家電諮詢報價自動回覆流

🎯 這條流程解決什麼

家電行的生意，很多時候是在「誰先回」這件事上輸贏的。顧客想換冷氣、添冰箱，往往同時問了好幾家：在官網填詢問表單、加 LINE 丟訊息、打電話到店裡留言，甚至看著賣場 DM 隨手拍照來問。這些詢問散落在四面八方，而家電行普遍人手精簡，門市人員一邊接待現場客人、一邊收銀、一邊還要回訊息，結果就是回得慢、回得亂。

回得慢的代價非常直接。顧客的購買衝動有時效性，今天看到優惠想買冷氣，你隔了半天才回，他早就在比價網下完單、或被別家當場成交了。回得亂的代價更隱形：門市人員忙中報錯型號、報錯價格、漏講當期贈品，輕則來回澄清浪費時間，重則顧客覺得不專業轉頭就走。更麻煩的是，每次回覆都要重新查庫存表找型號、翻促銷檔期、心算分期金額，一筆詢問認真回起來要十幾分鐘，尖峰時段同時來五六筆，門市根本應付不過來，只能挑看起來最有誠意的回，其他的就晾著、漏掉、流失。這些流失的詢問，每一筆都是本來可能成交的生意。

這條流程要解決的，就是把「散亂、緩慢、容易出錯」的詢問回覆，變成「集中建檔、即時起草、人工確認」的順暢節奏，讓門市在第一時間抓住每一個成交機會。更多家電行的售前售後自動化組合可參考 /workflows 與 /recipes，整體導入規劃見 /automation。

導入後的改變

導入前，詢問處理全靠門市人員的記性與手速。訊息來自不同管道、沒有統一進線，誰有空誰回、回得慢、報錯型號漏講優惠是常態，忙起來甚至直接漏接整筆詢問。每筆認真回覆要花十幾分鐘查資料、算價格，門市人員疲於奔命，店長也無從掌握「今天到底進了幾筆詢問、漏了幾筆」。流失的潛在訂單，從來沒被算進帳。

導入後，每一筆詢問不論從哪個管道進來，都自動建檔、由 AI 解析需求並比對庫存與優惠，起草好一份客製報價草稿，門市人員打開只要核對細節、潤飾語氣就能送出，回覆時間從十幾分鐘縮到兩三分鐘，回覆速度與一致性同步提升。漏接的情況因為「自動建檔不漏單」而大幅改善，本來會流失的詢問被一一接住，等於把成交漏斗的入口堵漏。對家電行來說，回得快、報得準、不漏單，直接反映在成交率上；門市人員也從「疲於應付雜亂訊息」變成「專注在臨門一腳的成交溝通」，把時間用在最能創造業績的地方。店長還能從建檔資料看出詢問量、熱門品類與成交轉換，做更精準的進貨與促銷決策。

流程怎麼運作

整條流程對應 frontmatter 的五個節點：

第一步「觸發：新詢問」，不論顧客是從官網表單、LINE 官方帳號傳訊，還是電話語音留言（轉文字後），都統一進入同一條流程，集中成一筆待處理的詢問，從源頭杜絕漏接。

第二步「AI 解析需求」，AI 分類節點讀懂顧客的訊息，判斷他要的「品類」（冷氣、冰箱、洗衣機）、「使用條件」（坪數、人口數、擺放空間）、「預算」與「安裝條件」（樓層、電源、是否需移舊機）。把一句模糊的「想換台不會太吵的洗衣機，預算兩萬內」解析成結構化的需求。

第三步「比對庫存優惠」，系統拿解析出的需求去查 Google Sheet 庫存表，找出有現貨、符合條件的可供型號，並比對當期促銷檔期，組合出最划算的方案（含贈品、滿額禮、分期優惠）。

第四步「起草報價單」，系統生成一份報價草稿，包含建議型號、價格、贈品、分期選項，必要時提供兩三個不同價位的選擇讓顧客比較。這份是「草稿」，不是直接發出的最終報價。

第五步「通知門市確認」，草稿透過 LINE 或 Gmail 推播給負責的業務，明確提醒「請人工核對型號適配與最終價格後再回覆顧客」。門市確認無誤、補上人情味的問候後送出，兼顧效率與專業。

