Precisión de pedidos y tasas de error en fulfillment: qué esperar de un 3PL

En resumen

Una operación de e-commerce bien gestionada debería alcanzar una precisión de pedidos de alrededor del 99,5 % o superior, medida por pedido. Antes de comparar proveedores, pregunte qué mide cada cifra: picks, líneas de pedido o pedidos completos, y en qué periodo. Una cifra por línea de pedido puede parecer más alta que una cifra por pedido, así que pida ver el desglose, no solo la cifra principal. En Gonini, nuestra precisión de picking es del 99,9 %, medida sobre todos los pedidos, y podemos facilitar a cualquier marca el desglose por línea de pedido para cualquier periodo.

Conclusiones clave

Las cifras de precisión son fáciles de citar y difíciles de comparar. Los puntos siguientes resumen lo que hay detrás de ellas.

• Un mismo rendimiento puede expresarse como un 99,0 % por pedido o un 99,7 % por unidad, así que pregunte siempre qué denominador utiliza el proveedor
• Una tasa basada solo en las reclamaciones de clientes mide reclamaciones, ya que muchos errores nunca se notifican
• Los benchmarks publicados, como los DC Measures de WERC, y las cifras tecnológicas de consultoras y fabricantes ofrecen puntos de referencia, aunque ninguno procede de datos auditados de 3PL
• La precisión suele caer en temporada alta con la llegada de personal temporal, por lo que una media anual puede ocultar un problema en noviembre
• Los proveedores declaran sus propias cifras de precisión, y a los clientes les resulta difícil verificarlas de forma independiente. Nuestra precisión de picking es del 99,9 %, medida sobre todos los pedidos, y escaneamos un código de barras en cada pick

La sección sobre qué hacer cuando la precisión empeora detalla las pruebas que conviene reunir antes de escalar el problema.

Precisión de pedidos y tasas de error en el fulfillment de un 3PL

Una precisión de pedidos del 99 % suena excelente hasta que calcula lo que significa con su volumen. Con 20.000 pedidos al mes, un 99 % supone que 200 clientes al mes reciben el artículo equivocado, la cantidad incorrecta o un paquete incompleto. Cada uno de esos pedidos puede generar un reenvío, un reembolso, una incidencia de soporte y, posiblemente, una mala reseña. Esta guía está pensada para marcas de e-commerce que trabajan con un 3PL o están eligiendo uno y quieren entender qué mide realmente una cifra de precisión y qué pueden esperar.

La precisión es una métrica entre varias, y nuestra guía sobre los KPI que conviene seguir con un proveedor cubre el conjunto completo. Esta guía profundiza únicamente en la precisión: cómo la miden los proveedores, qué dicen los benchmarks publicados, de dónde vienen los errores y cómo los reducen los almacenes. Otras guías de Gonini tratan el aspecto contractual, como los acuerdos de nivel de servicio, y el proceso de cambio a un nuevo proveedor.

Si todavía está eligiendo proveedor, nuestra guía para evaluar a un socio de fulfillment cubre todo el proceso de selección. Las preguntas de esta guía encajan en ese proceso, ya que la respuesta de un proveedor a «¿cómo miden la precisión?» dice mucho de su operación.

Antes de seguir, una aclaración sobre nuestra posición. Gonini es un 3PL que publica una guía sobre cómo exigir responsabilidades a los 3PL, así que tenemos un interés evidente en cómo se plantea este tema. Las cifras de precisión son autodeclaradas y difíciles de verificar para los clientes, por lo que damos las nuestras en los términos que esta guía le pide comprobar: nuestra precisión de picking es del 99,9 %, medida sobre todos los pedidos, y escaneamos un código de barras en cada pick. Los benchmarks de esta guía proceden de fuentes identificadas, consultadas el 15 de octubre de 2026, o se indican como ilustrativos.

Resumen rápido: las métricas de precisión

Varias métricas distintas reciben el nombre de precisión, y pueden dar cifras muy diferentes a partir de un mismo rendimiento. La tabla compara cinco métricas habituales según lo que mide cada una, cómo la calculan los proveedores y cómo puede hacer que el rendimiento parezca mejor de lo que es. Úsela como lista de comprobación cuando un proveedor le dé una cifra de precisión.

