Nie znaleziono śledzenia DHL lub DPD? Jak API 17TRACK wykorzystuje sztuczną inteligencję, aby zwiększyć skuteczność śledzenia

Dlaczego ten sam numer śledzenia nie zwraca wyników na jednej platformie, ale na innej wyświetla pełną historię śledzenia?

Gdy firmy napotykają problemy, takie jak DHL Tracking Not Found lub DPD Tracking Not Found, często zakładają, że numer śledzenia jest nieprawidłowy albo przewoźnik nie zaktualizował jeszcze swoich danych.

W praktyce przesłanie numeru śledzenia do interfejsu API nie gwarantuje, że zostaną zwrócone zdarzenia śledzenia.

Pobranie informacji o śledzeniu zależy przede wszystkim od prawidłowego zidentyfikowania przewoźnika i wysłania żądania do właściwego źródła danych. Jeśli przewoźnik zostanie błędnie zidentyfikowany, żądanie może zwrócić Not Found, nawet gdy przesyłka jest normalnie transportowana.

Problem staje się bardziej widoczny przy dużej skali. Na przykład firma korzystająca zarówno z DHL Tracking API, jak i DPD Tracking API musi najpierw ustalić, który interfejs API powinien otrzymać każdy numer śledzenia.

17TRACK API łączy wewnętrzny model identyfikacji AI, dopasowywanie oparte na regułach oraz ciągłe monitorowanie, aby pomóc firmom ograniczyć możliwe do uniknięcia niezgodności przewoźników i poprawić wskaźniki skuteczności śledzenia.

1. Dlaczego numer śledzenia może nie zwrócić żadnych zdarzeń śledzenia?

Nie istnieje uniwersalny format numeru śledzenia. Każdy przewoźnik stosuje własne zasady numeracji, a sam numer śledzenia może nie zawierać wystarczających informacji do zidentyfikowania przewoźnika.

1.1 Podobne formaty numerów śledzenia utrudniają identyfikację przewoźników

Różni przewoźnicy mogą używać numerów śledzenia o tej samej długości, z podobnymi prefiksami lub wzorami liter i cyfr.

Pojedynczy numer śledzenia może pasować do formatów numeracji wielu przewoźników. Tradycyjne dopasowywanie oparte na regułach analizuje długość, prefiksy oraz wzory znaków. Gdy reguły te się nakładają, sam format może nie wystarczyć do zidentyfikowania właściwego przewoźnika.

Przewoźnik, którego format pasuje do numeru, jest tylko kandydatem. W rzeczywistości przesyłkę może obsługiwać inny przewoźnik.

Niezgodność może skierować żądanie do niewłaściwego źródła danych i spowodować odpowiedź Not Found.

1.2 Przesłane informacje o przewoźniku mogą być nieprawidłowe

Firmy często przesyłają informacje o przesyłkach za pośrednictwem systemów ERP, WMS, OMS lub innych systemów zarządzania zamówieniami.

Systemy te mogą przedstawiać tego samego przewoźnika za pomocą jego oficjalnej nazwy, skrótu lub wewnętrznego kodu. Rekord może również zawierać prawidłowy numer śledzenia, ale nieprawidłowe pole przewoźnika.

Jeśli system śledzenia całkowicie opiera się na przesłanych informacjach o przewoźniku, może nadal wysyłać zapytania do niewłaściwego źródła.

System śledzenia musi zatem identyfikować przewoźników, sprawdzać dopasowania i korygować niezgodności.

1.3 W przypadku przesyłek transgranicznych dane mogą być rozproszone między przewoźnikami

Transport transgraniczny zazwyczaj obejmuje odbiór, transport liniowy, odprawę celną i dostawę ostatniej mili.

Kolejni przewoźnicy mogą obsługiwać przesyłkę, a po drodze może zostać przypisany powiązany numer śledzenia dostawy ostatniej mili.

Zapytanie tylko do jednego z tych przewoźników może zwrócić częściową historię, pozostawiając luki w przebiegu przesyłki.

Oprócz szerokiego zakresu obsługiwanych przewoźników system musi identyfikować właściwe źródła i łączyć dane śledzenia.

Skuteczność śledzenia zależy od dostępności interfejsu API, jakości numeru śledzenia, identyfikacji przewoźnika, dostępności źródła danych oraz tego, czy wygenerowano zdarzenia śledzenia.

2. Jak 17TRACK API wykorzystuje AI do poprawy dokładności identyfikacji przewoźników?

Sztywne reguły mogą prowadzić do nieprawidłowych dopasowań, gdy formaty numerów się nakładają lub przesłane informacje o przewoźniku są nieprawidłowe.

