如何透過 AI 製作產品退貨報告：完整指南
產品退貨報表將退款按 SKU、類別和原因進行細分，以便您區分是版型問題還是出貨問題。只需三個步驟即可建立此報表：將退回的商品與已取消的訂單區分開來；將每個退貨案例與原始訂單明細進行關聯；然後讀取每個 SKU 的退貨率，而不是整個商店的退貨率。
產品退貨報表實際呈現的內容
單一的整店退貨率是電子商務中最沒用的數據。它會隨著您的產品組合變化而波動，且無法為下一步行動提供任何指引。
一份實用的報表能同時回答三個問題：
- 哪些 SKU 是拉高退貨率的主因？ 整體退貨率為 15% 的商店中，可能包含某個退貨率高達 35% 的產品線，而其他產品則維持在 8% 左右。
- 商品為什麼會被退回？ 尺寸、損壞和「與描述不符」指向三個完全不同的團隊。
- 成本是多少？ 退回一件商品意味著損失營收，加上寄出運費和處理費用。有時該商品甚至無法再次銷售。
這個規模值得我們持續關注。美國普查局（U.S. Census Bureau）於 2026 年 8 月 18 日發布了《季度零售電子商務銷售額報告》。報告指出，經季節性調整後，2026 年第二季電子商務銷售額為 340.2 十億美元，較第一季成長 3.8%。該季電子商務佔總零售銷售額的 17.1%。退款只是這個龐大數字中的一個百分比。
並非所有退款都是退貨
這是大多數報表常搞混的區別，進而導致您採取錯誤的解決方案。
退貨是指客戶將收到的商品寄回。而取消訂單退款是因為訂單從未出貨而退回款項。兩者在同一個付款匯出資料中都顯示為負數金額，但除此之外，它們幾乎沒有任何共同點。
取消訂單有其特定的時間限制，且在美國有相關法規約束。聯邦貿易委員會（FTC）關於郵寄、網路或電話訂購商品規則的指南涵蓋了出貨時效。如果您未聲明出貨時間，該指南指出：「您必須有合理的依據相信自己能在 30 天內出貨。」這就是為什麼直效行銷人員稱之為 30 天條款。
接下來的步驟也有明確規定。在未取得客戶同意延遲的情況下，指南規定您必須「主動」全額退還未出貨商品的款項。如果您既無法出貨，也無法及時發送所需的通知，「您必須取消訂單並立即退款。」
這對您的報表產生的影響很簡單。因缺貨引起的退款激增是出貨履約問題，背後有合規期限的壓力；而因尺寸引起的退款激增則是產品頁面的問題。將它們混在同一個欄位中報告，將無法為您揭示任何有用的資訊。
範圍說明：FTC 指南是一份關於出貨時效的合規文件，而非退貨政策標準。此處引用僅為了說明取消訂單是一個具有不同時間限制的獨立類別。
原因代碼是可採取行動的關鍵欄位
退貨率告訴您問題有多大，而原因代碼則告訴您這是誰的問題。這就是為什麼一份缺乏原因分析的退貨報表在會議中往往無法推動任何決策。
| 原因代碼 | 通常指向的問題 | 誰能採取行動 |
|---|---|---|
| 尺寸或版型不合 | 尺寸指南與商品照片 | 商品企劃 |
| 運送途中損壞 | 包裝或物流商 | 出貨部門 |
| 與描述不符 | 產品頁面文案 | 內容團隊 |
| 改變主意 | 結帳前建立的預期 | 行銷部門 |
| 瑕疵品 | 供應商或單一批次 | 品質與採購 |
| 空白或未分類 | 填寫表單本身 | 營運部門 |
最後一列並非湊數。如果空白率超過大約五分之一，意味著表格中的其他每一列都只能描述部分情況。
開始前需要準備的資料
三份匯出資料，通常這些資料已經存在：
- RMA 或退貨匯出資料，包含訂單 ID、SKU、數量、退款金額、原因代碼和收到日期。
- 同期的原始訂單明細，以便將每個退貨案例與實際銷售情況進行比對。
- 退款或付款匯出資料（如果取消訂單記錄在其他地方）。
如果原因代碼缺失或大部分為空白，這個缺口本身就是第一個發現。請直接在報告中指出，而不是試圖規避它。
如何手動建立退貨報表
手動方法可行，但會在一些可以預見的地方出錯。
選項 1：單獨對退貨匯出資料建立樞紐分析表。 速度快，但具有誤導性。在沒有匹配訂單明細的情況下計算案例，只能得到退貨量，而非退貨率。一個賣出 10,000 件的 SKU 和一個賣出 90 件的 SKU 可能會顯示相同的退貨數量。
