Jak analizować faktury logistyczne ecommerce w PDF za pomocą AI

Wracam do tematu AI, który zdecydowanie zbyt długo zaniedbywałem, żeby zająć się funkcją, która oszczędza mi mnóstwo czasu. I właśnie dlatego myślę, że może zainteresować także ciebie.

W tym artykule wyjaśnię ci jak porównywać faktury logistyczne ecommerce z wcześniejszymi szacunkami, tak aby najpierw zobaczyć różnice, a potem podjąć działania, na przykład porozmawiać z firmą logistyczną albo poprawić sytuację, jeśli błąd jest po twojej stronie.

Rzeczy, o których warto pamiętać:

• Weźmiemy fakturę w PDF i porównamy ją z CSV / Excel. Gdyby chodziło o porównanie dwóch plików Excel, nie byłoby w tym prawie nic ciekawego (chyba że zawierałyby scalone komórki, wtedy ten system również by nam pomógł).
• Zakładam, że zapisujesz w bazie danych szacowany koszt każdej przesyłki. Jeśli tego nie robisz, przestań czytać ten artykuł i sprawdź, jak zacząć. Będziesz znacznie lepiej kontrolować marże i unikniesz nieprzyjemnych niespodzianek.
• Ja wykorzystuję ten proces do analizy PDFów z fakturami, ale system może ci również posłużyć do wykorzystywania PDFów w sposób, który ci odpowiada. W kolejnych artykułach pokażę na przykład, jak wziąć PDF dostawcy z wieloma referencjami i stworzyć różne karty produktów.
• Ja użyję ChatGPT 4 i 4o do tego celu. Innych asystentów nie testowałem.

Problemy z fakturami logistycznymi w ecommerce

Nie odkrywam Ameryki, mówiąc, że w wielomarkowym ecommerce z produktami logistyka będzie drugą lub trzecią najważniejszą pozycją kosztową, ustępując jedynie zakupowi towaru i ewentualnie wynagrodzeniom.

Jasne więc, że ten obszar zasługuje na uwagę. W grę wchodzą duże pieniądze i bezpośrednio wpływają one na marżę zysku.

Problem polega na tym, że nawet jeśli wiesz, jak ważne to jest, sprawdzanie faktur firm logistycznych wymaga czasu.

Przynajmniej jeśli realizujesz po kilkadziesiąt przesyłek dziennie. Nie mówiąc już o setkach czy tysiącach.

I tak, są firmy, które oprócz faktury w PDF mają ten miły zwyczaj, że przesyłają nam CSV ze szczegółami każdej wysyłki.

Świetnie, ale prawie nigdy nie będziemy mogli użyć tego CSV bez zmian, bo pojawią się scalone, puste komórki… Jeśli choć trochę ogarniasz Excel, robisz sobie raz makro i po sprawie. Od tego momentu porównujesz ten plik ze swoim, zawierającym szacunki pobrane z CMS.

Możesz mi też powiedzieć, że da się stworzyć funkcję na stronie, która odczyta PDF i zamieni go w CSV do pobrania.

Wiem.

Próbowaliśmy. Programista potrzebował trzech dni, żeby uruchomić tę funkcję.

Niestety format faktur dostawców się zmienia, więc 9 miesięcy później przestała działać.

Do tego była przygotowana tylko dla jednej firmy. Wyobraź sobie tworzenie podobnego systemu dla 8 lub 9 różnych. Pomnóż liczbę dni programowania.

Możesz też powiedzieć, że statystycznie wystarczy wziąć X losowych zamówień (zależnie od łącznego wolumenu) i je porównać.

I tak, może wystarczyć, nie będę się kłócił ze statystyką. Ale jeśli masz prostą formułę pozwalającą uzyskać WSZYSTKIE wartości, naprawdę zadowolisz się mniejszym odsetkiem? Zwłaszcza że ręczne sprawdzenie takiej próbki zamówień prawdopodobnie zajmie ci więcej czasu niż użycie systemu, który tutaj proponuję.

Z tych powodów od dawna zastanawiałem się, jak przyspieszyć tę pracę.

I wtedy pojawił się ChatGPT.

Proces porównywania faktur za pomocą AI

Wyjaśnię ci krok po kroku, jak działam.

Przypomnę, że potrzebujesz do tego tylko trzech rzeczy:

• Faktury firmy transportowej w PDF zawierającej koszt każdej przesyłki.
• CSV / Excel pobranego z bazy naszego CMS / SGA / ERP z naszym szacunkiem kosztu każdej przesyłki.
• ChatGPT.

Do dzieła.

#1. Przekazuję ChatGPT instrukcje kontekstowe

Otwieram ChatGPT (pamiętaj, wersja 4 lub 4o) i wklejam ten prompt. Nie jest mój: znalazłem go podczas buszowania po Internecie. Nie pamiętam gdzie, więc nie mogę właściwie wskazać autora:

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 POLISH

Pomaga nam to między innymi kończyć każdą interakcję pytaniem od ChatGPT. Tutaj widzimy, że prosi o jeszcze kilka danych, w stylu trochę jak Yoda:

#2. Wgrywamy fakturę w PDF i przekazujemy instrukcje

Zanim zobaczysz moją odpowiedź, chcę pokazać ci PDF, który będę wgrywać, żebyś zrozumiał używany prompt.

