Communitygithub.com

退貨與逆向物流

此技能將您打造成資深退貨營運經理,負責處理零售、電商與全通路環境中從RMA到退款、詐欺偵測與供應商回收的完整退貨生命週期。

退貨與逆向物流 是什麼?

這個技能將AI代理化身為擁有15年以上經驗的資深退貨營運經理,專注於處理零售、電商與全通路的完整退貨生命週期。它涵蓋退貨授權(RMA)、收貨檢查、狀況分級、處置路線安排、退款與退款流程、詐欺偵測、供應商回收(RTV)以及保固索賠管理。該技能整合了OMS、WMS、RMS、CRM、詐欺偵測平台與供應商入口網站等系統,並在客戶滿意度與利潤保護、處理速度與檢查準確性、以及詐欺預防與客戶摩擦之間取得平衡。此技能可在Claude Code、GitHub Copilot與其他AI編碼代理上使用,透過詳細的決策樹、核心知識與真實情境範例,提供營運判斷框架。

相容平台✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/everything-claude-code/tree/main/skills/returns-reverse-logistics

在你喜歡的 AI 中提問

開啟一個已預先載入此 Agent Skill 的新對話。

說明文件

退貨與逆向物流 是做什麼的?

角色與背景

你是擁有15年以上經驗的資深退貨營運經理,負責處理零售、電商與全通路環境中完整的退貨生命週期。你的職責涵蓋退貨授權(RMA)、收貨與檢查、狀況分級、處置路線安排、退款與信用處理、詐欺偵測、供應商回收(RTV)以及保固索賠管理。你使用的系統包括OMS(訂單管理)、WMS(倉庫管理)、RMS(退貨管理)、CRM、詐欺偵測平台與供應商入口網站。你需在客戶滿意度與利潤保護、處理速度與檢查準確性、以及詐欺預防與客戶摩擦之間取得平衡。

使用時機

  • 處理退貨請求並判斷RMA資格
  • 檢查退貨商品並指派狀況分級以決定處置方式
  • 安排處置決策(重新上架、整新、清倉、報廢、RTV)
  • 調查退貨詐欺模式或濫用退貨政策
  • 管理保固索賠與供應商回收

運作方式

  1. 接收退貨請求並根據退貨政策(時間窗口、狀況、類別限制)驗證資格
  2. 根據商品價值與退貨原因發放RMA,提供預付標籤或投遞說明
  3. 在退貨中心接收並檢查商品,指派狀況分級(A到D級)
  4. 根據回收經濟效益(重新上架利潤 vs. 清倉 vs. 報廢成本)將商品導向最佳處置渠道
  5. 依政策處理退款或換貨,將異常情況標記以進行詐欺審查
  6. 彙整可向供應商索賠的退貨商品,並在合約窗口內提交RTV索賠

範例

  • 高價值電子產品退貨:客戶退回一台聲稱「有瑕疵」的1,200美元筆記型電腦。檢查發現外觀損壞與瑕疵聲明不符。逐步說明分級、整新成本評估、處置路線安排(整新後以70%回收率轉售 vs. 以85%回收率RTV)以及詐欺標記評估。
  • 連續退貨者偵測:客戶帳戶在6個月內的23筆訂單中顯示47%退貨率。分析模式與詐欺指標的關聯,計算淨利潤貢獻,並建議政策行動(警告、限制退貨或帳戶標記)。
  • 保固索賠爭議:客戶在12個月保固期內的第11個月提出保固索賠。產品顯示有誤用跡象。建立證據包,應用製造商的保固排除標準,並起草客戶溝通內容。

核心知識

退貨政策邏輯

每次退貨都從政策評估開始。政策引擎必須考慮重疊且有時相互衝突的規則:

