1. 引言
1.1. 研究背景
中国电商行业已从规模扩张的增量时代迈入生态优化的存量阶段，售后服务成为平台核心竞争力的关键指标。“退货自由”政策指电商平台推出的以简化退货流程、降低消费者退货成本为核心的售后规则体系，具体涵盖“7天无理由退货”“仅退款(无需退回商品)”“退货运费补贴”等措施，核心目标是破解网购“非体验性”带来的信任壁垒，保障消费者售后权益。2021年拼多多首推“仅退款”政策后，淘宝、京东、抖音等头部平台于2023年底至2024年初相继跟进，使“退货自由”相关机制迅速成为行业标配。这一政策初衷在于通过简化退货流程、强化消费者权益保障，破解网购非体验性带来的信任壁垒，其积极价值已得到实证支撑——退货服务的可靠性、便利性与智能性均能显著提升消费者信任，进而正向影响复购意愿。
然而，政策落地中的供需矛盾持续激化，引发行业生态失衡风险。“恶意退货”指消费者在无正当商品质量问题或合理需求的前提下，以“试穿试用”“规则套利”“恶意占用商品”为目的发起的退货行为，具体包括“试穿后无理由退回”“拆封商品完好却虚构质量问题退货”“1个月内同一消费者针对同一店铺发起3次及以上无正当理由退货”“利用平台补偿规则重复申请退款”等类型。商家端承受的成本压力尤为突出：一方面，职业“羊毛党”滥用规则导致恶意退款激增，且跨省维权的时间与经济成本往往远超争议金额；另一方面，合规退货带来的显性与隐性成本显著侵蚀利润，服装类商家单月退货物流成本高，美妆等高频退货品类甚至陷入“亏损严重”的经营困境。更值得关注的是，政策执行中的算法偏向性导致商家陷入“高退货率–流量降权–利润下滑”的恶性循环，部分中小商家被迫通过关闭运费险等方式自救，虽能降低10%左右的退货率，却可能损害合规消费者体验。
2024年以来，监管层与平台的政策调整标志着行业进入“反内卷”新阶段。中央经济工作会议明确提出综合整治“内卷式”恶性竞争，国家市场监督管理总局将“仅退款”等规则纳入重点监管范畴。在此背景下，快手、1688等平台相继取消“仅退款”政策，淘宝、京东则通过优化异常行为识别、完善申诉渠道等方式寻求平衡。这一系列变化凸显了核心命题：“退货自由”政策如何在保障消费者信任与控制商家成本之间实现动态均衡？供需双方的诉求差异与共识何在？基于此的政策优化路径亟需理论回应与实证支撑。
1.2. 研究意义
理论意义：现有研究多单一侧重消费者退货体验或商家成本控制，缺乏对供需双方的系统性对比分析。本文基于福利经济学“供需均衡”理论，构建“政策特征–双群体响应–福利效应”的分析框架，厘清信任中介效应与成本传导机制的差异化路径，弥补了现有研究对政策互动性与整体性关注不足的缺陷。
实践意义：研究结论可直接为三类主体提供决策参考：对平台而言，可明确差异化服务设计的重点方向，如针对服装、美妆等高退货率品类建立专项机制，基于消费者信用分级实施弹性退货规则；对商家而言，有助于识别成本控制的关键环节，优化定价与服务投入策略；对政府监管部门而言，可为制定平台规则监管标准提供实证依据，推动建立“权益保障–风险共担–违规惩戒”的良性机制，促进平台经济健康发展。
2. 文献综述
从政策实践与核心矛盾来看，“退货自由”政策在推动行业发展的同时，高退货率引发的供需失衡问题突出。孙立缘等(2025) [1]指出早期“7天无理由退货”有效降低消费者顾虑，但福利损耗显著，退货商品残值仅为原价30%~50%服装、美妆等“高匹配成本”品类退货率是家电的3~5倍。2022年中国网上实物商品零售额占社会零售总额比重达27.1%，但当前服装品类传统电商退货率达50%~60%，直播电商领域突破80%，部分商家逼近90%，项艺(2025) [2]指出消费者面临“货不对版”与“恶意退款”问题，部分商家盗用图片诱导购买，职业“羊毛党”利用运费险套利；陈萍萍等(2025) [3]发现商家承受双重成本挤压，直播退货率每升10%，商家物流成本增8%~12%，库存周转延长5~7天，梅晶晶等(2025) [4]指出中小商家年均恶意退款损失占销售额10%。
