Så analyserar du logistikfakturor för ecommerce i PDF med AI

Jag tar upp AI-ämnet igen efter att ha försummat det alldeles för länge, för att gå igenom en funktion som sparar mig mycket tid. Och som därför också kan vara intressant för dig.

I den här artikeln ska jag förklara hur du jämför logistikfakturorna för ett ecommerce med dina tidigare uppskattningar, så att du först kan se skillnaderna och sedan vidta åtgärder, till exempel prata med transportören eller rätta till saken om felet är ditt.

Saker att tänka på:

• Vi ska ta en faktura i PDF och jämföra den med en CSV / Excel. Om vi skulle jämföra två Excel-filer vore det knappast särskilt spännande (såvida de inte hade sammanslagna celler, då skulle det här systemet också hjälpa oss).
• Jag utgår från att du sparar en uppskattning av kostnaden för varje försändelse i databasen. Om du inte gör det, sluta läsa den här artikeln och ta reda på hur. Du får mycket bättre kontroll över marginalerna och slipper obehagliga överraskningar.
• Jag använder den här processen för att analysera faktura-PDFer, men systemet kan också hjälpa dig att använda PDFer på det sätt som passar dig. I kommande artiklar ska jag till exempel förklara hur du tar en leverantörs-PDF med många referenser och skapar olika produktsidor.
• Jag kommer att använda ChatGPT 4 och 4o för detta. Jag har inte testat andra assistenter.

Problemen med logistikfakturor i ecommerce

Jag säger inget revolutionerande när jag påstår att i ett ecommerce med produkter från flera varumärken logistiken är den näst eller tredje största kostnadsposten, bara efter inköp av varor och möjligen löner.

Det är alltså tydligt att det här förtjänar uppmärksamhet. Det är mycket pengar som står på spel och de påverkar vinstmarginalen direkt.

Problemet är att det tar tid att granska logistikföretagens fakturor, även om du vet hur viktigt det är.

Åtminstone om du gör flera tiotals försändelser om dagen. För att inte tala om hundratals eller tusentals.

Och ja, vissa transportörer skickar, utöver fakturan i PDF, även en CSV med en specifikation av varje försändelse.

Toppen, men nästan aldrig kan vi använda den CSV-filen rakt av, eftersom det finns sammanslagna eller tomma celler… Om du är någorlunda van vid Excel, gör du ett makro en gång och sedan är det klart. Därefter jämför du den filen med din egen, med uppskattningarna som hämtats från CMS.

Du kanske också säger att det går att utveckla en funktion på din webbplats som läser en PDF och omvandlar den till en nedladdningsbar CSV.

Jag vet.

Vi har testat. En utvecklare behövde tre dagar för att få funktionen på plats.

Men tyvärr ändrar leverantörer formatet på sina fakturor, så 9 månader senare slutade den fungera.

Dessutom var den bara för en enda transportör. Tänk dig att behöva utveckla ett liknande system för 8 eller 9 olika. Multiplicera utvecklingsdagarna.

Du kanske också säger att det statistiskt kan räcka att ta X slumpmässiga beställningar (beroende på total volym) och jämföra dem.

Och ja, det kan räcka. Jag tänker inte argumentera mot statistiken. Men om du har en enkel formel för att få fram ALLA värden, tänker du verkligen nöja dig med en mindre andel? Särskilt när du troligen lägger mer tid på att kontrollera urvalet manuellt än på att använda systemet jag föreslår här.

Av de här skälen hade jag länge funderat på hur vi skulle kunna snabba upp arbetet.

Och så dök ChatGPT upp.

Processen för att jämföra fakturor med AI

Jag ska förklara steg för steg hur jag gör.

Som påminnelse behöver du bara tre saker för att följa processen:

• En faktura från ett transportföretag i PDF som innehåller kostnaden för varje försändelse.
• En CSV / Excel från databasen i vårt CMS / SGA / ERP med vår uppskattning av kostnaden för varje försändelse.
• ChatGPT.

Då kör vi.

#1. Jag ger ChatGPT kontextinstruktioner

Jag öppnar ChatGPT (kom ihåg, version 4 eller 4o) och klistrar in den här prompten, som inte är min: jag hittade den när jag rotade runt på Internet. Jag minns inte var, så jag kan inte ge rätt person cred:

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 SWEDISH

Det här hjälper oss bland annat att avsluta varje interaktion med en fråga från ChatGPT. Här ser vi att den ber om lite mer information, i en ganska Yoda:

#2. Vi laddar upp PDF-fakturan och ger instruktioner

Innan du ser mitt svar vill jag visa dig PDF-filen jag ska ladda upp, så att du förstår prompten i fråga.

