Автоматическая обработка отзывов на маркетплейсах: бот для автоответов

Продавец на Ozon теряет до 30% позиций из-за низкого процента ответов на отзывы. Ручная обработка 500 отзывов в месяц отнимает 40 часов работы менеджера. Наш бот сокращает это время до 2 часов и поднимает рейтинг карточек. Платформы учитывают процент отвеченных отзывов при ранжировании — это прямо влияет на продажи. Мы разработали бота, который автоматизирует три задачи: получение новых отзывов, генерацию ответов и публикацию через API. Это позволяет отвечать на 95% отзывов в течение 2 часов без участия человека.

Почему автоматизация отзывов критична для продавца?

Системы ранжирования маркетплейсов учитывают не только средний рейтинг, но и активность продавца. Высокий процент ответов (более 90%) даёт преимущество в выдаче. Наши клиенты отмечают рост позиций карточек на 20-30% после внедрения бота. Кроме того, автоматизация исключает человеческий фактор: просроченные ответы, шаблонные фразы, игнорирование нейтральных отзывов. По данным исследований, магазины с автоматическим ответами на 40% реже получают негативные отзывы.

Как бот обрабатывает негативные отзывы?

Архитектура строится на очереди задач: Cron запускает опрос API каждого маркетплейса. Если рейтинг 4-5 — отзыв отправляется в GPT-генератор или шаблонную систему. Если рейтинг 1-3 — уходит в очередь ручного ответа с уведомлением менеджера через Telegram. Такой подход гарантирует, что каждый негативный отзыв получит персонализированный ответ без задержек. Ниже — логика на примере Ozon:

class OzonReviewApiClient {
    private string $clientId;
    private string $apiKey;
    private string $baseUrl = 'https://api-seller.ozon.ru';

    public function getUnprocessedReviews(): array {
        $response = Http::withHeaders([
            'Client-Id' => $this->clientId,
            'Api-Key' => $this->apiKey,
            'Content-Type' => 'application/json',
        ])->post("{$this->baseUrl}/v1/review/list", [
            'processed' => false,
            'with_text' => true,
            'page' => 1,
            'page_size' => 100,
        ]);

        return $response->json('result.reviews', []);
    }

    public function replyToReview(string $reviewId, string $text): bool {
        $response = Http::withHeaders([
            'Client-Id' => $this->clientId,
            'Api-Key' => $this->apiKey,
            'Content-Type' => 'application/json',
        ])->post("{$this->baseUrl}/v1/review/comment/create", [
            'review_id' => $reviewId,
            'text' => $text,
        ]);

        return $response->successful();
    }
}

Генератор ответов: шаблоны и GPT

Мы предлагаем два подхода к генерации. Первый — шаблонный: для отзывов с рейтингом 4-5 выбирается случайный шаблон с персонализацией (имя, товар). Второй — через GPT (gpt-4o-mini) для максимальной уникальности. Допустимо комбинировать: шаблоны для простых товаров, GPT для премиум-сегмента. GPT-подход в 5 раз быстрее формирует уникальные ответы по сравнению с ручным написанием.

class TemplateResponseGenerator {
    private array $positiveTemplates = [
        "Спасибо за отзыв, {author}! Рады, что {product_short} вам понравился. Будем рады видеть вас снова!",
        "{author}, благодарим за оценку! Приятно слышать положительные слова о {product_short}.",
        "Спасибо, {author}! Ваш отзыв очень важен для нас. Желаем приятного использования {product_short}!",
    ];

    private array $neutralTemplates = [
        "Спасибо за отзыв, {author}. Если у вас возникнут вопросы по {product_short} — обращайтесь в нашу поддержку.",
    ];

    public function generate(ReviewDTO $review): string {
        $templates = $review->rating >= 4 ? $this->positiveTemplates : $this->neutralTemplates;
        $template = $templates[array_rand($templates)];

        return str_replace(
            ['{author}', '{product_short}'],
            [$review->author, $this->shortProductName($review->productName)],
            $template,
        );
    }
}

