配送異常即時處理

🎯 這條流程解決什麼

配送異常是快遞營運裡最磨人、也最容易把客戶得罪光的一塊。一趟配送可能卡在各種狀況：收件人不在家、地址寫錯找不到門牌、電話打不通、包裹外箱壓壞、件數短少，甚至整件遺失。這些異常不像一般訂單有固定流程，每一件都得有人去跟、去問、去協調，偏偏傳統做法全靠口頭。司機在路上用 LINE 群組丟一句「這件沒人收」，客服在訊息海裡可能根本沒看到；看到了也只是記在便利貼上，忙起來就忘了回撥。

純人工處理異常的代價非常高。第一是漏接成本：口頭交辦最容易漏，一筆異常忘了跟，收件人等不到回覆就直接上網一星負評或打 1950 申訴，傷的是整間公司的商譽。第二是時效成本：地址錯的件如果當天沒釐清就退回站，隔天重送一趟，配送成本直接翻倍。第三是舉證與賠償成本：破損遺失最怕扯不清，司機說交件時就壞了、客戶說收到才發現，沒有現場照片與處理紀錄，業者多半只能摸摸鼻子賠。一筆破損賠償加上來回協調的客服工時，常常吃掉好幾單的利潤。異常件沒有系統承接，就像沒人管的破口，越積越多。

導入後的改變

導入前，異常處理是「司機口頭回報、客服憑記憶追件、各說各話扯責任」的混亂狀態，一筆異常從發生到結案動輒拖好幾天，中間還常常斷線漏接。導入後，異常一發生就被系統接住、自動分類、自動開單、自動通知，每一筆都有負責人、有時間軸、有現場證據，客服從「救火隊」變成「依工單照表操課」。

以一家日均三百件、異常率約百分之五（每天約十五筆異常）的快遞行估算，原本每筆異常從跟催到結案平均要佔用客服二十到三十分鐘，一天累積下來等於一個客服大半天都在處理異常。導入後，分類、開單、第一線通知全部自動化，客服只需處理真正需要判斷與協調的環節，異常處理工時可省下約五到六成。更關鍵的是回應速度：收件人在異常發生後幾分鐘內就收到「您的包裹配送遇到狀況，請問方便改約嗎」的主動通知，而不是等他自己發現沒收到、火大來投訴。主動出擊讓客訴升級為負評、申訴的比例明顯下降，地址錯件當天釐清重送的比例也提高，減少隔日重跑的浪費。

流程怎麼運作

這條流程對應五個節點，把混亂的異常處理收斂成一條可追蹤的軌道：

1. 偵測異常（⚠️）：來源有兩種，一是司機在 App 或表單上主動回報「無人簽收／地址錯誤／包裹破損／件數短少」，二是系統偵測（例如某件超過預定時間仍未更新為已送達）。回報時要求司機附上現場照片與簡短描述，作為後續判定的證據。
2. 分類分級（🤖）：用 AI 讀取異常描述與類型，自動分類成「可協調類（改約、確認地址）」與「需裁決類（破損、遺失、賠償爭議）」，並依緊急度分級，標記哪些要立即處理、哪些可排程跟進。
3. 開立工單（🎫）：為每筆異常在工單系統建立一張工單，自動帶入運單號、發生時間、異常類型、現場照片與司機描述，指派負責客服，狀態流轉全程留痕。
4. 通知協調（📞）：依異常類型走不同劇本。無人簽收就用 LINE 或簡訊問收件人是否改約或改放管理室；地址錯誤就主動聯繫確認正確地址；破損遺失則啟動賠償協調的前置流程並通知相關負責人。
5. 人工裁決（✋）：破損、遺失、賠償金額與責任歸屬等敏感判定，一律進入人工裁決佇列，由專人依運送契約、保險條款與現場證據判斷處置方式，確認後才結案。