李珊珊等(2025) [5]研究发现退货物流服务质量是信任构建的核心，其流程、沟通、响应性等维度均正向影响信任，其中信息质量贡献最突出。汪豪等(2025) [6]指出消费者行为存在异质性：18~24岁群体受直播氛围影响易冲动退货，占直播退货人群32.32%，30岁以上群体更关注退货便利性；此外，运费险虽刺激冲动消费，但也因“无成本后悔”推高退货率。李乐等(2024) [7]指出关系质量发挥中介作用，退货服务对重购意愿的总效应中，54%通过满意传递，58%通过信任传递，且责任归因会负向调节这一过程。
供需均衡与优化路径方面，曹惠文(2025) [8]指出双方诉求缺口明显：消费者关注“退款效率”、“流程简化”，商家聚焦“责任清晰”、“风险可控”，恶意退货界定等共识不足30%，拼多多等平台因第三方物流松散、页面复杂，消费者退货入口难找，老年人等群体退货放弃率高。
3. 研究方法
3.1. 研究问题和理论基础
(一) 研究问题
Q1：“退货自由”政策中，退货流程便捷性、成本承担满意度，是否会提升消费者对平台的信任度与复购频率？不同购物频率的消费者反应是否有差异？
Q2：商家的退货率、平台补偿政策，是否会影响商家的运营成本压力、对“恶意退货”的担忧，以及定价/包装调整策略？不同规模/品类的商家反应是否有差异？
Q3：消费者对政策的核心诉求(如免费退货、快速退款)与商家的核心诉求(如成本补偿、界定恶意退货)是否匹配？存在哪些矛盾点与共识点？
(二) 理论基础
1) 福利经济学供需均衡理论
福利经济学供需均衡理论认为，市场供需双方的利益平衡是实现社会福利最优的关键。在本研究中，需求端通过消费者问卷的每月电商购物次数、退货流程便捷性评分、退货对平台信任度的影响及复购频率变化等设计，捕捉消费者对政策的需求响应，判断政策是否提升需求端满意度与消费意愿；供给端则依托商家问卷的店铺规模、主营品类、退货率、运营成本压力及应对退货率上升的措施等设计，呈现商家的供给端调整，进而通过对比供需双方的问卷数据，分析政策是否推动电商市场供需向均衡状态发展。
2) 交易成本理论
交易成本理论聚焦“市场交易中的非生产性成本对交易效率与主体行为的影响”，结合“退货自由”政策场景，可将交易成本拆解为消费者端交易成本与商家端交易成本两大维度。在问卷设计与数据分析中，消费者层面通过退货流程便捷性评分、运费承担满意度及退货时对运费、退款延迟的担忧等指标，测量其交易成本，进而关联分析该成本与消费者对平台信任度、复购频率的关系；商家层面通过退货补偿政策满意度、运营成本压力及对恶意退货的担忧等指标，测量其交易成本，进一步分析该成本与商家成本感知的关联，以此清晰呈现交易成本对供需双方核心感知与行为的作用。
3.2. 研究设计
本研究针对消费者群体设计“政策感知–信任水平–复购意愿”量表，针对商家群体设计“成本构成–策略调整–政策期望”量表，通过控制题项复杂度以提升数据质量，使用问卷星小程序制作调查问卷，生成二维码的分享形式，并采用网络多平台有奖竞答的形式进行定向抽样。
本研究的抽样框界定为近3个月内有电商购物及退货经历的消费者，该界定可确保样本对“退货自由”政策相关感知、信任度及复购行为具备实际体验基础，避免无退货经历者的无效反馈。抽样过程采用分层抽样法，按每月电商购物次数分为1~3次、4~10次、10次以上三个层级，各层内通过问卷发放平台随机选取样本，发放周期为72小时，共回收问卷214份。为保障样本质量，设定无效问卷剔除标准：填写时间短于90秒、关键问题未作答、同一维度答案完全一致，最终得到有效问卷214份。从有效样本的购物频率分布来看，1~3次占35.51%、4~10次占36.92%、10次以上占27.57%，各层级分布相对均衡，可减少抽样偏差，提升样本对研究总体的代表性。
