退貨率高的會員該不該留？先算淨貢獻，別急著上黑名單

美國零售業 2025 年的退貨金額估計 8,499 億美元，占年度銷售 15.8%；線上訂單更高，估 19.3%。這是 NRF 與 Happy Returns 在 2025 年 10 月發布的《2025 Retail Returns Landscape》 的數字，樣本為 2,006 位美國消費者與 358 位年營收 5 億美元以上美國零售商的電商從業者。

同一份報告裡有另一組數字，方向相反：71% 的受訪消費者說一次糟糕的退貨體驗會讓他們比較不願意再回來買，2024 年是 67%；82% 把「免費退貨」列為購買主要考量，前一年 76%。這兩個數字是受訪者的自陳意向，不是實際行為的因果測量，但方向很清楚。

一邊是退貨在吃成本，一邊是退貨體驗在吃回購意願。品牌夾在中間通常很快就做了決定：把退最多的那群人撈出來，限制購買方式，或直接讓他們消失在名單裡。這個動作的問題不在於它太狠，而在於它用錯了尺。退貨次數是一個排序用的欄位，沒有回答真正該問的問題：這個人一年下來，替品牌留下多少錢。

那份名單只有一欄數字，決定卻已經做了

當一份「高退貨會員清單」被匯出來準備停權時，被忽略的通常是這份資料裡沒有任何利潤欄位。我們最近看這份報告時想到一個畫面：清單照退貨次數從高到低排序，前 50 名標成紅字，行銷主管指著螢幕問，這些人能不能停掉貨到付款，或者別再發券給他們。

沒有人打開另外幾欄：這些人一年下單幾次、客單多少、扣掉退貨成本以後還剩多少毛利。我們當時的反應說不上反對，只是有點不安，因為那條紅線一畫下去就會生效，而支撐它的只有一欄數字。

退貨率是一個比例，它沒有告訴你這個人留下多少毛利

退貨率高不等於不賺錢。退貨率是「退掉幾筆 ÷ 下單幾筆」，分子分母都是筆數，算式裡沒有金額也沒有毛利。一個人可以退很多筆同時買得更多；也可以幾乎不退貨，但買得少、買的都是低毛利商品。

先把幾個名詞定義清楚。

這個指標只算到貢獻毛利這一層：收入扣掉商品成本，再扣掉逆物流、檢驗重整、再售折損與不可回收的金流履約成本，會計上較正式的說法是「退貨調整後貢獻毛利」。它未納入會員取得成本、客服人力、行銷折扣攤提與倉儲系統的固定成本，所以適合比較會員之間的相對高低，不是這個會員替公司賺了多少錢的最終答案。

回頭看，「退貨率高的會員」這個標籤裡混了性質不同的人。

1. 買得多、也退得多的人。多半出現在服飾、鞋類這種尺寸不確定的品類，一次訂兩三個尺寸、留一個退其他。NRF 那份報告把這個行為稱為 bracketing（同時買下多個尺寸或顏色，打算退掉其中幾件），並指出 18 到 30 歲的受訪者過去 12 個月平均線上退貨 7.7 次，高於其他年齡層。他造成成本，也把整年的購買量帶進來。
2. 買得少、退得多的人。筆數不高、退貨率卻壓不下來，每一筆的毛利撐不起自己的退貨成本。
3. 詐欺型退貨。同一份報告估計 9% 的退貨屬於詐欺。這一類跟前兩類性質完全不同，處理方式也不該相同。

要分清楚的是，該報告另提到接近三分之二的受訪者承認做過至少一種會讓零售商付出代價的退貨行為，45% 認為退貨時「稍微修飾事實」可以接受。這個合併比例涵蓋的行為很廣，包含 bracketing，不能整包當成惡意；45% 也是態度題。能用來估惡意規模的是那個 9%。

把這幾種人放在同一條紅線後面，等於用一個動作處理不同性質的問題。

RFM 看不出退貨問題，因為它三個軸都不含退貨資訊

RFM 的三個軸都不含退貨資訊，其中兩個軸還可能替高退貨的人加分，所以它在退貨這題上容易失靈，問題不在準不準。

我們在 RFM 分群的那篇裡把 M 定義成「這段期間累計貢獻的營收」。若實作時以原始下單金額計算，退掉的金額不會自己從裡面扣掉；若 R 與 F 以下單事件計算，一個習慣一次訂三個尺寸的人，下單頻率高、最近一次購買也近，兩個軸分數都會偏高。這取決於資料模型怎麼定義，並非 RFM 的必然結果，但實務上這樣算的品牌不少。

