AIで商品の返品レポートを作成する方法：完全ガイド

商品返品レポートは、返金をSKU、カテゴリ、理由別に分類するため、サイズなどの適合性の問題なのか、配送・梱包（フルフィルメント）の問題なのかを判別できます。このレポートは3つのステップで作成できます。まず、返品された商品とキャンセルされた注文を分けます。次に、各返品データを元の注文明細に結合します。そして、店舗全体ではなく、SKUごとの返品率を読み取ります。

商品返品レポートが実際に示すもの

店舗全体の単一の返品率は、Eコマースにおいて最も役に立たない数字です。商品構成が変わるだけで変動し、次に何をすべきかについて何も教えてくれません。

有用なレポートは、次の3つの質問に同時に答えてくれます。

• どのSKUが返品率を押し上げているか？ 全体の返品率が15%の店舗でも、特定のラインが35%に達しており、それ以外は8%前後に収まっていることがあります。
• なぜ商品が戻ってくるのか？ サイズ違い、破損、「説明と異なる」は、それぞれまったく異なる3つのチームに対処を求めるものです。
• いくらコストがかかったのか？ 返品された商品は、失われた売上に加え、往路の送料と処理費用が発生します。場合によっては、その商品を再販売できなくなることもあります。

その規模感を念頭に置いておく価値はあります。米国国勢調査局の四半期小売Eコマース売上レポートが2026年8月18日に発表されました。それによると、季節調整済みの2026年第2四半期のEコマース売上高は340.2十億ドルで、第1四半期から3.8%増加しました。同四半期の小売売上高全体に占めるEコマースの割合は17.1%でした。返金額は、この非常に大きな数字の一定割合を占めています。

すべての返金が返品とは限らない

これは多くのレポートが誤解している区別であり、誤った解決策を導く原因になります。

返品とは、顧客が受け取った商品を送り返すことです。一方、キャンセル返金は、注文が発送されなかったために返金されるお金です。どちらも同じ決済データのエクスポートではマイナスの金額として表示されますが、それ以外に共通点はほとんどありません。

キャンセルには独自の期限があり、米国ではルールが定められています。連邦取引委員会（FTC）の「郵送、インターネット、または電話注文商品規則」に関するガイドでは、発送のタイミングが規定されています。発送時期を明記していない場合、ガイドには「30日以内に発送できると信じるに足る合理的な根拠がなければならない」と記載されています。これが、ダイレクトマーケターがこれを「30日ルール」と呼ぶ理由です。

その後に何が起こるかも規定されています。顧客が遅延に同意しない場合、ガイドによると、未発送の商品について「求められることなく」全額を返金しなければなりません。また、期限内に発送も必要な通知の送付もできない場合は、「注文をキャンセルし、速やかに返金しなければならない」とされています。

レポートにおける影響は単純です。在庫切れによる返金の急増は、コンプライアンスの期限が背景にある配送・梱包（フルフィルメント）の問題です。サイズ違いによる急増は、商品ページの問題です。これらを同じ行で報告しても、どちらの原因も特定できません。

補足：FTCのガイドは発送のタイミングに関するコンプライアンス文書であり、返品ポリシーの基準ではありません。ここでは、キャンセルが異なる期限を持つ明確に区別されたカテゴリであることを示すためにのみ引用しています。

理由コードはアクションにつながる列

返品率は問題の大きさを教えてくれます。理由コードはそれが誰の問題であるかを教えてくれます。だからこそ、理由コードをカバーしていない返品レポートは、会議で行き詰まってしまうのです。

理由コード	通常何を示しているか	誰が対処できるか
サイズ違いまたは不適合	サイズガイドと写真	マーチャンダイジング
輸送中の破損	梱包または配送業者	フルフィルメント
説明と異なる	商品ページのコピー	コンテンツ
気が変わった	購入手続き前の期待値設定	マーケティング
初期不良・欠陥	仕入先または特定のバッチ	品質および調達
空欄または未マッピング	受付フォーム自体	オペレーション

最後の行は単なる穴埋めではありません。空欄の割合が全体の約5分の1を超えている場合、表の他のすべての行は全体像の一部しか説明していないことになります。

開始する前に必要なもの

通常はすでに存在する、次の3つのエクスポートデータです。

1. 注文ID、SKU、数量、返金額、理由コード、受領日が含まれるRMAまたは返品のエクスポートデータ。
2. 各返品データを実際に販売されたデータと比較できるようにするための、同期間の元の注文明細。
3. キャンセルが別の場所に記録されている場合の、返金または決済のエクスポートデータ。

理由コードが欠落しているか、ほとんどが空欄である場合、そのギャップ自体が最初の発見となります。その場しのぎの対応をするのではなく、レポートにその旨を明記しましょう。

手動で返品レポートを作成する方法

手動での作成も可能ですが、予想通りの場所で行き詰まることになります。

オプション1：返品のエクスポートデータのみをピボット集計する。 素早くできますが、誤解を招きます。対応する注文明細なしで件数をカウントすると、率ではなく量しかわかりません。10,000個売れたSKUと90個売れたSKUが同じ返品数として表示される可能性があります。

