¿No se encuentra el seguimiento de DHL o DPD? Cómo la API de 17TRACK utiliza la IA para mejorar las tasas de éxito del seguimiento
¿Por qué el mismo número de seguimiento no devuelve resultados en una plataforma, pero muestra un historial de seguimiento completo en otra?
Cuando las empresas encuentran problemas como DHL Tracking Not Found o DPD Tracking Not Found, suelen asumir que el número de seguimiento no es válido o que el transportista aún no ha actualizado sus registros.
En la práctica, enviar un número de seguimiento a una API no garantiza que se devuelvan eventos de seguimiento.
La recuperación de la información de seguimiento depende primero de identificar correctamente al transportista y enviar la solicitud a la fuente de datos adecuada. Si el transportista se identifica incorrectamente, la solicitud puede devolver Not Found incluso cuando el paquete se está trasladando con normalidad.
El problema se vuelve más evidente a gran escala. Por ejemplo, una empresa que utiliza tanto DHL Tracking API como DPD Tracking API debe determinar primero qué API debe recibir cada número de seguimiento.
17TRACK API combina un modelo interno de identificación mediante IA, coincidencias basadas en reglas y supervisión continua para ayudar a las empresas a reducir las discrepancias evitables entre transportistas y mejorar las tasas de éxito del seguimiento.
1. ¿Por qué un número de seguimiento puede no devolver eventos de seguimiento?
No existe un formato universal para los números de seguimiento. Cada transportista utiliza sus propias reglas de numeración, y es posible que un número de seguimiento por sí solo no contenga información suficiente para identificar al transportista.
1.1 Los formatos similares de los números de seguimiento dificultan la identificación de los transportistas
Distintos transportistas pueden utilizar números de seguimiento de la misma longitud, con prefijos o patrones similares de letras y dígitos.
Un solo número de seguimiento puede coincidir con los formatos de numeración de varios transportistas. La coincidencia tradicional basada en reglas analiza la longitud, los prefijos y los patrones de caracteres. Cuando esas reglas se superponen, el formato por sí solo puede no ser suficiente para identificar al transportista correcto.
Un transportista cuyo formato coincide con el número solo es un candidato. En realidad, otro transportista puede estar gestionando el paquete.
Una discrepancia puede enviar la solicitud a la fuente de datos equivocada y provocar una respuesta Not Found.
1.2 La información del transportista enviada puede ser inexacta
Las empresas suelen enviar la información de los envíos a través de ERP, WMS, OMS u otros sistemas de gestión de pedidos.
Estos sistemas pueden representar al mismo transportista mediante su nombre oficial, una abreviatura o un código interno. Un registro también puede contener un número de seguimiento válido con un campo de transportista incorrecto.
Si el sistema de seguimiento depende por completo de la información del transportista enviada, puede seguir consultando la fuente equivocada.
Por tanto, un sistema de seguimiento necesita identificar a los transportistas, comprobar las coincidencias y corregir las discrepancias.
1.3 Los envíos transfronterizos pueden tener datos distribuidos entre varios transportistas
El transporte transfronterizo suele incluir la recogida, el transporte principal, el despacho de aduanas y la entrega de última milla.
Varios transportistas pueden gestionar un paquete sucesivamente, y durante el proceso puede asignarse un número de seguimiento vinculado para la última milla.
Consultar solo a uno de esos transportistas puede devolver un historial parcial y dejar vacíos en el recorrido del paquete.
Además de una amplia cobertura de transportistas, el sistema debe identificar las fuentes correctas y combinar los datos de seguimiento.
El éxito del seguimiento depende de la disponibilidad de la API, la calidad del número de seguimiento, la identificación del transportista, la disponibilidad de la fuente de datos y de si se han generado eventos de seguimiento.
2. ¿Cómo utiliza 17TRACK API la IA para mejorar la precisión de la identificación de transportistas?
Las reglas fijas pueden provocar coincidencias incorrectas cuando los formatos de los números se superponen o la información del transportista enviada es inexacta.
La IA puede ayudar a resolver estas coincidencias ambiguas.
