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 11:03:46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
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
570
3.85 K
Ascend Extension for PyTorch
Python
386
458
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++
894
680
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
354
212
昇腾LLM分布式训练框架
Python
120
146
暂无简介
Dart
805
198
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
12
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
🎉 (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
1.37 K
781