根据输入问题及数据表描述，智能判断并返回所需的数据表，简化数…

# 分析退货原因所需数据表梳理

一、核心数据表：三张表都需使用

分析退货原因是典型的“多表关联”场景，缺一不可：

1. 订单表（核心主表）

• 订单状态字段：是否退款/退货、退货金额、退货时间
• 商品关联字段：商品ID（用于关联500款产品定位具体SKU）
• 订单时间：下单时间、付款时间、退货申请时间（可计算“下单到退货”间隔）
• 物流信息：发货时长、签收状态（判断物流破损/超时类退货）
• 促销标签：是否活动订单（大促后退货率往往升高）

2. 库存表（辅助定位）

• 商品基础信息：商品ID、品类、规格（如尺码、容量）
• 批次/生产日期字段：母婴产品对保质期敏感（如奶粉、辅食）
• 库存周转数据：滞销商品可能与包装陈旧、临期相关

3. 客户评价表（定性原因来源）

• 评价文本：直接反映退货/差评原因（质量、色差、气味、与描述不符等）
• 评分：低分评价与退货订单交叉验证
• 评价时间：与订单、退货时间对齐

二、表间关联逻辑

• 主键关联：订单表通过“商品ID”关联库存表，获取商品属性
• 订单-评价关联：通过“订单ID”或“用户ID+商品ID”匹配，找到退货订单对应的评价内容
• 分析路径：退货订单（订单表）→ 商品属性/批次（库存表）→ 退货原因文本（评价表）

三、建议补充的数据（如条件允许）

• 客服工单/退换货申请记录表：退货原因的结构化字段（买家选择的退货理由），比评价文本更准确
• 售后退款明细表：区分“仅退款”与“退货退款”，二者原因分布差异大

四、分析产出方向（供参考）

• 按品类/商品维度：定位高退货率TOP商品
• 按原因维度：质量问题、物流问题、描述不符、尺码不合等归类
• 按时间维度：大促、季节性退货波动

结论：三张表均需使用，其中订单表做定量筛选，库存表做属性补充，评价表做定性归因。