選項 2：在試算表中與訂單進行關聯。 這是正確的架構。您查詢每筆訂單明細以獲取銷售數量，然後計算每個 SKU 的退貨率。但接著問題就來了：SKU 在不同系統之間被重新命名，導致查詢結果默默顯示為空白；商品退回的時間晚於銷售月份，因此單純按月份劃分會低估最近的退貨率。
選項 3：按同類群組而非日曆月份進行劃分。 對比商品售出的月份，而非退回的月份。這是最準確的版本，但維護起來也最慢。每次重新整理資料都必須重新進行關聯。
這三種方法的輸出結果都沒問題，但維護成本才是關鍵所在。
如何利用 AI 製作產品退貨報表
步驟 1：上傳您的退貨和訂單檔案
將 RMA 匯出資料、訂單明細和退款檔案一起拖放到 Powerdrill Bloom 中。Excel、CSV 和 PDF 格式皆支援，且無需事先對齊欄位。
步驟 2：用自然語言描述報表需求
說明您想要的結果，而不是計算方法。例如：「根據訂單 ID 和 SKU 關聯 these 資料。將取消訂單與已收到的退貨商品區分開來。提供按 SKU 和類別分類的退貨率，並按銷售月份劃分，附帶原因細分。標記任何退貨率超過 25% 的 SKU。」
代理會處理關聯，並告訴您哪些資料列無法對齊。這份無法對齊的清單往往比計算本身更重要。
步驟 3：檢查未匹配的資料列，然後匯出
先查看未匹配和無原因的資料列，這些通常是最容易出錯的地方。然後匯出為試算表、Office 文件或簡報。如果這是每月例行工作，可以設定排程任務，以便下個版本能自動根據最新的匯出資料建立。
常見錯誤
僅報告混合退貨率。 由於銷售量轉移到了退貨率較低的類別，整店的退貨率百分比可能會有所改善，但實際上每個單獨產品線的退貨率都在惡化。請務必在總數旁顯示細分數據。
按商品退回的日期進行劃分。 商品通常在售出數週後才會退回。按這種方式劃分的報表會讓最近幾個月看起來異常完美，進而延誤您對新產品表現的判斷。
將空白的原因代碼視為零。 如果有三分之一的案例沒有原因，您的細分分析就只能描述有原因的那三分之二。請在旁邊顯示資料覆蓋率。
忽略重新銷售的結果。 重新上架的商品與報廢的商品，其成本差異極大。如果您的資料中有處置欄位，請善加利用。
與來源不明的基準進行比較。 行業類別基準流傳廣泛，但很少能追溯到原始來源。您自己每個 SKU 的趨勢，才是支持決策的比較依據。
關於同一份匯出資料的營收方面，請參閱將原始電子商務訂單轉化為銷售趨勢報表。至於工具選擇，我們整理的電子商務分析 AI 工具涵蓋了更廣泛的類別。
結論
這並非複雜的算術，而是一個資料關聯問題，並圍繞著兩個判斷：什麼算作退回的商品，以及退貨案例屬於哪個月份。這兩點正是報表最容易出錯的地方。
將資料關聯交給代理處理。把您的時間花在分析原因代碼和未匹配的資料列上。
立即利用您現有的匯出資料，免費建立您的第一份退貨報表。對於定期的零售工作，Excel AI 助手和 AI 報表產生器可以處理相同的檔案。
此處引用的普查局和 FTC 資料擷取於 2026 年 9 月 2 日。
常見問題
什麼是產品退貨報表？
這是一份顯示退回商品數量和退款金額的報表，按 SKU、類別和原因代碼進行細分，並與銷售數量進行對比。它將退回的商品與取消的訂單區分開來，以便退貨率能指向特定的原因。
如何計算每個 SKU 的退貨率？
將該 SKU 的退回商品數量除以同一個 SKU 的銷售數量，並按銷售月份劃分。按 SKU 計算是關鍵所在，因為商店層級的數據會掩蓋極端值。
退貨和退款有什麼區別？
退貨意味著商品被退回。退款則是資金退回，這在訂單被取消或從未出貨時也會發生。兩者在付款匯出資料中都顯示為負數金額，因此報表必須明確地將庫存與取消訂單區分開來。
報表應該按銷售日期還是按商品退回日期劃分？
應按銷售日期劃分。商品通常在購買數週後才會退回，因此按退回日期劃分會美化最近幾個月的數據，並延誤您對新產品表現的判斷。
AI 可以利用獨立的匯出資料建立此報表嗎？
可以。將 RMA 檔案、訂單明細和退款匯出資料一起上傳，然後用自然語言描述報表需求。資料關聯、標記的未匹配資料列以及每個 SKU 的退貨率，都能在一次執行中完成。