本页目录
一分钟看懂订单退货率与件数退货率
订单退货率 = 至少包含 1 件实体退货的不同合格订单数 ÷ 全部合格订单数 × 100。件数退货率 = 实际退回件数 ÷ 全部合格已售、已发货或已送达件数 × 100。订单退货率衡量多少客户订单产生退货体验或售后工单；件数退货率衡量商品数量风险，适合比较 SKU、变体、尺码与品类。
两者没有普遍意义上的“更好”，也不存在谁一定更高。多件购物篮占比较高时应同时发布，但不能把不同分母的两个比例直接平均或相减。
比较退货率前先定义分子与分母
| 指标 | 分子 | 分母 | 支持的决策 |
|---|---|---|---|
| 订单退货率 | 至少含 1 件已接受实体退货的不同合格订单 | 匹配群组中的不同合格订单 | 客户订单发生率、工单量、政策影响 |
| 件数退货率 | 已接受的实体退回件数 | 同群组内合格已售、已发货或已送达件数 | SKU、变体、尺码、品类、库存与检验量 |
Unit return rate = returned_unit_count ÷ eligible_unit_count × 100
合格是关键。需要明确分母从下单、发货还是送达开始，是否纳入测试单、取消单、欺诈单、补发单、礼品卡与平台订单，以及分子采用已申请、已批准、已收货还是已完成退货。不同期间必须保持同一定义。
多件购物篮决定哪一种退货率更高
每个受影响订单至少包含一件退货商品，但每个订单可能包含多件合格商品。两种比率的关系取决于两个平均数：每单合格件数，以及每个退货订单的退回件数。当退货订单平均退回件数低于全店平均购物篮件数时，订单退货率更高；高于平均购物篮件数时，件数退货率更高；二者相等时，两种退货率也相等。
诊断恒等式：件数退货率 ÷ 订单退货率 = 每个受影响订单的平均退回件数 ÷ 每单平均合格件数。这是算术关系，不是效果基准。
同一个 1,000 单群组可以产生三种比较结果
以下数字全部为假设。每个场景都包含 1,000 个合格订单与 1,600 件合格商品，仅受影响订单数和退回件数不同。
| 场景 | 受影响订单 | 退回件数 | 订单退货率 | 件数退货率 | 解读 |
|---|---|---|---|---|---|
| A | 180 | 240 | 18.0% | 15.0% | 很多订单只退购物篮中的一部分 |
| B | 150 | 240 | 15.0% | 15.0% | 每个退货订单的退回件数等于平均购物篮件数 |
| C | 120 | 240 | 12.0% | 15.0% | 较少订单一次退回多件商品 |
场景 A 告诉客户体验与客服团队：尽管只有 15% 的商品退回，但 18% 的订单进入了退货流程。场景 C 则告诉商品与仓库团队：退货更集中，12% 的订单造成了 15% 的件数风险。只看一个比率无法看见完整故事。
按照决策对象选择指标
适合衡量产生退货旅程、客服联系、退货授权或政策事件的订单占比；不适合估算仓库需要检验多少实体商品。
适合分析 SKU、变体、尺码、颜色、供应商、品类、库存和检验量。应统计商品数量，不是导出数据行数。
当平均购物篮件数或多尺码试购行为变化时，两种比率可能反向移动。应在百分比旁同时展示分子与分母。
退回商品金额除以合格商品销售额回答第三个问题。它不能替代订单或件数指标，也不能在没有声明口径时混入税费、运费或善意退款。
把退货匹配回原始订单群组
退货发生在销售之后。业务增长、下降或存在季节性时，用本月处理的退货除以本月销售订单或件数，会混合不同人群。做商品与因果分析时，应把每笔退货连接回原始订单，按明确的下单、发货或送达日期分组，并等待声明的退货机会窗口基本结束。
- 按退货收货日期保留运营视图，用于当前工作量和现金时间分析。
- 按原始销售或送达日期保留群组视图，用于比率比较和诊断。
