Saltar al contenido

¿Qué pedidos se están convirtiendo en tickets de soporte esta semana, y es el almacén, el transportista o el producto?

Une las exportaciones de tu helpdesk, Shopify, Amazon y el almacén en Querri. Mira cuáles de los tickets de esta semana los causaron los envíos tardíos y no el producto, cuánto cuestan en horas de soporte, y qué rutas y días de almacén arreglar primero.

Abrir Querri

Lo que necesitará

Querri (Prueba gratuita) para unir las exportaciones y construir la vista del lunes

Exportaciones del helpdesk, Shopify, Amazon y el almacén: El paso 1 indica qué extraer de cada una

Tus promesas de envío y supuestos de coste de soporte: para definir "tarde" y convertir tickets en horas

Recursos gratuitos

Comience aquí su prueba gratuita →

Conjuntos de datos de ejemplo

Datasets sintéticos de una marca de consumo ficticia. No son datos reales de clientes. Puedes descargarlos y explorarlos sin problema.

¿Necesita ayuda?

Si tiene alguna pregunta, puede solicitar una demo o escribir a nuestro equipo.

Antes de empezar

Lunes por la mañana, el número de tickets ha subido, y la primera pregunta es siempre la misma: ¿somos nosotros? El helpdesk sabe lo que preguntaron los clientes. No sabe si el pedido salió tarde, qué transportista lo llevaba ni si iba a llegar a tiempo. Eso vive en otros tres sistemas, y cruzarlos a mano ha sido una tarea semanal para muchos responsables de soporte.

Este playbook vincula cada ticket a su pedido, reconstruye el recorrido de cada pedido y atribuye el ticket al almacén, al transportista, al producto o a la impaciencia del cliente. Luego te da la vista del lunes: cuatro cifras, lo que cuestan y qué arreglar.

Cómo funciona:

  • • Sube los tickets del helpdesk, los pedidos de Shopify y Amazon, y las exportaciones del almacén
  • • Vincula cada ticket a su pedido
  • • Reconstruye el recorrido de cada pedido y marca qué salió mal
  • • Encuentra qué predice un ticket y atribuye cada uno
  • • Produce la vista del lunes

Siga los pasos

Abrir Querri →
1 Paso 1:

Sube las exportaciones de tu helpdesk, Shopify, Amazon y el almacén

Cuatro exportaciones, un proyecto:

  • •

    Helpdesk (aquí Gorgias; Zendesk funciona igual): la exportación de tickets, con etiquetas, email del cliente y el campo de número de pedido.

  • •

    Shopify: la exportación Orders. Conserva el método de envío; es la promesa que vio el cliente.

  • •

    Amazon Seller Central: el informe All Orders, con las fechas prometidas por Amazon y quién envió el pedido.

  • •

    Almacén o 3PL: la exportación de envíos y los eventos de seguimiento del transportista.

Añade una tabla pequeña con tus supuestos de coste de soporte (tiempo de gestión por tipo de ticket, coste del agente por hora). Querri perfila cada archivo y averigua cómo se relacionan.

Consejo: Extrae al menos doce semanas, para que una mala semana y una mala ruta se vean distintas.

  • Gorgias
  • Shopify
  • Amazon Seller Central
  • 3PL / ShipStation
Querri One project
2 Paso 2:

Vincula cada ticket a su pedido, y di cuántos no pudiste

Los tickets rara vez llegan con un número de pedido limpio. Haz la coincidencia por orden de prioridad: el campo de número de pedido, luego el asunto y luego el email del cliente frente a los pedidos de los últimos 30 días. Los tickets sin coincidencia son parte de la respuesta. Después clasifica cada ticket por su primera etiqueta:

Prompt

"Vincula cada ticket a su pedido: primero por el campo de número de pedido, luego por un número de pedido en el asunto y luego por el email del cliente frente a los pedidos de Shopify de los últimos 30 días. Informa de la tasa de coincidencia por método, los tickets sin coincidencia por tipo y todos los tickets por tipo."