AI może pomóc rozstrzygać te niejednoznaczne dopasowania.

17TRACK łączy własny model AI z tradycyjnym dopasowywaniem opartym na regułach. Wykorzystuje dane logistyczne gromadzone przez lata, aby zidentyfikować najbardziej prawdopodobnego przewoźnika i ograniczyć zapytania kończące się niepowodzeniem z powodu sprawdzenia niewłaściwego źródła.

2.1 Łączenie sztywnych reguł z identyfikacją wspomaganą przez AI

Tradycyjna identyfikacja przewoźnika opiera się głównie na zdefiniowanych wcześniej regułach dopasowujących potencjalnych przewoźników na podstawie długości numeru, prefiksów i wzorów znaków.

Podejście to sprawdza się dobrze, gdy zasady numeracji są odmienne. Podobne reguły stosowane przez różnych przewoźników lub niepełne informacje o numerze śledzenia mogą prowadzić do niejednoznacznych wyników.

17TRACK łączy identyfikację AI i dopasowywanie oparte na regułach, wykorzystując zarówno cechy numeru śledzenia, jak i dostępne informacje o przewoźniku, aby określić prawdopodobne źródło.

Gdy przewoźnik zidentyfikowany przez system różni się od przewoźnika podanego przez firmę, dopasowanie można dodatkowo sprawdzić.

Na przykład:

• Firma przesyła DHL jako przewoźnika.
• System identyfikuje innego kandydata na podstawie wzoru numeru śledzenia.
• System może sprawdzić oba dopasowania, aby zmniejszyć ryzyko nieudanego wyszukiwania z powodu nieprawidłowych informacji o przewoźniku.

Zmniejsza to zależność od ręcznego wyboru przewoźnika i ogranicza konieczność wielokrotnego sprawdzania dużych partii numerów śledzenia.

2.2 Własny model AI zbudowany na podstawie wieloletnich danych logistycznych

Skuteczność identyfikacji AI zależy od danych treningowych, zakresu przykładów, które obejmują, oraz sposobu udoskonalania modelu.

17TRACK koncentruje się na globalnym śledzeniu przesyłek od 2010 roku. Obecnie obsługuje ponad 3500 przewoźników i co miesiąc gromadzi znaczne ilości danych logistycznych.

Korzystając z tych danych, 17TRACK trenuje i udoskonala własny model identyfikacji. Ciągłe trenowanie i dostrajanie pomagają modelowi uczyć się wzorców numerów śledzenia charakterystycznych dla poszczególnych przewoźników oraz poprawiać identyfikację w złożonych scenariuszach.

AI może dostarczać dodatkowych sygnałów, gdy przewoźnicy stosują podobne zasady numeracji i trudno ich odróżnić za pomocą konwencjonalnego dopasowywania.

Podejście to ogranicza pracę związaną z ręcznym utrzymywaniem sztywnych reguł i zapewnia bardziej elastyczną identyfikację nowo dodanych przewoźników oraz złożonych scenariuszy wysyłki.

2.3 Łączenie identyfikacji AI z podwójną rejestracją w celu ograniczenia niezgodności

17TRACK oferuje również sposób na poprawę skuteczności śledzenia po zidentyfikowaniu potencjalnego przewoźnika.

Jeśli system zidentyfikuje innego przewoźnika niż ten przesłany przez firmę, firmy z włączoną podwójną rejestracją mogą również wysłać zapytanie do przewoźnika zidentyfikowanego przez AI.

Na przykład:

Firma przesyła przesyłkę oznaczoną jako DHL, ale system identyfikuje innego przewoźnika jako bardziej prawdopodobne dopasowanie.

Po włączeniu podwójnej rejestracji system może spróbować pobrać zdarzenia śledzenia od zidentyfikowanego przewoźnika, oprócz wykonania pierwotnego zapytania.

Daje to firmie możliwość pobrania prawidłowych danych śledzenia, nawet jeśli pierwotnie przesłała niewłaściwego przewoźnika.

Łącznie możliwości te pomagają ograniczyć możliwe do uniknięcia niepowodzenia wyszukiwania spowodowane niezgodnością przewoźnika.

3. Analiza przyczyn wyników Not Found

Nawet gdy przewoźnik zostanie prawidłowo zidentyfikowany, niektóre zapytania mogą początkowo nie zwrócić żadnych zdarzeń śledzenia.

Numer śledzenia mógł zostać dopiero utworzony, a przewoźnik może nadal oczekiwać na otrzymanie przesyłki. Usługa śledzenia przewoźnika może być również tymczasowo niedostępna. Każda z tych sytuacji może prowadzić do wyniku Not Found.

