วิธีสร้างรายงานการคืนสินค้าด้วย AI: คู่มือฉบับสมบูรณ์

รายงานการคืนสินค้าจะจำแนกการคืนเงินตาม SKU หมวดหมู่ และเหตุผล เพื่อให้คุณสามารถแยกแยะได้ว่าปัญหาเกิดจากขนาด/ความพอดีหรือเกิดจากการจัดส่ง สร้างรายงานนี้ได้ง่ายๆ ใน 3 ขั้นตอน แยกสินค้าที่ถูกส่งคืนออกจากคำสั่งซื้อที่ถูกยกเลิก เชื่อมโยงแต่ละกรณีเข้ากับรายการคำสั่งซื้อเดิม จากนั้นจึงดูอัตราการคืนสินค้าต่อ SKU แทนที่จะดูภาพรวมของทั้งร้านค้า

สิ่งที่รายงานการคืนสินค้าแสดงให้เห็นจริงๆ

อัตราการคืนสินค้าโดยรวมของทั้งร้านค้าเป็นตัวเลขที่มีประโยชน์น้อยที่สุดในธุรกิจอีคอมเมิร์ซ ตัวเลขนี้จะเปลี่ยนแปลงไปตามสัดส่วนประเภทสินค้าของคุณ และไม่ได้บอกเลยว่าคุณควรทำอย่างไรต่อไป

รายงานที่มีประโยชน์จะตอบคำถาม 3 ข้อนี้ได้พร้อมกัน:

• SKU ใดที่เป็นตัวการทำให้เกิดอัตราการคืนสินค้าสูง? ร้านค้าที่มีอัตราการคืนสินค้าโดยรวมอยู่ที่ 15% อาจมีสินค้ากลุ่มหนึ่งที่มีอัตราการคืนสูงถึง 35% ในขณะที่สินค้าอื่นๆ ทั้งหมดอยู่ที่ประมาณ 8%
• ทำไมสินค้าถึงถูกส่งคืน? ปัญหาเรื่องขนาด ความเสียหาย และ "สินค้าไม่ตรงตามที่อธิบายไว้" จะชี้ไปยังทีมที่รับผิดชอบแตกต่างกันโดยสิ้นเชิง 3 ทีม
• มีค่าใช้จ่ายเท่าใด? สินค้าที่ถูกส่งคืนหนึ่งชิ้นหมายถึงรายได้ที่สูญเสียไป บวกกับค่าจัดส่งขาออก และค่าดำเนินการจัดการ บางครั้งสินค้านั้นก็ไม่สามารถนำกลับมาขายใหม่ได้อีก

ขนาดของตลาดเป็นสิ่งที่เราควรคำนึงถึง รายงานยอดขายอีคอมเมิร์ซค้าปลีกรายไตรมาส ของ U.S. Census Bureau เผยแพร่เมื่อวันที่ 18 สิงหาคม 2026 ระบุว่ายอดขายอีคอมเมิร์ซในไตรมาสที่สองของปี 2026 อยู่ที่ 340.2 พันล้านดอลลาร์สหรัฐ (ปรับฤดูกาลแล้ว) ซึ่งเพิ่มขึ้น 3.8 เปอร์เซ็นต์จากไตรมาสแรก โดยอีคอมเมิร์ซคิดเป็น 17.1 เปอร์เซ็นต์ของยอดค้าปลีกทั้งหมดในไตรมาสนั้น การคืนเงินจึงเป็นเปอร์เซ็นต์ของตัวเลขที่สูงมาก

ไม่ใช่ทุกการคืนเงินจะเป็นการคืนสินค้า

นี่คือข้อแตกต่างที่รายงานส่วนใหญ่มักจะสับสน และมันทำให้คุณแก้ปัญหาไม่ถูกจุด

การคืนสินค้า (Return) คือการที่ลูกค้าส่งสินค้าที่ได้รับกลับคืนมา ส่วนการคืนเงินจากการยกเลิก (Cancellation refund) คือการคืนเงินเนื่องจากคำสั่งซื้อนั้นไม่เคยได้รับการจัดส่ง ทั้งสองรายการนี้จะแสดงเป็นยอดติดลบในไฟล์ส่งออกข้อมูลการชำระเงิน (payments export) เดียวกัน แต่แทบไม่มีความเกี่ยวข้องอื่นใดร่วมกันเลย