‍

La precisión de pedidos suele ser la más exigente de las tres métricas de picking, porque una sola unidad incorrecta hace que todo el pedido cuente como error. El OTIF y la tasa de pedido perfecto amplían la visión a la entrega y al estado del envío, y las métricas de disponibilidad de stock, como el cálculo del fill rate, las complementan. Sea cual sea la métrica que cite un proveedor, pida la fórmula y la fuente del recuento de errores.

Cómo hemos obtenido los benchmarks

Todos los benchmarks de esta guía pertenecen a uno de tres grupos: datos de encuestas publicadas con una fuente identificada, cifras declaradas por fabricantes que señalamos como tales, o cifras ilustrativas creadas para mostrar el cálculo. Consultamos cada fuente el 15 de octubre de 2026. Nuestra guía sobre los KPI logísticos explica cómo encajan estas métricas en un reporting de rendimiento más amplio.

La fuente de encuestas más citada es WERC, el Warehousing Education and Research Council de Estados Unidos, cuyo estudio anual DC Measures clasifica los centros de distribución por quintiles. Sus informes completos son de pago, así que nos basamos en resúmenes publicados y lo indicamos cuando es el caso. Los rangos de precisión por tecnología proceden de fabricantes de equipos y consultores, que tienen interés en los resultados, por lo que los consideramos orientativos y no independientes.

Algunas cifras circulan ampliamente sin una fuente rastreable, como un coste fijo por error de picking presentado como media del sector. Cuando hemos encontrado cifras así, las hemos omitido en lugar de repetirlas. Las cifras sólidas de esta guía son las que tienen una fuente identificada; todo lo demás es orientativo o ilustrativo.

Cómo se mide realmente la precisión

La precisión depende de tres decisiones: la unidad de medida, qué errores se cuentan y quién decide cuándo se ha producido un error. Si cambia cualquiera de ellas, la misma operación da una cifra distinta. Las secciones siguientes abordan cada decisión por separado.

Por pedido, por línea, por unidad: por qué importa el denominador

El denominador determina lo grande que parece un error. Tomemos un mes con 1.000 pedidos que suman 2.500 líneas de pedido y 3.500 unidades, con 10 errores, cada uno de ellos una unidad incorrecta en un pedido distinto. Medida por pedido, la precisión es del 99,0 %, ya que 990 de los 1.000 pedidos se enviaron correctamente. Medida por línea, es del 99,6 %, y medida por unidad, sube hasta aproximadamente el 99,71 %.

Nada ha cambiado en la operación entre esas tres cifras. Solo se ha movido el denominador, lo que explica por qué dos proveedores que anuncian un 99,7 % pueden estar rindiendo de forma muy diferente. Un proveedor que mide por unidad casi siempre comunicará una cifra más alta que uno que mide por pedido, y ninguno se equivoca siempre que ambos indiquen qué método utilizan.

Para una marca de e-commerce, la precisión por pedido suele ser la que más se acerca a la experiencia del cliente, ya que un cliente con un artículo equivocado en un pedido de cinco sigue teniendo un problema. Pida a los proveedores que informen de la precisión por pedido o que presenten las tres métricas una junto a otra. Si solo informan por unidades, convierta la cifra con su propia media de líneas y unidades por pedido antes de comparar.

La tasa de pedido perfecto y lo que agrupa

La tasa de pedido perfecto combina varias métricas en una. Una versión habitual multiplica entre sí los porcentajes de entrega a tiempo, pedidos completos, sin daños y con documentación correcta, de modo que una debilidad en cualquier área arrastra a la baja la cifra total. Por ejemplo, cuatro tasas aparentemente respetables del 96 %, 97 %, 99 % y 94 % se multiplican hasta dar una tasa de pedido perfecto del 86,66 %, lo que significa que unos trece de cada cien pedidos fallan en algún punto.