- 发布群组成熟度，例如已观察天数和政策窗口完成比例。
- 不要把成熟的 90 天群组与只有 14 天退货机会的群组比较。
一致统计实体退货，并把财务冲销分开
Shopify 当前报表把实体退回件数与更广义的销售冲销区分开；后者可能包括退款、取消、订单修改、换货及其他订单调整。这样可以避免“没有商品回流的善意退款”被算成退货件数，也避免“发货前取消”被算成发生退货的订单。
| 事件 | 订单退货率默认处理 | 件数退货率默认处理 | 单独指标 |
|---|---|---|---|
| 已接受实体退货 | 订单计一次 | 统计退回数量 | 原因、状况、回收 |
| 无商品退回的退款 | 排除 | 排除 | 退款发生率/金额率 |
| 换货 | 声明毛退货口径 | 若在范围内则统计实体回流件 | 换货留存 |
| 发货前取消 | 从送达群组排除 | 排除 | 取消率 |
| 已申请但未收到退货 | 接受前单独跟踪 | 不计为已收退货件 | 申请到收货转化率 |
一份订单行数据可同时支持两种比率
汇总前必须保留原始订单 ID 与商品数量。Shopify 提醒，自定义商品列会为订单行创建额外导出行，因此同一订单可能重复出现。把数据行当订单统计，会夸大分母，也可能夸大退货订单数。
| 字段 | 用途 | 质量检查 |
|---|---|---|
| order_id | 对合格订单与受影响订单去重 | 无空值；跨文件保持稳定 |
| order_date / delivery_date | 分配群组与观察窗口 | 记录时区与日期口径 |
| sku / variant_id | 拆分商品风险 | 映射停用或改名变体 |
| eligible_quantity | 建立件数分母 | 使用数量，不把一行当一件 |
| returned_quantity | 建立件数分子与订单退货标记 | 不为负；按口径处理后不超过合格件数 |
| return_status / received_date | 选择申请、收货或完成状态 | 每个发布指标只使用一个声明状态 |
| event_type / reason | 区分退货、退款、换货与取消 | 报告未知原因比例 |
从同一合格群组计算两种退货率
- 定义群组。 选择下单、发货或送达日期，并限定市场、渠道、状态与退货窗口。
- 连接实体退货。 把每笔已接受退货匹配到原订单与订单行；无法匹配的记录应隔离，不能猜测。
- 统计合格订单与件数。 订单使用不同订单 ID，件数使用数量求和。
- 建立两个分子。 退回数量大于零时，每个订单只标记一次；另行汇总已接受退回数量。
- 同口径相除。 退货订单除以合格订单，退回件数除以合格件数，绝不能交叉使用分母。
- 对账并标注。 展示计数、百分比、窗口成熟度、排除项、重复处理、未匹配退货、来源与刷新日期。
在 Excel 中计算两种退货率，避免把行数当订单数
在订单行粒度上，创建 eligible_flag 和 returned_order_flag。订单 ID 使用数据透视表或不同值计数，商品数量使用求和。SUM(returned_quantity)/SUM(eligible_quantity) 这样的订单行百分比计算的是件数退货率，不是订单退货率。
Order rate: =IFERROR(DISTINCTCOUNT(ReturnedOrderID)/DISTINCTCOUNT(EligibleOrderID),"")
第二个表达式是概念写法；实际 Excel 函数取决于是否启用数据模型。在标准数据透视表中，可把订单 ID 加入数据模型并选择“不同项计数”；否则先建立去重订单表再相除。分母缺失时显示空值或质量标记，比静默写成 0% 更安全。
让两个百分比都可以复算
