Nem található DHL- vagy DPD-követés? Hogyan használja a 17TRACK API az AI-t a követés sikerességi arányának javítására
Miért nem ad eredményt ugyanaz a nyomkövetési szám az egyik platformon, miközben egy másikon teljes nyomkövetési előzményt jelenít meg?
Amikor a vállalkozások olyan problémákkal találkoznak, mint a DHL Tracking Not Found vagy a DPD Tracking Not Found, gyakran azt feltételezik, hogy a nyomkövetési szám érvénytelen, vagy a fuvarozó még nem frissítette a nyilvántartását.
A gyakorlatban azonban az, hogy egy nyomkövetési számot elküldünk egy API-nak, nem garantálja, hogy a rendszer nyomkövetési eseményeket fog visszaadni.
A nyomkövetési információk lekérése először attól függ, hogy helyesen azonosítjuk-e a fuvarozót, és a kérést a megfelelő adatforráshoz küldjük-e. Ha a fuvarozót tévesen azonosítják, a kérés Not Found választ adhat akkor is, ha a csomag normálisan halad.
A probléma nagy léptékben még nyilvánvalóbbá válik. Például egy DHL Tracking API-t és DPD Tracking API-t egyaránt használó vállalkozásnak először meg kell határoznia, hogy az egyes nyomkövetési számokat melyik API-nak kell továbbítani.
A 17TRACK API egy házon belül fejlesztett AI-azonosítási modellt, szabályalapú egyeztetést és folyamatos felügyeletet kombinál annak érdekében, hogy segítsen a vállalkozásoknak csökkenteni a megelőzhető fuvarozó-eltéréseket és javítani a nyomkövetés sikerességi arányát.
1. Miért nem adhat vissza egy nyomkövetési szám egyetlen nyomkövetési eseményt sem?
Nincs univerzális nyomkövetési számformátum. Minden fuvarozó saját számozási szabályokat használ, és önmagában a nyomkövetési szám nem feltétlenül tartalmaz elegendő információt a fuvarozó azonosításához.
1.1 A hasonló nyomkövetési számformátumok megnehezítik a fuvarozók azonosítását
A különböző fuvarozók azonos hosszúságú, hasonló előtagokkal vagy betű- és számkombinációkkal rendelkező nyomkövetési számokat használhatnak.
Egyetlen nyomkövetési szám több fuvarozó számozási formátumába is illeszkedhet. A hagyományos szabályalapú egyeztetés a hosszúságot, az előtagokat, valamint a karakterek mintázatát vizsgálja. Ha ezek a szabályok átfednek, önmagában a formátum nem biztos, hogy elegendő a megfelelő fuvarozó azonosításához.
Az a fuvarozó, amelynek formátuma megfelel a számnak, csupán jelölt. Lehetséges, hogy a csomagot valójában egy másik fuvarozó kezeli.
Az eltérés miatt a kérés rossz adatforráshoz kerülhet, ami Not Found választ eredményezhet.
1.2 A beküldött fuvarozói adatok pontatlanok lehetnek
A vállalkozások gyakran ERP-, WMS-, OMS- vagy más rendeléskezelő rendszereken keresztül küldik be a szállítmány adatait.
Ezek a rendszerek ugyanazt a fuvarozót a hivatalos nevével, rövidítéssel vagy belső kóddal is jelölhetik. Egy rekord érvényes nyomkövetési számot is tartalmazhat, miközben a fuvarozó mezője hibás.
Ha a nyomkövetési rendszer teljes mértékben a beküldött fuvarozói információkra támaszkodik, továbbra is a rossz forrást kérdezheti le.
Ezért a nyomkövetési rendszernek azonosítania kell a fuvarozókat, ellenőriznie kell az egyezéseket, és ki kell javítania az eltéréseket.
1.3 A határokon átnyúló szállítmányok adatai több fuvarozónál is megoszolhatnak
A határokon átnyúló szállítás jellemzően magában foglalja a felvételt, a főszállítást, a vámkezelést és az utolsó kilométeres kézbesítést.
Egy csomagot egymás után több fuvarozó is kezelhet, és közben egy kapcsolódó utolsó kilométeres nyomkövetési számot is hozzárendelhetnek.
Ha csak az egyik fuvarozót kérdezik le, az csak részleges előzményeket adhat vissza, így hiányosságok maradnak a csomag útjában.
A széles körű fuvarozói lefedettség mellett a rendszernek azonosítania kell a megfelelő forrásokat, és össze kell fűznie a nyomkövetési adatokat.
A nyomkövetés sikeressége az API elérhetőségétől, a nyomkövetési szám minőségétől, a fuvarozó azonosításától, az adatforrás elérhetőségétől és attól függ, hogy létrejöttek-e már nyomkövetési események.
2. Hogyan használja a 17TRACK API az AI-t a fuvarozóazonosítás pontosságának javítására?
A rögzített szabályok helytelen egyezésekhez vezethetnek, ha a számformátumok átfednek, vagy a beküldött fuvarozói információ pontatlan.
Az AI segíthet ezeknek a bizonytalan egyezéseknek a feloldásában.
