2024，一起击退退货率！
2024年，亚马逊隆重推出「击退退货率」专题内容，直击FBA商品生命周期中存在的退货隐患，提供相应的解决方案及工具指导，力争帮助卖家击破退货困境，扬帆2024！
降低退货率的关键更多的是在退货发生之前下功夫，从选品、运营阶段开始，运用有效的工具挖掘出可能产生退货的关键因素。从源头上降低退货的可能性。选品期及新品期的降低退货率工具可点击👉商机探测器👉增长机会查看！
下文中，小编将介绍商品运营期有助于降低退货率的高效工具。
买家之声 (VOC)：扫除退货隐患:看到顾客的心声，得到免费的商品优化意见
买家之声(VOC)通过大语言模型计算
帮助卖家获取：
顾客对店铺中商品满意度情况，相较于同类型商品是高是低
单个商品的NCX*(顾客负面体验)情况
单个商品的负面反馈数量、各个负面反馈的内容以及占比
针对各负面反馈的初步行动建议（如编辑Listing、移除库存等）2024将陆续新增更多行动建议！
单个商品对比类目退货率、NCX Rate、NCX Review Rate的表现即将上线！
这些数据可以让卖家明确店铺中每个商品的优化方向，降低未来买家的退货可能性。
🔗 买家之声（VOC）查找路径：卖家平台 > 绩效 > 买家之声
您可以复制下方链接至浏览器打开VOC 卖家平台帮助页面:
https://www.sellercentral.amazon.com/help/hub/reference/GRTPNYUAU5EQ9RGU
买家之声实例解读
下图店铺中有2,203个商品的CX Health*(买家体验健康度)极差，卖家需要进一步了解原因并及时作出调整。
其中一款商品买家负面体验达31.45%，最主要的负面反馈原因是质量不好（占负面反馈的51%），点击查看详细，卖家可以查看该款商品的更细致的买家反馈，例如在下图中：
*CX Health（Customer Experience Health）是客户体验健康指标，指通过将您产品的顾客负面体验（NCX）与类似产品的顾客负面体验进行比较来确定的。
*NCX（Negative Customer experience）顾客负面体验，客户报告产品或listing问题的订单数量/总订单数量。亚马逊列出了退货、退款、客服联系、买卖双方信息、卖家反馈、A-Z索赔和产品评论等方面的客户反馈。
📖 拓展阅读：买家之声工具详解
顾客退货面板(Customer Return Dashboard)：告别二次被退:明明白白顾客退货的心
顾客退货面板(CRD)运用AI技术，展现详尽的FBA退货商品数据，包括了：
在自定义时间段、品类、站点内，相应的FBA商品的退货数量、退货率
退货率最高的商品有哪些，主要退货的原因是什么
详细到单个商品的退货数据、信息
通过AI语言模型，结合退货数据及评论，智能分析的退货原因及建议
这些数据可以让卖家明确店铺中每个商品的优化方向，降低未来买家的退货可能性。
🔗 顾客退货面板（CRD）查找路径：卖家平台 > 库存 > FBA库存 > FBA退货
顾客退货面板实例解读
下图展示的是商品级别的退货信息，该商品的退货率达21.98%。此外，点击detail可以发现：
👆点击detail可以查看：
 |
该商品一年内的退货趋势，了解在5-8月、10-11月是两个退货率高峰段，结合单量，考虑退货是否受季节、节日等因素的影响 |
 |
AI分析的退货详细原因洞察可以发现，33.5%的退货原因是太大/太长，那该商品的尺码表或版型尺码设置是否需要调整、商品的设计是否需要优化或在商品描述中提示该商品可能偏大/偏小 |
 |
主要的顾客负面评论佐证了退货原因洞察，系统同时给出了相应的措施建议 |
Fit insights Tool(版型洞案工具)：抚平尺码的痛，解决时尚品类的退货首要难题