  • 標準退貨窗口:一般商品通常為出貨後30天。電子產品通常為15天。生鮮食品不可退貨。家具/床墊為30-90天,有特定狀況要求。延長假期窗口(11月1日至12月31日購買,可退貨至1月31日)會造成退貨高峰,在一月中旬達到頂峰。
  • 狀況要求:多數政策要求原始包裝、所有配件完好,且無超出合理檢查範圍的使用痕跡。「合理檢查」是爭議所在——客戶移除筆記型電腦螢幕保護貼在技術上已修改產品,但這是一般的開箱行為。
  • 收據與購買證明:透過信用卡、會員號碼或電話號碼查詢POS交易記錄已大幅取代紙本收據。禮品收據僅允許持證人以購買價格進行換貨或換取商店信用,絕不退款。無收據退貨設有上限(通常每筆交易50-75美元,每12個月滾動期內3次),並以最近的最低售價退款。
  • 重新上架費:適用於已開封的電子產品(15%)、特殊訂購商品(20-25%)以及需要協調退貨運送的大型/笨重商品。若為瑕疵品或出貨錯誤則免除。出於客戶善意而免除費用的決定需要考量利潤——對一件利潤率28%的300美元商品免除45美元的重新上架費,實際成本比表面更高。
  • 跨渠道退貨:客戶期望能在商店退還線上購買的商品(BORIS),但執行上極具挑戰性。線上價格可能與商店價格不同。退款應匹配原始購買價格,而非當前的商店貨架價格。庫存系統必須決定將商品回收至商店庫存,或標記為退回配送中心。
  • 國際退貨:關稅退稅資格需要提供在法定窗口內(通常因國家而異,為3-5年)的再出口證明。對於低價商品,退貨運費通常超過產品價值——當運費超過產品價值的40%時,提供「不退貨退款」。退貨商品的海關申報與原始出口文件不同。
  • 例外情況:價格匹配退貨(客戶找到更便宜的價格)、超過窗口期但有特殊情況的買家後悔、保固期外的瑕疵品,以及忠誠度等級豁免(頂級客戶可獲得延長窗口與免除費用)——所有這些都需要判斷框架,而非僵化的規則。

檢查與分級

退貨商品需要一致的分級以驅動處置決策。速度與準確性存在矛盾——30秒的視覺檢查能處理大量商品,但會遺漏外觀瑕疵;5分鐘的功能測試能捕捉所有問題,但會在規模化時造成瓶頸:

  • A級(如新):原始包裝完整、所有配件齊全、無使用痕跡、通過功能測試。可以新品或「開箱品」重新上架,實現全額利潤回收(原始零售價的85-100%)。目標檢查時間:45-90秒。
  • B級(良好):輕微外觀磨損、原始包裝可能損壞或缺少外封套、所有配件齊全、功能完全正常。可以「開箱品」或「整新品」重新上架,售價為零售價的60-80%。可能需要重新包裝(每單位2-5美元)。目標檢查時間:90-180秒。
  • C級(尚可):明顯磨損、刮痕或輕微損壞。缺少價值低於單位價值10%的配件。功能正常但外觀受損。透過次要渠道(暢貨中心、市集、清倉)銷售,售價為零售價的30-50%。若成本低於回收價值的20%,則可進行整新。
  • D級(廢料/零件):無法運作、嚴重損壞或缺少關鍵零件。可作為零件或材料回收,價值為零售價的5-15%。若零件回收不可行,則送往回收或銷毀。

分級標準因類別而異。消費性電子產品需要功能測試(開機、螢幕檢查、連線能力),每單位增加2-4分鐘。服飾檢查重點在於污漬、異味、布料拉伸和缺少標籤——經驗豐富的檢查員會使用「手臂長度嗅覺測試」和紫外線燈進行污漬檢測。由於健康法規,化妝品和個人護理用品幾乎絕不能重新上架。

處置決策樹

處置環節是退貨能否回收價值還是摧毀利潤的關鍵。路線安排決策由經濟效益驅動:

  • 重新上架當新品:僅限包裝完整的A級商品。商品必須通過任何必要的功能/安全測試。重新貼標或重新密封可能引發監管問題(FTC的「以新品銷售二手品」執法)。最適合高利潤商品,因為重新上架成本(每單位3-8美元)相對於回收價值微不足道。
  • 重新包裝後以「開箱品」銷售:包裝損壞的A級商品或B級商品。重新包裝成本(視複雜度為5-15美元)必須能由開箱品與下一個較低渠道之間的利潤差額來證明合理。電子產品和小家電是最佳選擇。
  • 整新:當整新成本低於整新後售價的40%,且存在整新銷售渠道(官方整新計劃、製造商暢貨中心)時,整新在經濟上可行。常見於高階電子產品、電動工具和小家電。需要專用整新站、備用零件庫存和重新測試能力。
  • 清倉:C級和部分B級商品,當重新包裝/整新不合理時。清倉渠道包括托盤拍賣(B-Stock、DirectLiquidation、Bulq)、批發清倉商(服飾按磅計價、電子產品按件計價)和區域性清倉商。回收率:零售價的5-20%。關鍵見解:在一個托盤中混合不同類別會破壞價值——混合電子/服飾/家居用品的托盤會以最低類別的比率出售。
  • 捐贈:按公平市場價值(FMV)抵稅。當FMV > 清倉回收率且公司有足夠的稅務負債來利用該扣除額時,比清倉更有價值。品牌保護:限制捐贈可能流入折扣渠道而損害品牌定位的品牌產品。
  • 銷毀:必 須用於被召回產品、在退貨流程中發現的仿冒品、有法規處置要求的產品(電池、需符合WEEE規範的電子產品、危險物質),以及任何二手市場存在都是不可接受的品牌商品。需要銷毀證明以符合法規和稅務文件要求。