A 17TRACK saját házon belüli AI-modelljét hagyományos szabályalapú egyeztetéssel kombinálja. Több év logisztikai adataira támaszkodva azonosítja a legvalószínűbb fuvarozót, és csökkenti azokat a lekérdezéseket, amelyek azért sikertelenek, mert rossz forrást kérdeztek le.
2.1 A rögzített szabályok és az AI által támogatott azonosítás kombinálása
A hagyományos fuvarozóazonosítás főként előre meghatározott szabályokra támaszkodik, és a jelölt fuvarozókat a szám hosszúsága, az előtagok, valamint a karakterek mintázata alapján egyezteti.
Ez a megközelítés jól működik, ha a számozási szabályok egyértelműen különböznek. A fuvarozók hasonló szabályai vagy a hiányos nyomkövetési számadatok azonban bizonytalan eredményeket hozhatnak.
A 17TRACK kombinálja az AI-alapú azonosítást és a szabályalapú egyeztetést, és a nyomkövetési szám jellemzőit, valamint a rendelkezésre álló fuvarozói információkat egyaránt felhasználja a valószínű forrás meghatározásához.
Ha a rendszer által azonosított fuvarozó eltér a vállalkozás által megadott fuvarozótól, az egyezés tovább ellenőrizhető.
Például:
- A vállalkozás a DHL-t adja meg fuvarozóként.
- A rendszer a nyomkövetési szám mintázata alapján egy másik jelöltet azonosít.
- A rendszer mindkét egyezést ellenőrizheti, így csökkentheti annak kockázatát, hogy a helytelen fuvarozói információ miatt sikertelen legyen a lekérdezés.
Ez csökkenti a kézi fuvarozóválasztástól való függést, és mérsékli a nagy mennyiségű nyomkövetési szám ismételt ellenőrzésének szükségességét.
2.2 Többéves logisztikai adatokra épülő házon belüli AI-modell
Az AI-alapú azonosítás teljesítménye a tanítási adatoktól, az általuk lefedett példák körétől és a modell finomításának módjától függ.
A 17TRACK 2010 óta a globális szállítmánykövetésre összpontosít. Jelenleg több mint 3500 fuvarozót fed le, és havonta jelentős mennyiségű logisztikai adatot halmoz fel.
Ezeket az adatokat felhasználva a 17TRACK saját azonosítási modelljét tanítja és finomítja. A folyamatos tanítás és hangolás segít a modellnek megtanulni a fuvarozóspecifikus nyomkövetési szám-mintázatokat, és javítja az azonosítást összetett helyzetekben.
Az AI további jelzéseket biztosíthat, amikor a fuvarozók hasonló számozási szabályokat használnak, és hagyományos egyeztetéssel nehéz megkülönböztetni őket.
Ez a megközelítés csökkenti a rögzített szabályok kézi karbantartásával járó munkát, és rugalmasabb azonosítást tesz lehetővé az újonnan hozzáadott fuvarozók és az összetett szállítási helyzetek esetében.
2.3 Az AI-alapú azonosítás és a kettős regisztráció kombinálása az eltérések csökkentésére
A 17TRACK lehetőséget kínál a nyomkövetés sikerességének javítására azután is, hogy azonosítottak egy lehetséges fuvarozót.
Ha a rendszer a beküldöttől eltérő fuvarozót azonosít, a kettős regisztrációt engedélyező vállalkozások az AI által azonosított fuvarozót is lekérdezhetik.
Például:
Egy vállalkozás DHL-ként megjelölt szállítmányt küld be, de a rendszer egy másik fuvarozót azonosít valószínűbb egyezésként.
A kettős regisztráció engedélyezésével a rendszer az eredeti lekérdezés mellett megpróbálhatja lekérni a nyomkövetési eseményeket az azonosított fuvarozótól is.
Ez lehetőséget ad a vállalkozásnak a helyes nyomkövetési adatok lekérésére akkor is, ha eredetileg rossz fuvarozót adott meg.
Ezek a képességek együtt segítenek csökkenteni a fuvarozói eltérések által okozott, megelőzhető sikertelen lekérdezéseket.
3. A Not Found eredmények okainak vizsgálata
Még a fuvarozó helyes azonosítása esetén is előfordulhat, hogy egyes lekérdezések kezdetben nem adnak vissza nyomkövetési eseményeket.
Lehet, hogy a nyomkövetési számot éppen létrehozták, és a fuvarozó még a csomag átvételére vár. A fuvarozó nyomkövetési szolgáltatása átmenetileg elérhetetlen is lehet. Mindkét helyzet Not Found eredményhez vezethet.
Egy önmagában álló Not Found eredményből nem lehet arra következtetni, hogy a csomagot még nem adták fel, vagy hogy elveszett.
A nyomkövetés sikerességi arányának javításához meg kell határozni az okot, és meg kell tenni a megfelelő intézkedést.
