Метод автоматизованої інтеграції маркетплейсів електронної комерції з поштовими системами для централізованої обробки клієнтських повідомлень і оптимізації бізнес-процесів за допомогою мовних моделей штучного інтелекту
Вантажиться...
Дата
2025
Назва журналу
Номер ISSN
Назва тому
Видавець
Хмельницький національний університет
Анотація
Зростання обсягу звернень через різноманітні канали комунікації (email, месенджери, внутрішні системи
повідомлень платформ) створює значне навантаження на служби підтримки, що призводить до затримок у
відповідях та зниження задоволеності клієнтів. У більшості випадків звернення є текстовими, часто
повторюваними й відносяться до типових сценаріїв, які можна автоматизувати. У відповідь на ці виклики
запропоновано комплексний метод об’єднання вхідних повідомлень у єдиний потік електронної пошти з
наступною автоматизованою обробкою. У роботі розглянуто метод інтеграції eCommerce-маркетплейсів із
традиційними поштовими сервісами для централізованої обробки клієнтських повідомлень.
Метод базується на централізованій email-агрегації повідомлень, отриманих із маркетплейсів (зокрема Amazon, eBay, Etsy), що надсилаються на віртуальні адреси продавців. Після надходження повідомлення система автоматично виконує попередню класифікацію звернення, визначаючи його тип. Класифікація здійснюється за допомогою мовної моделі (LLM), яка здатна аналізувати не лише поточний текст запиту, а й історію діалогу. Система автоматично формує відповідь, що базується на контексті діалогу, інформації про замовлення, заздалегідь підготовлених шаблонах та базі знань продавця.
У статті також описано прототип реалізованої системи, який було протестовано з реальними повідомленнями клієнтів на маркетплейсах. Вхідні листи було класифіковано з точністю ~95%, а близько 60% запитів були повністю автоматично оброблені без участі людини. Внаслідок цього середній час відповіді знизився у 5–6 разів, а загальне навантаження на службу підтримки зменшилося на понад 60%.
Результати дослідження доводять доцільність методу, демонструючи реальну економію ресурсів і збільшення швидкості обслуговування клієнтів. Запропонований метод має всі підстави стати новим стандартом для автоматизації служби підтримки в умовах зростаючого інформаційного навантаження на бізнес.
This paper presents a method for integrating eCommerce marketplaces with traditional email services to enable centralized processing of customer messages using language models. The growing volume of inquiries across multiple communication channels (email, messaging apps, internal platform systems) places significant strain on customer support teams, leading to response delays and reduced customer satisfaction. In most cases, these inquiries are textual, often repetitive, and fall into common scenarios that can be automated. In response to these challenges, we propose a comprehensive approach that consolidates incoming messages into a unified email flow, where they are automatically processed. The method relies on centralized aggregation of messages sent by marketplaces (e.g., Amazon, eBay, Etsy) to seller-specific email addresses. Upon receiving a message, the system performs automatic classification to determine the type of inquiry (e.g., “delivery question,” “product complaint,” “refund request”). This classification is carried out by an LLM that analyzes both the current message and its conversation history. Based on the identified category, the system either generates a fully automated response (for common questions such as delivery tracking or return policy) or forwards a draft reply to a human operator for review and customization. A key feature of the system is its ability to summarize long message threads using a dedicated summarization module. This prevents token overflow and keeps the model focused on the most relevant facts. The generated response includes context such as order details (retrieved via API) and support knowledge base articles. If the model exhibits high confidence, the reply is sent automatically to the customer. In more complex or uncertain cases, the message is escalated to a human support agent. A prototype of the system was implemented and tested using real-world customer messages from marketplaces. The model achieved ~95% classification accuracy across predefined categories, and ~60% of inquiries were resolved automatically without human intervention. As a result, the average response time for typical requests was reduced by a factor of 5–6, and the overall workload on support staff decreased by more than 60%. The proposed solution holds practical potential beyond eCommerce, including application in banking, telecommunications, healthcare, and any domain where high volumes of text-based customer interactions occur. The architecture supports modular extensions, multilingual support, and integration with live chat and messaging services. Future work will focus on expanding the system’s capabilities, including continuous learning from past interactions, more robust fallback mechanisms, and better confidence estimation. As the volume of digital communications continues to grow, the presented approach offers a path toward next-generation.
This paper presents a method for integrating eCommerce marketplaces with traditional email services to enable centralized processing of customer messages using language models. The growing volume of inquiries across multiple communication channels (email, messaging apps, internal platform systems) places significant strain on customer support teams, leading to response delays and reduced customer satisfaction. In most cases, these inquiries are textual, often repetitive, and fall into common scenarios that can be automated. In response to these challenges, we propose a comprehensive approach that consolidates incoming messages into a unified email flow, where they are automatically processed. The method relies on centralized aggregation of messages sent by marketplaces (e.g., Amazon, eBay, Etsy) to seller-specific email addresses. Upon receiving a message, the system performs automatic classification to determine the type of inquiry (e.g., “delivery question,” “product complaint,” “refund request”). This classification is carried out by an LLM that analyzes both the current message and its conversation history. Based on the identified category, the system either generates a fully automated response (for common questions such as delivery tracking or return policy) or forwards a draft reply to a human operator for review and customization. A key feature of the system is its ability to summarize long message threads using a dedicated summarization module. This prevents token overflow and keeps the model focused on the most relevant facts. The generated response includes context such as order details (retrieved via API) and support knowledge base articles. If the model exhibits high confidence, the reply is sent automatically to the customer. In more complex or uncertain cases, the message is escalated to a human support agent. A prototype of the system was implemented and tested using real-world customer messages from marketplaces. The model achieved ~95% classification accuracy across predefined categories, and ~60% of inquiries were resolved automatically without human intervention. As a result, the average response time for typical requests was reduced by a factor of 5–6, and the overall workload on support staff decreased by more than 60%. The proposed solution holds practical potential beyond eCommerce, including application in banking, telecommunications, healthcare, and any domain where high volumes of text-based customer interactions occur. The architecture supports modular extensions, multilingual support, and integration with live chat and messaging services. Future work will focus on expanding the system’s capabilities, including continuous learning from past interactions, more robust fallback mechanisms, and better confidence estimation. As the volume of digital communications continues to grow, the presented approach offers a path toward next-generation.
Опис
Ключові слова
eCommerce, електронна пошта (email), конструювання програмного забезпечення, маркетплейс, автоматизація клієнтської підтримки, electronic mail (email), software design, marketplace, customer support automation
Бібліографічний опис
Жереб Д. Метод автоматизованої інтеграції маркетплейсів електронної комерції з поштовими системами для централізованої обробки клієнтських повідомлень і оптимізації бізнес-процесів за допомогою мовних моделей штучного інтелекту / Д. Жереб, Н. Праворська // Herald of Khmelnytskyi National University. Technical Sciences. – 2025. – Vol. 357, No. 5.1. – P. 387-391.