客服對話品質抽檢流

🎯 這條流程解決什麼

客服品質的傳統把關方式，是主管「抽幾通錄音來聽」。但一通電話三到五分鐘，主管一天頂多抽聽十幾通，相對於每天上百、上千通的真實量，抽檢覆蓋率連百分之一都不到。結果是：好壞全憑印象，問題客服可能整週都在用錯誤話術回覆而沒被發現，等到客訴爆出來、負評上線、甚至合規踩線被檢舉，才回頭驚覺「原來這幾通早就有問題」。

純人工抽檢的成本也不低。光是逐通聽錄音、做筆記、打分數、整理回饋，一位品管人員每天可能要花三、四個小時，產出的卻只是一小撮樣本與一份主觀印象；通話錄音要轉成文字才好標註問題句，人工逐字打字更是耗時到幾乎沒人做。更尷尬的是，因為樣本太少又偏隨機，評分缺乏代表性，教育訓練只能憑「我覺得」，難以服眾，也看不出整體品質是進步還是退步。對重視服務口碑與合規的中小企業，這種「抽幾通、憑感覺」的品管，是規模化的天花板。

這條工作流讓品管從「抽幾通」變成「天天看全貌」：自動抽樣、轉逐字稿、依量表逐項評分，低分與踩紅線的對話直接標記送主管複盤，再彙整成趨勢報表，讓教育訓練有憑有據。

導入後的改變

導入前，品管是低覆蓋、主觀、滯後的：抽樣少、標準浮動、問題等出事才發現，報表往往要人工湊一週才生得出來。

導入後，品質檢核變成一道每天自動運轉、可量化的流程。每天固定時間，系統自動抓前一日的對話、抽樣、轉逐字稿、依統一量表評分，把低分與踩紅線的對話標紅送主管，並自動生成趨勢報表。實務上可以期待：抽檢覆蓋率從不到 1% 提升到具代表性的樣本（依量訂 10%～全量）；問題對話從「事後客訴才發現」變成隔天就被標記複盤；品管人員從埋頭聽錄音、打逐字稿中解放出來，每天省下三到四小時，轉而專注在真正要複盤的少數標紅案件與教練回饋上；評分有了一致量表，教育訓練終於「有數據說話」，整體品質走勢一眼可見。粗估能把品管的有效檢核量放大數十倍，同時把客訴與合規風險的發現時間從「事後」提前到「次日」。

流程怎麼運作

對應 frontmatter 的五個節點：

1. 觸發：每日排程（🗓）——每天固定時間（通常清晨）自動啟動，透過客服系統 API 抓取前一日已結案的文字對話與通話紀錄。
2. 抽樣與轉檔（🎲）——依規則抽樣，例如每位客服固定抽幾通、客訴與長通話必抽、其餘隨機補足；通話錄音透過語音轉文字轉成逐字稿，文字工單直接取用。
3. AI 評分（⭐）——依預先定義的量表逐項打分：服務態度（有無同理、禮貌用語）、正確性（資訊是否正確、有無誤導）、合規話術（必說的告知、不可說的承諾）、流程遵循（有無照 SOP）等，並標註出問題句方便主管快速定位。
4. 標記待複盤（🚩）——低於門檻或觸碰紅線（如不當承諾、不禮貌用語、漏講合規告知）的對話自動標紅，整理成摘要送主管。
5. 彙整品質報表（📈）——把分數與趨勢寫進週報，呈現各客服與整體的品質走勢，找出需要加強的人與項目。

需要的工具與串接重點

• 平台：n8n 或 Make 編排排程與各節點。n8n 適合量大、要接語音轉文字與自訂量表的場景；Make 設定直覺。
• 客服系統 API：抓取前一日對話與通話紀錄、回寫評分結果。
• 排程：定時觸發每日彙整，建議避開營運尖峰於離峰時段執行。
• 語音轉文字：把通話錄音轉逐字稿，是評分通話的前提；選用時注意中文（含台語、口音）辨識準確度與資料落地政策。
• AI 評分：核心，量表要寫得具體可操作，每一項都給明確評分準則與紅線定義，避免分數飄忽。
• 試算表/報表：累積分數、生成趨勢圖與週報。

串接重點：量表要和現行的人工評核標準對齊、用實際案例校準後再上線；並保留「同一通可重評」的能力，方便調整量表時回溯比較。

常見錯誤與注意事項

• 錄音與逐字稿屬高度敏感個資：務必去識別化或限內部系統處理，勿外送公開 AI 服務，串接語音轉文字與評分模型時要確認資料留存與落地政策，避免客戶個資外洩。
• 評分結果牽涉員工考核需人工確認：AI 分數僅供參考，不直接連動獎懲，建議由主管做人工複核再採用，避免誤判傷士氣、引發勞資爭議。AI 不取代主管對人的判斷。
• 量表別訂得模稜兩可：準則寫不清楚，AI 評分就會飄，務必用真實對話反覆校準。
• 合規紅線要明列：哪些是必說的告知、哪些是不可承諾的話術，要在提示詞中寫死，這部分最不能漏。
• 保留申訴與回溯機制：被標紅的客服應有機會說明，評分紀錄要可回查，制度才站得住腳。

台灣中小企業情境案例

高雄一家網路保險經紀公司「安心通」，電話客服每日通話約四百通，過去品管只有一位專員、每天抽聽十幾通，曾發生某位客服連續兩週漏講法定告知卻沒被抓到，差點被客訴檢舉。導入這條品質抽檢流後，系統每天清晨自動把前一日通話轉逐字稿、依「態度／正確性／合規告知」三大量表評分，漏講法定告知的通話一律標紅送主管，當天就能複盤。三個月後，合規告知的遵循率從約八成五拉到近全數，品管專員不再耗在聽錄音與打逐字稿，每天省下約三小時，改做有針對性的教練回饋；主管也透過週報趨勢圖，清楚看出哪位新人在「正確性」項目持續偏低，安排了專案輔導。值得一提的是，公司明確規定 AI 分數只當輔助，最終考核仍由主管人工複核，團隊接受度也因此較高。

延伸應用

這條流程是客服管理的回饋中樞，能往前後串接：把抽檢標紅的問題對話接到教練回饋或排班調整，讓改善行動自動落地；和 客訴升級即時通報 互補，前者攔即時客訴、本流補事後全面複盤；搭配 知識庫即答助手 檢視客服是否確實採用標準答案；再回看 來電智慧分流 是否把對的人分到對的問題。不同產業的評分量表與合規話術設計，可參考 任務食譜。當團隊規模擴大、需要跨班別與多通路統一品質標準時，建議把整套抽檢與報表接進 自動化中樞，讓品質管理從「靠一位品管的耳朵」升級為「全團隊每天自動運轉的儀表板」。

流程圖

用到的工具

更多「企業職能」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 →