於是同一個人可能在 RFM 報表上是主力客、在退貨報表上被標紅字，兩份報表各自都對，只是沒人把兩邊接起來。這跟折扣把會員價值做壞的機制不同，但結果同一種：看起來有業績，實際上沒把毛利留下來。同樣的斷點也出現在會員分級上，等級門檻只計算消費金額時，退貨成本高的人會一路被送上高等級，還拿到更多權益。

改用退貨後淨貢獻排序，這份名單的好客與壞客可能完全對調

以下是示範用的假設情境，數字為說明而設定，不是台灣市場平均值，也不能當成目標值。

假設只有兩個，方便讀者換成自家參數重算：毛利率 50%，每一筆退貨的整體退貨成本等於該筆訂單金額的 20%。20% 的依據是 Pitney Bowes 在 2022 年 4 月發布的 BOXpoll 調查：線上退貨平均吃掉訂單金額的 21%，部分品牌更高（樣本 168 家美國線上零售商，2022 年 2 月執行，以年線上訂單逾 25,000 筆的中大型品牌為主）。那是美國、也是幾年前的數字，只能說明「兩成上下」是合理的假設起點，不足以校準台灣品牌的實際值。

照退貨率從高到低排是 B、A、C；照退貨後淨貢獻排是 A、C、B，順序整個對調。退貨率最高的 B 在虧錢；退貨率 55% 的 A 反而貢獻最高，是 C 的 3 倍出頭；退貨率 0% 的 C 沒有退貨成本，貢獻卻只有 A 的三分之一。

如果那條紅線是照退貨率畫的，A 會跟 B 一起被關在門外，品牌少掉的不是一個麻煩的顧客，是一年 4,600 元的淨貢獻。要說清楚的是，這三個人證明「排序有可能對調」，不是「市場上經常對調」；參數是我們自己挑的，換一組結論就會變。比這三個人更有用的是下一節那條可以自己算的線。

損益兩平退貨率：這條線決定同一個人是資產還是破口

把算式收成一個比率，會得到一條可直接套用的判斷線：損益兩平退貨率等於毛利率除以（毛利率加退貨成本率）。退貨率低於這條線，淨貢獻為正；高於就轉負。

推導不複雜：淨貢獻等於下單總額乘以（一減退貨率）乘以毛利率，減掉下單總額乘以退貨率乘以退貨成本率；要讓它大於零，退貨率必須小於毛利率除以（毛利率加退貨成本率）。

這張表比三個會員更該帶走。首先，高毛利的品類容得下很高的退貨率。毛利率 50%、退貨成本率 20% 的品牌，會員退到 71.4% 才開始虧錢。這解釋了為什麼服飾品牌能長期容忍看起來很高的退貨率，低毛利品類不行。

其次，同一個會員在不同品牌會得到不同判決。會員 A 退貨率 55%，在毛利率 50% 的假設下淨貢獻 4,600 元；換成毛利率 30%、退貨成本率 30% 的品牌，兩平線降到 50%，A 就變成負 1,200 元。所以「退貨率多高才算高」沒有跨品牌的通用答案，只能拿自家參數算。

這也說明會員 B 的洞在哪裡。B 的退貨率 80% 已超過兩平線 71.4%，他的每一塊錢下單金額都是虧的。所以提高客單救不了他，客單只會放大金額，不會改變正負；客單從 900 元拉到 1,500 元，虧損會從 540 元變成 900 元。B 真正要動的是退貨率本身，或他買的商品組合的毛利結構，不是客單。

退貨成本率怎麼估：四項拆開來，才知道自己的線在哪

兩個輸入值裡，毛利率通常拿得到，退貨成本率得自己拆開估，至少含四項。

1. 逆物流運費。商品從顧客手上回到倉庫的實際運費，含超商退貨、宅配收回或門市退貨的內部調撥。這項最容易拿，物流帳單上就有。
2. 人工處理時間。收貨、開箱、檢驗、判定能不能再售、重新包裝、上架。這項最常被漏掉，估法是抓一段時間的退貨件數除以倉庫投入人時，換算成每件人工分鐘數再乘人力成本。
3. 再售折損。退回的商品不一定能以原價賣掉，一部分要打折、轉出清或不能再賣。這項在服飾、生鮮、個人衛生用品之間差距很大，要分品類估。
4. 金流與履約的不可回收部分。刷卡與分期手續費、部分金流通道的退款成本，以及出貨當下已花掉、退貨時拿不回來的包材與運費補貼。