El método de multiplicación tiene un defecto conocido. Cuando los fallos se concentran en los mismos pedidos, multiplicar las tasas de cada componente puede contar un mal pedido como dos fallos, lo que da una tasa de pedido perfecto inferior a la real. Contar directamente los pedidos perfectos es el método más preciso cuando los datos lo permiten, así que pregunte qué método utiliza el proveedor antes de comparar cifras.

La tasa de pedido perfecto también mezcla responsabilidades. En muchos contratos de 3PL, el almacén responde del embalaje y la documentación, mientras que el transportista responde de la entrega a tiempo y de los daños. Ese reparto significa que una mala tasa de pedido perfecto puede reflejar un problema del transportista y no del almacén, así que pida las tasas de cada componente además del total.

Quién cuenta un error, y cuándo

La fuente del recuento de errores importa tanto como la fórmula. Algunos proveedores cuentan los errores detectados internamente, por ejemplo en un control de embalaje, mientras que otros solo cuentan los que notifican los clientes. Si un proveedor solo cuenta errores cuando un cliente reclama, su tasa medida es en realidad una tasa de reclamaciones, ya que muchos clientes que reciben el artículo equivocado nunca lo comunican.

Los benchmarks del sector también utilizan sus propias definiciones. La métrica de precisión de picking de WERC mide la precisión a partir de los errores detectados antes del envío, por ejemplo durante el embalaje, es decir, recoge detecciones internas y no reclamaciones de clientes. Un proveedor que compara su tasa basada en reclamaciones con ese benchmark está comparando dos cosas distintas.

Haga tres preguntas a cualquier proveedor: quién registra los errores, en qué fase, y si los errores notificados por los clientes se verifican y se suman al recuento. La cifra de precisión más útil combina las detecciones internas con las notificaciones verificadas de clientes, de modo que ninguna fuente oculte a la otra.

Cómo es un buen rendimiento

Existen benchmarks de precisión, aunque con matices sobre quién midió qué. Las secciones siguientes presentan los rangos publicados, explican cómo el volumen y la complejidad del catálogo cambian las expectativas y analizan cuánto cuesta lograr la precisión.

Rangos de referencia y sus fuentes

El estudio DC Measures de WERC define el nivel «best in class» como el rendimiento situado en el 20 % superior de todos los participantes. RF-SMART, proveedor de software de almacén, resumió el estudio de 2020 y situó la precisión de picking de referencia en el 99,89 % o más, y señaló cualquier cifra por debajo del 98 % como un área de mejora. Esas cifras proceden de un resumen de 2020, así que consulte la edición actual de WERC antes de basarse en ellas.

Las consultoras publican rangos por tecnología de picking. MWPVL International, consultora de cadena de suministro, sitúa el picking por voz entre 0,3 y 3 errores brutos por cada 1.000 unidades preparadas, lo que equivale a una precisión de picking de aproximadamente el 99,7 % al 99,97 %. Para el pick-to-light indica entre el 99,5 % y el 99,7 %, y para el escaneo por radiofrecuencia, entre el 99,3 % y el 99,5 %. Son cifras de precisión de picking, contadas por unidad preparada, y no auditorías independientes de la precisión de pedidos de los 3PL.

El contexto cambia lo que se considera bueno. Cisco-Eagle, proveedor estadounidense de equipos de manutención, sostiene que preparar correctamente un portátil de 2.000 $ importa más que preparar una bolsa de golosinas de 2 $, y que lo mismo ocurre en sectores regulados como el farmacéutico o la joyería. Nuestra lectura de estas fuentes es que las operaciones de e-commerce bien gestionadas deberían aspirar a una precisión de pedidos del 99,5 % o superior, medida por pedido, y que los mejores operadores la superan.

Cómo el volumen y la complejidad del catálogo cambian las expectativas

Un mismo proveedor puede lograr una precisión distinta con clientes distintos. Una marca con 50 SKU muy diferentes entre sí apenas da a los preparadores ocasión de confundirse, mientras que una marca con 2.000 SKU con embalajes, tallas y colores casi idénticos genera oportunidades constantes de error. La moda, la cosmética en distintos tonos y los recambios pertenecen al grupo más difícil.