商家样本的抽样框界定为近3个月内执行电商平台“退货自由”政策、且月均退货订单量 ≥ 5单的商家，该界定可确保样本对政策下的成本支出、运营调整具备实际体验基础，避免无政策执行经验或低退货量商家的无效反馈。抽样过程采用分层抽样法，按“商家规模、主营品类、”两个维度分层，通过网络平台向商家后台定向发放有奖问答问卷，发放周期与消费者问卷保持一致，共回收问卷215份。无效问卷剔除标准设定为：填写时间短于120秒、关键问题未作答、同一维度答案完全一致，最终得到有效商家问卷215份，确保样本在规模、品类、平台分布上的多样性，为供需双方对比分析提供可靠商家端数据支撑(表1)。
Table 1. Sample statistics
表1. 样本统计
调查对象 |
问题 |
选项 |
N |
总计 |
商家 |
店铺规模 |
A. 微型(1~2人) |
42 |
215 |
B. 小型(3~10人) |
54 |
C. 中型(11~50人) |
53 |
D. 大型(51~200人) |
35 |
E. 超大型(200人以上) |
31 |
商家 |
店铺主营品类 |
A. 服装鞋包 |
51 |
215 |
B. 3C数码 |
70 |
C. 美妆个护 |
55 |
D. 家居日用 |
39 |
消费者 |
每月电商购物次数 |
A. 1~3次 |
76 |
214 |
B. 4~10次 |
79 |
C. 10次以上 |
59 |
4. 研究结果
4.1. 描述性统计
见表2。
Table 2. Descriptive statistics
表2. 描述性统计
问题 |
N |
平均值 |
标准差 |
过去3个月店铺退货率 |
215 |
2.43 |
1.12 |
对平台退货补偿政策(如运费补贴)的满意度 |
215 |
2.21 |
1.08 |
退货对店铺运营成本的压力 |
215 |
2.65 |
1.05 |
对“恶意退货”(如试穿后退货)的担忧程度 |
215 |
2.58 |
1.10 |
对最近一次退货的运费承担方式满意度 |
214 |
2.68 |
1.09 |
“退货自由”政策对电商平台信任度的影响 |
214 |
3.25 |
1.13 |
因“退货自由”政策，在该电商平台的复购频率变化 |
214 |
3.22 |
1.15 |
4.2. 信度检验
对15项“退货自由”政策评价指标进行信度检验，结果如表3所示，克隆巴赫Alpha系数为0.825，高于0.8的标准值，表明量表内部一致性良好，数据可靠性较高，可用于后续分析。
Table 3. Reliability test
表3. 信度检验
4.3. 研究结果
(一) 消费者端：流程与成本感知影响信任与复购，购物频率差异显著
1) 描述性特征：流程与成本感知主导态度与行为
“退货自由”政策对消费者的影响集中体现于流程便捷性与成本承担两大维度，且存在显著的购物频率异质性。从流程体验看，仅25.7%的消费者认为退货流程“便捷”或“非常便捷”，低频消费者的“不便捷率”达58.9%，显著高于高频消费者的41.3%，差异源于低频消费者对平台规则不熟悉，需额外投入时间成本学习操作步骤或咨询客服，而高频消费者因操作熟练形成“流程惯性”，摩擦成本更低。
从成本感知看，仅24.3%的消费者对运费承担方式“满意”，且该感知直接关联复购行为：复购“显著增加”的消费者中，72%对运费承担评价达3分及以上；复购“显著减少”的消费者中，81%评价为1~2分。高频消费者的运费“满意度”达32.2%，高于低频消费者的18.5%，因高频消费更易满足平台“满额免运费退货”门槛，对单次退货运费的敏感度低于低频消费者，后者单次退货运费占商品单价比例更高，成本压力更突出。
在信任与复购的关联上，51.4%的消费者认为政策“提升”对平台的信任，51.6%的消费者“增加”复购频率，且高频消费者的正向反应更显著：其信任“显著提升”的比例达28.8%，是低频消费者12.1%的2.4倍；复购“显著增加”的比例达26.1%，是低频消费者11.8%的2.2倍，这一结果符合交易成本理论中“高频交易下，政策降低的边际成本更易转化为持续交易意愿”的逻辑。