四項加起來除以訂單金額，就是自家的退貨成本率。有個細節要注意：部分退貨不能用整筆訂單金額去乘。一張訂單買三件退一件，成本要對著那一件算，否則會高估到不合理的程度，所以這條算式得下到商品明細那一層。

把退貨壓到零並不是目標。Petersen 與 Kumar 發表在《Journal of Marketing》的研究（2009 年，73 卷 3 期，35 至 51 頁）摘要的結論句寫的是「product returns are inevitable but by no means evil」。那句話支撐的是「退貨不宜一概當成負面」，沒有證明「把退貨的門關小就會把下單的門一起關小」；後者是商業權衡的假設，方向與 NRF 那 82% 的購買考量意向一致，仍待各品牌自己實測。

所以真正要做的不是把退貨率壓到最低，而是把退貨成本和這個人帶來的毛利放在同一張表上比較，再決定對誰做什麼。

淨貢獻與退貨率交叉，用來排營運優先序，不用來推測動機

會員分流的兩個軸是「退貨後淨貢獻是正或負」與「退貨率是否超過自家的兩平線」。以下四群分法為本文提出，用來排營運處理的優先順序，不是產業公認的標準分類。

先講清楚這張圖不能做什麼。淨貢獻與退貨率都是結果指標，分不出退貨原因是尺寸不合、商品瑕疵、物流損壞、後悔購買還是詐欺；高貢獻的人也可能詐欺，低貢獻的人多半只是買得少。所以退貨原因與風險判斷必須另走一層，不能從象限推定動機。

1. 淨貢獻為正、退貨率高。這一群最容易被誤殺，會員 A 就在這裡。淨貢獻已證明留著划算，優先動作是降低摩擦而不是降低服務，具體做什麼看原因碼。
2. 淨貢獻為正、退貨率低。這一群是穩定的主力，照常規會員經營走。要注意的是別為了「降低整體退貨率」去限制全體會員，代價會落在第一群和這一群身上。
3. 淨貢獻為負、退貨率高。優先處理，但處理的是原因不是人。若退貨集中在特定商品或品類，那是商品資訊或品質問題，改商品比改人有效；若毛利結構撐不起退貨成本，那是定價與商品組合問題。
4. 淨貢獻為負、退貨率低。這一群跟退貨關係不大，問題是客單太低或商品毛利太薄，該動的是商品組合與推薦。

實務上把判斷疊成三層：經濟層看淨貢獻與預期價值，決定值不值得投入；原因層看退貨原因碼與可改善程度，決定該動商品還是動流程；風險層看異常證據，依據是證據不是象限（退回的商品與寄出的不符、空箱、同一地址或金流帳號大量重複退貨、退貨與出貨紀錄對不上），這些訊號出現在哪個象限都要查。優先順序再看「可避免的損失乘以預期改善幅度，除以介入成本」。

這套指標還有一個做不到的地方：一年的歷史淨貢獻回答的是過去留下多少，不是未來值不值得留；短期為負的新客、季節性強的會員、取得成本還沒回本的會員都可能轉正。所以它的定位是診斷與初篩，留存決策要看預期的退貨調整後顧客價值。

這套指標在哪些情況會算錯

以下情形要先調整計算方式再用。

1. 部分退貨、換貨、取消訂單與未取貨。部分退貨要逐商品算；換貨多數系統不計為退貨，但會產生第二次物流成本；出貨前取消的成本結構與退貨不同，不該混進退貨率；超商未取貨同時有去程與回程運費。
2. 訂閱制與預購。收入與交付的時間錯開，用單一年度的窗會誤判。
3. 客製化商品、生鮮、已拆封的個人衛生用品與跨境訂單。前三類再售折損接近全損，跨境則多了稅費與關務，退貨成本率都要單獨設，不能用全站平均。
4. 瑕疵與保固退貨。這是品牌的責任成本，不該記到會員的行為帳上。
5. 禮物退貨與門市代退。下單與退貨的不是同一位，歸戶會出錯。
6. 訂單數太少的會員。只下兩筆退一筆的新客退貨率 50%，樣本不足以判斷；建議設最低訂單數門檻（例如一年 5 筆以上）才納入分群。

