FreeScout中处理亚马逊客户消息重复创建工单的解决方案
2025-06-25 11:40:05作者:幸俭卉
问题背景
在使用FreeScout作为亚马逊卖家中心(SellerCentral)的客户支持系统时,发现一个常见的技术问题:当亚马逊客户对已有工单进行回复时,系统没有正确地将新消息关联到原有工单,而是创建了全新的工单。这种情况会导致客户支持流程混乱,影响工作效率和客户体验。
问题分析
该问题的核心在于FreeScout默认的消息处理机制无法正确识别来自亚马逊平台(@marketplace.amazon.de域名)的客户回复消息与已有工单的关联性。这种问题通常出现在以下场景:
- 亚马逊平台的消息传递机制可能使用了特殊的邮件头或格式
- 系统默认的会话匹配逻辑无法识别亚马逊特有的消息标识
- 客户回复时可能改变了原始消息的引用结构
技术解决方案
针对这一问题,可以通过FreeScout的过滤器钩子(Filter Hook)机制来自定义消息处理逻辑。以下是实现方案的核心代码和解释:
\Eventy::addFilter('conversation.created_by_customer', function ($conversation, $thread, $customer) {
// 检查是否是来自亚马逊的消息
if (!empty($thread) && $thread->from && strpos($thread->from, '@marketplace.amazon.de') !== false) {
$mailbox = $conversation->mailbox;
// 查找同一客户的历史会话
$prev_conversations = $mailbox->conversations()
->where('customer_id', $customer->id)
->where('id', '<>', $conversation->id)
->where('status', '!=', Conversation::STATUS_SPAM)
->where('state', Conversation::STATE_PUBLISHED)
->orderBy('created_at', 'desc')
->get();
// 合并历史会话到当前会话
foreach ($prev_conversations as $prev_conversation) {
// 转移所有历史会话的线程
foreach ($prev_conversation->threads as $thread) {
$thread->conversation_id = $conversation->id;
$thread->setMeta(Thread::META_PREV_CONVERSATION, $prev_conversation->id);
$thread->save();
}
// 处理附件标记
if ($prev_conversation->has_attachments && !$conversation->has_attachments) {
$conversation->has_attachments = true;
$conversation->save();
}
// 处理星标状态转移
$mailbox_star_folders = Folder::where('mailbox_id', $prev_conversation->mailbox_id)
->where('type', Folder::TYPE_STARRED)
->get();
$conv_star_folder_ids = ConversationFolder::select('folder_id')
->whereIn('folder_id', $mailbox_star_folders->pluck('id'))
->where('conversation_id', $prev_conversation->id)
->pluck('folder_id');
foreach ($conv_star_folder_ids as $conv_star_folder_id) {
$folder = $mailbox_star_folders->find($conv_star_folder_id);
if ($folder->user) {
$conversation->star($folder->user);
$prev_conversation->unstar($folder->user);
}
}
// 删除旧会话并更新计数器
$prev_conversation->delete();
$mailbox->updateFoldersCounters();
if ($conversation->mailbox_id != $prev_conversation->mailbox_id) {
$prev_conversation->mailbox->updateFoldersCounters();
}
}
}
return $conversation;
}, 20, 3);
实现原理
-
消息来源识别:通过检查发件人地址中的'@marketplace.amazon.de'域名来识别亚马逊客户消息
-
历史会话查找:查询同一客户在同一邮箱中的所有非垃圾、已发布的会话记录
-
数据合并:
- 将所有历史会话的线程(Thread)转移到新会话中
- 保留附件标记
- 转移星标状态
- 更新文件夹计数器
-
清理工作:删除已合并的旧会话,避免数据冗余
部署建议
-
将此代码添加到FreeScout的自定义代码区域(通常位于
app/Http/Controllers/Custom/目录下) -
建议在非生产环境先进行测试,验证合并逻辑的正确性
-
对于大型系统,可能需要优化查询性能,特别是当客户有大量历史会话时
-
考虑添加日志记录,便于排查可能的合并问题
注意事项
-
此解决方案针对德国亚马逊(.de域名),如需适配其他地区,需相应调整域名检测逻辑
-
合并操作是不可逆的,建议在执行前确保有完整的数据备份
-
对于特别重要的会话,建议先手动验证合并效果
-
系统升级时需检查此自定义代码的兼容性
通过实现这一解决方案,可以有效解决亚马逊客户消息重复创建工单的问题,提升客户支持系统的效率和用户体验。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
184
196
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
648
265
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
275
97
暂无简介
Dart
623
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.43 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1