本研究旨在探討影響服飾電商平台退貨率之關鍵因素，並運用機器學習方法針對退貨與否進行預測。本研究採用「小二布屋」電商平台 2024年上半年度共 17,640筆有效訂單資料進行分析。特徵變數涵蓋訂單與物流、顧客屬性、交易行為、促銷與時間等四個面向。經過資料清理、類別變數編碼、資料標準化等預處理步驟建構了四個模型，除了包含全部特徵變數之全模型外，亦根據特徵變數屬性不同予以分類所建構出之三個特定特徵變數組成的子模型，並比較以下四種機器學習演算法：羅吉斯迴歸、極限梯度提升 ( XGBoost )、隨機森林以及決策樹在各模型下之預測表現。研究結果顯示，在四種機器學習演算法中， XGBoost 表現最優，其有最高的 F1-score，展現出精確率 ( Precision ) 與召回率  (Recall) 之良好平衡。不同模型間結果比較顯示，由「訂單與物流」特徵所建構之模型預測效能最佳。特徵重要性結果指出，「顧客等待時間（JY）」與「購物車總金額（KY）」為影響退貨機率最顯著之因素，顯示物流效率與訂單價值在消費者的退貨決策中扮演重要角色，並為後續的營運策略優化提供重要的參考依據。