Réponse directe
Sur une cohorte dates, utilisez les vues produit/variante de CodDeliveryAnalyticsService : comparez volumes livrés, refused_returned groupés et taux par SKU. Exigez volume suffisant par variante avant action. Une corrélation (variante X + ville Y) n’établit pas causalité (taille, confirmation, transporteur, saison). Documentez hypothèses et testez par changement process, pas par accusation produit automatique.
Questions du cadre (à se poser avant d’agir)
La variante a-t-elle assez de commandes pour un signal stable ?
Le pattern est-il localisé (une ville) ou global ?
Les notes confirmation mentionnent-elles taille, couleur, attente marketing ?
Le libellé retour distingue-t-il refus vs retour produit défectueux côté transporteur ?
Lecture Insights produit/variante
Les agrégats par produit/variante s’appuient sur les lignes OrderItem des commandes cohorte.
refused_returned_orders utilise la même classification KPI que le summary global.
Classements « pires produits » : appliquez la même prudence échantillon que pour les villes.
| Observation | Interprétation prudente |
|---|---|
| Taux élevé, gros volume | Prioriser revue fiche produit + script confirmation |
| Taux élevé, faible volume | Surveiller, pas de décision forte |
| Concentré une ville | Hypothèse logistique ou démographique, pas seulement produit |
| Stable multi-villes | Hypothèse contenu/offre — toujours corrélation |
Actions compatibles ERP-STOK (sans causalité prouvée)
Renforcer questions confirmation sur la variante signalée.
Ajouter note type agent sur commandes futures même SKU.
Croiser avec photos/descriptions boutique — hors ERP.
Ne pas retirer un SKU sur 5 retours sans analyse volume.
Ce que ce cadre n’autorise pas
Affirmer « ce produit est mauvais » sans volume et sans recoupe notes/transporteur.
Publier des statistiques inventées (% retour garanti).
Confondre retour entrepôt validé et simple libellé transporteur.
Exemple illustratif (fictif) — analyse prudente
Variante « Sneaker 42 » : refused_returned élevé sur 35 commandes / 30 jours, surtout ville A. Notes : plusieurs « taille incorrecte ». Action : script confirmation pointe taille + photo annonce ; pas de retrait catalogue. Variante « Belt one-size » : 4 commandes, 2 retours → classer « surveiller », pas « produit toxique ».
Données ERP-STOK pour l’analyse produit
CodDeliveryAnalyticsService : vues produit/variante et quantités livrées.
Lignes commande avec SKU/variante pour remonter aux retours cohorte.
Notes et historique confirmation pour contexte qualitatif.
Export CSV pour partager le cadre avec équipe marketing/achats.
Pour conclure
Utilisez Insights pour prioriser des hypothèses, pas pour juger un produit sans preuve.
Volume + notes + prudence causalité = cadre sain.
Limites et points d’attention
- Corrélation ≠ causalité — toujours.
- KPI refus/retour groupé — pas typologie retour qualité fine.
- Pas de module RMA avancé imposé par ce guide.