Returer pr. produkt: hvad skal du undersøge først?
Et syntetisk CSV-eksempel med genberegnelige resultater skelner mellem ordrer, enheder og åbne kohorter før en returgrund bliver til en konklusion.
TL;DR: Undersøg returer ved at sammenligne samme produkt efter samme opfølgningsperiode og bevare to mål: berørte ordrer og returnerede enheder. Kundens valgte grund viser, hvor du kan lede, men beviser ikke, hvad der gik galt.
Indhold
Undersøg returer ved at sammenligne samme produkt efter samme opfølgningsperiode og bevare to mål: berørte ordrer og returnerede enheder. Kundens valgte grund viser, hvor du kan lede, men beviser ikke, hvad der gik galt.
Fire rygsække kommer retur, og nogen vil stoppe kampagnen. Hvor mange blev leveret, hvilke ordrer tilhører de, og hvor lang tid har køberne haft? Diagnosen skal ende med en tildelt kontrol, ikke en skyldig valgt fra en kolonne.
Definér hændelsen
En anmodning, en fysisk modtaget vare og en tilbagebetaling er forskellige hændelser. Her tælles enheder fysisk modtaget retur, knyttet til den oprindelige ordrelinje. Tilbagebetaling uden vare og afventende anmodninger tæller ikke i tælleren. Afventende sager får en separat arbejdskø.
Shopify skelner mellem Reversed quantity, som kan omfatte annulleringer og ændringer, og Returned quantity for fysiske returer. Salgsdato og reguleringsdato er også forskellige. Kontrollér feltet, før alle negative beløb kaldes returer. Shopifys officielle definitioner.
Arket er et selvstændigt arbejdsformat, ikke en Frihet-eksport eller produktfunktion. Guiden om e-handelsdata og integrationer på engelsk forklarer sammenhængen med andre registreringer.
Fastlæg skæringsdato og kohorte
Eksemplet er helt syntetisk. Skæringsdatoen er 2026-09-13, med 30 dages analytisk opfølgning efter levering, inklusive returer modtaget på dag 30. Det er hverken en lovfrist eller en anbefalet returpolitik. Vælg en horisont, der passer til processen, og dokumentér hvorfor.
Vi grupperer efter SKU og leveringsdato. Kohorten 2026-08-01 har fuldført opfølgningen; 2026-09-06 har kun syv dage. «Moden» betyder, at vores vindue er fuldt, ikke at senere returer er umulige. Bevar sene tilfælde til særskilt analyse.
Del delleverancer op i linjer, men bevar en nøgle til at samle ordren. Uden leveringsdato kan posten ikke klassificeres; den er ikke automatisk uden retur. Åbne anmodninger skal være synlige for den ansvarlige, uden for den fysiske returrate.
Genberegn tabellen
Pakken (ZIP) indeholder order-lines.csv, results.csv og recalculate.py: 30 fiktive leveringslinjer, beregnede resultater og et script med kun Python 3-standardbiblioteket. Bevar originalerne og kør python3 recalculate.py i en kopi.
| SKU og kohorte | Ordrer | Leverede enheder | Ordrer med retur | Returnerede enheder |
|---|---|---|---|---|
| BAG-A, 2026-08-01, moden | 10 | 20 | 3 | 4 |
| BAG-B, 2026-08-01, moden | 10 | 10 | 1 | 1 |
| BAG-A, 2026-09-06, åben | 10 | 20 | 1 | 1 |
Moden BAG-A giver 3 / 10 × 100 = 30 % berørte ordrer og 4 / 20 × 100 = 20 % returnerede enheder. BAG-B giver 1 / 10 × 100 = 10 % for begge. En ordre kan indeholde to enheder og returnere begge, som første BAG-A-linje.
Nyere BAG-A viser 10 % pr. ordre og 5 % pr. enhed, men er åben. Det beviser ingen forbedring; ingen ændring er simuleret. Der findes heller ingen universel grænse, som gør 20 % acceptabelt eller uacceptabelt.