Tak wygląda format faktury w PDF:

Na obrazie widać dwie przesyłki. Na czerwono zaznaczam dwa pola, które interesują mnie przy każdej z nich:

1. Referencja zamówienia, czyli ciąg tekstu zawierający ID zamówienia z naszego CMS. Uwaga: to nasze ID, a nie ID firmy transportowej (później zobaczymy inny przykład).
2. Łączny koszt przesyłki, który porównamy z naszym szacunkiem.

Dzięki temu wyjaśnieniu zrozumiesz prompt, który wklejam i który uwzględnia konkretny format faktury:

Wyślę ci fakturę w PDF. Zrób listę wszystkich referencji z PDF wraz z łączną ceną. W numerze referencyjnym ważne są wyłącznie cyfry znajdujące się przed #; na przykład: dla tej referencji: 80052#1-1, prawidłowa referencja to: 80052.

Dołączam fakturę w PDF do promptu i wysyłam wszystko do ChatGPT.

Oto odpowiedź:

#3. Wgrywamy nasze szacunki

Zanim pójdziemy dalej z ChatGPT, musisz zobaczyć CSV, który przekażę jako następny. Zawiera te same dwa pola, które braliśmy z faktury. Pamiętaj:

1. ID naszych zamówień.
2. Szacowany koszt wysyłki.

Dobrze, teraz możesz już zrozumieć kolejny prompt:

Wyślę ci plik Excel z podsumowaniem zamówień. Zrób listę wszystkich “numer zamówienia” wraz z ich “szacowany koszt wysyłki”.

Dołączamy do tego plik Excel z naszymi szacunkami i wysyłamy.

Oto odpowiedź ChatGPT:

#4. Porównujemy wartości

Uważaj, bo tutaj zaczyna się magia.

Wpisujemy ten prompt:

Gdy będziesz mieć już wszystko, porównaj dane z pdf, “referencje” i “cena łączna”, z danymi “numer zamówienia” i “szacowany koszt wysyłki” i sprawdź, czy występują rozbieżności. Celem jest sprawdzenie, czy dla tej samej referencji lub numeru zamówienia koszty są zgodne. Jeśli nie ma żadnych rozbieżności, powiedz: Wszystko jest ok, nie ma żadnych rozbieżności. Jeśli są rozbieżności, utwórz excel z liczbowym wynikiem rozbieżności
Ułóż Excel w następujący sposób:

Kolumna A: Referencja

Kolumna B: Łączna cena PDF

Kolumna C: Łączny koszt Excel

Kolumna D: Rozbieżności

Spójrz tylko na to cudo (a do tego dodaje kolumnę, o którą nie prosiłem):

Masz tu wszystkie różnice. A mówimy o PDF z 9 stronami przesyłek.

Disclaimer: ten proces opracował Juan Carlos Carpio, ekspert od AI i treści, którego mamy szczęście mieć w Yo pongo el hielo.

Przypadek, gdy na fakturze nie ma ID zamówienia

Możliwe, że faktura dostawcy nie zawiera ID twojego zamówienia.

Przypadek jest podobny do poprzedniego, ale z integracji przez API między twoim systemem a systemem firmy logistycznej potrzebujesz jednej informacji, identyfikatora zamówienia firmy logistycznej, aby dodać go do naszego CSV.

W tym przypadku chodzi o dopasowanie PDF i CSV według ID przesyłki firmy logistycznej zamiast ID z naszego CMS.

Czyli przy fakturze takiej jak ta, która –jak widzisz– nie ma ID zamówienia z naszego CMS, a jedynie własne ID przesyłki firmy logistycznej:

I przy naszym CSV takim jak ten, w którym przez API pobieramy ID przesyłki firmy logistycznej i zapisujemy je:

Powtarzamy proces, dostosowując nazwy pól (nagłówki) w promptach do nowych plików (to ważne, żeby ChatGPT się nie pogubił) i otrzymujemy:

Dokładnie tego szukaliśmy.

Wnioski

Jak widzisz, od teraz analiza faktur za wysyłki w twoim ecommerce będzie dziecinnie prosta.

Dosłownie kwestia minut. Z każdą firmą i odpowiadającą jej fakturą.

Odkryjesz takie rzeczy jak:

• Że naliczają ci wagę gabarytową (zasadnie lub nie).
• Że na fakturze są pozycje, o których wcześniej ci nie powiedziano.
• Że podnieśli ci stawkę bez uprzedzenia.
• Że nie zastosowali wspomnianej oferty.
• Że wysłałeś paletę o wadze 2 ton (co nie będzie prawdą, jeśli nie sprzedajesz akumulatorów samochodowych).

To tylko kilka typowych przypadków.

Następny krok to poprawić to, co trzeba, albo zgłosić firmie odpowiednią reklamację. Ponieważ jednak ChatGPT jeszcze ci w tym nie pomoże (to nadejdzie), na razie życzę powodzenia.

Jeśli spodobał ci się wpis, tutaj znajdziesz więcej artykułów o AI zastosowanej w digital business.

A jeśli chcesz co czwartek dostawać mój nowy artykuł mailem, możesz się zapisać –a przy okazji dostać mały prezent– na tej drugiej stronie.