3.1 Az ok azonosítása a szükségtelen lekérdezések elkerülése érdekében
A Not Found eredmények vagy a sikertelen lekérdezések gyakori okai a következők:
| Probléma típusa | Lehetséges ok | Javasolt intézkedés |
|---|---|---|
| Helytelen fuvarozói egyeztetés | A tényleges fuvarozó nem egyezik a kiválasztott fuvarozóval. | Azonosítsa újra és ellenőrizze a fuvarozót. |
| Helytelen nyomkövetési információ | Helytelen nyomkövetési szám vagy hiányzó kötelező paraméterek. | Ellenőrizze a nyomkövetési számot és a lekérdezési paramétereket. |
| Nem érhető el nyomkövetési frissítés | A nyomkövetési számot létrehozták, de a fuvarozó még nem biztosította az első nyomkövetési eseményt. | Várja meg, amíg a fuvarozó frissíti a nyomkövetési információt. |
| Adatforrás-hiba | A fuvarozó API-jának hibája, szolgáltatási korlátozások vagy egyéb problémák. | Kövesse nyomon a fuvarozói API állapotát, és vizsgálja ki a kivételeket. |
Minden ok eltérő választ igényel.
Fuvarozói eltérés esetén a fuvarozó újbóli azonosítása és az adatforrás ellenőrzése megoldhatja a problémát. Ha a fuvarozó még nem hozta létre az első nyomkövetési eseményt, az ismételt lekérdezések továbbra sem biztos, hogy új információt adnak vissza.
E helyzetek megkülönböztetése csökkenti a szükségtelen kéréseket és az ismételt hibaelhárítást.
3.2 A fuvarozói adatok felügyelete a problémák korai felismeréséhez
Az egyedi lekérdezési hibák mellett a vállalkozásoknak a szállítmányok csoportjait érintő problémákra is figyelniük kell.
Ha egy fuvarozó általában visszaad nyomkövetési eseményeket, de hirtelen nagyszámú szállítmány jelenik meg Not Found állapottal, a következő lépés a fuvarozó API-jának, webhelyes nyomkövetési szolgáltatásának vagy adatlekérési folyamatának ellenőrzése.
A 17TRACK folyamatosan figyeli a fuvarozói adatok teljesítményét. Amikor teljesítménycsökkenést vagy szokatlan ingadozásokat észlel, riasztásokat küld és tájékoztatja az ügyfeleket.
Ez korábbi rálátást biztosít a vállalkozások számára a fuvarozói oldalon jelentkező problémákra, így az ügyfélpanaszok felhalmozódása előtt módosíthatják a lekérdezési és kezelési eljárásokat.
A fuvarozóazonosítás, a hibaelhárítás és a források felügyelete lehetőséget ad a csapatoknak a Not Found eredmények kivizsgálására és nyomon követésére.
4. Ügyfélpéldák a nyomkövetés sikerességi arányának javulására
A valós működésben tapasztalt nyomkövetési teljesítmény megmutatja az AI-alapú azonosítás és a Not Found kezelésének hatását.
A nyomkövetés sikerességi aránya ügyfelenként eltér, és olyan tényezőktől függ, mint a fuvarozói lefedettség, a nyomkövetési szám minősége, a lekérdezési stratégia és az adatforrás elérhetősége.
Két 17TRACK ügyfélpélda:
1. eset: Egy vezető globális fast fashion platform
- Méret: Naponta átlagosan több tízmillió megrendelést követ nyomon.
- Nyomkövetési sikerességi arány: 44,25%-ról 93,29%-ra nőtt.
2. eset: Egy egyesült államokbeli e-kereskedelmi vásárlás utáni védelmi platform
- Méret: Világszerte több mint 5000 kiemelt márkát szolgál ki.
- Nyomkövetési sikerességi arány: 85%-ról 95%-ra nőtt.
Ezek az eredmények az ügyfelek teljes nyomkövetési működésében elért javulást tükrözik. Nem tulajdoníthatók kizárólag az AI-nak, és nem használhatók a DHL vagy a DPD fuvarozóspecifikus sikerességi arányaként.
A nagy mennyiségű határokon átnyúló megrendelést feldolgozó vállalkozások számára a magasabb nyomkövetési sikerességi arány több felhasználható szállítmányadatot jelent a rendeléskezeléshez, az ügyfélszolgálathoz és a vásárlás utáni műveletekhez.
Az egyes érvényes számokhoz tartozó megfelelő nyomkövetési események lekérésének esélyeinek javítása
A nyomkövetési lekérdezés olyan egyszerűnek tűnhet, mint egy szám beírása. A háttérben azonban fuvarozóazonosítást, adatforrás-egyeztetést, adatlekérést és folyamatos felügyeletet foglal magában.
Az átfedő számformátumok, a hiányos fuvarozói információk és a fuvarozók közötti átadások mind befolyásolhatják az eredményt, különösen a határokon átnyúló szállítás esetén.
A 17TRACK API AI-alapú fuvarozóazonosítást, házon belüli logisztikai adatmodellt, kettős regisztrációt és folyamatos Not Found-kezelést kombinál annak érdekében, hogy segítsen a vállalkozásoknak csökkenteni a megelőzhető adatforrás-eltéréseket, és hatékonyabban lekérni a nyomkövetési adatokat.