การยกเลิกคำสั่งซื้อมีกรอบเวลาของตัวเอง และในสหรัฐอเมริกาก็มีกฎเกณฑ์ที่เกี่ยวข้อง คู่มือของ FTC ว่าด้วยกฎเกณฑ์เกี่ยวกับสินค้าที่สั่งซื้อทางไปรษณีย์ อินเทอร์เน็ต หรือโทรศัพท์ ครอบคลุมถึงระยะเวลาในการจัดส่ง หากคุณไม่ได้ระบุเวลาจัดส่งไว้ กฎระบุว่า "คุณต้องมีเหตุผลอันสมควรที่จะเชื่อได้ว่าคุณสามารถจัดส่งสินค้าได้ภายใน 30 วัน" นั่นคือสาเหตุที่นักการตลาดแบบตรงเรียกกฎนี้ว่า กฎ 30 วัน (30-day Rule)

ขั้นตอนต่อไปก็มีการระบุไว้เช่นกัน หากลูกค้าไม่ยินยอมให้ล่าช้า คู่มือระบุว่าคุณต้องคืนเงิน "โดยไม่ต้องรอให้ร้องขอ" เต็มจำนวนสำหรับสินค้าที่ยังไม่ได้จัดส่ง และหากคุณไม่สามารถจัดส่งสินค้าหรือส่งหนังสือแจ้งเตือนที่จำเป็นได้ทันเวลา "คุณต้องยกเลิกคำสั่งซื้อและคืนเงินโดยทันที"

ผลลัพธ์ต่อรายงานของคุณนั้นตรงไปตรงมา ยอดการคืนเงินที่พุ่งสูงขึ้นเนื่องจากสินค้าหมดสต็อกเป็นเรื่องของการจัดส่งสินค้าที่มีกำหนดเวลาการปฏิบัติตามกฎหมายกำกับอยู่ ส่วนยอดที่พุ่งสูงขึ้นเนื่องจากเรื่องขนาดสินค้าเป็นเรื่องของหน้าข้อมูลสินค้า การรายงานทั้งสองเรื่องนี้รวมกันในบรรทัดเดียวจะไม่ช่วยให้คุณรู้อะไรเลย

หมายเหตุขอบเขต: คู่มือของ FTC นี้เป็นเอกสารการปฏิบัติตามข้อกำหนดเกี่ยวกับระยะเวลาการจัดส่ง ไม่ใช่มาตรฐานนโยบายการคืนสินค้า ที่นำมาอ้างอิงในที่นี้เพียงเพื่อพิสูจน์ว่าการยกเลิกคำสั่งซื้อเป็นหมวดหมู่ที่แยกต่างหากและมีกรอบเวลาที่แตกต่างกันเท่านั้น

รหัสเหตุผลคือคอลัมน์ที่นำไปปฏิบัติจริงได้

อัตราการคืนสินค้าบอกคุณว่าปัญหานั้นใหญ่เพียงใด ส่วนรหัสเหตุผลจะบอกคุณว่าปัญหานั้นเป็นของใคร นั่นคือสาเหตุที่รายงานการคืนสินค้าที่ไม่มีข้อมูลเหตุผลมักจะทำให้การประชุมต้องหยุดชะงักลง