17TRACK combina su modelo interno de IA con la coincidencia tradicional basada en reglas. Utiliza años de datos logísticos para identificar al transportista más probable y reducir las consultas fallidas debido a que se consultó la fuente equivocada.
2.1 Combinación de reglas fijas con identificación asistida por IA
La identificación tradicional de transportistas se basa principalmente en reglas predefinidas para hacer coincidir transportistas candidatos según la longitud del número, los prefijos y los patrones de caracteres.
Este método funciona bien cuando las reglas de numeración son distintas. Las reglas similares entre transportistas o la información incompleta del número de seguimiento pueden producir resultados ambiguos.
17TRACK combina la identificación mediante IA y la coincidencia basada en reglas, utilizando tanto las características del número de seguimiento como la información disponible del transportista para determinar la fuente probable.
Cuando el transportista identificado por el sistema difiere del proporcionado por la empresa, la coincidencia puede comprobarse más a fondo.
Por ejemplo:
- La empresa envía DHL como transportista.
- El sistema identifica otro candidato basándose en el patrón del número de seguimiento.
- El sistema puede comprobar ambas coincidencias para reducir el riesgo de una consulta fallida debido a información incorrecta del transportista.
Esto reduce la dependencia de la selección manual del transportista y disminuye las comprobaciones repetidas en grandes lotes de números de seguimiento.
2.2 Un modelo interno de IA basado en años de datos logísticos
El rendimiento de la identificación mediante IA depende de los datos de entrenamiento, del rango de ejemplos que cubren y de cómo se perfecciona el modelo.
17TRACK se centra en el seguimiento global de envíos desde 2010. Actualmente cubre más de 3.500 transportistas y acumula grandes volúmenes de datos logísticos cada mes.
Con estos datos, 17TRACK entrena y perfecciona su propio modelo de identificación. El entrenamiento y ajuste continuos ayudan al modelo a aprender los patrones de números de seguimiento específicos de cada transportista y mejorar la identificación en situaciones complejas.
La IA puede proporcionar señales adicionales cuando los transportistas utilizan reglas de numeración similares y son difíciles de distinguir mediante la coincidencia convencional.
Este método reduce el trabajo de mantener manualmente reglas fijas y ofrece una identificación más flexible para los transportistas recién añadidos y las situaciones de envío complejas.
2.3 Combinación de la identificación mediante IA con el registro dual para reducir las discrepancias
17TRACK también ofrece una forma de mejorar el éxito del seguimiento después de identificar a un transportista candidato.
Si el sistema identifica un transportista diferente del enviado, las empresas que tengan habilitado el registro dual también pueden consultar al transportista identificado por la IA.
Por ejemplo:
Una empresa envía un envío marcado como DHL, pero el sistema identifica a otro transportista como la coincidencia más probable.
Con el registro dual habilitado, el sistema puede intentar recuperar los eventos de seguimiento del transportista identificado, además de realizar la consulta original.
Esto brinda a la empresa la posibilidad de recuperar los datos de seguimiento correctos aunque originalmente haya enviado el transportista equivocado.
En conjunto, estas capacidades ayudan a reducir los fallos de consulta evitables causados por discrepancias entre transportistas.
3. Investigación de las causas de los resultados Not Found
Incluso cuando el transportista se identifica correctamente, algunas consultas pueden no devolver eventos de seguimiento al principio.
Es posible que el número de seguimiento se haya creado recientemente y que el transportista aún esté esperando recibir el paquete. El servicio de seguimiento del transportista también puede no estar disponible temporalmente. Cualquiera de las dos situaciones puede provocar un resultado Not Found.
Un resultado Not Found por sí solo no basta para concluir que un paquete aún no se ha enviado o se ha perdido.
Mejorar las tasas de éxito del seguimiento requiere identificar la causa y tomar las medidas adecuadas.