El perfil de los pedidos también influye. Los pedidos de un solo artículo ofrecen una oportunidad de error por pedido, y los de diez artículos, diez, por lo que la precisión por pedido baja de forma natural a medida que crece el tamaño de la cesta. Cuando compare la cifra de un proveedor con un benchmark, pregunte qué número de SKU y qué perfil de pedidos hay detrás.

Más pedidos y más SKU significan más oportunidades de preparar el artículo equivocado, pero ese riesgo no es inamovible. Si trabaja con su 3PL en cómo se gestionan sus pedidos, puede eliminar parte de él desde el diseño. 

Por ejemplo, una marca de suplementos para mascotas con la que trabajamos vende suscripciones mensuales. Conocemos de antemano el número de pedidos y los destinatarios, así que preparamos cada caja antes de que lleguen los pedidos. Cuando entran, solo tenemos que imprimir y pegar las etiquetas de envío. Todos los pedidos de suscripción salen el mismo día, con un coste menor que si preparáramos cada pedido al recibirlo, y apenas queda picking en el que pueda haber errores. Pregunte a su proveedor cuáles de sus pedidos son lo bastante previsibles como para prepararlos con antelación.

Cuánto cuesta lograr la precisión

La precisión cuesta dinero, y cada mejora suele costar más que la anterior. Pasar del picking en papel al escaneo elimina una gran parte de los errores con un coste moderado, mientras que perseguir la última fracción de punto porcentual puede implicar revisar dos veces cada pedido. El nivel adecuado depende de lo que le cueste a usted un error.

El ejemplo siguiente es ilustrativo. Supongamos que un escaneo en el puesto de embalaje añade cinco segundos por pedido con un coste laboral total de £18 por hora, lo que supone unos £0,025 por pedido, o £25 por cada 1.000 pedidos. Si reduce los errores de 10 a 3 por cada 1.000 pedidos, y cada error cuesta £8 entre reenvío, producto y gestión, ahorra £56 por cada £25 invertidas. Una segunda revisión completa de 30 segundos en cada pedido añadiría unas £150 por cada 1.000 pedidos para detectar uno o dos errores más, lo que costaría más que los propios errores.

Haga el mismo cálculo con su propio coste por error, que aumenta con el valor del producto, el franqueo y el valor de vida del cliente que está en juego. Las marcas que venden productos caros o regulados justifican más controles que las que venden consumibles de bajo coste.

De dónde vienen los errores

Los errores se originan en cuatro puntos: el picking, la recepción de mercancía, el embalaje y los sistemas. Cada uno produce un tipo de error distinto, y corregir uno apenas ayuda con los demás. Los errores que llegan a los clientes también generan devoluciones, y nuestra guía sobre las devoluciones y su coste analiza el impacto posterior.

Errores de picking

Los errores de picking son los más conocidos: el artículo equivocado, la talla o el color incorrectos, o la cantidad errónea. Suelen deberse a productos de aspecto similar almacenados cerca unos de otros, a etiquetas de ubicación poco claras o a preparadores que trabajan con listas en papel sin un escaneo de confirmación. El cansancio y la presión de tiempo hacen que todos ellos sean más probables.

Los errores de cantidad merecen atención aparte. Un preparador al que se le piden tres unidades puede coger dos o cuatro, sobre todo con artículos pequeños en contenedores a granel. Escanear cada unidad, en lugar de escanear una vez e introducir la cantidad, reduce este tipo de error a cambio de unos segundos por línea.

Errores de recepción y ubicación

Algunos errores comienzan mucho antes del picking. Si en la recepción se registra el SKU, la cantidad o la ubicación equivocados, cada pick posterior de ese stock hereda el error. Un preparador puede seguir el sistema a la perfección y aun así enviar el artículo equivocado, porque el artículo de esa ubicación nunca coincidió con el registro.

Los errores de ubicación funcionan igual. El stock colocado en el hueco equivocado, o mezclado con un SKU similar en la misma ubicación, genera errores que parecen de picking. Los recuentos cíclicos periódicos los detectan a tiempo, y nuestra guía para realizar una auditoría de inventario explica cómo organizarlos.