รหัสเหตุผล	สิ่งที่มักจะชี้ให้เห็น	ผู้ที่สามารถดำเนินการได้
ขนาดไม่ถูกต้องหรือไม่พอดี	ตารางขนาดสินค้าและรูปภาพประกอบ	ฝ่ายจัดซื้อและจัดแสดงสินค้า (Merchandising)
เสียหายระหว่างการขนส่ง	บรรจุภัณฑ์หรือผู้ให้บริการขนส่ง	ฝ่ายจัดส่งสินค้า (Fulfillment)
สินค้าไม่ตรงตามที่อธิบายไว้	ข้อความบนหน้าข้อมูลสินค้า	ฝ่ายคอนเทนต์ (Content)
เปลี่ยนใจ	การสร้างความคาดหวังก่อนการชำระเงิน	ฝ่ายการตลาด (Marketing)
สินค้าชำรุดเสียหาย	ซัพพลายเออร์หรือสินค้าล็อตนั้นๆ	ฝ่ายควบคุมคุณภาพและจัดหาวัตถุดิบ (Quality and sourcing)
ว่างเปล่าหรือไม่ระบุข้อมูล	ตัวแบบฟอร์มการรับข้อมูลเอง	ฝ่ายปฏิบัติการ (Operations)

แถวสุดท้ายไม่ใช่ข้อมูลที่ใส่ไว้เฉยๆ อัตราข้อมูลที่ว่างเปล่าซึ่งสูงกว่าประมาณ 1 ใน 5 ของกรณีทั้งหมด หมายความว่าแถวอื่นๆ ในตารางอธิบายภาพรวมได้เพียงบางส่วนเท่านั้น

สิ่งที่คุณต้องเตรียมก่อนเริ่มต้น

ไฟล์ส่งออก 3 ไฟล์ ซึ่งปกติแล้วมักจะมีอยู่แล้ว:

1. ไฟล์ส่งออก RMA หรือการคืนสินค้า ที่มีรหัสคำสั่งซื้อ (order ID), SKU, จำนวน, ยอดเงินคืน, รหัสเหตุผล และวันที่ได้รับสินค้าคืน
2. รายการคำสั่งซื้อเดิม (original order lines) ในช่วงเวลาเดียวกัน เพื่อให้สามารถเปรียบเทียบแต่ละกรณีกับยอดขายจริงได้
3. ไฟล์ส่งออกการคืนเงินหรือการชำระเงิน (refunds or payments export) หากมีการบันทึกการยกเลิกไว้ที่อื่น

หากไม่มีรหัสเหตุผลหรือส่วนใหญ่ว่างเปล่า ช่องว่างนั้นก็คือข้อค้นพบแรกที่คุณเจอ ควรระบุเรื่องนี้ลงในรายงานตรงๆ แทนที่จะพยายามหาทางเลี่ยงไปทำอย่างอื่น

วิธีสร้างรายงานการคืนสินค้าด้วยตนเอง

วิธีการทำด้วยตนเองนั้นใช้ได้ผลดี แต่ก็มักจะเกิดปัญหาในจุดที่คาดเดาได้ง่าย

ทางเลือกที่ 1: ทำ Pivot Table จากไฟล์ส่งออกการคืนสินค้าเพียงอย่างเดียว วิธีนี้รวดเร็ว แต่อาจทำให้เข้าใจผิดได้ การนับจำนวนกรณีคืนสินค้าโดยไม่มีรายการคำสั่งซื้อที่ตรงกันมาเปรียบเทียบจะทำให้คุณได้แค่ปริมาณ ไม่ใช่อัตราการคืนสินค้า SKU ที่ขายได้ 10,000 ชิ้น กับ SKU ที่ขายได้ 90 ชิ้น อาจมียอดจำนวนการคืนสินค้าที่เท่ากันได้

