Lý do hoàn hàng TikTok Shop và Shopee chỉ dùng được khi được gom thành nhóm có người chịu trách nhiệm sửa: size, chất lượng, mô tả sai, giao sai, giao chậm, khách đổi ý. AI làm nhanh phần đọc hàng trăm lời ghi tự do. Phần của người quản trị là tách đúng tập đơn hoàn, đặt bảng nhóm và kiểm mẫu trước khi giao việc.
Bài toán thực tế: vì sao biết tỷ lệ hoàn mà vẫn không giảm được?
Vì con số tổng không chỉ ra ai phải sửa gì. Tỷ lệ hoàn tăng có thể do một mẫu áo lên form nhỏ, do ảnh chụp lệch màu, do kho đóng nhầm size, hoặc do một đợt giao chậm. Mỗi nguyên nhân thuộc một bộ phận khác nhau.
Lý do sàn cung cấp có hai lớp. Lớp mã lý do do khách chọn trong danh sách của sàn, thường chung chung kiểu "hàng không như mô tả". Lớp lời ghi tự do và ảnh khách gửi mới chứa thông tin thật: "mặc chật vai", "màu đậm hơn ảnh", "nhận áo đen thay vì trắng". Đọc vài trăm dòng như vậy mỗi tháng bằng mắt là việc không ai làm đều.
Tư duy dẫn đường: đơn nào được tính là "hoàn"?
Đơn hoàn là đơn khách đã nhận hàng rồi trả lại. Giao thất bại là khách chưa nhận, hàng quay về người bán. Hai loại có nguyên nhân khác hẳn nhau, gộp chung thì mọi phân tích sau đó đều lệch.
| Kênh | Hoàn thật | Giao thất bại |
|---|---|---|
| Shopee | Có hồ sơ trả hàng / hoàn tiền | Trạng thái vận chuyển báo giao thất bại; trạng thái đơn có thể vẫn là hoàn tất |
| TikTok Shop | Có hồ sơ trả hàng hoặc chỉ hoàn tiền | Đơn bị hủy với lý do giao gói hàng thất bại, không có hồ sơ hoàn |
| Nhanh.vn (Facebook, website) | Không có khái niệm hoàn như sàn | Các trạng thái chuyển hoàn, thất bại đều là giao thất bại |
Bảng này khớp với cách Quantri360 định nghĩa trên mọi trang, xem phụ lục loại đơn và bài đơn hoàn khác giao thất bại thế nào.
Ba bẫy dữ liệu nên biết trước:
- Một đơn có thể có nhiều hồ sơ hoàn. Khách hủy yêu cầu rồi tạo lại, hoặc trả từng món một. Chỉ tính hồ sơ đã hoàn tất hoặc đang xử lý, bỏ hồ sơ khách hủy và hồ sơ shop từ chối.
- Hoàn một phần. Khách mua 2 trả 1. Đếm theo dòng sản phẩm sẽ thổi số hoàn lên gấp đôi.
- Mẫu số. Tỷ lệ hoàn nên chia cho số đơn đã giao, không chia cho tổng đơn có cả đơn hủy.
Lấy dữ liệu hoàn ở đâu?
Lấy từ API trả hàng của sàn, vì file xuất tay thường thiếu lời ghi của khách. Shopee có danh sách yêu cầu trả hàng và chi tiết từng hồ sơ. TikTok Shop có tìm kiếm hồ sơ trả hàng / hoàn tiền. Phân trang TikTok giới hạn số hồ sơ mỗi trang, nên dữ liệu cả tháng phải gọi nhiều lần.
Cột tối thiểu cho AI: mã đơn, SKU cha, màu, size, kênh, mã lý do của sàn, lời ghi của khách, ngày nhận hàng, ngày tạo yêu cầu. Bỏ tên, số điện thoại, địa chỉ khách trước khi dán vào ChatGPT, Claude hay Gemini. Nếu muốn lưu lâu dài, đổ vào bảng tính hoặc cơ sở dữ liệu như đưa đơn sàn vào SQL.
AI bứt tốc: prompt gom lý do thành nhóm sửa được
Đưa cho AI bảng nhóm cố định trước, đừng để AI tự đặt nhóm mỗi lần. Nhóm cố định thì tháng này so được với tháng trước.