Errores de embalaje y etiquetado

Los errores de embalaje se producen después de un picking correcto. Dos pedidos embalados en el mismo puesto pueden intercambiar artículos o etiquetas, un folleto puede acabar en el paquete equivocado o una etiqueta puede imprimirse con la dirección incorrecta. Desde el punto de vista del cliente, estos errores son idénticos a los de picking, por lo que el análisis de causas debe distinguirlos.

Los errores de etiquetado también incluyen fallos de transportista y de servicio, como un pedido urgente enviado con un servicio económico. Esos pedidos llegan completos, pero no cumplen las expectativas del cliente. Un escaneo en el puesto de embalaje que compruebe tanto el artículo como la etiqueta de envío con el pedido detecta la mayoría de ellos.

En Gonini, cada marca con la que trabajamos tiene su propio procedimiento de embalaje por escrito, para que cada pedido se corresponda con la experiencia de unboxing que la marca ha diseñado. Las marcas también pueden consultar su stock de embalaje personalizado en nuestro sistema. Cuando los pasos de embalaje de cada marca están por escrito y el embalaje se controla como cualquier otro stock, queda menos margen para el folleto o la caja equivocados.

Errores de sistema y de integración

Algunos errores proceden de los datos, no de las personas. Un producto dado de alta con el código de barras equivocado, una variante asociada al SKU incorrecto o un pedido que se sincroniza dos veces pueden provocar errores que ningún preparador podría evitar. Los sistemas de gestión de almacenes solo funcionan tan bien como los datos que les llegan desde sus canales de venta.

Estos errores suelen aparecer tras un cambio, como el lanzamiento de un nuevo producto, una migración de plataforma o la conexión con un nuevo marketplace. Revise con atención los primeros pedidos tras cualquier cambio y acuerde con su proveedor cómo se atribuyen los errores de sistema, ya que a menudo se deben a los datos de la marca y no al trabajo en el almacén.

Cómo reducen los errores los almacenes

Los almacenes reducen los errores mediante tecnología, distribución y personas. Cada palanca actúa sobre una causa diferente, y los mejores resultados llegan al combinarlas. Las secciones siguientes explican cómo funciona cada una.

Escaneo, verificación y pick-to-light

El escaneo de códigos de barras es la base. Cuando un preparador escanea la ubicación y cada artículo, el sistema puede rechazar un producto incorrecto antes de que salga de la estantería; nuestro artículo sobre códigos de barras e identificación de productos explica cómo funciona. Un segundo escaneo en el puesto de embalaje confirma el pedido antes de cerrar el paquete.

El pick-to-light y el picking por voz guían a los preparadores hasta la ubicación y la cantidad correctas sin papel. Las cifras de las consultoras citadas antes indican que ambos pueden alcanzar una alta precisión de picking, aunque los resultados dependen de lo bien que se configuren y mantengan los sistemas. Nuestra visión general de la tecnología de almacén en uso repasa estas herramientas y dónde encaja cada una.

Los controles de peso añaden una verificación más. Un puesto de embalaje que pesa cada paquete y lo compara con su peso esperado puede detectar artículos que faltan o sobran, algo muy útil en pedidos con varias unidades del mismo producto. Ninguna de estas herramientas elimina por completo los errores, y cada una tiene un coste que debe estar en proporción con los errores que evita.

Slotting y distribución

El slotting decide dónde se ubica cada producto, y un buen slotting separa los artículos que se parecen. Guardar dos tonos del mismo pintalabios en huecos contiguos invita a cometer errores, mientras que colocarlos en pasillos distintos hace que una confusión sea mucho menos probable. Nuestro recorrido por un almacén de pick and pack muestra cómo la distribución condiciona el proceso de picking.

Las etiquetas de ubicación claras, una buena iluminación y un solo SKU por ubicación también ayudan. Situar los productos de alta rotación cerca de la zona de embalaje reduce los desplazamientos y el cansancio, lo que favorece tanto la precisión como la velocidad. El slotting debe revisarse con regularidad a medida que cambian las gamas, porque una distribución pensada para los superventas del año pasado puede generar nuevas confusiones este año.