ทางเลือกที่ 2: เชื่อมโยงข้อมูลกับคำสั่งซื้อในสเปรดชีต นี่คือรูปแบบที่ถูกต้อง คุณค้นหาข้อมูลแต่ละรายการคำสั่งซื้อเพื่อดูจำนวนชิ้นที่ขายได้ จากนั้นคำนวณอัตราการคืนสินค้าต่อ SKU แต่หลังจากนั้นปัญหาจะเริ่มตามมา เช่น SKU ถูกเปลี่ยนชื่อระหว่างระบบ ทำให้การค้นหาข้อมูล (lookup) แสดงค่าว่างเปล่าโดยไม่มีการแจ้งเตือน หรือสินค้าถูกส่งคืนหลังจากเดือนที่ขายได้นาน ทำให้การตัดข้อมูลรายเดือนแบบทั่วไปแสดงอัตราการคืนสินค้าล่าสุดต่ำกว่าความเป็นจริง

ทางเลือกที่ 3: ตัดข้อมูลตามกลุ่มประชากร (Cohort) แทนที่จะเป็นเดือนตามปฏิทิน วัดผลเปรียบเทียบกับเดือนที่สินค้าถูกขาย ไม่ใช่เดือนที่สินค้าถูกส่งคืน วิธีนี้เป็นเวอร์ชันที่แม่นยำที่สุด แต่ก็ใช้เวลาในการดูแลรักษามากที่สุดเช่นกัน เพราะทุกครั้งที่รีเฟรชข้อมูล คุณจะต้องทำการเชื่อมโยงข้อมูลใหม่ทั้งหมด

ผลลัพธ์ที่ได้จากทั้ง 3 วิธีนั้นถือว่าใช้ได้ แต่สิ่งที่คุณต้องเสียไปคือเวลาและแรงงานในการดูแลรักษาข้อมูล

วิธีสร้างรายงานการคืนสินค้าด้วย AI

ขั้นตอนที่ 1: อัปโหลดไฟล์การคืนสินค้าและคำสั่งซื้อของคุณ

ลากและวางไฟล์ส่งออก RMA, รายการคำสั่งซื้อ และไฟล์การคืนเงินลงใน Powerdrill Bloom พร้อมกันได้เลย ระบบรองรับทั้งไฟล์ Excel, CSV และ PDF โดยที่คุณไม่จำเป็นต้องจัดเรียงคอลัมน์ให้ตรงกันก่อนล่วงหน้า

ขั้นตอนที่ 2: อธิบายรายงานด้วยภาษาธรรมชาติ

บอกสิ่งที่คุณต้องการแทนที่จะบอกวิธีคำนวณ ตัวอย่างเช่น: "เชื่อมโยงข้อมูลเหล่านี้ด้วยรหัสคำสั่งซื้อ (order ID) และ SKU แยกการยกเลิกออกจากสินค้าที่ได้รับคืน แสดงอัตราการคืนสินค้าตาม SKU และตามหมวดหมู่ โดยตัดข้อมูลตามเดือนที่ขาย พร้อมแจกแจงเหตุผล และทำเครื่องหมายเน้น SKU ใดก็ตามที่มีอัตราการคืนสินค้าสูงกว่า 25%"

เอเจนต์จะทำการเชื่อมโยงข้อมูลและบอกคุณว่ามีแถวใดบ้างที่ไม่สามารถจับคู่กันได้ รายการข้อมูลที่ไม่ตรงกันเหล่านั้นมีความสำคัญมากกว่าตัวเลขทางคณิตศาสตร์เสียอีก

ขั้นตอนที่ 3: ตรวจสอบแถวที่ไม่ตรงกัน จากนั้นจึงส่งออกข้อมูล

ตรวจสอบแถวที่ไม่ตรงกันและไม่มีการระบุเหตุผลก่อนเป็นอันดับแรก เนื่องจากจุดเหล่านี้เป็นจุดที่ตัวเลขมีโอกาสผิดพลาดมากที่สุด จากนั้นจึงส่งออกข้อมูลเป็นสเปรดชีต เอกสาร Office หรือสไลด์ หากต้องทำรายงานนี้เป็นประจำทุกเดือน คุณสามารถตั้งค่ากำหนดการทำงานล่วงหน้าเพื่อให้รายงานเวอร์ชันถัดไปสร้างขึ้นโดยอัตโนมัติจากไฟล์ส่งออกข้อมูลชุดใหม่