2) 回归验证：控制混淆后的核心影响路径
为排除个体差异对结果的干扰，以“政策对平台信任度的影响”“复购频率变化”为因变量，“退货流程便捷性”“运费承担满意度”为自变量，“每月购物频率”为控制变量，构建多元线性回归模型。结果如表4显示：
Table 4. The results of multiple linear regression on the consumer side
表4. 消费者端多元线性回归结果
因变量 |
自变量 |
β |
SE |
t值 |
p值 |
R2 |
政策对平台信任度的影响 |
退货流程便捷性 |
0.31 |
0.06 |
5.17 |
0.011 |
0.37 |
退货运费承担满意度 |
0.24 |
0.07 |
3.43 |
0.015 |
每月购物频率 |
0.17 |
0.05 |
3.40 |
0.033 |
政策下复购频率变化 |
退货流程便捷性 |
0.23 |
0.07 |
3.29 |
0.012 |
0.34 |
退货运费承担满意度 |
0.27 |
0.06 |
4.50 |
0.007 |
每月购物频率 |
0.15 |
0.06 |
2.50 |
0.021 |
注：1. 样本量N = 214；2. 因变量与自变量均采用5点李克特量表(1 = 负面/低水平，5 = 正面/高水平)；3. β为标准化回归系数，SE为标准误；4. 显著性水平：*p < 0.05，**p < 0.01，***p < 0.001。
对信任度的影响：退货流程便捷性与运费承担满意度均对信任度呈显著正向影响，其中退货流程便捷性的回归系数为0.31，运费承担满意度的回归系数为0.24，意味着流程每便捷1分、运费满意度每提升1分，信任度分别提升0.31、0.24个单位。控制购物频率后，高频消费者的信任度仍显著高于低频，回归系数为0.17，且模型R2 = 0.37，表明三者共解释37%的信任度差异，证实“流程 + 成本”是信任构建的核心驱动因素。
对复购频率的影响：运费承担满意度的影响最突出，回归系数为0.27，流程便捷性次之，回归系数为0.23。购物频率的正向影响显著，回归系数0.15进一步验证“成本感知是复购决策的关键变量”——消费者对运费的敏感程度高于流程，这与低频消费者“更关注免费运费”的诉求高度契合，28.9%的低频消费者将“提供免费运费”列为最需改进的政策方向。
(二) 商家端：退货率与补偿政策主导成本感知，规模与品类反应分化
1) 描述性特征：退货率与补偿政策主导成本压力
商家对“退货自由”政策的感知核心围绕“成本”与“风险”展开，且呈现显著的群体分化。从退货率看，41.43%的商家月均退货率超15%，其中12.56%的商家退货率超30%，高退货率直接推高成本压力：退货率30%以上的商家中，82.1%认为运营成本压力“较大”或“极大”，而退货率低于3%的商家中仅9.8%有此感受。高退货率带来的逆向物流、库存积压、商品损耗成本，使商家陷入“高退货–高成本”的负向循环。
从平台补偿政策看，仅21.86%的商家对运费补贴、损耗补偿等政策“满意”，54.89%的商家“不满意”，且补偿满意度与成本压力呈强关联：对补偿政策评价1分的商家中，76.3%认为成本压力“极大”；评价5分的商家中，仅11.5%有此感受，平台补偿未能有效覆盖逆向成本，进一步放大商家的成本负担。
此外，恶意退货风险分化明显：50.47%的商家对“试穿后退货”“拆封无理由退货”存在担忧，27.44%的商家“极度担忧”；且退货率越高，担忧越强烈——退货率30%以上的商家中，61.3%“极度担忧”，这类“无效交易”导致商品无法二次销售，形成额外成本损耗。
2) 回归验证：规模与品类的调节作用
