Разработка бота для ответов на вопросы на маркетплейсах

Разработка бота для ответов на вопросы на маркетплейсах

Каждый день продавцы на Ozon, Wildberries и Яндекс.Маркет получают десятки однотипных запросов: наличие, размер, сроки доставки. Ручной ответ на каждый занимает 2-3 минуты, а на 50 вопросов уходит 2 часа. При ручной обработке легко пропустить вопрос или ответить с ошибкой, что снижает доверие покупателей. Автоматизация снимает эту нагрузку и позволяет менеджерам сосредоточиться на сложных запросах. Мы разрабатываем ботов с LLM-обработкой, которые отвечают на стандартные вопросы за секунды и эскалируют нестандартные менеджеру. Это сокращает время реакции с 4 часов до 30 секунд и повышает конверсию на 15-20%.

Почему автоматизация вопросов окупается?

Часы, потраченные на однотипные ответы, можно направить на развитие ассортимента и маркетинг. Бот работает круглосуточно, не болеет и не требует отпуска — каждый пропущенный вопрос упускает продажу. Клиенты, получившие быстрый ответ, чаще оставляют заказы и возвращаются снова.

Архитектура обработки вопросов

Бот опрашивает API маркетплейса каждые 60 секунд или принимает webhook-уведомления. Для каждого вопроса запускается классификация: он сравнивается с базой шаблонов (косинусное сходство эмбеддингов). Если сходство выше 0.9 — отправляется готовый ответ. Если ниже — в дело вступает LLM.

Мы используем gpt-4o-mini или аналогичные модели с температурой 0.3 для генерации ответа на основе базы знаний продавца. Подробнее о возможностях — в OpenAI API. Дополнительный запрос к LLM оценивает уверенность: если она ниже 0.85, вопрос эскалируется в Telegram-чат менеджеру.

Получение вопросов через API маркетплейса

# Ozon Seller API — получение новых вопросов import httpx class OzonQAClient: def __init__(self, client_id: str, api_key: str): self.headers = { 'Client-Id': client_id, 'Api-Key': api_key, } def get_unanswered_questions(self) -> list: resp = httpx.post( 'https://api-seller.ozon.ru/v1/qa/list', headers=self.headers, json={'status': 'without_answer', 'page_size': 50} ) return resp.json().get('result', {}).get('questions', []) def reply(self, question_id: str, answer_text: str) -> bool: resp = httpx.post( 'https://api-seller.ozon.ru/v1/qa/answer/seller', headers=self.headers, json={'question_id': question_id, 'text': answer_text} ) return resp.status_code == 200 

Почему LLM лучше только шаблонов?

LLM позволяет обрабатывать вопросы, которых нет в базе, и формулировать ответы естественным языком, сохраняя единый tone of voice.

Классификация и генерация ответа

from openai import OpenAI client = OpenAI() FAQ_CONTEXT = """ Вы — помощник продавца на маркетплейсе. База знаний: - Доставка: 3-7 дней по России, СДЭК или Почта России - Гарантия: 12 месяцев на все товары - Возврат: в течение 14 дней - Оплата: картой, СБП, наличными при получении """ def generate_answer(question: str, product_info: dict) -> dict: system_prompt = FAQ_CONTEXT + f"\n\nТовар: {product_info['name']}\n{product_info['description']}" response = client.chat.completions.create( model='gpt-4o-mini', messages=[ {'role': 'system', 'content': system_prompt}, {'role': 'user', 'content': question}, ], temperature=0.3, ) answer = response.choices[0].message.content # Определяем уверенность через отдельный запрос confidence = classify_confidence(question, answer) return { 'answer': answer, 'confidence': confidence, # 0.0 — 1.0 'auto_send': confidence >= 0.85 } 

Эскалация на менеджера

Вопросы с низкой уверенностью бота идут на проверку:

if not result['auto_send']: # Отправляем менеджеру в Telegram с кнопками await telegram.send_message( chat_id=MANAGER_CHAT, text=f"❓ Вопрос по товару \"{product['name']}\"\n\n" f"Вопрос: {question}\n\n" f"Предлагаемый ответ:\n{result['answer']}", reply_markup=InlineKeyboardMarkup([[ InlineKeyboardButton("✅ Отправить", callback_data=f"approve:{question_id}"), InlineKeyboardButton("✏️ Изменить", callback_data=f"edit:{question_id}"), ]]) ) 

Пошаговая настройка бота

1. Интеграция с API маркетплейса — подключаемся к Ozon Seller API или Wildberries API.
2. Загрузка базы знаний — вы предоставляете типовые вопросы и ответы, мы настраиваем эмбеддинги.
3. Выбор LLM-модели — обычно gpt-4o-mini или claude-3-haiku, оптимальные по цене и качеству.
4. Настройка порогов уверенности — вы определяете, при какой вероятности бот отвечает сам, а при какой эскалирует.
5. Развёртывание на сервере или облачной функции — используем Docker или serverless.
6. После развёртывания проводится нагрузочное тестирование для проверки стабильности.

Что входит в работу

• Разработка и интеграция модуля сбора вопросов через API маркетплейса.
• Настройка классификатора и LLM-генерации с вашей базой знаний.
• Реализация эскалации в Telegram с кнопками одобрения/редактирования.
• Документирование архитектуры и инструкция по эксплуатации.
• Передача доступов к серверу, API-ключам и исходному коду.
• Обучение вашей команды: как обновлять шаблоны, менять пороги, добавлять новых менеджеров.
• Техническая поддержка в течение месяца после запуска.
• Настройка мониторинга и алертов при сбоях.

Что ещё даёт этот подход?

Помимо автоматизации, бот собирает статистику вопросов, выявляет частые проблемы товаров и помогает улучшить карточки. Например, если 10% вопросов касаются размера, стоит добавить таблицу размеров.

Сравнение платформ по API-возможностям

Выбор платформы влияет на сложность интеграции; например, Wildberries не поддерживает ответы с изображениями, что ограничивает возможности.

Сроки

Базовая версия для одного маркетплейса с Telegram-эскалацией: 5–8 рабочих дней. Если требуется поддержка нескольких маркетплейсов, сложная логика или интеграция с CRM, срок может увеличиться до 14–20 дней.

Как начать?

Оценим ваш проект бесплатно — свяжитесь с нами. Мы уточним, какие маркетплейсы используете, объём вопросов и требования к базе знаний. Задача решается под ключ: от аналитики до запуска и обучения вашей команды.

Опыт нашей команды — более 5 лет в интеграциях с маркетплейсами и LLM. Мы гарантируем, что бот будет обрабатывать не менее 80% вопросов автоматически. Получите консультацию инженера по вашему проекту.

Маркетплейс API (polling / webhook)
    ↓
Question Classifier
    ↙             ↘
Шаблонный ответ   LLM-генерация
(FAQ-база)        (OpenAI / Claude)
    ↓                    ↓
Auto-Reply          Проверка менеджером
    ↓
Marketplace API → Отправка ответа