ข้อผิดพลาดที่พบบ่อย

การรายงานเฉพาะอัตราการคืนสินค้าโดยรวมเท่านั้น เปอร์เซ็นต์โดยรวมของร้านค้าอาจดูดีขึ้นในขณะที่สินค้าแต่ละรายการแย่ลง เนื่องจากปริมาณการขายเปลี่ยนไปสู่หมวดหมู่สินค้าที่มีการคืนน้อยกว่า ดังนั้น ควรแสดงข้อมูลแบบแยกย่อยควบคู่ไปกับยอดรวมเสมอ

การตัดข้อมูลตามวันที่สินค้าถูกส่งคืน สินค้ามักจะถูกส่งคืนหลังจากวันที่ขายไปแล้วหลายสัปดาห์ รายงานที่ตัดข้อมูลด้วยวิธีนี้จะทำให้เดือนล่าสุดดูเหมือนมีอัตราการคืนสินค้าต่ำเกินจริง และทำให้คุณประเมินผลตอบรับของสินค้าใหม่ได้ล่าช้า

การคิดว่ารหัสเหตุผลที่ว่างเปล่าคือศูนย์ หาก 1 ใน 3 ของกรณีทั้งหมดไม่มีการระบุเหตุผล การแจกแจงรายละเอียดของคุณจะอธิบายได้เพียง 2 ใน 3 ของกรณีที่มีข้อมูลเท่านั้น ควรแสดงอัตราการครอบคลุมของข้อมูล (coverage rate) ควบคู่ไปด้วย

การละเลยผลลัพธ์การนำกลับมาขายใหม่ สินค้าที่สามารถนำกลับขึ้นชั้นวางขายใหม่ได้กับสินค้าที่ต้องตัดจำหน่ายเป็นหนี้สูญมีต้นทุนที่แตกต่างกันมาก หากข้อมูลของคุณมีฟิลด์สถานะการจัดการสินค้า (disposition field) ควรนำมาใช้งานด้วย

การเปรียบเทียบตัวเองกับเกณฑ์มาตรฐาน (Benchmark) ที่ไม่ทราบแหล่งที่มา เกณฑ์มาตรฐานของหมวดหมู่สินค้าต่างๆ มีการแชร์กันอย่างแพร่หลาย แต่มักจะหาแหล่งข้อมูลอ้างอิงหลักไม่ได้ การเปรียบเทียบกับแนวโน้มข้อมูลของคุณเองต่อ SKU คือสิ่งที่จะช่วยสนับสนุนการตัดสินใจได้ดีที่สุด

สำหรับข้อมูลด้านรายได้จากไฟล์ส่งออกเดียวกัน สามารถดูได้ที่ การเปลี่ยนข้อมูลคำสั่งซื้ออีคอมเมิร์ซดิบให้เป็นรายงานแนวโน้มยอดขาย และสำหรับตัวเลือกเครื่องมือต่างๆ บทความรวบรวม เครื่องมือ AI สำหรับการวิเคราะห์อีคอมเมิร์ซ ของเราได้ครอบคลุมเครื่องมือในหมวดหมู่นี้ไว้อย่างกว้างขวาง

บทสรุป

นี่ไม่ใช่การคำนวณทางคณิตศาสตร์ที่ยากลำบาก แต่มันคือปัญหาของการเชื่อมโยงข้อมูลที่ขึ้นอยู่กับการตัดสินใจใน 2 ประเด็นหลัก ได้แก่ อะไรที่นับว่าเป็นสินค้าที่ถูกส่งคืน และกรณีนั้นๆ ควรจัดอยู่ในเดือนใด ซึ่งทั้งสองประเด็นนี้คือจุดที่ทำให้รายงานเกิดความผิดพลาดได้ง่ายที่สุด

