二零二五年,美国退回的商品总额达到八千四百九十九亿美元,线上渠道的退货率是百分之十九点三,而全零售渠道是百分之十五点八。被反复引用的那个数字是百分比本身。真正决定一个品类赚不赚钱的,是每件商品退回来的代价:处理一次大约二十到三十美元;一件一百美元的服装,把退货运费、检验、整备和折价叠加之后,接近二十六点五到三十三美元。退回的线上商品里,只有约百分之四十八能重新上架并按原价卖掉。
服装退货背后的机制有个名字,而且是一种行为。多尺码下单——买几个尺码留一件——被 Narvar 测到有百分之六十三的网购服装消费者在做。穿过一次再退的「一次性穿着」又占掉一块。在四百多家服装零售商、两千八百万笔订单的分析里,主打女性客群的店铺每卖出五件就退回一件,主打男性的是每八件退一件,而且这个差距在每个价格带都成立。版型是屏幕唯一无法验证的属性,于是买家把试衣间外包给品牌,再把不确定性寄回去。
| 渠道/品类 | 退货率 | 数据锚点 |
|---|---|---|
| 线上,全品类 | 销售额的百分之十九点三 | NRF/Happy Returns 二零二五 |
| 全零售渠道 | 销售额的百分之十五点八 | NRF/Happy Returns 二零二五 |
| 线上服装 | 百分之二十四至三十 | 行业追踪机构 |
| 线上鞋类 | 约百分之二十七 | 行业追踪机构 |
| DTC 服装(二零二六) | 百分之二十八点四,高于二零二三的二十一点七 | Loop Returns/Narvar |
财务损伤是系统性的,而非戏剧性的。Loop Returns 与 Narvar 把二零二六年的 DTC 服装退货率定在百分之二十八点四,高于二零二三年的二十一点七,退货超过百分之二十五的店铺贡献毛利会掉大约十一个点。一个年做两百万美元服装生意、退货率百分之二十七的品牌,等于退回五十四万美元的订单;按每退回一百美元花三十二美元算,一年约十七万三千美元,而且这笔钱从不会作为一条清晰的记录出现在损益表上。它藏在运费、履约和一个「其他」科目里。退货还会在现金流最难受的时刻吃钱:库存成本、出库运费和获客花费都已经付掉,退款在商品重新卖出之前就出去了,而那件商品可能永远无法按原价卖出。
真正的杠杆在上游,而且有数据支撑。AI 尺码推荐与虚拟试穿在披露的部署里把服装退货率砍掉百分之二十四至三十二,因为让买家在下单前看到衣服穿在和自己相像的身体上,就能减少一开始订的尺码数量。详细尺码、准确尺寸表和一致的商品摄影用更便宜的方式做同样的事。所以退货率是在商品呈现的那一刻就定下的,远在包裹出现之前——这也是为什么把它当成仓库问题是范畴错误。
小程序运行时改变的是干预能发生的位置。这个界面是可交互、有状态的,尺码建议、合身检查和「和买家相似的人最后留下了哪件」可以出现在决策流程里,而不是一张静态商品页上。扫码点单或应用内目录能带上买家过去的购买与退货历史,让合身建议具体而非泛化。成交之后,同一个界面可以先提供换货而不是退款,让退货标签和状态可见,并把商品按可转售或清仓分流并记录处置结果——把一次退款变成留存时刻和一个数据点。运行时还允许按人群测试政策变化:一组免退货运费,一组退购物金,然后同时量出对退货率和复购的影响。
欺诈要放进同一个模型。NRF 统计百分之九的退货是欺诈性的,Appriss Retail 给出的是百分之十五点一四,也就是二零二四年的一千零三十亿美元。分母不同,结论各异——但都大到不能忽略。一个在发起时就记录退货原因、标记重复模式、执行可见政策的运行时,拿到的信号比那种来者不拒、事后再问的退货入口干净得多。
对宿主平台来说,战略判断很直接。退货率是少数几个同时伤害商户、物流伙伴和宿主目录声誉的指标。把合身引导、换货优先流程和处置追踪做进运行时,等于给目录里每个商户一套防线,抵御那种以隐形毛利折损形式到来的成本。商户留下更多销售收入,目录也留下一个本来可能把整段体验当成赌博而放弃的买家。
参考来源
- NRF/Happy Returns 二零二五退货图景 — 线上百分之十九点三、全渠道十五点八、八千四百九十九亿美元。
- 多尺码下单与退货代价 — 百分之六十三会多尺码下单,一件一百美元商品退回来要花二十六点五至三十三美元。
- 一次退货到底让品牌花多少钱 — 毛利算法与退货调整后的贡献。
- 搭建退货管理体系 — 净回收率与处置经济学。