同样运用AI技术，Fit Insights Tool(FIT, 版型洞察工具)分析退货数据、尺码表以及关于尺码、质量和价格的顾客评价来帮助卖家识别和解决商品目录中的尺寸和适合度问题，精准洞察消费者的版型需求。
通过此功能，卖家可以了解到：
1、自身服饰品牌的整体退货率健康状况
2、单个服饰商品的版型顾客反馈以及系统给出的优化建议
3、同类型服饰商品的退货率基准情况，明确自身在同品类中的位置
4、具体的顾客反馈，进行针对性的商品改进迭代
🔗【Fit Insights Tool】查找路径：卖家平台 > 绩效 > 买家之声 > Fit Insights
Fit Insights Tool实例解读
下图中的服饰商品退货率较高，显示退货健康指标较差。可以从退货分析、退货原因、版型对照三个维度来查看原因：
1、退货分析维度：
对标同类型服饰商品退货率发现，行业退货率基准在11%左右，而目前这款商品为18.16%，远高于行业水平。由于价格处于同类型商品价格区间内，可先排除价格原因，而尺码原因（太大或太小）的退货均高于行业标准
2、退货原因维度：
基于正面和负面客户反馈的客户洞察摘要，得到量化分析，进一步明确退货原因
3、版型对照维度：
通过匿名顾客综合身型数据可以发现，该商品的胸围和腰围数据与所设版型数据不符，这可能导致顾客选购错误尺码，造成退货
⚠️ 目前向部分卖家开放的测试版本中可查看：购买过同类型商品顾客的身型数据（匿名），以更精准地进行尺码更新
已使用了该工具的时尚类卖家/品牌表示：
“带有不同颜色选项的退货健康分析非常有用。当我们登陆尺码洞察工具时，我们立即发现自己的退货情况非常糟糕。我们将深入研究每一款退货表现不好的商品。”
—— 某服饰品牌
“在退货健康指标、行业基准分析和买家评论分析的帮助下，我们发现了男士上衣长度等级的潜在问题。在更新所有男士上衣的通用等级规则之前，我们将通过进一步的分析和基准比较来确认这一点。”
—— 某时尚品牌
目前该工具适用于：销售服装、鞋靴类，并且在过去12个月内发货量大于或等于100件的美国站品牌卖家
尺码表自助工具(Size ingestion Tool)：灵活自助设置不同ASIN的多样尺码表
此外，为了方便卖家及时更新自己的尺码表，亚马逊于去年年中已上线了尺码表自助工具（Size Ingestion Tool , SIT），所有拥有编辑Listing权限的用户都可以使用该工具，无需联系销售伙伴支持。卖家可以将尺码表应用于单个或多个ASIN，也可以将尺码图应用于连衣裙、裤子等产品类型中的所有ASIN。当您下载尺码模版并输入完成尺码、选择“发布”后，尺码表将在8小时内发布在亚马逊上。
🔗 点击查看：尺码表自助工具详细介绍
商品售后支持(Product Lifecycle Support)：完善顾客售后体验,筑牢退货的最后一道防线
有时，顾客会因为不知道如何安装或操作商品之类的主观使用问题而提出退货需求，此时，如果卖家能提供及时的指导，则能一定程度上避免退货的发生，给予客户良好的购买体验。
数据显示，商品售后支持(PLS)可以一定程度帮助卖家减少顾客退货，并提升顾客满意度：
目前，使用了商品售后支持(PLS)的卖家可以向顾客提供：
售后视频服务：当顾客遭遇商品售后问题时，可通过买家已上传的视频自主解决相应的问题，如安装、如何使用等
OEM售后服务：顾客可通过卖家在OEM板块中留下的官方售后网址或售后电话，直接联系卖家，高效解决售后问题
产品操作文档：顾客可根据卖家上传的文字说明解决相应的问题
🔗 您可以复制下方链接至浏览器打开PLS自主服务门户网站：
https://sellercentral.amazon.com/productsupport?ref=sc_hp_pg
一旦使用了商品售后支持（PLS）功能，顾客将在以下界面看到卖家设置的售后视频/信息：
1、顾客订单页面上的“获取商品支持”按钮
2、在线退货中心内的“退换货”按钮
（来源：亚马逊全球开店 微信公众号：AmazonGS）