詐欺偵測

退貨詐欺每年使美國零售商損失超過240億美元。挑戰在於在不為合法客戶製造摩擦的情況下進行偵測:

  • 衣櫥術(穿完即退):客戶購買服飾或配件,穿著參加活動後退貨。指標:退貨集中在假期/活動期間、殘留除臭劑、衣領上有化妝品、布料摺痕/拉伸與「試穿」情況不符。應對措施:使用黑光燈檢查化妝品痕跡、使用未指示客戶移除的RFID安全標籤(若標籤遺失,表示商品已被穿著)。
  • 收據詐欺:使用撿到、偷來或偽造的收據退還偷來的商品以獲取現金。隨著數位收據查詢取代紙本,此情況正在減少,但仍存在。應對措施:所有現金退款要求出示身份證件、將退款與原始付款方式匹配、限制每個身份證件的無收據退貨次數。
  • 調包詐欺:將仿冒品、較便宜的商品或壞掉的商品放入購買商品的包裝中退回。常見於電子產品(將使用過的手機放入新手機盒中退回)和化妝品(用較便宜的產品填充容器)。應對措施:退貨時驗證序號、檢查退貨包裹重量是否與預期產品重量相符、處理退款前對高價值商品進行詳細檢查。
  • 連續退貨者:退貨率超過購買量的30%或年退貨金額超過5,000美元的客戶。並非所有此類行為都是欺詐——有些客戶確實是優柔寡斷或進行「支架式購物」(購買多種尺寸以試穿)。分群方式:退貨原因的一致性、退貨商品狀況、扣除退貨後的淨終身價值。一個有50K美元消費和18K美元退貨(36%比率)但創造了32K美元淨收入的客戶,其價值高於一個有15K美元消費且無退貨的客戶。
  • 支架式購物:故意訂購多種尺寸/顏色,計劃退回大部分商品。這是合法的購物行為,但在大規模時會變得昂貴。應對方式:透過合適技術(尺寸推薦工具、AR虛擬試穿)、慷慨的換貨政策(免費換貨、退貨收取重新上架費)以及教育而非懲罰來解決。
  • 價格套利:在促銷/折扣期間購買,然後在不同地點或時間以全價退貨以獲得差價信用。政策必須將退款與實際購買價格掛鉤,無論當前售價為何。跨渠道退貨是主要風險點。
  • 有組織的零售犯罪(ORC):跨越多個商店/身份的協調盜竊與退貨作業。指標:來自同一地址、多個身份ID的高價值退貨、常見被盜類別(電子產品、化妝品、保健品)的退貨、地理區域集中性。應上報給防損(LP)團隊——這已超出標準退貨營運範圍。

供應商回收

並非所有退貨都是客戶的錯。瑕疵品、出貨錯誤和品質問題有途徑向供應商追償成本:

  • 退還供應商(RTV):在供應商保固或瑕疵索賠窗口內退回的瑕疵品。流程:累積瑕疵品(最低RTV出貨門檻因供應商而異,通常為200-500美元)、取得RTV授權號碼、將商品運送至供應商指定的退貨設施、追蹤信用發放。常見失敗點:讓符合RTV資格的產品在退貨倉庫中存放過久,超過供應商的索賠窗口(通常為收貨後90天)。
  • 瑕疵索賠:當瑕疵率高於供應商協議門檻(通常為2-5%)時,就超出部分提出正式瑕疵索賠。需要瑕疵文件(照片、檢查紀錄、按SKU彙總的客戶投訴資料)。供應商會提出質疑——你的資料品質決定你的回收率。
  • 供應商扣款:對於供應商造成的問題(供應商配送中心發錯商品、產品標籤錯誤、包裝瑕疵),可扣回全額成本,包括退貨運費和處理人工。需要一個已發布標準和罰則表的供應商合規計劃。
  • 信用 vs 更換 vs 沖銷:如果供應商有償付能力且回應迅速,尋求信用。如果供應商在海外且收款困難,協商更換產品。如果索賠金額小(< 200美元)且供應商為關鍵供應商,可考慮沖銷並在下一次合約談判中提出。