Bevar forklarlige linjer
line_id,order_id,sku,cohort,channel,delivered_at,units_delivered,units_returned,return_received_at,reason_codeline_id identificerer linjen; order_id tæller unikke ordrer. Læg ikke ordretal pr. SKU sammen til butikkens total: én ordre kan indeholde flere produkter. Her har hver ordre én SKU.
SIZE betyder oplyst forkert størrelse; DAMAGE, oplyst skade; UNKNOWN, ukendt grund; NONE, ingen registreret fysisk retur. Koden er ikke en lagerkontrol. Bevar originaltekst separat med begrænset adgang, uden unødvendige personoplysninger.
Hver linje forenkles til én modtagelse og grund. Ved flere datoer eller grunde bruges en hændelsestabel knyttet med line_id; summér kun hændelser inden for horisonten. Gentag ikke units_delivered for hver hændelse: nævneren bliver kunstigt stor. Undersøg dublerede ID’er før sletning.
Grunden peger på en kontrol
Moden BAG-A har tre enheder SIZE og én UNKNOWN. 3 / 4 = 75 % beskriver grundfordelingen blandt returnerede enheder, ikke produktets returrate. Udeladelse af ukendt ville skabe tilsyneladende 100 % størrelsesproblemer af ufuldstændige oplysninger.
Sammenlign målene på de tre enheder, bestilt variant og den produktside køberne så. Korrekte mål med andre forventninger giver en hypotese om informationen. Afvigende mål kræver kontrol af enhed og parti. Den valgte grund afgør ikke, hvilken forklaring der holder.
BAG-B har én DAMAGE. Kontrollér emballage, modtagelsesbevis og parti; koden beviser ikke transportørens skyld. Ét tilfælde viser heller ikke en stabil tendens.
Giv ikke kanalen skylden
Eksemplets returer findes i web. Det åbner et spørgsmål, ikke en beslutning om at lukke kanalen. Sammenlign samme SKU, variant og horisont; kontrollér kampagne, parti og registreringskvalitet. Fem ordrer pr. kanal giver få oplysninger. Flere undergrupper skaber ikke præcision.
Gem filtre, skæringsdato og definitioner ved forskellige rapporttal. Shopify dokumenterer forskelle på grund af periode og rapportlogik. Kontrollér, at du sammenligner de samme dele af ordren. Afvigelser i Shopify-rapporter. Oversigten over integrationer hjælper med at kontrollere den tilgængelige kilde; en opføring garanterer ikke disse felter.
Slut med en tildelt kontrol
Kopiér notatet: «BAG-A, kohorte 2026-08-01; 4/20 enheder, 3/10 ordrer; tre SIZE og én UNKNOWN; kontrollér mål og produktside; katalogansvarlig; dokumentation afventes; gennemgang efter kontrol af de fire returnerede enheder fra tre ordrer».
Tilføj, hvilket fund der ville ændre handlingen, og bevar forrige analyseversion. Fjern ikke ukendte sager og ændr ikke kohorten for pænere tal. Med dokumentation kan du vælge en afgrænset test og senere sammenligne lige modne kohorter. Vurdér økonomisk effekt separat med marginberegneren: disse rater måler ikke overskud.
Var denne artikel nyttig?
Ofte stillede spørgsmål
Kan jeg bruge en ny kohorte til at påvise en forbedring?
En kohorte, der stadig observeres, påviser ikke en forbedring i forhold til en kohorte med en afsluttet observationsperiode. Sammenlign samme produkt over lige lange perioder, og hold rater pr. ordre og pr. enhed adskilt.
Beviser den hyppigste returårsag, hvad problemet skyldes?
Nej: Den er et spor, som skal undersøges ud fra produktet og den tilgængelige dokumentation. Procenten beskriver årsager blandt de returnerede enheder, ikke produktets returrate; behold også ukendte årsager.
