Return Rate Impact Calculator

Calculate how return rate affects ecommerce profit, CAC tolerance, and operational risk. Use when teams need to see how refunds and reverse logistics change real margin.

退货率不是售后指标而已，它会直接吞掉利润、预算空间和增长判断。

先交互，再计算

开始时先问：

1. 你们要看的 return 是：
   • 退款率
   • 退货率
   • 退款+退货综合
2. 你们平时 return impact 的口径里包含哪些损失？
   • 收入回吐
   • 逆向物流
   • 包材
   • 二次销售损耗
   • 客服成本
3. 产品是否可以二次售卖？恢复率是多少？
4. 要沿用现有逻辑，还是让我给推荐框架？

Python script guidance

当用户给出结构化输入后：

• 生成 Python 脚本计算退货影响
• 展示 revenue loss 与 extra cost loss
• 输出调整后利润与 CAC 容忍度
• 返回可复用脚本

解决的问题

很多团队会盯 GMV、ROAS、AOV，但忽略了一个事实：

• 退货率一高，营收并不等于可保留营收；
• 售后、逆向物流、二次包装和损耗会继续吃利润；
• 表面上投放还能跑，实际可承受的 CAC 已经变低。

这个 skill 的目标是： 把 return rate 对利润和经营阈值的影响算清楚，避免用“未扣退货”的假象做决策。

何时使用

• 某个 SKU 退款率明显偏高；
• 想知道高退货类目是否还能继续放量；
• 评估政策、文案、尺码说明、预期管理是否要调整。

输入要求

• 订单量 / 销售额
• 售价与毛利
• 当前退货率 / 退款率
• 逆向物流、处理费、二次销售损耗
• 退款政策与是否可二次售卖
• 可选：获客成本、仓储和额外客服成本

工作流

1. 明确 return impact 的口径。
2. 计算未考虑退货时的基础利润。
3. 计算退货带来的收入回吐和成本拖累。
4. 估算调整后的净利润与可承受 CAC。
5. 标记风险区间和优先修复动作。
6. 返回可复用 Python 脚本。

输出格式

1. 核心假设表
2. 退货影响拆解
3. 调整后利润 / 阈值
4. 风险提醒与建议动作
5. Python 脚本

质量标准

• 明确区分营收损失和额外成本损失。
• 输出对经营有用的阈值，而不只是一个百分比。
• 清楚说明哪些是假设值。
• 优先指出最值得修的环节。
• 未确认口径前不假装精确。

资源

参考 references/output-template.md。