ปล่อยให้หน้าที่การเชื่อมโยงข้อมูลเป็นของเอเจนต์ แล้วนำเวลาของคุณไปใช้ในการวิเคราะห์รหัสเหตุผลและแถวที่ไม่ตรงกันดีกว่า

สร้างรายงานการคืนสินค้าฉบับแรกของคุณได้ฟรี จากไฟล์ส่งออกที่คุณมีอยู่แล้ว และสำหรับงานค้าปลีกที่ต้องทำเป็นประจำ ผู้ช่วย AI สำหรับ Excel และ เครื่องมือสร้างรายงานด้วย AI สามารถจัดการไฟล์เหล่านี้ให้คุณได้เช่นกัน

ข้อมูลจาก Census Bureau และ FTC ที่นำมาอ้างอิงในที่นี้สืบค้นเมื่อวันที่ 2 กันยายน 2026

คำถามที่พบบ่อย

รายงานการคืนสินค้าคืออะไร?

คือรายงานที่แสดงจำนวนสินค้าที่ถูกส่งคืนและมูลค่าการคืนเงิน โดยจำแนกตาม SKU หมวดหมู่ และรหัสเหตุผล เปรียบเทียบกับจำนวนสินค้าที่ขายได้ รายงานนี้จะแยกสินค้าที่ถูกส่งคืนออกจากรายการยกเลิกคำสั่งซื้อ เพื่อให้อัตราการคืนสินค้าชี้ไปยังสาเหตุที่เฉพาะเจาะจงได้อย่างถูกต้อง

วิธีคำนวณอัตราการคืนสินค้าตาม SKU ทำอย่างไร?

หารจำนวนสินค้าที่ถูกส่งคืนของ SKU นั้นด้วยจำนวนสินค้าที่ขายได้ของ SKU เดียวกัน โดยตัดข้อมูลตามเดือนที่ขาย การคำนวณแยกตาม SKU คือหัวใจสำคัญของเรื่องนี้ เนื่องจากตัวเลขในระดับร้านค้าโดยรวมจะบดบังข้อมูลที่ผิดปกติ (outliers) ไป

การคืนสินค้า (Return) กับการคืนเงิน (Refund) แตกต่างกันอย่างไร?

การคืนสินค้าหมายถึงการที่สินค้าถูกส่งกลับคืนมา ส่วนการคืนเงินคือการส่งเงินคืนให้ลูกค้า ซึ่งอาจเกิดขึ้นได้เมื่อคำสั่งซื้อถูกยกเลิกหรือไม่เคยได้รับการจัดส่ง ทั้งสองรายการนี้จะแสดงเป็นยอดติดลบในไฟล์ส่งออกข้อมูลการชำระเงิน ดังนั้น รายงานจึงจำเป็นต้องแยกทั้งสองส่วนนี้ออกจากกันอย่างชัดเจน

รายงานควรตัดข้อมูลตามวันที่ขายหรือตามวันที่สินค้าถูกส่งคืน?

ควรตัดข้อมูลตามวันที่ขาย เนื่องจากสินค้ามักจะถูกส่งคืนหลังจากซื้อไปแล้วหลายสัปดาห์ การตัดข้อมูลด้วยวิธีอื่นจะทำให้เดือนล่าสุดดูดีเกินจริง และทำให้คุณประเมินผลตอบรับของสินค้าใหม่ได้ล่าช้า

AI สามารถสร้างรายงานนี้จากไฟล์ส่งออกที่แยกกันได้หรือไม่?

ได้ เพียงอัปโหลดไฟล์ RMA, รายการคำสั่งซื้อ และไฟล์ส่งออกการคืนเงินพร้อมกัน จากนั้นอธิบายรายงานที่ต้องการด้วยภาษาธรรมชาติ ระบบจะทำการเชื่อมโยงข้อมูล ทำเครื่องหมายแถวที่ไม่ตรงกัน และคำนวณอัตราการคืนสินค้าต่อ SKU ออกมาให้เสร็จสรรพในการทำงานเพียงครั้งเดียว