以“退货对运营成本的压力”“对恶意退货的担忧程度”为因变量，“店铺退货率”“平台补偿政策满意度”为自变量，“商家规模”“主营品类”为控制变量，构建多元线性回归模型，结果如表5显示：
Table 5. The results of multiple linear regression on the operator side
表5. 商家端多元线性回归结果
因变量 |
自变量 |
β |
SE |
t值 |
p值 |
R2 |
退货对运营成本的压力 |
过去3个月店铺退货率 |
0.40 |
0.06 |
6.67 |
0.035 |
0.41 |
平台退货补偿政策满意度 |
0.22 |
0.06 |
3.67 |
0.011 |
商家规模 |
0.24 |
0.05 |
4.80 |
0.041 |
主营品类 |
0.17 |
0.06 |
2.83 |
0.030 |
对恶意退货的担忧程度 |
过去3个月店铺退货率 |
0.34 |
0.07 |
4.86 |
0.013 |
0.38 |
平台退货补偿政策满意度 |
0.14 |
0.06 |
2.33 |
0.018 |
商家规模 |
0.11 |
0.05 |
2.20 |
0.045 |
主营品类 |
0.37 |
0.07 |
5.29 |
0.006 |
注：1. 样本量N = 215；2. 因变量与自变量均采用5点李克特量表(1 = 负面/低水平，5 = 正面/高水平)；3. β为标准化回归系数，SE为标准误；4. 显著性水平：*p < 0.05，**p < 0.01，***p < 0.001。
成本压力的影响因素：店铺退货率是核心正向驱动因素，回归系数为0.40，意味着退货率每提升1分，成本压力提升0.40个单位。平台补偿政策满意度呈显著负向影响，回归系数为−0.22，补偿越满意，成本压力越低。控制规模后，微型商家的成本压力显著高于大型商家，回归系数为−0.24，因微型商家毛利率仅15%~20%，单单逆向物流成本即可侵蚀过半利润。品类层面，服装鞋包、3C数码商家的成本压力高于家居日用，回归系数为−0.17，源于前者商品单价高、损耗风险大。
恶意退货担忧的影响因素：店铺退货率仍呈显著正向影响，回归系数为0.34。主营品类的差异最突出，服装鞋包商家的担忧显著高于3C数码、美妆个护，回归系数为0.37，这与服装“试穿属性”强、易产生“无理由试穿退货”直接相关，52.1%的服装鞋包商家退货率超15%。商家规模的负向影响显著，回归系数为−0.11，大型商家可通过“专属客服审核退货”降低恶意风险，而中小商家缺乏此类资源。
(三) 中介效应检验：信任度的作用机制
1) 变量选取
自变量(X)：本研究采用“维度均值再平均”的方法合成“政策感知总分”，反映消费者对政策的整体感知。“政策感知”包含退货流程便捷性与退货运费承担满意度两大核心维度，因所有题项量纲一致无需额外标准化，先分别计算每个维度下题项的平均分，再取两个维度平均分的均值作为最终“政策感知总分”，该方法操作直观、无主观赋权偏差，便于理解与结果复现。
中介变量(M)：“退货自由”政策对平台信任度的影响。
因变量(Y)：政策下复购频率变化。
控制变量：每月电商购物频率。
2) 检验结果
见表6。
Table 6. Test results of intermediary effect
表6. 中介效应检验结果
效应类型 |
β |
SE |
95%置信区间 |
p值 |
总效应(X → Y) |
0.34 |
0.06 |
[0.22，0.46] |
0.007 |
直接效应(X → Y) |
0.11 |
0.05 |
[0.01，0.21] |
0.028 |
间接效应(X → M → Y) |
0.23 |
0.05 |
[0.14，0.32] |
0.012 |
3) 结果分析
