咖啡廳評論回覆自動草稿流

🎯 這條流程解決什麼

對一間獨立咖啡廳來說，Google 商家頁面、Instagram 與 Facebook 上的評論，幾乎等於店面的第二個門面。正在猶豫要不要走進來的客人，常常會先滑一下你的星等與最近幾則留言。問題是：一則沒被回應的負評，看起來就像「店家不在乎」，足以讓一個本來要來的客人轉身去隔壁；而正評沒有道謝，也錯失了把滿意客人變成回頭客的機會。

更現實的痛點是時間成本。店長白天要顧吧台、盯出餐、排班、進貨，根本沒空一直刷手機看有沒有新評論。實際上多數小店是「想到才看一次」，平均一則評論要拖兩三天才被發現，負評更常常被埋在後面看不到。若要認真做，等於每天得撥出 30 到 45 分鐘輪流檢查三個平台、逐則閱讀、再一字一句想怎麼回——一個月下來就是 15 到 20 小時的隱形人力，換算下來足以多排半個班次的人手。對人力本就吃緊的小店，這是奢侈。

這條流程要解決的就是「看不到、來不及、不知道怎麼回」這三件事：讓新評論自動被抓取、由 AI 判斷情緒與主題、起草帶溫度的客製回覆草稿，並把負評優先推給店長，正評快速致謝、負評即時止血。

導入後的改變

導入前，評論處理是被動且零散的：靠記性、靠空檔、靠心情。一週可能漏看一半的評論，負評往往等到客人在群組轉貼截圖才驚覺。回覆品質也飄忽，忙的時候只丟一句「謝謝」，閒的時候又寫得太長，整體看起來缺乏一致的品牌語氣。

導入後，評論變成一條穩定的處理流水線。各平台一有新評論，系統幾分鐘內就抓進來、分好類、備好草稿。店長只需要在 LINE 或 Slack 收到推播時花十幾秒掃一眼、確認語氣後送出。實務上可以期待：評論的平均回應時間從兩三天縮短到當天內，負評幾乎不再漏接；店長每天花在「巡邏評論」的時間從 30 至 45 分鐘壓到 5 到 10 分鐘，等於省下七到八成的人工。當回覆率與回覆速度都提升，Google 商家的互動訊號也更健康，長期有助於本地搜尋的能見度。粗估每月省下 12 至 16 小時，同時把「漏回負評」這個最傷口碑的破口堵住。

流程怎麼運作

這條流程對應 frontmatter 裡的五個節點，依序運作：

1. 觸發：新評論（🔍）——透過 Google 商家 API、社群平台的新貼文/留言偵測，或以排程方式定時抓取各來源的最新評論。每抓到一則就帶著評論文字、星等、平台、時間戳進入下一步。
2. 情緒分類（🧠）——AI 節點讀評論內容，先判斷是正評、中性還是負評，再抓出主題（例如「咖啡好喝」「等太久」「店員態度」「環境吵」），並標記輕重緩急。提到退費、衛生、食安或公開點名的，自動拉高優先級。
3. 起草回覆（✍️）——依評論的情緒與主題，生成一段有溫度、貼合店家口吻的客製草稿。正評著重具體致謝與邀約回訪；負評著重同理、不辯解、提出補救方向，而非罐頭式的「很抱歉造成不便」。
4. 負評優先通知（🚨）——負評與高優先評論即時推給店長的 LINE 或 Slack，附上原文、AI 判斷的問題點與建議處理方向，讓店長第一時間掌握、即時止血。
5. 送出前確認（✅）——所有草稿都先回到人工這關。店長確認語氣與內容無誤後，才公開回覆。同時把評論、分類、回覆內容寫進 Google Sheet，作為日後檢討與素材庫。

需要的工具與串接重點

• 平台選擇：用 n8n 或 Make 當中樞。n8n 適合想自架、評論量大、想接更多自訂邏輯的店家；Make 介面友善、適合不想碰伺服器的人。
• 評論來源：Google 商家可透過官方 API 取得評論；IG/FB 視權限以官方 API 或排程抓取。設定時要注意各平台的權限申請與抓取頻率限制，避免被判為異常存取。
• AI 情緒分析節點：負責分類與起草。建議在提示詞裡寫死店家的語氣範例（親切、不過度官腔）、品牌名稱、可提供的補救方案（如招待一杯、折抵券），讓草稿一致又得體。
• Google Sheet：當評論台帳，記錄每則評論、分類、回覆與處理狀態，方便回顧哪類客訴最常出現。
• LINE / Slack：負評即時通報的出口，務必設成店長手機收得到。
• Gmail：可用於將每週評論摘要寄給經營者。

串接重點：務必做「去重」，避免同一則評論被重複抓取重複通知；並為每個平台保留來源標記，方便日後分析哪個通路的客人最常抱怨什麼。

常見錯誤與注意事項

評論回覆是對外公開發言，一旦送出全世界都看得到，因此自動化只負責偵測、分類與起草，不取代你面對客人的真誠回應。以下幾點務必守住：

• AI 草稿一律人工確認再公開。尤其涉及客訴、退費、衝突或被公開點名的負評，更要由店長親自判斷語氣與承諾內容，AI 不取代專業與情感判斷。
• 不要讓系統自動承諾賠償或折扣。任何「招待」「退費」「補償」都應由店長裁示，避免被有心人士反覆利用，或造成成本失控。
• 涉及食安、衛生、過敏等敏感投訴需人工確認並謹慎處理，這類議題回得不好反而擴大爭議，必要時應私訊或致電處理而非公開筆戰。
• 個資保護：客人若在評論留下姓名、電話或訂單資訊，回覆時切勿公開複述其個資。
• 避免罐頭感：若每則回覆都長得一樣，反而傷信任，提示詞要保留變化。

台灣中小企業情境案例

台中一間 12 個座位的獨立咖啡廳「日初珈琲」，店長一人身兼吧台與外場，過去評論常常一週才看一次。某個週末因出餐慢被連續寫了三則一星，店長隔了四天才發現，當時已被在地社團轉貼。導入這條流程後，假日尖峰時段的負評在 15 分鐘內就推到店長手機，店長利用送客空檔確認 AI 草稿、誠懇回覆並私下邀請客人回店補一杯。一個月後，店家的負評回應率從不到三成拉到接近全數回覆，平均回應時間從三天降到當天，Google 星等也從 4.1 慢慢回到 4.4。店長最有感的是：「不是 AI 幫我回，是它幫我『記得回、提醒我哪則要緊』。」

延伸應用

這條流程還能往幾個方向擴充：把抓到的好評自動整理成素材，搭配 活動公告與貼文自動發佈 轉成社群宣傳；把每月評論主題彙整成趨勢報表，找出「等太久」「太吵」這類反覆出現的營運問題對症下藥；想精修不同情境的回覆口吻，可參考 客訴回覆撰寫 配方；也能把這套邏輯延伸到外送平台（如 Uber Eats、foodpanda）的評分回覆。若店面擴展成多家分店，更值得把整套評論監看接進 自動化中樞，統一管理各店口碑、比較分店表現，讓每一則客人的聲音都不再被埋沒。

流程圖

用到的工具

更多「餐飲美食」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 →