Bạn là chuyên viên chất lượng sản phẩm thời trang. Dữ liệu đính kèm là hồ sơ hoàn hàng
đã hoàn tất của tháng 9 (Shopee và TikTok Shop), KHÔNG gồm giao thất bại.
Gán mỗi hồ sơ vào ĐÚNG MỘT nhóm chính trong danh sách:
1. Size / form không vừa
2. Chất lượng: lỗi đường may, phai màu, hỏng
3. Khác mô tả / ảnh: màu, chất liệu, kiểu dáng
4. Giao sai: sai mẫu, sai size, thiếu hàng
5. Giao chậm / hư hỏng khi vận chuyển
6. Khách đổi ý
7. Không đủ thông tin
Căn cứ vào lời ghi của khách trước, mã lý do của sàn sau. Lời ghi mâu thuẫn mã lý do thì theo lời ghi
và đánh dấu "mâu thuẫn". Không đoán khi lời ghi trống: gán nhóm 7.
Trả về bảng: ma_don, nhom, trich_loi_ghi (tối đa 15 chữ), do_tin_cay (cao/thấp).
Sau khi có bảng gán nhóm, hỏi tiếp:
Tổng hợp theo nhóm và theo sku_cha: số hồ sơ, tỷ lệ trên số đơn đã giao của sku đó.
Liệt kê 5 cặp (sku_cha, nhóm) đáng sửa nhất. Mỗi cặp nêu 2 lời ghi tiêu biểu.
Với nhóm "Size / form không vừa", tách theo size và theo chiều: chật hay rộng, ngắn hay dài.
Nếu một size lệch rõ một chiều, đề xuất cách ghi lại bảng size cho mã đó.
So sánh nhóm lý do giữa Shopee và TikTok Shop. Khác biệt nào có thể do cách sàn hiển thị lý do,
khác biệt nào có thể do sản phẩm hoặc nội dung bán? Ghi rõ đâu là giả thuyết.
Sau đó lấy ngẫu nhiên 20 hồ sơ AI đã gán, tự đọc và đối chiếu. Đúng dưới 17/20 thì sửa định nghĩa nhóm hoặc thêm ví dụ vào prompt rồi chạy lại.
Biến nhóm lý do thành việc cho từng bộ phận
Mỗi nhóm cần một chủ và một hành động đo được. Size giao cho người phụ trách sản phẩm sửa bảng size. Khác mô tả giao cho người làm nội dung chụp lại ảnh. Giao sai giao cho kho kiểm quy trình đóng gói. Giao chậm thì xem lại đơn vị vận chuyển. Chất lượng thì báo xưởng.
Trên Quantri360, trang đổi trả hiển thị tỷ lệ hoàn trên đơn đã giao, sản phẩm bị hoàn nhiều và lý do do sàn trả về; xem phân tích chuyên sâu. AI gom nhóm là bước đọc sâu thêm phần lời ghi mà con số không nói hết.
Kết quả cần đo lường là gì?
Đo theo từng cặp sản phẩm và nhóm lý do, không đo tỷ lệ hoàn chung. Tỷ lệ chung dao động vì mùa vụ và cơ cấu hàng, còn cặp "mã A, size không vừa" phản ánh đúng việc đã sửa.
- Tỷ lệ hoàn của từng cặp đã giao việc, 30 và 60 ngày sau khi sửa.
- Tỷ lệ hồ sơ rơi vào nhóm "Không đủ thông tin": cao là dấu hiệu nên khuyến khích khách ghi lý do.
- Số giờ đọc lý do hoàn mỗi tháng, trước và sau khi dùng AI.
Đọc thêm: ứng dụng AI trong kinh doanh — bài tổng quan của chủ đề này.
Tóm lại
- Tách giao thất bại khỏi đơn hoàn trước khi phân tích bất cứ điều gì.
- Lấy lời ghi của khách qua API trả hàng, bỏ thông tin cá nhân trước khi dán vào AI.
- Dùng bảng nhóm cố định để tháng này so được với tháng trước.
- Kiểm tay 20 hồ sơ mẫu mỗi lần AI gán nhóm.
- Giao mỗi nhóm cho một bộ phận và đo lại theo từng cặp sản phẩm, nhóm.