结果如表6所示，“政策感知总分”对复购频率的总效应显著β = 0.34；控制信任度后，直接效应降至显著水平β = 0.11，间接效应值为0.23，表明信任度起部分中介作用，中介效应占总效应的67.6%。该结果量化验证了文件中的假设，明确“退货自由”政策通过提升消费者信任度间接促进复购，且信任度是核心传导路径。
5. 讨论
5.1. 消费者端：购物频率异质性下的政策感知与行为响应
退货流程便捷性与运费承担满意度对消费者信任及复购意愿具有显著正向影响，且这一作用受购物频率的明显调节。每月10次以上的高频消费者因对退货规则熟悉、易满足“满额免运费退货”门槛，其信任提升与复购增加比例分别是每月1~3次低频消费者的2.4倍和2.2倍。这一结果不仅支持了交易成本理论中“交易频次影响边际成本感知”的核心观点，更补充了李珊珊等(2025) [5]的研究空白——该研究仅关注退货物流服务质量对信任的影响，未涉及消费群体异质性。不过需要注意的是，横断面数据无法完全排除平台品牌声誉、商品质量等潜在变量的干扰，复购频率的提升可能是平台整体服务体验的综合结果，而非单一退货政策的作用，因此对这一关联的解读需避免绝对化。
5.2. 商家端：规模与品类异质性下的成本压力与策略选择
退货率与平台补偿政策是影响商家成本感知的核心因素，且商家的反应存在显著的规模与品类分化。1~2人的微型商家成本压力“较大”或“极大”的比例是51~200人大型商家的1.7倍；3C数码商家的逆向物流成本为服装类商家的3~5倍；服装鞋包商家对恶意退货的“极度担忧率”是3C数码商家的2.8倍。这些发现既为供需均衡理论提供了电商场景下“供给方资源禀赋决定成本消化能力”的微观实证证据，也拓展了该理论对商家群体差异的关注维度。同时需考虑到，商家的成本压力并非仅由“退货自由”政策引发，自身运营效率如库存管理能力、供应链议价权也可能产生影响，且产品属性与政策存在明显交互作用——非标准化商品如服装因“试穿需求”易产生无效退货，标准化商品如3C数码则因单价高、损耗风险大对补偿政策更为敏感。
5.3. 供需双方：诉求矛盾焦点
双方的核心分歧集中于成本分摊与规则界定两大领域，仅在“提升退货效率”上存在有限共识。低频消费者希望获得免费运费以降低自身经济成本，微型商家则期待提高补贴力度以覆盖逆向物流成本；消费者担心商家拒绝退货，服装鞋包品类商家则迫切需要明确“试穿后退货”的界定标准。这一矛盾特征与曹惠文(2025) [8]关于供需诉求缺口的结论一致，但本研究进一步锁定了低频消费者与微型商家这两个“高敏感群体”，揭示出当前政策尚未实现福利经济学中的帕累托最优状态。这种失衡既源于平台、消费者、商家的三方成本博弈尚未找到均衡点，也与商品体验性需求差异相关，例如服装品类的“试穿退货”在供需双方存在明显认知分歧，消费者视为“合理体验”，商家则认为属于“恶意退货”。
6. 结语
“退货自由”政策对电商供需双方的影响存在显著差异：消费者端，退货流程便捷性与运费承担满意度决定对平台的信任和复购意愿，高频消费者因流程熟悉、成本分摊优势，政策正向反应更强，低频消费者则因操作不熟练、单次成本高，激励效果较弱；商家端，退货率和平台补偿政策主导成本感知，中小商家因资源有限成本压力更大，服装鞋包、3C数码品类分别受恶意退货、物流损耗影响，负担更重。供需双方的核心矛盾集中在成本分摊与规则界定上，当前“一刀切”政策难以实现均衡。
实践中，平台需推行差异化措施，比如给低频消费者提供首单退货指引、为中小商家提高补贴，按品类明确退货规则并建立恶意退货黑名单；商家可结合自身情况优化策略，如中小商家联合提升议价权、3C商家优化包装、服装商家完善商品描述；消费者需理性退货，低频消费者可通过查评价、问客服减少退货需求。
本研究存在局限，样本量有限且非随机抽样，可能影响结论普适性，横断面数据无法确定因果关系，也未分析政策长期影响。后续可扩大样本、用纵向数据研究长期效应，为政策优化提供更全面依据。未来“退货自由”政策需向精细化运营转型，才能实现供需共赢，推动电商生态健康发展。