七日猶豫期是法定權利，不是品牌的服務政策

在台灣做退貨分流，有一條線要先畫清楚：網購的七日解除權是法律給消費者的權利，品牌不能用自訂條款取消，也不能用拖延或增設條件實質架空。

依《消費者保護法》第 19 條第 1 項（全國法規資料庫原文）：「通訊交易或訪問交易之消費者，得於收受商品或接受服務後七日內，以退回商品或書面通知方式解除契約，無須說明理由及負擔任何費用或對價。但通訊交易有合理例外情事者，不在此限。」同條第 5 項更直接：「通訊交易或訪問交易違反本條規定所為之約定，其約定無效。」品牌在條款裡寫「本商品不適用七天鑑賞期」，若該商品不在法定例外內，那句話就不生效力。

例外依第 19 條第 2 項由行政院訂定。《通訊交易解除權合理例外情事適用準則》第 2 條列了七款：易於腐敗或保存期限較短、依消費者要求的客製化給付、報紙期刊雜誌、經拆封的影音商品或電腦軟體、非以有形媒介提供的數位內容或一經提供即完成的線上服務、已拆封的個人衛生用品、國際航空客運服務。

有兩個要件很多品牌會漏掉。該條序文寫的是「並經企業經營者告知消費者，將排除本法第十九條第一項解除權之適用」，落在七款裡並不會自動排除解除權，還要事先告知才成立；第 5 款的數位內容與即時完成的線上服務，除告知外還要求「經消費者事先同意始提供」。

放到實務上要分兩種清單。第一種明確不可做，直接違反上述條文：

第二種是灰色地帶，法律沒有直接禁止，但涉及契約是否成立、條款有無事前揭露、既得權益與個案理由，動之前要走法務審查，不能只憑退貨次數就套在全體會員身上：

分辨的標準很簡單：改善體驗與流程、讓顧客更不需要退貨，隨時可以做；第一張表那幾項無論商業上多想做都不能做。

退貨與訂單歸到同一個會員身上，這條算式才跑得動

退貨後淨貢獻算不出來，多半卡在資料分散、對不起來，而非計算太難。要讓它跑得動，至少要四件事到位。

1. 退貨與訂單要能歸到同一個會員身上。線上退貨、門市退貨、客服受理的退貨各走各的系統，同一個人就會被拆成幾個身分，退貨成本掛不回購買紀錄，這是 OMO 歸戶（把同一個人線上與線下的身分合併成單一會員識別）要解決的問題。
2. 退貨明細要能對到商品與退貨原因，否則只知道賺不賺錢，不知道該動商品還是動流程。
3. 成本參數要有地方維護。逆物流運費、人工分鐘數、各品類再售折損率會隨物流合約與人力成本變動，需要有人定期更新。
4. 分群結果要能自動更新並接到實際的溝通動作。算出四個象限若只停在報表上，不會有任何事情發生。

91APP CDMP 處理的是資料整合與分群運算這一段：把線上線下的交易與退貨資料歸到單一會員身分底下，讓退貨金額與成本掛回個別會員與商品明細，再依品牌自訂參數算出淨貢獻與兩平線。一旦能定期重算，分群就能自動更新並接到實際的溝通動作，不必每季手動撈一次。

順序是先算帳、再決定動作。同樣的資料底子也支撐流失預測，重點都在把資源放在還留得住的人身上，而非先把成本高的人趕走。退貨發生前的預測是另一個題目，我們在另一篇談過怎麼從行為訊號提早看出退貨與流失的徵兆；這一篇處理的是退貨已經發生之後該怎麼分流。

先估出自家的退貨成本率，其餘的判斷才有依據

短期內最值得動的不在退貨政策，而在把那條線算出來。以下四件事照順序推。

1. 估出自家的退貨成本率與損益兩平退貨率。四項成本拆開估，得出佔訂單金額的百分比，再用毛利率除以（毛利率加這個百分比）。預期效果是退貨討論從印象變成一條可比對的數字；先用最近三個月資料估一版，之後每半年校正。
2. 把退貨後淨貢獻掛到會員層級，跟退貨率並排放。先算退貨次數前 20%、訂單數達門檻的人，就足以看出排序會不會對調。預期效果是找出被誤標的高貢獻會員；每月重算一次。
3. 拉退貨原因碼，看第一群與第三群的退貨集中在哪裡再決定改什麼。若顯示尺寸或規格不符，把尺寸表、實際使用照與商品問答當優先工程，並用實測追蹤退款率、換貨率、第二次物流成本與淨貢獻是否一起改善；若指向品質或物流，那是另一條線。先看原因再投工程，比假設「補尺寸資訊就會降退貨」可靠。
4. 把風險控管跟退貨政策分開。異常退貨走個案調查、依證據判斷，不是把門檻套在全體會員身上；灰色地帶的動作先過法務，並對一次消保法第 19 條與例外準則的告知與同意要件。預期效果是該擋的擋得住、不該擋的不受影響；上線前審一次，之後每年隨法規更新複查。

