Devoluções por produto: o que investigar primeiro

Para investigar devoluções, compare o mesmo produto com o mesmo tempo de acompanhamento e mantenha duas taxas: pedidos afetados e unidades devolvidas. O motivo selecionado pelo cliente orienta a investigação; não comprova o que falhou.

Quatro mochilas voltam e alguém propõe interromper a campanha. Ainda faltam quantas foram entregues, a quantos pedidos pertencem e quanto tempo os compradores tiveram para devolvê-las. O resultado útil é uma verificação com responsável, não um culpado escolhido em uma coluna.

Defina o evento contado

Uma solicitação, um item fisicamente recebido e um reembolso são eventos diferentes. Aqui contamos unidades fisicamente recebidas de volta, vinculadas à linha original. Reembolso sem mercadoria e solicitação pendente ficam fora do numerador. A solicitação precisa de uma fila operacional separada.

A Shopify distingue Reversed quantity, que pode incluir cancelamentos e edições, de Returned quantity, específico de devoluções físicas. Também distingue data da venda e do ajuste. Confira o campo antes de chamar todo valor negativo de devolução. Definições oficiais da Shopify.

A planilha é um formato de trabalho próprio, não uma exportação ou funcionalidade do Frihet. Para situá-la entre os registros, consulte o guia de dados ecommerce e integrações, em inglês.

Fixe corte e coorte

O exemplo é inteiramente sintético. O corte é 2026-09-13, com 30 dias de acompanhamento analítico após a entrega, incluindo devoluções recebidas no dia 30. Não é prazo legal nem política comercial recomendada. Escolha um horizonte adequado ao processo e documente o critério.

Agrupamos por SKU e data de entrega. A coorte 2026-08-01 completou o acompanhamento; a de 2026-09-06 tem apenas sete dias. «Madura» significa janela completa, não impossibilidade de novas devoluções. Preserve os casos posteriores para análise separada.

Divida entregas parciais em linhas mantendo uma chave para reunir o pedido. Sem data, o registro não pode ser classificado; não vira pedido sem devolução. As solicitações abertas ficam visíveis ao responsável, fora da taxa física.

Recalcule a tabela

O pacote (ZIP) contém order-lines.csv, results.csv e recalculate.py: 30 linhas entregues fictícias, resultados e um script que usa apenas a biblioteca padrão do Python 3. Preserve os originais e execute python3 recalculate.py em uma cópia.

BAG-A madura tem 3 / 10 × 100 = 30 % de pedidos afetados e 4 / 20 × 100 = 20 % de unidades devolvidas. BAG-B madura tem 1 / 10 × 100 = 10 % nas duas taxas. Um pedido pode conter duas unidades e devolver ambas, como a primeira linha BAG-A.

BAG-A recente apresenta 10 % por pedidos e 5 % por unidades, mas continua aberta. Não comprova melhoria: nenhuma intervenção foi simulada. Tampouco existe um limite universal que torne 20 % aceitável ou inaceitável.

Preserve linhas explicáveis

line_id,order_id,sku,cohort,channel,delivered_at,units_delivered,units_returned,return_received_at,reason_code

line_id identifica a linha; order_id permite contar pedidos distintos. Não some pedidos por SKU para obter o total da loja: um pedido real pode ter vários produtos. Aqui cada pedido contém um único SKU.

SIZE significa tamanho inadequado declarado; DAMAGE, dano declarado; UNKNOWN, motivo indisponível; NONE, nenhuma devolução física registrada. O código não é uma conferência do depósito. Preserve o texto original separadamente, com acesso restrito e sem dados pessoais desnecessários.

A planilha simplifica cada linha a um recebimento e motivo. Se houver datas ou motivos diferentes, use uma tabela de eventos ligada por line_id e some somente os eventos dentro do horizonte. Não repita units_delivered a cada evento: isso inflaria o denominador. Investigue IDs duplicados antes de apagar linhas.

O motivo indica onde olhar

BAG-A madura tem três unidades SIZE e uma UNKNOWN. 3 / 4 = 75 % descreve a distribuição dos motivos entre unidades devolvidas, não a taxa de devolução do produto. Excluir o desconhecido criaria 100 % de problemas de tamanho com informação incompleta.

Compare medidas das três unidades, variante pedida e descrição vista pelos compradores. Medidas corretas com expectativa diferente sugerem uma hipótese sobre a informação. Uma medida divergente exige verificar a unidade e o lote. O motivo não escolhe entre essas explicações.

BAG-B tem uma unidade DAMAGE. Verifique embalagem, evidência de recebimento e lote; o código não comprova culpa da transportadora. Uma observação também não estabelece tendência estável.

Não culpe o canal

Os casos devolvidos estão em web. Isso abre uma pergunta, não justifica encerrar o canal. Compare mesmo SKU, variante e horizonte; examine promoção, lote e qualidade do registro. Cinco pedidos por canal oferecem pouca informação; subdividi-los não cria precisão.

Se os relatórios divergirem, guarde filtros, data de corte e definições. A Shopify documenta diferenças de período e lógica dos relatórios. Confira se está comparando as mesmas partes do pedido. Discrepâncias nos relatórios Shopify. O diretório de integrações ajuda a verificar a fonte acessível; sua presença não garante esses campos.

Termine com uma verificação atribuída

Copie esta ficha: «BAG-A, coorte 2026-08-01; 4/20 unidades, 3/10 pedidos; três SIZE e um UNKNOWN; conferir medidas e descrição; responsável pelo catálogo; evidências pendentes; revisão após examinar as quatro unidades devolvidas de três pedidos».

Acrescente qual achado mudaria a ação e preserve a versão anterior. Não exclua o desconhecido nem altere a coorte para melhorar o número. Com evidência, faça um teste limitado e depois compare coortes igualmente maduras. Para avaliar o impacto econômico, trate os custos separadamente na calculadora de margem: essas taxas não medem lucro.