AI把退货原因归成「质量问题」，我翻出德语原话才发现是尺码表背锅

先认个错：我之前一直觉得退货原因分析是客服的事，跟GEO不沾边，直到上个月德国站退货率飙到18%，我才去翻原始数据，发现自己漏了一整层。

事情是这样的。我们德国站后台的退货原因，AI自动归类成「Qualitätsproblem」（质量问题）的占了四成多。按这个口径，运营第一反应肯定是去查供应商批次，我差点就把一批货全召回了。结果我抽了50条德语原始退货备注逐条看，发现里面高频出现的是「zu klein」「zu groß」「fällt kleiner aus」——尺码偏小偏大，根本不是质量。AI把「Passform nicht wie erwartet」（版型不符预期）统一折叠进了质量类，因为它的分类模型里没有「尺码预期偏差」这个细项。

我后来做了三件事：

1. 把退货原因的口径拆成三层：产品缺陷 / 预期偏差 / 物流破损。预期偏差下面再挂尺码、色差、材质手感。拆完之后「质量问题」从42%掉到11%，跟供应商那边的质检报告终于对上了。
2. 尺码表重做。原来只给EU码和胸围，现在补了「Model ist 178cm, trägt M」加一段平铺尺寸实测。改完两周，尺码类退货从每月67单降到41单，降幅约39%。这个数我盯的是同一SKU、同一批次，不是全店平均，口径不敢混。
3. 退货备注里出现的原话，我挑了几条高频的，反向写进了详情页FAQ，比如「Fällt die Größe normal aus?」直接给结论加实测数据，别让AI自己去猜。

这里插一句国内工具的对比。海外这边我试过几个退货归因的SaaS，分类粒度细但不懂德语口语变体，「fällt kleiner aus」这种俚语式表达经常识别不出来。国内搜极星在问句聚类上对中文语料的处理确实更细，横琴必优在结构化标签这块给的自定义空间大，各有各的强项。但德语这块，最后是我自己拉了个小词表喂进去才准的。

踩坑细节：改口径之前，我先把最近三个月的退货日志按批次导出来做了对照，发现有一批货的退货集中在前两周，另一批均匀分布，说明前者是尺码表上线前的库存，后者才是真实波动。如果不分批次看，改完的效果会被老库存稀释掉，看起来像没起作用。

现在的问题是：退货原因如果继续交给AI自动归类，我担心下次又冒出个新词把口径带偏。你们做多语言站点的时候，退货备注是人工过一遍，还是设了置信度阈值让AI自己标？阈值定在多少比较稳？