3,392 de 3,854 tickets se vinculan a un pedido (88%). Uno de cada cinco necesitó el asunto o el email. Dónde está mi pedido ya es el 52.9% de todo lo que gestionó el equipo.

Vincula cada ticket a su pedido, y di cuántos no pudiste
Método de coincidenciaTicketsProporción
Campo de número de pedido2,13055.3%
Número de pedido en el asunto78220.3%
Email, ventana de 30 días48012.5%
Sin coincidencia46212.0%

Coincidencia de tickets con pedidos en 3,854 tickets.

3 Paso 3:

Reconstruye el recorrido de cada pedido y marca qué salió mal

Para cada pedido que envió el almacén, calcula cuándo debió salir, cuándo debió llegar y cuándo lo hizo de verdad. Marca tarde desde el almacén, tarde en tránsito y perdido o atascado. Los pedidos enviados por Amazon no tienen fila de almacén y quedan fuera de este paso:

Prompt

"Para cada pedido que envió el almacén, calcula cuándo debió enviarse y llegar, cuándo lo hizo de verdad, y marca tarde desde el almacén, tarde en tránsito y perdido o atascado. Muestra las tasas de retraso por servicio de transportista y por ruta, y la tasa de envío tardío del almacén por semana."

El 8.2% de los pedidos no cumplió la promesa, pero la media oculta el patrón. USPS Ground Advantage llega tarde el 14.8% de las veces frente al 5.5% de UPS Ground, y más del 40% en las rutas largas que salen de Allentown. La tasa de envío tardío del propio Allentown saltó del 6% al 40.6% en la semana del 12 de octubre.

Reconstruye el recorrido de cada pedido y marca qué salió mal
Servicio de transportistaEntregado tarde
USPS Ground Advantage14.8%
UPS Ground5.5%
FedEx Home Delivery5.1%
Allentown → Oeste, USPS Ground Advantage45.9%

Tasa de entrega tardía por servicio de transportista, 41,391 pedidos entregados.

4 Paso 4:

Averigua qué predice de verdad un ticket y atribuye cada uno

Antes de culpar a nadie, prueba las candidatas: tasa de tickets por cada 100 pedidos según los días de retraso, la categoría de producto, el servicio de transportista y el tipo de fulfilment. Después da a cada ticket emparejado un único responsable:

Prompt

"Muestra los tickets por cada 100 pedidos según el retraso del pedido, por categoría de producto en los pedidos a tiempo, por servicio de transportista y por tipo de fulfilment. Después atribuye cada ticket emparejado al almacén, al transportista, al producto o a las expectativas del cliente."

Los días de retraso lo explican todo: 5.4 tickets por cada 100 pedidos a tiempo, 60.3 con seis o más días de retraso. La categoría de producto no separa nada. Los pedidos enviados por Amazon apenas cuentan, porque Amazon atiende a esos clientes.

Averigua qué predice de verdad un ticket y atribuye cada uno
EntregaTickets por cada 100 pedidos
A tiempo5.4
1 a 2 días tarde16.4
3 a 5 días tarde35.1
6 o más días tarde60.3

Tickets por cada 100 pedidos entregados, según los días después de la fecha prometida.

5 Paso 5:

Produce la vista del lunes

La atribución se convierte en las cuatro cifras que necesita tu reunión del lunes, las horas que hay detrás y las rutas y días de almacén que arreglar.

La narrativa que escribe Querri:

El volumen de tickets ha subido mucho, y más de la mitad es autoinfligido.

Lo que puedes crear o exportar:

  • La vista del lunes en una página
  • La tabla por ticket con cada coincidencia, marca y atribución, a Excel, CSV o Google Sheets
  • Un dashboard en vivo, actualizado de forma programada
  • Una presentación para la reunión de operaciones, a PDF o PowerPoint
  • Un proyecto guardado que vuelves a ejecutar cada lunes
Produce la vista del lunes
Fecha del pedidoTickets del almacén
Lun 12 oct11
Mar 13 oct55
Mié 14 oct82
Resto de la semana14

Tickets atribuidos al almacén esta semana, por fecha del pedido.

