冰品店多通路客訴分類與回覆草稿生成流程

🎯 這條流程解決什麼

冰品的特性決定了它的客訴特別棘手——融化、漏餡、份量看起來縮水、外送太久變一灘水，這些問題在炎熱的夏天天天上演，而抱怨又散落在各處：Uber Eats 跳出一星評論、Foodpanda 來個負評、Line 官方帳號私訊罵融化了、官網意見表單嫌份量少。店主一個人顧出餐、顧外場、顧內場，根本沒空一個個平台去巡，常常拖到打烊後才看到，等回覆時客人的氣已經更大，負評也在平台上掛了一整天被更多人看到。

純人工處理這些客訴的成本，遠比想像中高。首先是「反應慢」：負評在外送平台上每多掛一小時，就多影響一批正在猶豫要不要下單的客人，冰品客單價不高、替代性又強，一則沒回的一星評論可能直接讓店家錯失幾十筆訂單。其次是「回覆品質不穩」：忙到火大時隨手回一句「不好意思」，反而火上加油；想好好回又要斟酌用詞、想補償方案，一則認真的回覆寫下來要十幾分鐘。一天累積十幾則客訴，光回覆就吃掉兩、三個小時，還未必回得好。這條流程把多通路客訴統一接住、自動分類、生成得體回覆草稿，讓負評在擴散前就被妥善處理。

導入後的改變

導入前，客訴處理是被動救火：哪個平台跳通知才去看、看到才回、回得好不好全看店主當下心情與精力。負評平均要到當天打烊後甚至隔天才被回覆，期間持續曝光傷害商譽；回覆語氣不一致，有時太敷衍有時又補償過頭，補償標準全憑感覺，月底一算才發現送出去的免費餐券不少。

導入後，各通路客訴一進件就集中、分類、生成回覆與補償建議草稿，店主只要審核微調就能一鍵回覆。原本一則客訴從看到到回覆要十幾分鐘，現在壓縮到一兩分鐘的審核，整體客訴回覆工時省下約七到八成。更關鍵的是「回覆速度」與「品質」一起拉上來：負評通常在進件後短時間內就被得體回覆，平台上掛著沒回的一星評論大幅減少，客人感受到被認真對待，不少原本要罵的客訴反而轉成回購；補償也有了一致標準，不再忽多忽少。

流程怎麼運作

整條流程對應 frontmatter 的四個節點，逐步驟說明如下。

第一步「客訴匯集」，系統把外送平台的低分評論、Line 官方帳號的抱怨私訊、官網意見表單的負評集中收進同一份處理清單，店主不用再分頭巡三、四個平台，一個地方就看得到所有待處理客訴。低分評論還能設定即時觸發，一出現就馬上進件，不必等人工發現。

第二步「問題分類」，系統自動判讀每則客訴的性質，歸類成品質（融化、漏餡、口味不對）、份量、外送延遲、服務態度、誤點漏餐等類型，並依嚴重度標記優先度——例如食安疑慮或情緒激烈的客訴標為高優先，請店主優先處理。

第三步「回覆草稿」，依問題類型生成語氣得體的道歉回覆與補償建議草稿，並附上對應的內部處理指引。例如外送延遲類，草稿會先同理客人收到融化冰品的失望、致歉，並建議補償一張折價券；份量爭議類則建議說明出餐標準並視情況補償。每種類型的回覆口吻與補償額度都依事先設定的原則產出，避免每則都從零開始想。

第四步「人工審核」，店主在草稿上微調後一鍵回覆，並把處理結果（問題類型、補償內容、客人反應）記錄存檔，累積下來就是改善營運的依據——例如發現「外送延遲」客訴特別多，就知道該檢討尖峰時段的外送配置。

需要的工具與串接重點

平台用 n8n 或 Make。進件端串外送平台評論、Line 官方帳號的訊息，以及一份官網意見表單；分類與回覆草稿由 AI 節點負責，把店家的補償原則與回覆語氣寫進提示詞；處理紀錄存進試算表方便日後檢討。

串接重點有幾個：第一，補償原則一定要先設清楚分級（例如延遲補折價券、品質瑕疵補重做或退費、份量爭議先說明再視情況補償），AI 才有依據生成合理建議，不會亂開條件；第二，回覆草稿一律走「先生成、後人工確認」，不開啟全自動回覆，因為客訴回覆代表店家對外承諾；第三，高優先客訴（食安、情緒激烈）要設即時通知推給店主，不能跟一般客訴排在一起慢慢處理。可搭配 冰品店外送平台菜單同步流程 把外送相關客訴與菜單問題串起來處理，更多自動化設定見 自動化專區。

常見錯誤與注意事項

最重要的一條：AI 生成的回覆與補償建議僅為初稿，補償金額、退款、換貨等涉及金錢與承諾的內容，發送前務必由店主人工確認，避免做出超出能力的承諾或引發爭議。AI 不取代店主的判斷，尤其涉及退費金額、是否承認過失等，一律標明「需人工確認」再送出。

食安是絕對不能用罐頭回覆帶過的紅線。任何牽涉吃壞肚子、異物、過敏等食安疑慮的客訴，務必標為最高優先、由店主親自處理，必要時循正式管道與主管機關通報，本流程不取代專業食安判斷。客訴處理涉及消費者個資與消費爭議，請依個人資料保護法妥善保管紀錄，重大爭議請循正式申訴管道處理。

台灣中小企業情境案例

台南東區一家義式手工冰淇淋店，夏天同時掛在兩家外送平台又有 Line 接單，旺季一天能收到十幾則客訴，店主忙著出餐根本來不及回，外送平台上常掛著好幾則沒回的一星評論，評分一路掉到 4.2，影響到自然單量。導入這條流程後，所有客訴集中進一份清單、自動分類標優先度、生成回覆草稿，店主利用出餐空檔審核微調就能一鍵回覆。一個月後，客訴平均回覆時間從打烊後縮短到進件當天稍候，外送平台評分回升到 4.6，更意外的是不少被好好回覆並收到折價券的客人後續又回購，原本的危機反而救回了客人。

延伸應用

這條流程可以延伸出更完整的客訴管理：把累積的客訴紀錄定期用 AI 彙整成月報，找出最常見的問題類型與門市改善方向；也可以針對高價值客人的客訴設定特別關懷流程，由店長親自致電。對受影響的客人後續還能接續 冰品店會員回流經營流程 做關懷回購，把一次客訴轉成一次留客的機會，更多開店點子見 食譜庫。

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 →