Så här ser fakturan ut i PDF:

I bilden kan du se två försändelser. Jag markerar i rött de två fält som intresserar mig för varje försändelse:

1. Beställningsreferensen, som är en textsträng som innehåller beställnings-ID:t från vårt CMS. Observera att det är vårt ID, inte transportörens (senare ser vi ett annat exempel på detta).
2. Den totala fraktkostnaden, som är det vi ska jämföra med vår uppskattning.

Med den här förklaringen kan du förstå prompten jag klistrar in, som tar hänsyn till fakturans särskilda format:

Jag kommer att skicka en faktura i PDF till dig. Gör en lista över alla referenser i PDF-filen tillsammans med totalpriset. I referensnumret är bara siffrorna före # giltiga; till exempel: för den här referensen: 80052#1-1 är den giltiga referensen: 80052.

Jag bifogar PDF-fakturan till prompten och skickar allt till ChatGPT.

Det här är svaret:

#3. Vi laddar upp våra uppskattningar

Innan vi fortsätter med ChatGPT behöver du se den CSV jag ska skicka härnäst, som innehåller samma två fält som vi tog från fakturan. Kom ihåg:

1. ID för våra beställningar.
2. Uppskattad fraktkostnad.

Bra, nu kan du förstå nästa prompt:

Jag kommer att skicka en Excel-fil med en sammanfattning av beställningarna. Gör en lista över alla “beställningsnummer” tillsammans med deras “uppskattade fraktkostnad”.

Vi bifogar Excel-filen med våra uppskattningar och skickar den.

Här är ChatGPTs svar:

#4. Vi jämför värden

Var uppmärksam, för nu kommer magin.

Vi matar in den här prompten:

När du har allt, jämför uppgifterna från pdf, “referenser” och “totalpris”, med uppgifterna från “beställningsnummer” och “uppskattad fraktkostnad” och kontrollera om det finns avvikelser. Syftet är att kontrollera om kostnaderna stämmer för samma referens eller beställningsnummer. Om det inte finns några avvikelser, säg: Allt är ok, det finns inga avvikelser. Om det finns avvikelser, skapa ett excel med det numeriska resultatet av avvikelserna
Strukturera Excel-filen så här:

Kolumn A: Referens

Kolumn B: Totalpris PDF

Kolumn C: Totalkostnad Excel

Kolumn D: Avvikelser

Titta vilken skönhet (och dessutom lägger den till en kolumn som jag inte bad om):

Där har du alla skillnader. Och vi pratar om en PDF med 9 sidor av försändelser.

Disclaimer: den här processen har utvecklats av Juan Carlos Carpio, ett ess på AI och innehåll som vi har turen att ha på Yo pongo el hielo.

Fall där vi inte har beställnings-ID på fakturan

Det är möjligt att leverantörsfakturan inte innehåller ditt beställnings-ID.

Fallet liknar det förra, men från API-integrationen mellan ditt system och logistikföretagets system behöver du en uppgift, transportörens beställningsidentifierare för att lägga till den i vår CSV.

I det här fallet är idén att matcha PDF och CSV med transportörens försändelse-ID i stället för ID:t från vårt CMS.

Alltså, med en faktura som den här, som du ser inte innehåller beställnings-ID:t från vårt CMS utan bara transportörens eget försändelse-ID:

Och en egen CSV som den här, där vi hämtar transportörens försändelse-ID via API och exporterar det:

Vi upprepar processen och anpassar fältnamnen (rubrikerna) i prompterna efter de nya filerna (viktigt så att ChatGPT inte blir förvirrad) och får detta:

Vilket är precis det vi letade efter.

Slutsatser

Som du ser blir det från och med nu hur enkelt som helst att analysera fraktfakturorna för ditt ecommerce.

Bokstavligen en fråga om minuter. Med vilken transportör som helst och dess respektive faktura.

Du kommer att upptäcka saker som:

• Att du debiteras för volymvikt (med eller utan anledning).
• Att det finns poster på fakturan som ingen hade berättat om.
• Att din taxa har höjts utan förvarning.
• Att den nämnda kampanjen inte har tillämpats.
• Att du har skickat en pall på 2 ton (vilket inte är sant om du inte säljer bilbatterier).

Detta är bara några vanliga exempel.

Nästa steg blir att rätta till det som behövs eller reklamera till företaget där det är motiverat, men eftersom ChatGPT ännu inte kan hjälpa dig med detta (det kommer), önskar jag dig lycka till så länge.

Om du gillade inlägget hittar du här fler artiklar om AI tillämpad på digital business.

Och om du vill få min nya artikel via e-post varje torsdag kan du prenumerera –och samtidigt få en liten present– på den här andra sidan.