3.1 Identificar la causa para evitar consultas innecesarias
Entre las causas habituales de los resultados Not Found o de las consultas fallidas se incluyen:
| Tipo de problema | Causa posible | Acción recomendada |
|---|---|---|
| Coincidencia incorrecta del transportista | El transportista real no coincide con el transportista seleccionado. | Volver a identificar y verificar el transportista. |
| Información de seguimiento incorrecta | Número de seguimiento incorrecto o falta de parámetros obligatorios. | Verificar el número de seguimiento y los parámetros de consulta. |
| No hay actualizaciones de seguimiento disponibles | El número de seguimiento se ha generado, pero el transportista aún no ha proporcionado el primer evento de seguimiento. | Esperar a que el transportista actualice la información de seguimiento. |
| Error de la fuente de datos | Fallo de la API del transportista, restricciones del servicio u otros problemas. | Supervisar el estado de la API del transportista e investigar las excepciones. |
Cada causa requiere una respuesta diferente.
En caso de discrepancia del transportista, volver a identificarlo y verificar la fuente de datos puede resolver el problema. Si el transportista aún no ha generado el primer evento de seguimiento, las consultas repetidas pueden seguir sin devolver información nueva.
Distinguir entre estas situaciones reduce las solicitudes innecesarias y la resolución repetida de problemas.
3.2 Supervisar los datos de los transportistas para detectar problemas a tiempo
Además de los fallos de consultas individuales, las empresas deben estar atentas a los problemas que afectan a grupos de envíos.
Si un transportista normalmente devuelve eventos de seguimiento, pero de repente un gran número de envíos muestra Not Found, el siguiente paso es comprobar la API del transportista, su servicio de seguimiento web o el proceso de recuperación de datos.
17TRACK supervisa continuamente el rendimiento de los datos de los transportistas. Cuando detecta una disminución del rendimiento o fluctuaciones inusuales, genera alertas e informa a los clientes.
Esto permite a las empresas detectar antes los problemas del transportista y ajustar los procedimientos de consulta y gestión antes de que se acumulen las reclamaciones de los clientes.
La identificación de transportistas, la resolución de problemas y la supervisión de las fuentes proporcionan a los equipos una forma de investigar y hacer seguimiento de los resultados Not Found.
4. Ejemplos de clientes con mejores tasas de éxito del seguimiento
El rendimiento del seguimiento en operaciones reales demuestra el impacto de la identificación mediante IA y la gestión de los resultados Not Found.
Las tasas de éxito del seguimiento varían según el cliente y dependen de factores como la cobertura de transportistas, la calidad del número de seguimiento, la estrategia de consulta y la disponibilidad de la fuente de datos.
Dos ejemplos de clientes de 17TRACK:
Caso 1: Una importante plataforma mundial de moda rápida
- Escala: Realiza el seguimiento de pedidos por decenas de millones al día, en promedio.
- Tasa de éxito del seguimiento: aumentó del 44,25 % al 93,29 %.
Caso 2: Una plataforma estadounidense de protección poscompra para comercio electrónico
- Escala: Presta servicio a más de 5.000 marcas insignia en todo el mundo.
- Tasa de éxito del seguimiento: aumentó del 85 % al 95 %.
Estos resultados reflejan mejoras en las operaciones generales de seguimiento de los clientes. No pueden atribuirse únicamente a la IA ni utilizarse como tasas de éxito específicas de DHL o DPD.
Para las empresas que procesan grandes volúmenes de pedidos transfronterizos, unas tasas de éxito del seguimiento más altas significan disponer de más datos de envío utilizables para la gestión de pedidos, la atención al cliente y las operaciones poscompra.
Mejorar las posibilidades de recuperar los eventos de seguimiento correctos para cada número válido
Una consulta de seguimiento puede parecer tan sencilla como introducir un número. Sin embargo, detrás implica identificar al transportista, hacer coincidir la fuente de datos, recuperar los datos y realizar una supervisión continua.
Los formatos de números superpuestos, la información incompleta del transportista y las transferencias entre transportistas pueden afectar al resultado, especialmente en el transporte transfronterizo.
17TRACK API combina la identificación de transportistas basada en IA, un modelo interno de datos logísticos, el registro dual y la gestión continua de Not Found para ayudar a las empresas a reducir las discrepancias evitables de las fuentes de datos y recuperar los datos de seguimiento de forma más eficiente.