Llega al lunes sabiendo qué día del almacén y qué ruta arreglar.

Pruébalo con tus propios datos
Querri para la experiencia del cliente en ecommerce Mira cómo Querri ayuda a los equipos de CX a ver qué pedidos se convierten en tickets, y si es el almacén, el transportista o el producto. Ver Querri para experiencia del cliente

Ver Querri para toda la marca

Consejos para una revisión del lunes en la que la gente confíe de verdad

Informa de la tasa de coincidencia antes de los hallazgos

Si el 12% de los tickets no se pudo vincular a un pedido, dilo primero. Los lectores confían en un análisis que muestra sus huecos.

Separa tarde desde el almacén de tarde en tránsito

Responsables distintos, soluciones distintas. Aquí el almacén produjo 210 tickets y el transportista 55, lo contrario de lo que sugerían las quejas.

Prueba la categoría de producto antes de culparla

Calcula la tasa de tickets solo con pedidos a tiempo. Aquí todas las categorías quedaron a medio punto entre sí, y la conversación sobre el producto se convirtió en una conversación sobre el envío.

Ejecútalo igual cada semana

Guarda el proyecto y prográmalo. Una ruta que pasa del 6% al 14% de retrasos es una señal más clara que cualquier mala semana aislada.

Enseña tus reglas a Querri una vez. Cada respuesta posterior las sigue.

Las definiciones que deciden de quién es un ticket son tuyas: qué significa "tarde" para cada método de envío, qué etiquetas cuentan como dónde está mi pedido, cómo escribe tu 3PL los números de pedido, cuánto cuesta un ticket. En Querri viven en la Library, así que dices cada una una vez y cada pregunta, vista y análisis sobre esos datos la lee igual.

Muéstrame cómo

Dilo en el chat

Fija una regla en la conversación y el Librarian la registra como un fact en Facts & Rules, vinculada a la tabla que rige. Cada pregunta posterior sobre esos datos la aplica, la haga quien la haga, y cada vista creada después la incorpora.

Prompt

"Tarde significa entregado después de la fecha prometida: fecha del pedido más 7 días hábiles para Standard y 3 para Expedited, o la fecha de entrega prometida por Amazon. Guárdalo como regla para las tablas de pedidos y envíos."

O trae el documento que ya lo dice

Sube el contrato con tu 3PL, el playbook de soporte o tu diccionario de datos como cualquier otro archivo. Querri deja una tarjeta From a document en el Inbox con las afirmaciones que encontró, cada una con su página y sus palabras exactas; marca las que quieras conservar y se convierten en facts. Las entradas del diccionario se vinculan a las columnas que describen. Las reglas de las que depende este playbook:

  • Entrega prometida: fecha del pedido más el plazo del método de envío en Shopify; la fecha de entrega prometida por Amazon en Amazon
  • Tarde desde el almacén: enviado después de la fecha límite de envío
  • Tarde en tránsito: enviado a tiempo, entregado después de lo prometido
  • Tipo de ticket: la primera etiqueta del helpdesk
  • Un dónde está mi pedido en un pedido a tiempo es expectativa del cliente, no un fallo de fulfilment
  • El 3PL escribe el pedido de Shopify #48213 como SHP-48213 y los pedidos de Amazon con el prefijo AMZ-
  • Coste de soporte: tiempo de gestión por tipo de ticket multiplicado por el coste total del agente por hora
Prompt

"Lee nuestro contrato con el 3PL y propón las reglas que establece sobre fechas límite de envío, promesas de entrega y reclamaciones. Las revisaré en el Inbox."

