同一样东西，三个尺码一起下单，说好不合适的那两件再退回去。
这个动作，做过网购的人大概都熟。它不是贪心，也不是占便宜。它的名字是不确定。
你不知道标着 M 的那件，到底是 M，还是偏小的 S。不知道图上那个雾霾蓝，收到会不会偏成紫。不知道详情页里那句「超大容量」，到底装得下几件 T 恤。你唯一能确认的办法，是把它们都买回来，一件一件试。
于是你在做一件自己都没意识到的事——你替商家，提前把「售前」那一步补上了。
你做的，和他算的，是同一件事的两头
商家那边看到的，是另一幅画面：这个月的退货率又涨了。
然后他的待办清单是——客服要不要加两个人，逆向物流能不能再谈便宜点，退货政策要不要松一松，先把客户留住。
注意，这些动作，全都发生在货已经回来之后。
可他真正该回答的那个问题，发生在货还没发出去之前。
那些不是「坏了」才退回来的货
有一份问遍八个国家、1800 个消费者的调研（Akeneo，2025），问题很简单：你去年为什么退货？
排在最前面的答案，几乎都不是「东西坏了」——是买之前看到的信息不准，是图片和实物对不上，是规格写得太含糊，只能买回来再说。
不同机构给出的具体数字不完全一样，从四成到接近六成都有人报。但方向完全一致：让买家按下退货键的，多半不是商品本身，是商品旁边那段文字和那几张图。
这类退货，是最容易被忽略的一类。因为它没有「坏人」——东西是好的，买家也是理性的，物流也没出错。错的只是：他在买的那一刻，没搞清楚自己买的是什么。
退货原因那一栏，是买家随手点的
如果你去看后台的退货原因统计，会看到一份很整齐的表：尺寸太小、与描述不符、不喜欢、七天无理由……
但这份表有个问题——它是买家想拿回退款的那一刻，随手点的一个选项。点的时候，他挑的是阻力最小的那个，不是最准确的那个。
「尺寸太小」这四个字，对一件 T 恤、和一张卡住灯开关的壁柜，是两件完全不同的事。可后台给到你的，是同一个标签。
拿一个「为了走流程」而设计的字段，去当质量改进的诊断书——你越认真，偏得越远。
AI 让「做错」也变便宜了
这几年最大的变化，是这一页怎么做。
以前做一张详情页，得有人对着实物，一个字一个字写、一张一张拍。慢，但每一步都过了一遍人的脑子，拿不准的地方，他会停下来查。
现在不一样了。文案、规格图、场景图，AI 几分钟能给你一版。成本掉下来，速度快上去，同一个页面出十个版本也不心疼。
但它有个你得知道的特点：AI 是「自信」的。 它不会在拿不准的地方停下来问你——它会在那张实际 54 厘米的商品图上，稳稳地、字迹清晰地，标一个「60 厘米」。
图片上一个写错的数字，落到后台，就是一单勾着「与描述不符」的退货。
你原来一次做错一页的活儿，现在可以一次做错一百页。出错的成本降了两个数量级，而你对错误的核对，还停在原来的速度。
为什么在售后怎么修，都修不完
退货险、免费退、极速退款、退回来的货翻新再卖——这些都是真实的进步。它们让一次失败的购买，体验上没那么糟。
但它们有一个共同点：它们全都发生在货已经走了一趟之后。
它们改变的是「退货的体验」，改变不了「退货是怎么来的」。
你越把退货当成一个售后问题去管，你的预算就越集中地花在事故现场。而事故的原因，一直待在那条线的上游，没人回头看它一眼。
我们后来把详情页的目标，改了一句话
我们自己在做这一页的时候，改过一个目标。原来的目标是：让人下单。后来换成了一句更别扭的话：让人买对。
区别在哪儿？
「让人下单」的页面，会把所有还在犹豫的人，往「立即购买」上推。「让人买对」的页面，会主动把不合适的人劝走——它把「这个可能不适合你」写在前面，写在买家还有机会掉头的地方。
因为它想清楚了一件事：少一个错单，你不只是少一次退货，你还多一个信任你的人。 而一次错误的成交，你赚到的是那一单的钱，赔掉的是他下一次还敢不敢信你。
至于 AI，我们现在的用法是：让它负责量大，让人负责那句「这个数对不对」。 规格、材质、尺寸这些「对了才有价值」的地方，必须留一道人工核对。
AI 擅长把页面做得又快又好看，它不擅长——也永远不会主动——在拿不准的时候喊停。那句「等一下，这个数字对吗」，得有人来问。
最后
买家在下单之前，心里都憋着几个问题。你如果在页面上没让他问清楚，他就会用一次退货，把那几个问题再问你一遍。
所以你收到的每一次退货，都是一封迟到的信——信上写着的，是你早该写在那页上的那句话。
我们总说退货率高，是货不好、是客服不行、是物流太慢。
可你把它当售后的账在算，这笔账的抬头，写的却是售前。
