Slik analyserer du logistikkfakturaer for ecommerce i PDF med AI

Jeg tar opp AI-temaet igjen etter å ha latt det ligge altfor lenge, for å se på en funksjon som sparer meg mye tid. Og som derfor også kan være interessant for deg.

I denne artikkelen skal jeg forklare hvordan du sammenligner logistikkfakturaene til et ecommerce med de tidligere estimatene dine, slik at du først kan se forskjellene og deretter gjøre noe med dem, for eksempel snakke med transportøren eller rette opp hvis feilen er din.

Ting du bør ha i bakhodet:

• Vi skal ta en faktura i PDF og sammenligne den med en CSV / Excel. Hvis vi skulle sammenligne to Excel-filer, ville det knapt vært noe spennende ved det (med mindre de hadde sammenslåtte celler, da ville dette systemet også hjulpet oss).
• Jeg går ut fra at du lagrer et estimat på kostnaden for hver forsendelse i databasen. Hvis du ikke gjør det, slutt å lese denne artikkelen og finn ut hvordan. Du får mye bedre kontroll på marginene og unngår ubehagelige overraskelser.
• Jeg bruker denne prosessen til å analysere faktura-PDFer, men systemet kan også hjelpe deg med å bruke PDFer slik det passer deg. I kommende artikler skal jeg for eksempel forklare hvordan du tar en leverandør-PDF med mange referanser og lager ulike produktsider.
• Jeg kommer til å bruke ChatGPT 4 og 4o til dette. Jeg har ikke testet andre assistenter.

Problemene med logistikkfakturaer i ecommerce

Jeg forteller ikke noe nytt når jeg sier at i et ecommerce med produkter fra flere merkevarer logistikk er den nest eller tredje største kostnadsposten, bare etter vareinnkjøp og eventuelt lønn.

Det er derfor klart at dette fortjener oppmerksomhet. Det er mye penger i spill, og de påvirker fortjenestemarginen direkte.

Problemet er at det tar tid å gå gjennom fakturaene fra logistikkbedriftene, selv om du vet hvor viktig det er.

I hvert fall hvis du sender flere titalls forsendelser om dagen. For ikke å snakke om hundrevis eller tusenvis.

Og ja, noen transportører sender oss i tillegg til fakturaen i PDF også en CSV med detaljene for hver forsendelse.

Flott, men nesten aldri kan vi bruke den CSV-filen som den er, fordi det finnes sammenslåtte, tomme celler … Hvis du er noenlunde hendig med Excel, lager du en makro én gang, og så er det gjort. Fra da av sammenligner du den filen med din egen, med estimatene hentet fra CMS.

Du vil kanskje også si at det er mulig å utvikle en funksjon på nettstedet ditt som leser en PDF og gjør den om til en nedlastbar CSV.

Jeg vet.

Vi prøvde det. En utvikler brukte tre dager på å få funksjonen på plass.

Men dessverre endrer leverandørene fakturaformatet, så 9 måneder senere sluttet den å virke.

Dessuten var den laget for bare én transportør. Tenk deg å måtte utvikle et lignende system for 8 eller 9 forskjellige. Gang opp utviklingsdagene.

Du kan også si at det statistisk kan være nok å ta X tilfeldige bestillinger (avhengig av totalvolumet) og sammenligne dem.

Og ja, det kan være nok. Jeg skal ikke krangle med statistikken. Men hvis du har en enkel formel for å få ALLE verdiene, skal du virkelig nøye deg med en mindre andel? Særlig når du sannsynligvis bruker mer tid på å kontrollere utvalget manuelt enn på å bruke systemet jeg foreslår her.

Av disse grunnene hadde jeg lenge fundert på hvordan vi kunne få arbeidet til å gå raskere.

Og så dukket ChatGPT opp.

Prosessen for å sammenligne fakturaer med AI

Jeg skal forklare trinn for trinn hvordan jeg gjør det.

Som en påminnelse trenger du bare tre ting for å følge prosessen:

• En faktura fra et transportselskap i PDF som inkluderer kostnaden for hver forsendelse.
• En CSV / Excel fra databasen til vårt CMS / SGA / ERP med vårt estimat av kostnaden for hver forsendelse.
• ChatGPT.

Da setter vi i gang.

#1. Jeg gir ChatGPT kontekstinstruksjoner

Jeg åpner ChatGPT (husk, versjon 4 eller 4o) og limer inn denne prompten. Den er ikke min; jeg fant den mens jeg surfet rundt på Internett. Jeg husker ikke hvor, så jeg kan ikke gi riktig kreditering:

MISSION

Act as Professor Synapse, a conductor of expert agents. Your job is to support me in accomplishing my goals by gathering context, then you MUST init:

*Synapse_CoR* =

"(emoji): I am an expert in [role&domain]. I know [context]. I will reason step-by-step to determine the best course of action to achieve [goal]. I can use [tools] and [relevant frameworks] to help in this process. I will help you accomplish your goal by following these steps: [reasoned steps] My task ends when [completion]. [first step, question]"

INSTRUCTIONS

1.  🧙🏾‍♂️, gather context, relevant information and clarify my goals by asking questions

2. Once confirmed you are MANDATED to init Synapse_CoR

3.  🧙🏾‍♂ and [emoji] support me until goal is complete

COMMANDS

/start=🧙🏾‍♂️,introduce and begin with step one

/ts=🧙🏾‍♂️,summon (Synapse_CoR*3) town square debate

PERSONA

-curious, inquisitive, encouraging

-use emojis to express yourself

RULES

-End every output with a question or reasoned next step.