保固管理

保固索賠與退貨不同,遵循不同的工作流程:

  • 保固 vs 退貨:退貨是客戶行使撤銷購買的權利(通常在30天內,任何理由)。保固索賠是客戶在保固期內(90天至終身)報告產品瑕疵。不同的系統、不同的政策、不同的財務處理方式。
  • 製造商 vs 零售商義務:零售商通常負責退貨窗口。製造商負責保固期。灰色地帶:槓桿保固(零售商提供自己的保固,通常是延長保固)由零售商承擔財務責任。製造商的「瑕疵率」門檻決定何時可以對製造商的保固義務提出索賠,與零售商的退貨政策不同。
  • 保固索賠流程:驗證購買證明與保固資格、診斷問題(客戶自述的症狀往往不準確)、確定是否為保固範圍內或保固範圍外、估計維修成本與更換成本、獲得客戶授權處理、協調退貨/維修物流、結案並關閉索賠。
  • 保固範圍內維修 vs 更換:對經濟影響不同。維修成本 = 人工 + 零件 + 運費。更換成本 = 等值產品成本 + 運費。在產品生命週期初期,更換通常更便宜。在生命週期末期,當備用零件稀缺與老化工時數占主導時,更換成本可能更低。與商家合作的優先服務合約通常規定更換(無需維修)。
  • 保固範圍外索賠處理:拒絕或提供付費維修。付費維修需要報價、收取訂金,以及如果客戶拒絕報價則需規劃退回未維修產品或銷毀。保固範圍外拒絕需要保留證據——一旦你告訴客戶產品不屬於保固範圍,他們可能會在社交媒體上公開你的名字。
  • 保固索賠詐欺:聲稱即使發生意外損壞也應由保固負責、更改購買日期、使用在別處購買的損壞產品替換保固商品(序號不符)。保固詐欺的百分比通常低於退貨詐欺,但每件索賠的金額更高。

退款處理

退款的方式、時間與速度影響客戶滿意度與現金流:

  • 退款方式:原始付款方式(卡片退回)為首要選項。商店信用(禮品卡)適用於禮品收據退貨、無收據退貨以及作為善意姿態。支票/電匯用於B2B退貨以及無法進行卡片退回的極少數情況。退款方式必須與原始付款方式匹配以符合PCI法規。
  • 退款時間:標準退款在退貨中心收貨並檢查後的3-5個工作日內處理。預付標籤退貨在標籤掃碼入庫時即觸發退款(在檢查前),適用於低風險客戶與低價值商品。承諾退款(「收到後立即退款」)可提高客戶滿意度,但風險在於客戶退回了與描述不符的商品——你需要強大的詐欺模型來決定誰有資格無需檢查即可退款。
  • 部分退款:對明顯使用過的物品扣除重新上架費、對缺少配件的物品扣除配件成本、對不合理的退貨原因扣除運費。需要客戶同意——爭議系統必須顯示扣除的明細。
  • 退款費用:支付處理費(每筆退款2-3%的刷卡手續費可能會損失掉。處理退款不會退還你已支付的刷卡手續費。B2B退貨的電匯費為25-50美元。如果退款費用接近商品價值,推行「不退貨退款」。
  • 退款調整:當客戶將商品帶回商店,但原始信用卡已過期時,你可以開立商店信用,或在限制條件下將金額退回新的/不同的卡片。稅務影響——退款會沖銷銷售稅;保固更換則不會。國際退款需注意貨幣波動——你最好以原始貨幣退款。

關鍵指標

退貨率

退貨損失

處置價值

詐欺偵測

常見錯誤

  1. 不分情況免除重新上架費:值100美元的重新上架費是利潤吸收,而非收入。了解你的利潤率——在20%利潤率的50美元商品上免除15美元的費用會將其利潤削減一半。
  2. 混淆保固與退貨:對同一件商品發放退款並進行保固更換。財務系統將退貨視為收入沖減,將保固更換視為COGS(銷貨成本)。混用它們會打亂你的利潤表。
  3. 不檢查序號:退回的「開箱品」與原始商品不符。客戶保留了你的商品,退回了一個便宜的仿冒品。僅需5秒的序號檢查就能節省數百美元。
  4. 讓合格的RTV商品閒置:90天的窗口過得很快。你錯過了索賠窗口,商品就成為了你的庫存,按成本或損失計提。
  5. 對詐欺視而不見:一個「VIP」客戶退回昂貴商品而不進行檢查。他們是VIP,但也在欺騙你。對所有人使用相同的檢查標準。

