書店預訂調書追蹤流

🎯 這條流程解決什麼

對獨立書店來說，調書與預訂是維繫熟客最重要的一塊服務。客人想要的書架上沒貨，願意等你從供應商調，這份信任很珍貴，卻也最容易在忙亂中破功。真正的痛點在於：需求進來的管道太分散。有人打電話報書名，有人用 LINE 丟一張封面照，有人到櫃台寫在便利貼上，還有人只記得「那本講宋朝的歷史書」。櫃台人員當下抄在筆記本或便條紙，忙完一波客人後常常忘了輸入系統，或是字跡潦草連自己都看不懂。

接著是比對庫存與供應商。店員得切到經銷商後台一筆筆查，確認這本是現貨可調、還是絕版要等再版、或要轉向另一家中盤。查完還要記得哪天該追、到貨後該通知誰。一家中型獨立書店一週累積三、四十筆調書並不誇張，純人工處理，光是「抄單、查貨、記得通知、追逾期」這四件事，每天就要吃掉櫃台一到兩小時。更糟的是漏單：客人等了兩週沒消息跑來問，店員一臉茫然，這種尷尬一次就足以流失一位老主顧。書到了客人卻遲遲不來取，佔著進貨成本與架位，月底盤點才發現一疊沒人領的書，又是一筆壓在現金流上的呆帳。

導入後的改變

導入前，調書全靠人腦與便條紙：平均每筆從接單到通知要經手三到四個步驟，漏通知率憑經驗抓大概一成,逾期未取的書要靠月底盤點才揪得出來。導入後，每筆需求一進來就自動建檔、自動比對、自動通知、自動追逾期，櫃台只需要在關鍵節點做人工確認。

以一週三十五筆調書估算，原本約需櫃台投入七到十小時處理，導入後可壓到二到三小時，省下約七成的行政工時，這些時間能還給現場選書推薦與客人互動——對獨立書店而言，這正是它對抗網路書店的核心價值。漏單率因為「進來就建檔」幾乎歸零；逾期未取因為系統會自動分段提醒，領取率通常能提升兩到三成，連帶降低積壓在架上的調書庫存成本。客人收到主動的到貨通知，會明顯感覺「這家店有把我的事放在心上」，回流意願自然提高。

流程怎麼運作

整條流程對應 frontmatter 裡的五個節點，逐步如下：

1. 觸發：預訂需求（📥） ── 客人透過官網預訂表單、或 LINE 官方帳號傳訊息提出調書、預訂需求時，流程自動啟動。不管是結構化的表單欄位，還是一句口語「幫我調這本」，都能進入下一步。

2. AI 解析書目（🧠） ── AI 解析節點從訊息中抽取書名、ISBN、出版社、數量與客人聯絡方式。即使客人只給了模糊書名或一張封面文字，AI 也能整理成標準書目欄位，並標出「資訊不足、需人工補查」的情況。

3. 建檔比對庫存（📋） ── 解析後的資料寫入 Google Sheet 或庫存系統建檔，同時比對現有庫存與供應商狀態，把每筆標記為「現貨可調」「需向中盤訂購」或「絕版／待再版」，並設定預計到貨日。

4. 到貨通知取書（📦） ── 當庫存狀態更新為已到貨，系統自動透過 LINE 發送通知，告訴客人書名、可取書日期與門市地點，並附上保留期限。

5. 逾期追蹤提醒（🔔） ── 超過保留期限仍未取書，系統按設定的節奏（例如第三天、第七天）再次溫和提醒客人，同時把名單推給店員人工跟進，決定是否續留或上架販售。

需要的工具與串接重點

平台用 n8n 或 Make 當中樞。預訂表單（Google 表單或官網表單）與 LINE 官方帳號是兩個入口，透過 Webhook 把訊息送進流程。AI 解析節點負責把自然語言轉成結構化書目欄位，建議在 prompt 裡明確要求輸出 ISBN、書名、數量、聯絡方式四個欄位，缺漏時回傳空值而非亂猜。Google Sheet 同時當作建檔資料庫與簡易看板，每筆狀態（待查／可調／已訂購／已到貨／已取／逾期）用一欄管理，方便篩選。庫存系統若有 API 就直接串，沒有的話用 Google Sheet 維護一份對照表也夠用。

串接重點有三：一是 LINE 推播要綁定客人的 user ID 而非手機號，避免發錯人；二是狀態更新最好用單一欄位驅動，避免多處重複維護導致不一致；三是預留一個「人工確認」開關欄位，重要或高價書籍在外發通知前先讓店員過目。想了解更多 Email 解析與多來源彙整的設計手法，可參考 /recipes 裡的配方，並把這條流程接進你的 /automation 自動化藍圖。

常見錯誤與注意事項

• 個資保護是紅線：客人姓名、電話、LINE 帳號屬個人資料，蒐集與使用前應取得同意、僅限調書用途，並設定保存期限定期清除。通知訊息不應夾帶其他行銷內容，除非另外取得行銷同意。
• AI 解析不等於最終答案：AI 可能把相似書名或不同版本搞混，特別是再版、套書、限量版。建檔後務必由店員快速核對 ISBN 是否正確，再向供應商下單，AI 不取代人工的最終核對。
• 金額與訂金需人工確認：涉及預收訂金、預付款的調書，金流環節務必由店員人工確認金額與退費規則，系統僅做提醒，不直接處理收款判斷。
• 逾期書的處置要有規則：保留期限、是否退訂金、何時上架，這些決定牽涉店家政策與客人權益，應由人工依個案判斷，避免系統機械式刪單。

台灣中小企業情境案例

台南一家經營十二年的獨立人文書店，老闆原本用一本厚厚的「調書簿」管理預訂，每週約四十筆。最頭痛的是週末人潮一來，店員抄完單忘了輸入，月底常有客人抱怨「我訂的書咧」。導入這條流程後，客人改用書店 LINE 官方帳號傳書名或封面照，AI 自動解析建檔，到貨即時通知。三個月下來，漏單客訴從每月七、八件降到接近零，調書逾期未取的書量少了將近一半，因為系統會主動催領。老闆說最有感的不是省時間，而是「客人覺得我們很細心」，幾位原本只逛網路書店的客人，因為調書體驗好，開始固定回店裡買新書。

延伸應用

這條流程的骨架可以延伸出很多變化。把「到貨通知」改成「新書到櫃通知」，就能依客人過去調書的主題自動推薦同類新書，變成輕量的選書服務。串接 庫存盤點與進銷存 流程，調書銷量能回流進補貨判斷，熱門被調的書可以考慮直接進現貨。也能加一層「同書多人預訂」偵測，當同一本被好幾位客人調，自動提醒店家不妨多進幾本擺上推薦桌。若書店有辦講座或讀書會，可把調書名單依主題分群，活動時做精準邀約。更多可串接的自動化模組與配方，都收在 /automation 與 /recipes 裡，能一塊塊組成你自己的書店營運系統。

流程圖

用到的工具

更多「零售商店」工作流

瀏覽全部工作流藍圖 → 自動化工作流中心 → AI Skills 食譜庫 →