Returer per produkt: vad bör du undersöka först?
En syntetisk CSV med omräkningsbara resultat skiljer order, enheter och öppna kohorter innan en returorsak behandlas som bevisad.
TL;DR: Undersök returer genom att jämföra samma produkt efter lika lång uppföljning och behålla två mått: berörda order och returnerade enheter. Kundens valda skäl vägleder undersökningen men bevisar inte vad som gick fel.
Innehåll
Undersök returer genom att jämföra samma produkt efter lika lång uppföljning och behålla två mått: berörda order och returnerade enheter. Kundens valda skäl vägleder undersökningen men bevisar inte vad som gick fel.
Fyra ryggsäckar kommer tillbaka och någon vill stoppa kampanjen. Hur många levererades, hur många order tillhör de och hur lång tid har köparna haft? Diagnosen ska sluta med en tilldelad kontroll, inte en skyldig hämtad ur en kolumn.
Bestäm vilken händelse du räknar
En begäran, en fysiskt mottagen vara och en återbetalning är olika händelser. Här räknas enheter som fysiskt kommit tillbaka, kopplade till ursprunglig orderrad. Återbetalning utan varureturer och väntande begäran ingår inte i täljaren. Väntande ärenden behöver en separat arbetskö.
Shopify skiljer Reversed quantity, som kan omfatta annulleringar och ändringar, från Returned quantity för fysiska returer. Försäljningsdatum och justeringsdatum skiljer sig också. Kontrollera fältet innan varje negativt värde kallas retur. Shopifys officiella definitioner.
Kalkylbladet är ett eget arbetsformat, inte en Frihet-export eller produktfunktion. Guiden till e-handelsdata och integrationer på engelska sätter det i sitt sammanhang.
Fastställ brytdatum och kohort
Exemplet är helt syntetiskt. Brytdatum är 2026-09-13, med 30 dagars analytisk uppföljning efter leverans, inklusive returer mottagna dag 30. Det är varken en lagstadgad frist eller en rekommenderad returpolicy. Välj och dokumentera en horisont som passar processen.
Grupperna bygger på SKU och leveransdatum. Kohorten 2026-08-01 har slutfört uppföljningen; 2026-09-06 har bara sju dagar. «Mogen» betyder att vårt fönster är komplett, inte att senare returer är omöjliga. Behåll sena fall för separat analys.
Dela delleveranser i rader men behåll ordernyckeln. Utan leveransdatum är posten inte klassificerbar, inte automatiskt returfri. Öppna begäranden ska vara synliga för handläggaren, utanför andelen fysiska returer.
Räkna om tabellen
Paketet (ZIP) innehåller order-lines.csv, results.csv och recalculate.py: 30 påhittade leveransrader, beräknade resultat och ett skript med endast Python 3
python3 recalculate.py i en kopia.
| SKU och kohort | Order | Levererade enheter | Order med retur | Returnerade enheter |
|---|---|---|---|---|
| BAG-A, 2026-08-01, mogen | 10 | 20 | 3 | 4 |
| BAG-B, 2026-08-01, mogen | 10 | 10 | 1 | 1 |
| BAG-A, 2026-09-06, öppen | 10 | 20 | 1 | 1 |
Mogen BAG-A ger 3 / 10 × 100 = 30 % berörda order och 4 / 20 × 100 = 20 % returnerade enheter. För BAG-B blir båda 1 / 10 × 100 = 10 %. En order kan innehålla två enheter och returnera båda, som första BAG-A-raden.
Nyare BAG-A visar 10 % per order och 5 % per enhet, men är öppen. Det bevisar ingen förbättring; ingen åtgärd har simulerats. Det finns inte heller en allmän gräns som gör 20 % godtagbart eller oacceptabelt.
Behåll förklarliga rader
line_id,order_id,sku,cohort,channel,delivered_at,units_delivered,units_returned,return_received_at,reason_codeline_id identifierar raden; order_id möjliggör räkning av unika order. Summera inte orderantal per SKU till butikens total: en order kan innehålla flera produkter. Här innehåller varje order en enda SKU.
SIZE betyder uppgiven olämplig storlek; DAMAGE, uppgiven skada; UNKNOWN, saknat skäl; NONE, ingen registrerad fysisk retur. Koden är inte en lagerkontroll. Spara ursprunglig text separat med begränsad åtkomst, utan onödiga personuppgifter.
Varje rad förenklas till ett mottagande och ett skäl. Vid flera datum eller skäl används en händelsetabell kopplad med line_id, där endast händelser inom horisonten summeras. Upprepa inte units_delivered per händelse: nämnaren blir för stor. Undersök dubbla ID
Skälet visar var du ska leta
Mogen BAG-A har tre enheter SIZE och en UNKNOWN. 3 / 4 = 75 % beskriver skälens fördelning bland returnerade enheter, inte produktens returandel. Att ta bort okänt skulle skapa skenbara 100 % storleksproblem ur ofullständiga uppgifter.
Jämför måtten på de tre enheterna, beställd variant och produktsidan köparna såg. Riktiga mått men andra förväntningar ger en hypotes om informationen. Avvikande mått kräver kontroll av enheten och partiet. Det valda skälet avgör inte mellan förklaringarna.
BAG-B har en enhet DAMAGE. Kontrollera emballage, mottagningsunderlag och parti; koden bevisar inte transportörens skuld. Ett fall visar inte heller en stabil trend.
Skyll inte på kanalen
Exemplets returer ligger i web. Det öppnar en fråga, inte ett beslut att stänga kanalen. Jämför samma SKU, variant och horisont; granska kampanj, parti och registreringskvalitet. Fem order per kanal ger lite information. Fler undergrupper skapar inte precision.
Om rapporter skiljer sig, spara filter, brytdatum och definitioner. Shopify dokumenterar skillnader genom perioder och rapportlogik. Kontrollera att samma delar av ordern jämförs. Avvikelser i Shopify-rapporter. Katalogen över integrationer hjälper dig kontrollera tillgänglig källa; en listning garanterar inte dessa fält.
Avsluta med en tilldelad kontroll
Kopiera anteckningen: «BAG-A, kohort 2026-08-01; 4/20 enheter, 3/10 order; tre SIZE och en UNKNOWN; kontrollera mått och produktsida; katalogansvarig; underlag saknas; uppföljning efter granskning av de fyra returnerade enheterna från tre order».
Ange vilket fynd som skulle ändra åtgärden och spara föregående analysversion. Ta inte bort okända fall och ändra inte kohorten för snyggare siffror. Med underlag kan du välja ett begränsat test och senare jämföra lika mogna kohorter. Bedöm ekonomisk effekt separat med marginalkalkylatorn: dessa andelar mäter inte vinst.
Var den här artikeln till hjälp?
Vanliga frågor
Kan jag använda en ny kohort för att påvisa en förbättring?
En kohort som fortfarande observeras påvisar ingen förbättring jämfört med en kohort vars observationsperiod är avslutad. Jämför samma produkt över lika långa perioder och håll andelar per beställning och per enhet åtskilda.
Bevisar det vanligaste returskälet orsaken till problemet?
Nej: Det är en ledtråd som behöver prövas mot produkten och tillgängliga belägg. Procenttalet beskriver skälen bland de returnerade enheterna, inte produktens returandel; behåll även okända skäl.