- 计算退货前，先把合格订单数和件数与批准的电商导出文件对账。
- 报告重复订单 ID、重复退货事件、未匹配退货行、缺失数量、负数数量与零分母。
- 把已申请、已授权、已收货、已检验、已完成和已退款状态分开。
- 在每个百分比旁展示分子与分母；小样本必须展示计数，而不能只展示比率。
- 为退货政策、合格规则、换货处理与群组窗口保留版本。
- 总数对账完成后再分组；各品类比率必须能够汇总回同一件数分子。
- 上传或共享分析文件前对客户字段脱敏，只保留批准任务所需字段。
不要把订单或件数退货率与未标口径的行业百分比比较
美国零售联合会《2025 零售退货趋势》估计，2025 年将有 19.3% 的线上销售发生退货。这个数字可作为市场背景，但其标题口径是线上销售占比，不能因此把 19.3% 直接写成预期订单退货率或件数退货率。比较前必须确认报告的人群、方法、年份、市场、渠道、商品结构与分母。
比较规则：统一分母、退货事件、原始群组、观察窗口、市场、渠道、品类、政策与排除项。任何一项未知时，只能标为方向性参考，不能称为等价比较。
分析退货损失前先准备两个分母
准备一份已脱敏文件，包含原始订单 ID、群组日期、渠道、SKU 或变体、合格件数、退回件数、实体退货状态、原因、退款金额，以及每个纳入与排除规则的定义。随后打开逆向罗盘，并在上传前核对当前文件、登录、收费、隐私与保留要求。本页不声称平台账号直连、自动退款或自动执行退货。
打开逆向罗盘下载订单与件数退货率起始模板
使用此厂商中立 CSV 保留来源标识、事件区别、指标输入、成本字段、覆盖、证据与责任。示例行为模拟数据；加载授权数据前请删除，并由相关负责人批准定义。
下载 CSV 起始模板 ↓来源、方法与商业披露
以下来源与产品路由核验于 2026 年 9 月 15 日。平台术语、报表逻辑、政策与工具可能变化；发布生产指标前，应重新核对官方文档和自身源系统定义。
- Shopify 帮助中心：销售报表——定义退回件数与退回件数率，区分实体退货与更广义销售冲销，并提醒商品导出行可能重复同一订单。
- Shopify 帮助中心：分析字段——提供当前数量、冲销、退货与订单字段背景。
- 美国零售联合会：2025 零售退货趋势——提供带日期的美国线上销售退货估计，本页仅用作“基准口径”示例。
- NIST SP 800-122——提供保护个人可识别信息的一般指导。
商业披露：本教育页面由 InfiniSynapse 发布，并推广逆向罗盘。公式属于透明分析定义，三个场景是编辑用假设示例，不是客户结果、产品输出或行业基准。本页不承诺排名、降低退货、成本回收或系统集成效果。
常见问题
订单退货率衡量至少发生一次已接受实体退货的合格订单占比；件数退货率衡量实际退回商品件数占合格商品件数的比例。前者描述受影响订单，后者描述退回商品量。
不一定。两者都可能更高，也可能相等，取决于每单平均合格件数和每个退货订单中的平均退回件数。
用至少含一件已接受实体退货的不同合格订单数，除以匹配群组中的全部合格订单数，再乘以 100。必须对原始订单 ID 去重，确保一单只计一次。
用同一群组内已接受的实体退回件数，除以合格已售、已发货或已送达件数，再乘以 100。统计数量求和，而不是数据行数。
只有当基准使用相同分母、人群、渠道、市场、商品结构、实体退货定义、排除项和观察窗口时才可比较。销售金额占比不是订单退货率或件数退货率。
在每个退货率结果旁发布分母
可审核的看板应展示“退货订单数 ÷ 合格订单数”和“退回件数 ÷ 合格件数”，而不是两个未标口径的百分比。两个结果都应附带群组日期、退货窗口、事件状态、排除项、来源、未匹配数量与刷新日期。金额比率和 Excel 基础可参考退货率公式指南，行业基准评估可参考电商平均退货率指南，需要做商品诊断时可参考按产品品类分析退货率。