四件事裡第一件最不起眼卻最關鍵。沒有那條兩平線，後面三件都只能靠感覺做。

那份名單上，該加的是一欄數字，不是一條紅線

回到那份標紅字的會員清單。那 50 個人裡，有人一年替品牌留下四千多元的淨貢獻，有人一年倒賠五百多元，有人根本不該出現在清單上，因為問題出在客單。他們唯一的共同點，是在一個沒有金額的欄位上排名很高。

那份清單不需要一條紅線，需要多一欄數字。等那一欄填上去，該留的人會自己浮出來。

品牌最常問的高退貨會員問題

導入淨貢獻與分群機制時，品牌通常會先卡在以下幾個實務問題。

Q1：退貨率高的會員一定是賠錢的客人嗎？ A1：不一定。退貨率是筆數比例，算式裡沒有金額也沒有毛利。要看的是退貨後淨貢獻，也就是完成交易的毛利減去他造成的退貨成本，再跟自家的損益兩平退貨率比。只看退貨率，可能把貢獻最高的會員誤標成問題會員。

Q2：退貨後淨貢獻要怎麼算，有哪些成本不在裡面？ A2：完成交易營收乘以毛利率，再減去退貨造成的成本；退貨成本率自己拆四項估（逆物流、收貨檢驗人工、再售折損、不可回收的金流與履約成本）。部分退貨要對著退掉那幾件算，不能乘整張訂單金額。這個指標只到貢獻毛利這一層，未納入會員取得成本、客服人力、行銷折扣攤提與固定成本，適合比較相對高低，不是最終獲利數字。

Q3：退貨率多高才算高？ A3：沒有跨品牌的通用答案，要用自家毛利率與退貨成本率算損益兩平退貨率。毛利率 50%、成本率 20% 的品牌兩平線在 71.4%；毛利率 30%、成本率 30% 的只到 50%。同一個退貨率 55% 的會員，在前者賺錢、後者虧錢。另外要設最低訂單數門檻，只下兩筆退一筆的新客樣本不足判斷。

Q4：RFM 分群為什麼看不出退貨問題？ A4：因為 RFM 三個軸都不含退貨資訊。若 M 以原始下單金額計算，退掉的金額不會自動扣掉；若 R 與 F 以下單事件計算，習慣一次訂多個尺寸再退幾件的人分數反而偏高。同一個人於是可能在 RFM 報表上是主力客、在退貨報表上被標紅字。補法是把退貨後淨貢獻算出來跟退貨率並排看，而非再加一個軸。

Q5：可以直接把高退貨會員列黑名單或限制他購買嗎？ A5：要分兩件事。妨礙已成立交易行使七日解除權明確不可做：《消費者保護法》第 19 條第 1 項給消費者七日內解除契約的權利，同條第 5 項明定違反本條的約定無效；法定例外由《通訊交易解除權合理例外情事適用準則》第 2 條列舉七款，序文要求事先告知，第 5 款的數位內容還要求事先同意。至於停用某些付款方式、拒絕未來訂單或調整會員等級，法律沒有直接禁止，但涉及契約是否成立、條款有無事前揭露、既得權益與個案理由，屬要逐案判斷並經法務審查的灰色地帶，不能只憑退貨次數就套用在全體會員身上。

Q6：預算有限的品牌可以怎麼開始？ A6：不用一次做全體會員，也不用先買系統。先用最近三個月資料估出退貨成本率與自家兩平線，再挑退貨次數前 20%、訂單數達門檻的會員算淨貢獻，跟退貨率並排放。這一步用試算表就能做，只為確認排序會不會對調。對調了就有理由系統化，沒對調也省一次不必要的專案。

Q7：把退貨率壓到最低是好目標嗎？ A7：並非好目標。Petersen 與 Kumar 發表在《Journal of Marketing》的研究，摘要結論句寫的是「product returns are inevitable but by no means evil」。那句話沒有證明「把退貨的門關小就會把下單的門一起關小」，那是仍待各品牌實測的商業權衡。合理的目標是讓每一筆退貨的成本可被計算、可被歸因到商品或流程，並讓淨貢獻為正的會員留下來。

延伸閱讀

1. 沉睡會員喚回自動化：把時機、名單與訊息接成一條流程
2. 國際忠誠度計畫對標：把會員當成資產來管
3. RFM 分群在 OMO 情境下的身分偏誤