需要的工具與串接重點

平台用 n8n 或 Make 當中樞，約五十分鐘搭起骨架。司機 App / 表單 是異常入口，重點是把異常類型做成下拉選項而非自由填寫，並強制附照片，這樣 AI 分類才準、後續才有證據。AI 分類 負責讀描述做分類分級，串接時要把異常類型、處理劇本寫清楚在提示裡，並要求它對破損遺失類「只分類、不下結論」。工單系統 是核心承接，可用現成工單工具或以資料庫＋看板自建，重點是每張工單都要有唯一編號、負責人與狀態欄位，能追蹤從開單到結案的完整軌跡。LINE / 簡訊 API 負責通知協調，訊息語氣要設計得體、給收件人明確的下一步選項（改約時段、改放置點）。

串接最容易卡的是「分類錯誤導致流向錯誤劇本」，建議在 AI 分類後加一道信心門檻，低信心或模糊的件直接轉人工判斷，不要硬讓自動劇本跑下去。更多工單、通知與 AI 分類的設定可到 /recipes 找對應食譜，整體客服自動化串接架構可參考 /automation。

常見錯誤與注意事項

賠償與責任認定是這條流程的紅線，AI 只做分類、絕不自動承諾賠償。 破損、遺失、延誤涉及運送契約責任與賠償金額，這是法律與合約問題，必須由專人依合約條款、保險範圍與現場證據人工裁決。流程裡的 AI 只負責把異常分到正確類別與緊急度，任何「我們會賠您多少」的承諾都不可由系統自動發出，否則一旦對外承諾就難以收回，恐衍生爭議與額外損失。

通知收件人涉及個資與溝通分寸。 主動通知用到的收件人電話與地址屬個人資料，須限定本人可見、用於本次配送協調，不可外洩或另作他用。通知語氣要避免讓收件人覺得是公司在卸責或催促，尤其賠償協調的訊息更要謹慎措辭，最好由人工把關後再發。保留完整軌跡也很重要：每筆異常的處理過程、與客戶的對話、最終處置都要留存，這既是日後爭議的舉證依據，也是分析異常根因的素材。

台灣中小企業情境案例

新北一家做生鮮宅配的物流商，旺季時破損與配送撲空特別多。過去異常全靠司機在群組回報、客服憑印象追，旺季一忙常常漏接，收件人冷凍品被放在門口退冰、或破損沒人處理，月底接到一堆客訴與負評，賠償也因為沒留證據常常多賠。導入這條異常處理流程後，司機遇到狀況直接在 App 點選類型、拍照回報，系統自動分類開單並第一時間用 LINE 通知收件人，破損件則立刻拉進人工裁決由主管依保險條款判定。導入一季後，異常從發生到首次回應的時間從動輒數小時縮短到十分鐘內，因漏接升級成負評的客訴下降約六成，破損賠償因為每筆都有現場照片佐證，無謂賠付也明顯減少，客服終於不用再當救火隊。

延伸應用

這條流程是物流自動化裡的「安全網」，可以和上下游緊密串接。接派遣源頭：地址錯誤的異常可回饋給叫件自動派遣指派流程，修正地址資料庫，降低同地址再次出錯。接簽收存證：被判為代收、無人簽收的件可直接連到到件簽收回傳存證流程補齊證據。接月結對帳：破損重送、退貨的件要正確反映在月結運費對帳請款，避免錯計費。做異常根因分析：累積的異常類型、區域、司機、時段資料可彙整成報表，找出特定路線常撲空、某類包裝常破損等系統性問題，從源頭改善而非每次補救。延伸到保險理賠串接：高頻破損遺失可建立標準化的理賠資料包，加速與保險公司的對接。想把派遣、追蹤、簽收、異常、對帳串成完整閉環，可到 /workflows 瀏覽整套物流自動化地圖，或在 /automation 了解各流程如何銜接。

⚠️ 賠償與合約提醒：破損、遺失、延誤涉及運送契約責任與賠償金額認定，AI 僅做初步分類，不得自動承諾賠償或判定責任歸屬。賠償爭議、保險理賠與契約條款適用，請務必由專人依合約與法務意見人工裁決，本流程已內建人工裁決節點，不取代專業判斷。

流程圖

用到的工具

更多「生活服務」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 →