オプション2：スプレッドシートで注文データと結合する。 これは正しいアプローチです。各注文明細を参照して販売数量を取得し、SKUごとの返品率を計算します。しかし、ここから問題が発生します。システム間でSKU名が変更されていると、参照結果がエラーを出さずに空欄になります。また、商品は販売された月よりも後に返品されるため、単純に月ごとに区切ると、直近の返品率が過小評価されてしまいます。

オプション3：暦月ではなくコホートで区切る。 商品が戻ってきた月ではなく、商品が販売された月を基準に測定します。これは正確な方法ですが、メンテナンスに最も時間がかかります。データを更新するたびに、結合処理をやり直す必要があります。

どの方法でも出力結果自体は問題ありませんが、維持管理にコストがかかります。

AIで商品返品レポートを作成する方法

ステップ1：返品ファイルと注文ファイルをアップロードする

RMAのエクスポートデータ、注文明細、返金ファイルをまとめてPowerdrill Bloomにドラッグ＆ドロップします。Excel、CSV、PDFのすべてに対応しており、事前に列を揃えておく必要はありません。

ステップ2：自然言語でレポートを説明する

計算方法ではなく、何が欲しいかを伝えます。例えば、「これらを注文IDとSKUで結合してください。キャンセルと受領した商品を分けてください。販売月ごとに区切ったSKU別およびカテゴリ別の返品率と、理由の内訳を出してください。25%を超えるSKUにはフラグを立ててください」のように指示します。

エージェントが結合処理を行い、不整合のあった行を教えてくれます。この不整合リストは、計算結果そのものよりも重要です。

ステップ3：一致しない行を確認し、エクスポートする

まず、一致しない行や理由のない行を確認します。これらは数字が間違っている可能性が最も高い場所です。その後、スプレッドシート、Officeドキュメント、またはスライドとしてエクスポートします。これが毎月の作業である場合は、スケジュールタスクを設定して、次回以降は新しいエクスポートデータから自動的に作成されるようにします。

よくある間違い

全体の平均返品率のみを報告する。 販売ボリュームが返品率の低いカテゴリにシフトしたことで、個々のラインの返品率が悪化しているにもかかわらず、店舗全体の割合が改善することがあります。常に全体の数字の横に内訳を表示してください。

商品が戻ってきた日付で区切る。 商品は販売から数週間後に届きます。この方法で区切られたレポートは、直近の月が不自然にきれいに見え、新商品の状況把握が遅れる原因になります。

空欄の理由コードをゼロとして扱う。 件数の3分の1に理由がない場合、内訳は理由がある残りの3分の2のみを説明していることになります。その横にカバー率を表示してください。

再販結果を無視する。 棚に戻される商品と廃棄処分される商品では、発生するコストが大きく異なります。データに処理区分（disposition）フィールドがある場合は、それを活用してください。

情報源が不明なベンチマークと比較する。 カテゴリのベンチマークは広く出回っていますが、一次情報源を特定できることはほとんどありません。意思決定を支える比較対象は、SKUごとの自社のトレンドです。

同じエクスポートデータの売上側については、生のEコマース注文データを売上トレンドレポートに変換する方法をご覧ください。ツールの選択肢については、より広いカテゴリをカバーするEコマース分析向けAIツールのまとめをご覧ください。

結論

これは難しい計算ではありません。何をもって商品の返品とするか、そして各案件がどの月に属するかという2つの判断を伴う、データの結合問題です。レポートが誤る原因は、どちらもこの部分にあります。

結合処理はエージェントに任せましょう。理由コードや一致しない行の確認に時間を費やしてください。

最初の返品レポートを無料で作成しましょう。定期的な小売業務には、同じファイルを処理できるExcel AIアシスタントやAIレポートジェネレーターが役立ちます。

ここで引用されている国勢調査局およびFTCの資料は、2026年9月2日に取得されたものです。

よくある質問

商品返品レポートとは何ですか？

これは、販売数量と比較して、返品された数量と返金額をSKU、カテゴリ、理由コード別に示すレポートです。返品された商品とキャンセルを区別することで、返品率が特定の原因を指し示すようにします。

SKUごとの返品率はどのように計算しますか？

対象SKUの返品数量を、販売月ごとに区切った同SKUの販売数量で割ります。店舗レベルの数値では異常値が隠れてしまうため、SKUごとに計算することこそが重要です。

返品と返金の違いは何ですか？

返品は商品が戻ってきたことを意味します。返金はお金が戻ることを意味し、これは注文がキャンセルされたり、発送されなかったりした場合にも発生します。どちらも決済データのエクスポートではマイナスの金額として表示されるため、レポートではこれらを明示的に区別する必要があります。

レポートは販売日と商品が戻ってきた日のどちらで区切るべきですか？

販売日です。商品は購入から数週間後に届くため、もう一方の区切り方では直近の月が実態より良く見えてしまい、新商品の状況把握が遅れる原因になります。

AIは別々のエクスポートデータからこのレポートを作成できますか？

はい。RMAファイル、注文明細、返金のエクスポートデータをまとめてアップロードし、自然言語でレポートを説明するだけです。1回の実行で、結合処理、フラグが立てられた不整合行、SKUごとの返品率が出力されます。