退貨率高怎麼找原因？用 Pareto 分析商品、尺寸、包裝與物流

退貨率變高時，先不要同時改商品頁、包裝、供應商與物流。把成熟退貨案件依 SKU、規格與根因排序，找出累計影響最大的少數問題，再一次只修一個控制點。這就是 Pareto 分析的實務用途。

Pareto 圖不保證一定是 80/20，也不會自動證明因果。它只幫你回答：「如果下週只能處理一件事，從哪裡開始最划算？」

先把退貨率算對

用出貨 cohort，而不是退貨申請日。六月出貨可能七月才退，如果把七月申請除以七月訂單，分子與分母不是同一群。

SKU 退貨率 = 該出貨 cohort 最終確認退貨件數 ÷ 同 cohort 有效出貨件數 × 100%

分母以件或訂單都可以，但整張表要一致。服飾尺寸問題適合用件；一單多件但只退一件時，用訂單會掩蓋規格差異。

尚在申請、運送或爭議中的案件標記 pending，不當成零；取消與未取貨屬收貨完成前事件，另由 取消與未取貨成本 分析。

原因碼要有兩層，不能只抄買家留言

第一層是責任流程，第二層是可改善原因：

同一案件可以有一個主因與多個促成因，但 Pareto 主表只算一次主因，避免重複計數。買家說「不喜歡」不代表根因已知，應查是圖片落差、尺寸、材質還是需求改變。

做三張 Pareto，不只看件數

退貨件數 Pareto

適合找作業量最大的原因。

原因占比 = 該原因退貨件數 ÷ 全部已分類退貨件數 × 100%

退貨率 Pareto

適合避免大銷量 SKU 因基數大而永遠排第一。先算各 SKU 或規格的退貨率，再設定最低樣本。

損失金額 Pareto

適合排商業優先級。金額可使用 退貨真實成本 的已確認直接成本，不把尚未實現的收入當成本。

將各原因由高到低排序，再計算累計占比：

累計占比 = 排到該原因為止的指標累計 ÷ 全部原因指標總和 × 100%

總和為零時停止計算；負損失通常是補助或退款入帳方向錯誤，先查資料。

假設案例：大商品與高風險規格是兩個答案

以下為示意。成熟期間共有 100 件退貨：

按件數先修尺寸表；按金額，包裝壓損可能更急。再看分母後發現「XL」售出 80 件、退 20 件，退貨率 25%；主力「M」售出 1,000 件、退 18 件，退貨率 1.8%。改善對象應精確到規格，不只改整個商品。

這只是方便理解的例子，請換成自己的退貨資料。

從排行走到根因，需要再問一次為什麼

Pareto 顯示「包裝壓損」很多，還不能直接把箱子全部加厚。抽查前 10 件，可能發現只集中在同一尺寸、同一供應批次或某條運輸路線。

每個高順位問題建立最小驗證：

1. 明確寫出假設，例如「L 號包材空隙過大造成撞損」。
2. 選一個改動，例如增加固定結構，不同時改物流。
3. 設定可比期間與最低樣本。
4. 比較改前改後退貨率、直接損失與其他副作用。
5. 成立才擴大，未成立就保留結果並測下一個原因。

ASQ 將 Pareto chart 用於按頻率或成本排列問題，也強調它是找出顯著少數的分析工具。後續仍需資料與驗證確認根因。

最小樣本與資料邊界

單一規格出貨少於 30 件時，以件數與個案描述為主，不因 1 退 2 就宣布退貨率 50% 的穩定結論。新品、活動、改版前後、不同供應批次分層；混在一起會把已修好的舊問題帶進新數據。

退貨原因有回報延遲，需固定成熟窗口；實際期限依品類與平台流程設定。物流與商品責任未知時保留 unknown，不為了讓圖表漂亮硬分類。件數、訂單數與金額是不同單位，三張 Pareto 不可混用；極端高損失個案另列情境，不讓它單獨改寫一般排序。報表百分比最後顯示時才四捨五入，累計用未四捨五入值。

哪些情況要改由人處理

涉及人身安全、法規、疑似批次瑕疵或同一商品短期大量異常時，不等待滿足統計樣本，立即停賣或隔離並由具資格的人確認。若改善造成轉換率、錯件率或包裝成本明顯惡化，也要停止擴大。

錯件的現場控制交給 撿貨 SOP，單筆退貨驗收與爭議證據交給 退貨退款 SOP。這篇的下一步，是匯出最近一個已成熟 cohort，先把 unknown 降到可接受範圍，再做件數與損失兩張 Pareto。

延伸資料

分析方法參考 American Society for Quality 的 Pareto 與 DMAIC 資料，查核到 2026-09-06。80/20 只是常見說法，真正的累計比例要用自己的退貨資料算。