客服滿意度追蹤流

🎯 這條流程解決什麼

多數客服團隊的問題不是「沒解決問題」，而是「解決完就斷線」。工單一結案，後面就沒了下文：客戶到底滿不滿意？沒人知道。不滿的客戶不會回頭抱怨，他們默默地給了負評、默默地換了別家；而那些被服務得很滿意、心懷感激的客戶，也因為沒人開口請他們留評，那份好感就這樣白白蒸發。對任何在乎口碑的服務業來說，這等於同時放掉了「及早止血」與「放大好評」兩個關鍵機會。

純人工要做滿意度追蹤有多難維持？理論上客服結案後該寄問卷、收回回饋、把低分的挑出來回訪、把高分的引導去留評——但實務上，客服一忙，這套後續動作幾乎不可能持續做。就算偶爾發了問卷，回收的留言也常常堆在試算表裡沒人逐筆讀、沒人即時反應，等主管月底翻報表才看到某位客戶一個月前就氣得給了一星，黃金補救期早就過了。靠人力，這件事註定做得斷斷續續、又慢又漏。

這條工作流把每一次結案都自動變成一次回饋機會：結案後自動發調查、AI 即時解讀情緒、低分當下升級給主管限時回訪、高分順勢引導去公開平台留評。不滿的搶救、滿意的放大，整套機制自動運轉。想搭配更多客服與口碑經營點子，可參考 服務自動化食譜；想盤點團隊還有哪些重複工作能自動化，歡迎逛逛 自動化專區。

導入後的改變

導入前，滿意度追蹤是「想到才做」的零散動作。問卷發不發、看不看、回不回訪，全憑客服當下有沒有空。結果是低分客戶的不滿沒人即時接住，高分客戶的好感也沒被導向公開好評；管理者拿不到穩定的滿意度數據，服務品質好壞全靠感覺。

導入後，工單一結案就自動進入追蹤流程，間隔數小時寄出一鍵評分，AI 解讀評分與留言情緒，低分即時升級、高分引導留評。合理估算下，這套後續動作從「幾乎做不到」變成「百分之百自動執行」，客服不必再花時間逐筆發問卷與讀留言（AI 先篩好），等於把這塊行政負擔幾乎歸零；同時，低分客戶的補救從「事後才發現」變成「當下就介入」，能挽回相當比例本來會流失或留負評的客戶，公開平台的正面評價數量也因為主動引導而穩定增加。整體而言，這條流程同時改善了客戶留存與線上口碑，而幾乎不增加客服的工作量。

流程怎麼運作

第一步，觸發：工單結案。 對應 frontmatter 的「✅ 觸發：工單結案」節點。當客服在工單系統把案件標記為「已解決／已結案」，透過 Webhook 即時觸發流程，帶出該客戶與該工單的相關資訊。

第二步，發送滿意度調查。 對應「📩 發送滿意度調查」節點。流程刻意間隔數小時後才寄出一鍵評分連結，而非結案當下立刻送，避免顯得太突兀、也讓客戶有時間沉澱真實感受。評分連結越簡單越好，一鍵就能評，提高回收率。

第三步，AI 解讀回饋。 對應「🧠 AI 解讀回饋」節點。問卷回收後，AI 分析評分高低與留言文字的情緒傾向，判斷這次服務是否需要補救，把「分數還行但留言其實有怨氣」這種容易被忽略的訊號也標記出來。

第四步，低分即時升級。 對應「🚨 低分即時升級」節點。一到二星的回饋自動建立追蹤工單並通知主管，要求限時回訪，讓不滿在客戶徹底離開前就被認真接住與處理。

第五步，高分引導留評。 對應「🌟 高分引導留評」節點。四到五星的滿意客戶，附上 Google 或平台評價連結，趁著好感最濃時順勢邀請留下公開好評，把私下的滿意轉成看得見的口碑。

需要的工具與串接重點

平台以 n8n 或 Make 為骨幹，用工單系統的 Webhook 接住結案事件。各工具角色：工單系統 Webhook 是流程的起點，提供即時的結案訊號；表單或問卷負責承載一鍵評分與留言；AI 分析節點負責解讀評分與情緒、決定走低分或高分分支；通知負責把低分升級送給主管；試算表則彙整每筆回饋，成為服務品質的長期數據底稿。

串接重點：一是發送延遲時間要可設定，不同產業適合的間隔不同（線上服務可短、實體維修可長）；二是評分門檻與分支邏輯要明確，並建議把「中間分數＋負面留言」也納入需補救的判定，別只看星等；三是低分升級的通知要確實送達主管並標註回訪期限，否則升級形同虛設；四是高分引導留評的連結要對應正確的公開平台，並避免操作得太過露骨，以免違反平台對評價的規範。

常見錯誤與注意事項

這條流程最該守住的底線，是低分客戶的補救聯繫應由真人執行，AI 僅負責標記與草擬話術。客戶會給低分，往往帶著情緒與具體委屈，這種對話需要真人的同理與彈性，AI 不取代客服的專業判斷與應對；自動化只負責「不漏接、快升級」，最後一哩的安撫與解決仍要靠人。

發送頻率務必節制，同一位客戶短期內不應被重複轟炸滿意度調查，否則調查本身就變成新的客訴來源。引導留評要尊重客戶意願，僅做邀請、不可誘導或施壓，並遵守 Google 與各平台對評價蒐集的規範，避免以過度誘因換取好評而觸犯規則。問卷蒐集的回饋與聯絡資料屬個資範疇，僅供內部服務改善使用，並應依規範妥善保存與清除。

台灣中小企業情境案例

台中一間提供家電到府維修的服務商，過去師傅修完、客服結案就沒了後續，偶爾在 Google 上被一星負評嚇一跳，回頭查才發現那位客戶早在半個多月前就對處理不滿，早已錯過補救時機；而很多明明很滿意的客戶，也從沒被請去留評，Google 評論數長期上不去。導入這條流程後，每張維修工單結案三小時後自動寄出一鍵評分，AI 即時判讀，一兩星的當天就升級給主管限時回訪，四五星的順勢附上評價連結。三個月下來，過去要等月底才浮現的客訴變成當天就被接住處理，挽回了好幾位原本要流失的客戶；Google 正面評論數成長了一倍多，新客諮詢時的信任感也明顯提升，而這一切幾乎沒有增加客服的額外工作量。

延伸應用

這條流程可以和其他客戶經營機制串成閉環。對於評分偏低、最終仍流失的客戶，可在一段時間後接上 沉睡客戶喚回流，給一次重新挽回的機會；高分又願意留評的客戶，則可標記為潛在推薦來源，導入會員或推薦獎勵機制深耕。進階變化包括：把每筆回饋的情緒與關鍵字彙整成週報，找出反覆出現的服務痛點；依不同服務類型套用不同問卷；或在低分升級時自動附上該工單的完整脈絡，讓主管回訪前就掌握全貌。更多可組合的客服與口碑自動化點子，都收在 食譜庫 與 自動化專區。

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 →