需要的工具與串接重點

平台用 n8n 或 Make。官網表單與 LINE 官方帳號是兩大進線入口，電話留言則透過語音轉文字併入，確保各管道詢問都被收進同一個池子。AI 分類節點負責解析需求與起草報價，提示詞要餵給它店裡的品類知識（坪數對應冷氣噸數的對照、各機種特性），解析才會到位。Google Sheet 庫存表是報價的依據，型號、現貨量、定價、促銷檔期要保持更新。Gmail 與 LINE 負責把草稿推給門市。

串接重點：第一，庫存與促銷資料一定要即時，報出一個已經賣完或檔期已過的優惠，比慢回更傷信任。第二，AI 起草的報價務必設成「先給門市、不直接發顧客」，價格與型號適配是不能出錯的環節。第三，坪數對應噸數、機型對應安裝條件這類專業對照表要建好，避免 AI 把小套房推薦成大噸數冷氣。第四，把每筆詢問的後續成交與否回填系統，累積成轉換數據，讓店長看得到哪些品類、哪些話術最容易成交。

常見錯誤與注意事項

最該守住的底線：冷氣、冰箱、洗衣機這類大型家電牽涉坪數、電壓、安裝環境，AI 報價僅供加速參考，型號適配與最終價格務必由門市人員人工確認。 AI 能根據顧客描述推薦型號，但它看不到顧客家的真實現場——窗型尺寸、電路負載、排水條件、搬運通道，這些都可能讓「紙上最合適」的型號實際上裝不了。安裝可行性應由師傅評估，AI 不取代專業判斷，門市更不能憑 AI 草稿就向顧客拍胸脯保證「一定裝得起來、一定夠涼」。

其次，價格是敏感且容易出錯的環節，AI 可能抓錯促銷檔期、算錯分期、漏掉某項成本，務必由業務逐項核對後才報給顧客，一旦報錯價對外承諾，事後反悔極傷商譽。AI 解析顧客需求時也可能誤判（把「不要太吵」理解成只看分貝忽略其他需求），門市要把草稿當「起點」而非「終點」，用專業補足。顧客的聯絡資訊與需求屬個資，建檔與傳遞要留意保護。系統讓回覆更快、更不漏單，但型號適配、最終報價與安裝可行性的把關責任，始終在門市人員與師傅身上。

台灣中小企業情境案例

新竹一間社區家電行，由老闆和兩位門市人員經營。夏天冷氣旺季一到，官網表單、LINE、電話留言的詢問如雪片飛來，門市一邊接待現場買菜路過順便問的客人，一邊還要回線上訊息，常常忙到漏接，或匆忙間把適合三坪房間的冷氣報給要裝十坪客廳的客人，事後再來回澄清，搞得兩頭忙還不討好。老闆心裡有數，旺季流失的線上詢問，少說讓他每月少做好幾筆生意。

導入這條流程後，所有管道的詢問自動匯進一處、自動建檔不漏單，AI 依顧客講的坪數與預算解析需求、比對現貨與促銷，起草好報價草稿推給門市。門市人員打開草稿，確認型號適配、核對價格、補上一句「我們師傅可以先到府評估安裝喔」就回覆出去，回覆時間從十幾分鐘縮到兩三分鐘。導入後的第一個冷氣旺季，漏接的詢問明顯變少，回覆又快又準，成交率比往年提升不少。老闆說，最有感的是「以前是客人等我們回，現在常常是我們最快回的那家」，搶得先機，生意自然進來。

延伸應用

這條流程是售前的第一關，可以往後串成完整的成交鏈。顧客一旦下單，資料可直接帶進 送貨安裝排程流，免去重複建檔，售後再接保固登錄與滿意度回訪。內容面，AI 起草報價時需要的促銷文案、機型比較表，可搭配 /recipes 的產品介紹配方批次產出，讓報價更有說服力。對於猶豫未成交的詢問，系統可排程後續追蹤（隔幾天自動提醒門市關心一下、或推送限時優惠），把「問了沒買」的客人重新撈回成交漏斗。店長則能從累積的詢問與成交數據，分析哪些品類詢問熱、哪種報價組合轉換高，回頭優化進貨與促銷策略，整體串接思路可參考 /automation。無論流程怎麼擴充，型號適配、最終報價與安裝可行性的最終確認，始終由門市人員與師傅負責。

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 →