客退数据一团乱麻？这个技能能帮你理清头绪
做质量管理的朋友应该都懂，客退机数据分析是个让人头疼的活儿。退货原因五花八门，数据散落在各个表格里，每次想整理一份报告都得花上大半天。今天给大家安利一个专门解决这个问题的技能——客退多维度分析报告，它能把客退数据自动拆解成7个维度，生成结构清晰的分析报告，真的绝绝子！
这个技能是干嘛的呢？简单来说，你只需要给它客退数据，它就能自动分析出退货的整体概况、受理原因、复测结果、不良原因、不良物料、责任归属和处理状况，最后还会给出核心结论和建议。而且它还有个很人性化的设计：你问什么它就答什么，比如你只想看看“处理状况”，它就只输出处理状况的分析，不会把一堆没用的信息都堆给你，这点真的很贴心。
7个维度，把退货问题拆得明明白白
咱们具体看看这7个维度都包含什么：
- 整体概况：产品名称、生产工厂、维修工厂、退货数量、复测完成率、返修完成率，一眼看清全局。
- 受理原因分析：按质量类、7无类、付费换新类、其他四类汇总，还能看到每个分类下的明细原因。
- 复测结果分析：展示TOP5复测结果，其余归入“其他”，重点问题一目了然。
- 不良原因分析：同样TOP5展示，帮你锁定主要故障原因。
- 不良物料分析：看看哪些物料最容易出问题。
- 责任归属分析：TOP10责任方排名，谁的责任心里有数。
- 处理状况分析：各处理状态的数量和占比，进度是否滞后一看便知。
说实话，这7个维度基本覆盖了客退分析的全部痛点，不管你是想找质量问题还是想追责，都能从这里找到答案。
使用方法简单，但要注意几个细节
安装这个技能很简单，先确保你电脑上有Node.js，然后运行下面的命令就行：
npx skills add https://github.com/youyouguoke/quality-agent --skill return-analysis装好之后，在支持的客户端（比如）里就能用了。不过用的时候有几个小细节得注意：
- 如果你问的是“全面分析”或“客退报告”，它会输出全部8个章节（包括核心结论与建议）；如果你只问某个维度，比如“退货量有多少”，它只输出整体概况，其他都不输出，所以问题要问得精准一些。
- 单维度输出时，标题不带编号，比如直接写“处理状况分析”，不会写“七、处理状况分析”，这个要习惯一下。
- 数据处理上，不良原因和不良物料字段可能有多个值，用逗号分隔，技能会自动做多值拆分统计，很智能。
- 空值会被排除，只统计有复测结果的记录，这样算出来的复测完成率才准确。
领域知识内置，帮你省去计算烦恼
最让我惊喜的是，这个技能把一些领域内的计算规则都内置了。比如复测完成率 = (已复测+待翻新+已翻新+已完成) / 退货总数，返修完成率 = (已翻新+已完成) / 退货总数，这些公式都不用你自己算了。而且受理原因的分类规则也提前设定好了，什么“平台商-质量”、“三包期内换货”都归到质量类，“7天无理由”归到7无类，非常清晰。
另外，它还会在报告最后给出核心结论与建议，对比基线标准给出正常/预警/严重判定，这点对于需要向领导汇报的人来说简直是救星，省去了自己总结分析的功夫。
实际使用感受
我自己试了一下，发现它的输出格式很规范，表格清晰，占比都算好了。特别是责任归属分析，能列出TOP10责任方，对于推进供应商改善特别有用。唯一要提醒的是，这个技能需要配合MCP工具获取数据，所以你得确保数据源配置正确，不然可能拿不到数据。
总的来说，如果你经常要做客退分析，这个技能真的能帮你省下大量时间，而且分析维度全面，直接拿来就能用。强烈推荐给质量管理、售后分析的小伙伴们，用了就知道有多香！😄