Formación, plantilla y pérdida de calidad en temporada alta

Los preparadores formados y con experiencia cometen menos errores, y los equipos estables aprenden con el tiempo a conocer los productos de cada cliente. La formación inicial, los cursos de actualización periódicos y el feedback sobre errores individuales contribuyen a la precisión. Los proveedores que registran los errores por preparador pueden orientar la formación donde más se necesita.

La temporada alta pone todo esto a prueba. La precisión suele caer cuando llega el personal temporal, ya que los nuevos preparadores no conocen los productos y trabajan bajo presión para sacar el volumen. Un proveedor que informa de una media anual puede esconder un problema en noviembre tras once meses mejores, así que pida cifras mensuales que incluyan los meses punta y pregunte cómo supervisa el proveedor al personal temporal.

Las marcas también pueden ayudar. Unas imágenes de producto claras, embalajes diferenciados para variantes similares y códigos de barras correctos facilitan el trabajo del preparador, sobre todo en su primera semana. Compartir las previsiones con antelación también permite al proveedor planificar la plantilla de temporada alta en lugar de improvisar.

Qué hacer cuando la precisión empeora

Cuando la precisión empeora, empiece por los datos y no por la frustración. Plantee el problema a través de un gestor de cuenta que pueda escalarlo y aporte datos que muestren una tendencia, no anécdotas aisladas. La lista siguiente indica qué reunir.

• La tasa de error a lo largo del tiempo, por mes o por semana, con la misma definición en cada periodo
• Los casos de error concretos, con números de pedido, fechas, SKU y la naturaleza de cada error
• Fotos o reclamaciones de clientes que confirmen lo que recibieron
• Cualquier patrón por SKU, tipo de producto, día de la semana o turno
• Cambios por su parte, como nuevos productos, códigos de barras o integraciones, que coincidan con el aumento

Con esas pruebas, pida al proveedor un análisis de causas y un plan de corrección por escrito con fechas. Un plazo razonable de corrección depende de la causa: un SKU mal etiquetado puede corregirse en días, mientras que un problema de plantilla o de distribución puede llevar varias semanas. Acuerde cómo medirán la mejora y cuándo la revisarán.

Si la precisión no se recupera en el plazo acordado, el asunto pasa a ser contractual. Revise lo que dice su contrato sobre compromisos de precisión, penalizaciones de servicio y derechos de rescisión, algo que la guía de Gonini sobre los SLA de fulfillment trata en detalle. Algunas marcas fijan un periodo de mejora con objetivos claros antes de decidir si cambiar de proveedor.

Si finalmente decide cambiar, planifique bien la transición, ya que cambiar de proveedor conlleva su propio riesgo de errores durante el traspaso. Nuestra guía para cambiar a otro proveedor explica el proceso paso a paso. Quedarse y resolver el problema suele salir más barato, así que cambie solo cuando los datos demuestren que el proveedor no puede o no quiere mejorar.

Si cambia a un nuevo proveedor

Haga tres preguntas sobre precisión a cada nuevo proveedor y compare las respuestas una junto a otra.

• ¿Qué miden: picks, líneas de pedido o pedidos completos?
• ¿En qué periodo? ¿Puedo ver el desglose y no solo la cifra principal?
• ¿Cómo verifican cada pick? Por ejemplo, ¿escanean un código de barras por cada artículo?

Después, planifique el traslado en sí. Las primeras semanas en un nuevo almacén son las de mayor riesgo, porque el equipo todavía está aprendiendo a conocer sus productos, así que compruebe la precisión cada semana hasta que el nuevo centro se estabilice. 

Si puede, no traslade todo su stock de una vez. Cuando una marca se pasó a Gonini desde un gran 3PL, trasladamos primero la mitad de su stock y configuramos su tienda de Shopify para enviar los pedidos a ambos almacenes a la vez. Los pedidos en nuestro almacén fueron aumentando mientras se agotaba el stock del almacén anterior. La marca siguió vendiendo online durante todo el traslado y no tuvo que pagar por retirar todo su stock del almacén anterior de una sola vez. Nuestra página para marcas que cambian de 3PL explica cómo gestionamos el traslado.