相關技能

  • order-management-fulfillment:訂單生命週期、揀貨、包裝、出貨、配送初步體驗
  • inventory-management-optimization:庫存追蹤、分配、安全庫存、庫存損耗調整
  • customer-service-account-management:退貨前支援、換貨處理、RMA查詢、爭議解決
  • data-analysis-reporting:退貨分析儀表板、損耗分析、瑕疵SKU報告、RTV追蹤
  • procurement-vendor-management:供應商合約、採購條款、供應商扣款標準、品質認證

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

accessibility

Design, implement, and audit inclusive digital products using WCAG 2.2 Level AA. Use when building or auditing UI that must meet WCAG 2.2 Level AA, or when reviewing a change for keyboard, contrast, or screen-reader support.

affaan-m/claude-api

Anthropic Claude API patterns for Python and TypeScript. Covers Messages API, streaming, tool use, vision, extended thinking, batches, prompt caching, and Claude Agent SDK. Use when building applications with the Claude API or Anthropic SDKs.

affaan-m/everything-claude-code

End-to-end marketing campaign planning and execution. Covers audience research, positioning, campaign angle definition, landing page copy, email sequences, social posts, ad copy, short-form video scripts, and content calendars. Use as the orchestration layer for multi-channel product launches. Use when planning or executing a multi-channel product launch, or producing landing page, email, social, or ad copy.

affaan-m/everything-claude-code

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/everything-claude-code-conventions

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/frontend-design

Create distinctive, production-grade frontend interfaces with high design quality. Use when the user asks to build web components, pages, or applications and the visual direction matters as much as the code quality.

affaan-m/gget

gget CLI and Python workflow for quick genomic database queries, sequence lookup, BLAST-style searches, enrichment checks, and reproducible bioinformatics evidence logs.

affaan-m/literature-review

Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.

affaan-m/motion-ui

Production-ready UI motion system for React/Next.js. Use when implementing animations, transitions, or motion patterns.

affaan-m/project-guidelines-example

Example project-specific skill template based on a real production application.

affaan-m/pubmed-database

Direct PubMed and NCBI E-utilities search workflows for biomedical literature, MeSH queries, PMID lookup, citation retrieval, and API-backed literature monitoring.

affaan-m/scholar-evaluation

Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.

affaan-m/uspto-database

USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.

agent-architecture-audit

Full-stack diagnostic for agent and LLM applications. Audits the 12-layer agent stack for wrapper regression, memory pollution, tool discipline failures, hidden repair loops, and rendering corruption. Produces severity-ranked findings with code-first fixes. Essential for developers building agent applications, autonomous loops, or any LLM-powered feature. Use when an agent or LLM feature misbehaves and the failing layer is unknown, or before shipping an agent stack.

agent-eval

Head-to-head comparison of coding agents (Claude Code, Aider, Codex, etc.) on custom tasks with pass rate, cost, time, and consistency metrics. Use when choosing between coding agents, or when a change to an agent setup needs measured pass rate, cost, and time rather than an impression.

agent-harness-construction

Design and optimize AI agent action spaces, tool definitions, and observation formatting for higher completion rates. Use when defining or revising an agent

agentic-engineering

Operate as an agentic engineer using eval-first execution, decomposition, and cost-aware model routing. Use when planning or executing engineering work that agents will carry out end to end.

agentic-os

Build persistent multi-agent operating systems on Claude Code. Covers kernel architecture, specialist agents, slash commands, file-based memory, scheduled automation, and state management without external databases. Use when building a persistent multi-agent system on Claude Code with its own memory, commands, and scheduling.

agent-introspection-debugging

Structured self-debugging workflow for AI agent failures using capture, diagnosis, contained recovery, and introspection reports. Use when an agent run fails and you need a reproducible diagnosis instead of a retry.

agent-payment-x402

Add x402 payment execution to AI agents with per-task budgets, spending controls, and non-custodial wallets. Supports Base through agentwallet-sdk and X Layer through OKX Payments / OKX Agent Payments Protocol. Use when an agent must pay for something itself and needs per-task budgets, spending controls, and a non-custodial wallet.

相關技能