退货率降3.7%背后：运维技术驱动电商增长

　　去年五一那波活动，退货率降了3.7%——这事儿运营在群里吹了三天，说“运维技术驱动增长”，我原以为他们又往我们头上扣帽子，结果翻了监控日志，还真不是瞎说。你记不记得活动上线那十分钟？我盯着监控屏，心跳得比服务器CPU还快——平时退货率在12%左右晃悠，那天突然掉到9.3%，后台数字每分钟刷一次，群里@我的消息跟弹幕似的，手机电量从80%掉到15%，饮水机换桶的师傅在走廊喊“让让”，我差点把咖啡泼到键盘上。

　　先说结论：这3.7%的降幅，八成是运维去年搞的“优胜劣汰”策略起作用了。具体说就是，我们把退货率高的商品，直接从活动页和推荐流里“掐”了——不是下架，是动态降权。比如某款连衣裙，上周退货率18%，这周活动页的曝光量自动降30%；要是连续两周超20%，直接从推荐池里踢出去，只保留搜索和分类页的入口。运营当时还跟我吵：“这会影响GMV啊！”我说：“总比用户买完就退，平台赔运费强吧？”结果五一那波，被降权的商品退货率平均降了5.2%，而没被降权的——比如某款退货率一直低于8%的T恤，曝光量涨了40%，GMV反而比去年同周期高了12%。

　　但最绝的不是这个。我原以为用户会因为“推荐不准”骂街，结果复访率还涨了——因为被降权的商品，大多是“货不对板”的网红款，用户买一次被坑，下次就不来了；而推荐的“靠谱款”多了，用户反而更愿意回来逛。就像上周三，小王在群里发截图：“这用户上周买了件退货率15%的衬衫，退了；这周又买了件退货率6%的裤子，没退，还领了张满200减30的券。”运营说：“这是用户变理性了。”我说：“理性个屁，是我们把垃圾商品藏起来了，用户没得挑了。”

　　不过这事儿也不是一帆风顺。去年双十一我们试过一次，结果砸了——当时降权规则太粗暴，只要退货率超10%就降权，结果把很多“尺码不合适”的正常商品也掐了，用户骂“推荐的都是什么垃圾”，转化率掉了5%。后来我们改了规则：只降权“货不对板”的商品（比如描述写“纯棉”，实际是聚酯纤维），“尺码问题”的商品降权幅度减半。五一这波用的就是新规则，效果明显好很多——退货率降了，转化率还没掉，甚至因为“靠谱商品”多了，用户停留时长涨了8%。

　　说到这儿，我想起个无关的细节：那天活动页的banner图，是设计部小李熬了三个通宵做的，结果上线前两小时，老板说“颜色太土”，让重新做。小李在会议室里摔鼠标，说：“这颜色是按去年双十二的数据调的，用户点击率最高！”老板说：“我不管数据，我要‘高级感’。”最后小李一边哭一边改，改完测试环境一看，点击率掉了15%。运营在群里骂：“这锅运维不背！”我回：“背个屁，我们只管技术，不管审美。”

　　回到正题。这3.7%的降幅，表面看是运维技术驱动，背后其实是“优胜劣汰”的逻辑在跑——把退货率高的商品“淘汰”出推荐流，把退货率低的商品“优待”多给曝光。但这里有个关键：怎么定义“高退货率”？我们试过用“绝对值”（比如退货率>15%就降权），也试过用“相对值”（比如比同类商品退货率高20%就降权），最后发现“相对值”更准——比如某款连衣裙，行业平均退货率12%，它15%，虽然只超3%，但明显是“自身有问题”；而某款T恤，行业平均退货率8%，它10%，虽然超2%，但可能只是“尺码偏大”这种小问题，降权太狠反而影响GMV。所以现在我们的规则是：退货率比同类商品高20%以上的，降权30%；高10%-20%的，降权15%；高10%以内的，不降权。

　　不过这事儿也有局限。比如新商品，没数据怎么办？我们试过用“同类商品的历史退货率”预估，但效果一般——因为新商品可能有“爆款潜质”，也可能有“隐藏问题”，预估不准。后来我们加了“人工审核”：新商品上线前三天，退货率超15%的，自动标红，由运营人工判断是“货不对板”还是“尺码问题”，再决定是否降权。五一这波，新商品里被标红的有23款，其中18款是“货不对板”，降权后退货率平均降了6.1%；另外5款是“尺码问题”，降权幅度减半，退货率降了3.2%。

　　说到这儿，我又想起个无关的细节：上周五下班前，测试部小张冲进我工位，说：“你们运维的监控脚本有问题！”我问：“咋？”他说：“退货率计算逻辑错了，把‘换货’算成‘退货’了！”我吓得赶紧查日志，结果发现是测试环境的脚本没更新，生产环境没事。小张说：“幸亏我发现得早，不然下周活动要砸。”我说：“砸了正好，让运营知道运维的重要性。”他白了我一眼：“运维的重要性？他们只会说‘为什么又崩了’。”

文章配图，仅供参考

（编辑：草根网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!