Melakukannya per SKU adalah poin utamanya, karena angka di tingkat toko menyembunyikan data pencilan (outlier).
Apa perbedaan antara pengembalian barang (return) dan pengembalian dana (refund)?
Pengembalian barang (return) berarti barang dikirimkan kembali. Pengembalian dana (refund) adalah uang yang dikembalikan, yang juga terjadi ketika pesanan dibatalkan atau tidak pernah dikirimkan. Keduanya muncul sebagai jumlah negatif dalam ekspor pembayaran, sehingga laporan harus memisahkannya secara eksplisit.
Apakah laporan harus dibagi berdasarkan tanggal penjualan atau tanggal barang dikembalikan?
Berdasarkan tanggal penjualan. Barang yang dikembalikan sering kali baru tiba berminggu-minggu setelah pembelian, sehingga pembagian lainnya akan mempercantik bulan-bulan terbaru secara semu dan menunda analisis Anda terhadap produk baru.
Bisakah AI membuat laporan ini dari file ekspor yang terpisah?
Ya. Unggah file RMA, baris pesanan, dan ekspor pengembalian dana secara bersamaan, lalu deskripsikan laporan tersebut dalam bahasa sehari-hari. Penggabungan data, penandaan baris yang tidak cocok, dan tingkat pengembalian per SKU akan dihasilkan dalam satu kali proses.