-You are MANDATED to start every output with "🧙🏾‍♂️:" or "[emoji]:" to indicate who is speaking

- After init organize every output

    “🧙🏾‍♂️: [aligning on my goal]

    [emoji]: [actionable response]."

-🧙🏾‍♂️, you are MANDATED to init Synapse_CoR after context is gathered.

- You MUST Prepend EVERY Output with a reflective inner monologue in a markdown code block reasoning through what to do next prior to responding.

- Always answer in NORWEGIAN

Dette hjelper oss blant annet med å avslutte hver interaksjon med et spørsmål fra ChatGPT. Her ser vi at den ber om litt mer informasjon, i en ganske Yoda:

#2. Vi laster opp PDF-fakturaen og gir instruksjoner

Før du ser svaret mitt, vil jeg vise deg PDF-filen jeg skal laste opp, slik at du forstår prompten det er snakk om.

Dette er formatet på fakturaen i PDF:

På bildet kan du se to forsendelser. Jeg markerer med rødt de to feltene som interesserer meg for hver forsendelse:

1. Bestillingsreferansen, som er en tekststreng som inneholder bestillings-ID-en fra vårt CMS. Merk at dette er vår ID, ikke transportørens (senere ser vi et annet eksempel på dette).
2. Den totale fraktkostnaden, som er det vi skal sammenligne med estimatet vårt.

Med denne forklaringen kan du forstå prompten jeg limer inn, som tar hensyn til fakturaens spesielle format:

Jeg skal sende deg en faktura i PDF. Lag en liste over alle referansene i PDF-filen sammen med totalprisen. I referansenummeret er bare sifrene før # gyldige; for eksempel: fra denne referansen: 80052#1-1, er den gyldige referansen: 80052.

Jeg legger ved PDF-fakturaen i prompten og sender alt til ChatGPT.

Dette er svaret:

#3. Vi laster opp estimatene våre

Før vi fortsetter med ChatGPT, trenger du å se CSV-filen jeg skal sende videre, som inneholder de samme to feltene vi hentet fra fakturaen. Husk:

1. ID for bestillingene våre.
2. Estimert fraktkostnad.

Bra, nå kan du forstå neste prompt:

Jeg skal sende deg en Excel-fil med en oppsummering av bestillingene. Lag en liste over alle “bestillingsnummer” sammen med deres “estimerte fraktkostnad”.

Vi legger ved Excel-filen med estimatene våre og sender den.

Her er svaret fra ChatGPT:

#4. Vi sammenligner verdier

Følg med, for nå kommer magien.

Vi legger inn denne prompten:

Når du har alt, sammenlign dataene fra pdf, “referanser” og “totalpris”, med dataene fra “bestillingsnummer” og “estimert fraktkostnad” og sjekk om det finnes avvik. Målet er å kontrollere om kostnadene stemmer for samme referanse eller bestillingsnummer. Hvis det ikke finnes avvik, si: Alt er ok, det finnes ingen avvik. Hvis det finnes avvik, opprett et excel med det numeriske resultatet av avvikene
Strukturer Excel-filen slik:

Kolonne A: Referanse

Kolonne B: Totalpris PDF

Kolonne C: Totalkostnad Excel

Kolonne D: Avvik

Se på dette vidunderet (og den legger til og med til en kolonne jeg ikke ba om):

Der har du alle forskjellene. Og vi snakker om en PDF med 9 sider med forsendelser.

Disclaimer: denne prosessen er utviklet av Juan Carlos Carpio, en ener på AI og innhold som vi er heldige å ha i Yo pongo el hielo.

Tilfelle der vi ikke har bestillings-ID på fakturaen

Det er mulig at leverandørfakturaen ikke inneholder bestillings-ID-en din.

Tilfellet ligner det forrige, men fra API-integrasjonen mellom systemet ditt og systemet til logistikkleverandøren trenger du én opplysning, leverandørens bestillingsidentifikator for å legge den til i vår CSV.

I dette tilfellet er ideen å matche PDF og CSV ved hjelp av transportørens forsendelses-ID i stedet for ID-en fra vårt CMS.

Altså, med en faktura som denne, som du ser ikke inneholder bestillings-ID-en fra vårt CMS, men bare transportørens egen forsendelses-ID:

Og en egen CSV som denne, der vi henter transportørens forsendelses-ID via API og skriver den ut:

Vi gjentar prosessen og tilpasser feltnavnene (overskriftene) i promptene etter de nye filene (viktig så ChatGPT ikke blir forvirret) og får dette:

Som er akkurat det vi var ute etter.

Konklusjoner

Som du ser, blir det fra nå av svært enkelt å analysere fraktfakturaene for ditt ecommerce.

Bokstavelig talt et spørsmål om minutter. Med hvilken som helst transportør og den tilhørende fakturaen.

Du vil oppdage ting som:

• At du blir fakturert etter volumvekt (med eller uten grunn).
• At det finnes poster på fakturaen som de ikke hadde fortalt deg om.
• At de har økt prisen uten å varsle.
• At tilbudet de nevnte ikke er brukt.
• At du har sendt en pall på 2 tonn (noe som ikke er sant med mindre du selger bilbatterier).

Dette er bare noen vanlige eksempler.

Neste steg blir å rette det som må rettes eller sende inn riktig krav til selskapet, men siden ChatGPT ennå ikke kan hjelpe deg med det (det kommer), ønsker jeg deg lykke til så lenge.

Hvis du likte innlegget, finner du her flere artikler om AI brukt i digital business.

Og hvis du vil få den nye artikkelen min på e-post hver torsdag, kan du abonnere –og samtidig få en liten gave– på denne andre siden.