GPT-подход даёт более живые ответы, но требует больше вычислительных ресурсов. Мы используем temperature 0.8 и строгий system prompt, исключающий обещания скидок и ссылки.

class GptResponseGenerator {
    public function generate(ReviewDTO $review): string {
        $response = $this->openai->chat()->create([
            'model' => 'gpt-4o-mini',
            'messages' => [
                [
                    'role' => 'system',
                    'content' => implode("\n", [
                        'Ты — специалист поддержки интернет-магазина. Пишешь ответ на отзыв покупателя.',
                        'Требования: 1–3 предложения. Без канцелярита. Называй покупателя по имени если оно есть.',
                        'Если плюсы — поблагодари. Нейтральный — поблагодари и предложи помощь.',
                        'Никаких обещаний скидок и конкретных дат.',
                    ]),
                ],
                [
                    'role' => 'user',
                    'content' => "Товар: {$review->productName}\nРейтинг: {$review->rating}/5\nАвтор: {$review->author}\nОтзыв: {$review->text}",
                ],
            ],
            'max_tokens' => 150,
            'temperature' => 0.8,
        ]);

        return $response->choices[0]->message->content;
    }
}

Сравнение шаблонного и GPT-подхода

Job-система и контроль качества

Обработка отзыва происходит в очереди через Laravel Horizon с тремя попытками. Перед публикацией ответ проходит валидацию: проверяется длина (20-1000 символов), отсутствие ссылок и упоминаний конкурентов. Если ответ не проходит — генерируется исключение, и отзыв помечается для ручной проверки.

class ProcessMarketplaceReviewJob implements ShouldQueue {
    public int $tries = 3;

    public function handle(
        TemplateResponseGenerator $templateGen,
        GptResponseGenerator $gptGen,
        ReviewPublisher $publisher,
        ReviewAlertService $alerts,
    ): void {
        $review = $this->review;

        if ($review->rating <= 3) {
            $alerts->urgentReviewAlert($review);
            return;
        }

        $text = config('reviews.use_gpt')
            ? $gptGen->generate($review)
            : $templateGen->generate($review);

        $success = $publisher->publish($review->platform, $review->externalId, $text);

        if (!$success) {
            throw new \RuntimeException("Failed to publish reply to {$review->platform}");
        }

        Review::where('external_id', $review->externalId)
            ->update([
                'reply_text' => $text,
                'reply_published_at' => now(),
                'is_processed' => true,
            ]);
    }
}

Метрики эффективности

Что входит в работу

• Разработка API-клиентов для Ozon, Wildberries, Яндекс.Маркет (под ключ).
• Настройка генерации ответов (шаблоны или GPT).
• Система очередей и уведомлений (Telegram).
• Валидация ответов и обработка ошибок.
• Dashboard с метриками (Laravel Horizon + Google Data Studio).
• Техническая документация и передача доступов.

Пошаговая настройка бота

1. Анализ требований: определяем маркетплейсы, объём отзывов, предпочитаемый метод генерации.
2. Разработка API-клиентов: создаём модули для каждого маркетплейса.
3. Интеграция генератора: шаблонный или GPT — настраиваем под бизнес-логику.
4. Настройка очередей: Laravel Horizon для фоновой обработки.
5. Тестирование: под нагрузкой до 1000 отзывов в день.
6. Деплой: на ваш сервер или облако.
7. Мониторинг: метрики, алерты, поддержка.

Сроки реализации

• Ozon API клиент + шаблонный генератор: 1 день
• Wildberries + Яндекс.Маркет API: +1 день
• GPT-генератор + валидатор: 1 день
• Job-система + очередь ручных ответов: 0.5 дня
• Telegram-уведомления + метрики: 0.5 дня

Итого: 3–4 рабочих дня. Мы гарантируем прозрачный код и поддержку после внедрения. Наша компания имеет 5 лет опыта в разработке и более 100 выполненных проектов. Свяжитесь с нами, чтобы получить консультацию и оценку вашего проекта. Закажите разработку сейчас и начните получать преимущества от автоматизации.