Sam wynik Not Found nie wystarcza, aby stwierdzić, że przesyłka nie została jeszcze wysłana lub zaginęła.

Poprawa wskaźników skuteczności śledzenia wymaga zidentyfikowania przyczyny i podjęcia odpowiednich działań.

3.1 Identyfikacja przyczyny w celu uniknięcia niepotrzebnych wyszukiwań

Typowe przyczyny wyników Not Found lub nieudanych wyszukiwań obejmują:

Każda przyczyna wymaga innej reakcji.

W przypadku niezgodności przewoźnika problem można rozwiązać poprzez ponowną identyfikację przewoźnika i weryfikację źródła danych. Jeśli przewoźnik nie wygenerował jeszcze pierwszego zdarzenia śledzenia, wielokrotne wyszukiwania mogą nadal nie zwracać nowych informacji.

Rozróżnienie tych scenariuszy ogranicza liczbę niepotrzebnych żądań i powtarzanego rozwiązywania problemów.

3.2 Monitorowanie danych przewoźników w celu wczesnego wykrywania problemów

Oprócz pojedynczych nieudanych wyszukiwań firmy muszą obserwować problemy wpływające na grupy przesyłek.

Jeśli przewoźnik zazwyczaj zwraca zdarzenia śledzenia, ale duża liczba przesyłek nagle pokazuje Not Found, kolejnym krokiem jest sprawdzenie interfejsu API przewoźnika, usługi śledzenia na jego stronie internetowej lub procesu pobierania danych.

17TRACK stale monitoruje wydajność danych przewoźników. Gdy wykryje spadek wydajności lub nietypowe wahania, generuje alerty i informuje klientów.

Dzięki temu firmy wcześniej uzyskują wgląd w problemy po stronie przewoźnika i mogą dostosować procedury wyszukiwania oraz obsługi, zanim zgromadzi się większa liczba skarg klientów.

Identyfikacja przewoźnika, rozwiązywanie problemów i monitorowanie źródeł zapewniają zespołom możliwość analizowania wyników Not Found i podejmowania dalszych działań.

4. Przykłady klientów pokazujące poprawę wskaźników skuteczności śledzenia

Wydajność śledzenia w rzeczywistych działaniach pokazuje wpływ identyfikacji AI i zarządzania wynikami Not Found.

Wskaźniki skuteczności śledzenia różnią się w zależności od klienta i zależą od takich czynników jak zakres obsługiwanych przewoźników, jakość numerów śledzenia, strategia wyszukiwania i dostępność źródeł danych.

Dwa przykłady klientów 17TRACK:

Przypadek 1: Wiodąca globalna platforma szybkiej mody

• Skala: Średnio śledzi dziesiątki milionów zamówień dziennie.
• Wskaźnik skuteczności śledzenia: wzrost z 44,25% do 93,29%.

Przypadek 2: Amerykańska platforma ochrony zakupów e-commerce po dokonaniu zakupu

• Skala: Obsługuje ponad 5000 wiodących marek na całym świecie.
• Wskaźnik skuteczności śledzenia: wzrost z 85% do 95%.

Wyniki te odzwierciedlają usprawnienia w całym procesie śledzenia klientów. Nie można ich przypisywać wyłącznie AI ani traktować jako wskaźników skuteczności konkretnego przewoźnika, takiego jak DHL lub DPD.

Dla firm przetwarzających duże ilości zamówień transgranicznych wyższe wskaźniki skuteczności śledzenia oznaczają większą ilość użytecznych danych o przesyłkach na potrzeby zarządzania zamówieniami, obsługi klienta i działań po zakupie.

Zwiększanie szans na pobranie właściwych zdarzeń śledzenia dla każdego prawidłowego numeru

Wyszukiwanie przesyłki może wyglądać tak prosto jak wpisanie numeru. W tle obejmuje jednak identyfikację przewoźnika, dopasowanie źródła danych, pobieranie danych i ciągłe monitorowanie.

Nakładające się formaty numerów, niepełne informacje o przewoźniku i przekazywanie przesyłek między przewoźnikami mogą wpływać na wynik, szczególnie w przypadku transportu transgranicznego.

17TRACK API łączy identyfikację przewoźnika opartą na AI, wewnętrzny model danych logistycznych, podwójną rejestrację oraz ciągłe zarządzanie wynikami Not Found, aby pomóc firmom ograniczyć możliwe do uniknięcia niezgodności źródeł danych i skuteczniej pobierać dane śledzenia.