Los límites de las cifras de precisión

La precisión perfecta no es alcanzable, y cualquier proveedor que afirme tener un 100 % o no está midiendo correctamente o no cuenta lo mismo que los demás. Son personas quienes preparan los productos, los sistemas contienen datos imperfectos y, de vez en cuando, las etiquetas acaban en el paquete equivocado. Un objetivo realista es una tasa de error baja, estable y medida con honestidad.

Para la mayoría de las marcas, perseguir la última fracción de punto porcentual cuesta además más que los propios errores. La sección de costes anterior muestra cómo los pasos de verificación se amortizan hasta cierto punto y luego dejan de hacerlo. Fije un objetivo que refleje su propio coste por error, y no la cifra más alta que pueda mostrar una presentación comercial.

La verdad incómoda es que los proveedores declaran sus propias cifras de precisión y a los clientes les resulta difícil verificarlas de forma independiente. Puede auditar muestras, hacer seguimiento de las reclamaciones de clientes y realizar pedidos de prueba, pero rara vez verá todos los errores que el almacén detecta o se le escapan. 

Nuestras propias cifras muestran cómo es una cifra que dice lo que mide. Gonini informa de lo siguiente, y cada elemento cuenta algo distinto.

• Precisión de picking del 99,9 %. Escaneamos un código de barras en cada pick y nuestro propio software registra cada pedido, por lo que la cifra abarca todos los pedidos y no una muestra
• Expedición puntual del 99,5 %. Un pedido cuenta como puntual cuando llegó antes de la hora de corte y lo preparamos, embalamos y entregamos al transportista el mismo día
• Un desglose por línea de pedido, que podemos facilitar a cada marca para cualquier periodo
• Revisiones de tendencias cada 6 semanas y cada 6 meses

La precisión de picking es una métrica distinta del benchmark del 99,5 % de precisión de pedidos mencionado antes en esta guía, y la expedición puntual mide la rapidez, no la precisión. Puede ver cómo funciona el picking en el día a día en nuestra página del servicio de pick and pack.

Lo que sí puede hacer es poner más difícil que se maquillen las cifras. Acuerde por escrito la definición, el denominador y las fuentes de error, pida informes mensuales que incluyan los meses punta y contrástelos con sus propios datos de atención al cliente. Un proveedor dispuesto a compartir ese nivel de detalle suele tener menos que ocultar.

Preguntas frecuentes

¿Cuál es una buena precisión de pedidos para un 3PL?

Una operación de e-commerce bien gestionada debería alcanzar una precisión de pedidos de alrededor del 99,5 % o superior, medida por pedido.

¿Cómo se calcula la precisión de pedidos?

Pedidos sin errores divididos entre el total de pedidos, multiplicado por 100. Las versiones por línea y por unidad dan cifras más altas. Consulte nuestra guía sobre los KPI logísticos para conocer métricas relacionadas.

¿Qué diferencia hay entre la precisión de pedidos y la tasa de pedido perfecto?

La tasa de pedido perfecto añade la entrega a tiempo, el estado del envío y la documentación. Consulte qué significa OTIF (On Time In Full) para una métrica relacionada.

¿Qué causa la mayoría de los errores de picking?

Productos parecidos almacenados juntos, etiquetas poco claras y picks sin escanear. Lea cómo funciona el pick and pack para conocer los fundamentos.

¿Baja la precisión en temporada alta?

A menudo sí, con la llegada del personal temporal. Consulte cómo planificar la temporada alta y pida cifras mensuales.

¿Puedo verificar de forma independiente las cifras de precisión de mi 3PL?

Solo en parte. Los pedidos de prueba, las auditorías por muestreo y sus propios datos de reclamaciones ayudan. Haga un seguimiento mensual junto con los KPI que conviene seguir con un 3PL.

‍