Hasta dónde llegan las reglas

Una regla está vinculada a los datos, no al chat de una persona, así que acompaña a los datos a todas partes:

  • • Cada pregunta hecha en el chat, por cualquier persona del equipo
  • • Cada vista que el Librarian crea sobre esos datos
  • • Cada paso de un proyecto, incluido el código que escribe
  • • Dashboards y ejecuciones programadas, cada vez que se actualizan
  • • Claude y ChatGPT, cuando consultan a Querri

Tú mantienes el control

Cada regla aparece en Facts & Rules junto a los datos que rige, donde puedes editarla o eliminarla. Las reglas de un documento esperan tu confirmación en el Inbox, y una tarjeta Worth remembering es la forma en que Querri te ofrece una que detectó por su cuenta. Los espacios de trabajo y los roles deciden quién puede cambiar qué. Las reglas para toda la empresa van en Settings → Customize; la Library es donde vive el resto.

La recompensa del lunes

La discusión deja de girar en torno a qué significa "tarde" y pasa a qué hacer al respecto. Corregir una definición es una frase, no un ticket.

Preguntas frecuentes

¿Qué significa "causado por el fulfilment y el envío"?
El pedido salió mal antes de que el cliente escribiera: salió tarde del almacén, llegó después de la fecha prometida, se perdió o llegó dañado o equivocado. En esta muestra fueron 265 de los 484 tickets de la semana (54.8%).
¿Por qué no leer simplemente los informes del propio helpdesk?
El helpdesk sabe lo que preguntó el cliente. No sabe cuándo se envió el pedido, qué transportista lo llevaba ni si llegó tarde. Unir las cuatro exportaciones es lo que convierte "dónde está mi pedido" de una categoría de ticket en una lista de rutas y días de almacén sobre los que puedes actuar.
¿Cuánto importa de verdad el retraso?
En estos datos: 5.4 tickets por cada 100 pedidos a tiempo, 16.4 con 1 a 2 días de retraso, 35.1 con 3 a 5 y 60.3 con 6 o más. Cada día después de lo prometido duplica más o menos la probabilidad de un ticket.
¿No hay productos que simplemente generan más tickets?
No cuando tienes en cuenta el retraso. Los pedidos a tiempo estuvieron entre 5.2 y 5.8 tickets por cada 100 en las cinco categorías. Pruébalo con tus propios datos antes de culpar a una línea de producto.
¿Y si los tickets no mencionan el número de pedido?
Haz la coincidencia por orden de prioridad: el campo de número de pedido, luego el asunto y luego el email del cliente frente a los pedidos de los últimos 30 días. Aquí eso emparejó el 88%. Los tickets de Amazon solo se pueden emparejar por número de pedido, porque Amazon oculta los emails de los compradores.
¿Por qué tan pocos pedidos de Amazon aparecen como tickets?
Amazon gestiona la atención al cliente de los pedidos que él mismo envía, así que esas conversaciones ocurren en Seller Central, no en tu helpdesk. Aquí los pedidos FBA generaron 0.6 tickets por cada 100, frente a 6.5 de Shopify y 9.6 de los pedidos de Amazon que envías tú.
¿Qué cuenta como "tarde"?
Entregado después de la fecha prometida al cliente: la fecha del pedido más el plazo del método de envío en Shopify, o la fecha de entrega prometida del informe de Amazon. Tarde desde el almacén significa enviado después de la fecha límite de envío; tarde en tránsito significa enviado a tiempo y el transportista no cumplió.
¿Con qué frecuencia debería ejecutarse esto?
Cada lunes, de la misma forma. Guarda el proyecto y prográmalo. La variación de una semana a otra es la parte útil.
¿Qué hago con los pedidos que van tarde pero aún no se han convertido en tickets?
Escríbeles primero. 343 pedidos habían superado su fecha prometida sin entregarse el lunes por la mañana, cada uno un ticket probable. Una nota breve con el enlace de seguimiento y una fecha realista convierte la mayoría en nada.