¿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 QuerriLo 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
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
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:
"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.
| Método de coincidencia | Tickets | Proporción |
|---|---|---|
| Campo de número de pedido | 2,130 | 55.3% |
| Número de pedido en el asunto | 782 | 20.3% |
| Email, ventana de 30 días | 480 | 12.5% |
| Sin coincidencia | 462 | 12.0% |
Coincidencia de tickets con pedidos en 3,854 tickets.
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:
"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.
| Servicio de transportista | Entregado tarde |
|---|---|
| USPS Ground Advantage | 14.8% |
| UPS Ground | 5.5% |
| FedEx Home Delivery | 5.1% |
| Allentown → Oeste, USPS Ground Advantage | 45.9% |
Tasa de entrega tardía por servicio de transportista, 41,391 pedidos entregados.
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:
"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.
| Entrega | Tickets por cada 100 pedidos |
|---|---|
| A tiempo | 5.4 |
| 1 a 2 días tarde | 16.4 |
| 3 a 5 días tarde | 35.1 |
| 6 o más días tarde | 60.3 |
Tickets por cada 100 pedidos entregados, según los días después de la fecha prometida.
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
| Fecha del pedido | Tickets del almacén |
|---|---|
| Lun 12 oct | 11 |
| Mar 13 oct | 55 |
| Mié 14 oct | 82 |
| Resto de la semana | 14 |
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 datosConsejos 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.
"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
"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"?
¿Por qué no leer simplemente los informes del propio helpdesk?
¿Cuánto importa de verdad el retraso?
¿No hay productos que simplemente generan más tickets?
¿Y si los tickets no mencionan el número de pedido?
¿Por qué tan pocos pedidos de Amazon aparecen como tickets?
¿Qué cuenta como "tarde"?
¿Con qué frecuencia debería ejecutarse esto?
¿Qué hago con los pedidos que van tarde pero aún no se han convertido en tickets?
Otros recursos populares
Playbook
Envíos tardíos y escalamientos
¿Qué pedidos van tarde, se cancelaron o se escalaron esta semana?
Playbook
Lo que cuestan las incidencias de entrega
¿Cuánto cuestan las entregas dañadas, perdidas y tardías en reembolsos y reenvíos?
Demo
Solicite una demostración guiada
Vea Querri en acción con sus propios datos.
Precios
Compare los planes
Encuentre el plan adecuado para individuos, equipos o empresas.