餐廳網路評論監控與回覆草稿自動化流程

🎯 這條流程解決什麼

餐飲生意非常吃網路評論。客人決定要不要進你的店，多半先看 Google 星等與最近幾則評論；外送平台上的評分高低，更直接影響曝光排序與下單轉換。但問題是這些評論分散在 Google 商家、Uber Eats、foodpanda 等好幾個地方，店長白天備料、晚上顧現場，根本沒空天天逐一翻看。

於是最常見的狀況是：一則一星負評貼出來，過了好幾天才有人發現，這段期間它就掛在搜尋結果最上面，影響每一個正在猶豫要不要來的潛在客人。等發現了想回覆，又得臨時擠時間、字斟句酌想一段不卑不亢的回應——回得太硬像在吵架、回得太軟像默認，一則回覆反覆改好幾次。多數店家最後要嘛拖到很晚才回、要嘛乾脆不回，任由負評無人回應地擺著。而正評同樣很少被好好回應，少了一次與客人互動、強化好感的機會。長期下來，評論趨勢往哪走、客人最常抱怨什麼，店家也說不出個所以然，全憑印象。

這條流程定時把各平台新評論集中彙整、自動分出正負評與抱怨類型，低星評論即時推播給店長，並依內容產出符合品牌語氣的繁中回覆草稿與建議補償方向。店家只要花幾秒確認、微調就能送出，回覆又快又得體。每週再自動彙整評分趨勢與高頻抱怨字，知道該改的是出餐速度還是口味。可搭配 評論邀請流程 主動累積好評，或參考 行銷自動化食譜 延伸口碑經營。

導入後的改變

導入前，店長被動地偶爾才滑一下評論，負評平均要好幾天才被發現、才被回應，這段空窗讓傷害持續擴大；正評多半無人回；想改善營運卻沒有結構化的客訴數據，只能憑感覺。

導入後，評論集中監控、即時示警、草稿備好，整個應對節奏完全不同。具體效益：其一，負評回應時間從「好幾天」壓縮到「當天甚至幾小時內」——研究與實務都顯示，一則被店家及時、誠懇回應的負評，反而能挽回原客、也讓其他讀者看到店家負責任的態度，傷害大幅降低。其二，回覆草稿自動生成，把店長每則原本要花的數分鐘構思時間，壓到只剩幾秒確認，正評也能順手一一回應、養好感。其三，每週的趨勢彙整把「客人到底在抱怨什麼」量化出來——如果「出餐慢」連續幾週都是高頻抱怨字，就知道要從出餐動線下手，而不是瞎猜。整體而言，口碑維護從「有空才做、漏接一堆」變成「系統盯著、件件有回應」，星等的穩定與成長會直接反映在 Google 與外送平台的曝光和轉換上。

流程怎麼運作

對應 frontmatter 的四個節點，運作如下：

第一步「評論匯整」（📥）：流程依排程定時輪詢 Google 商家 API 與外送平台的評論來源，抓取新評論，統一彙整到一張表，並標記星等、來自哪個平台、留言時間與內容，去除重複。這樣不管評論散在幾個平台，店家都只看一個集中的地方。

第二步「情緒分類」（🏷️）：AI 文字模型判讀每則評論的情緒（正評／中評／負評）與抱怨類型，常見分類如「出餐速度」「餐點口味」「服務態度」「環境衛生」「外送包裝」等。一旦偵測到低星（如一、二星）評論，立刻透過 Line 推播給店長，確保負評第一時間被看到、被處理，而不是隔幾天才發現。

第三步「回覆草稿」（✍️）：針對每則評論，依其內容產出符合品牌語氣的繁體中文回覆草稿。正評的草稿著重真誠致謝與邀請再訪；負評的草稿著重同理、致歉、說明改善方向，並視情況附上「建議補償方向」（如致贈折抵、招待小點）供店家參考。所有草稿都只是「草稿」，集中等待人工確認。

第四步「口碑彙整」（📊）：每週把評分趨勢（平均星等變化）與高頻抱怨關鍵字彙整回寫試算表，讓店長與行銷一眼看出口碑往哪走、最該改的是什麼，並可作為菜單調整、現場 SOP 優化與行銷主打的依據。

需要的工具與串接重點

平台用 n8n 或 Make 排程與串接。Google 商家 API 是抓取與回覆 Google 評論的官方管道，串接時要先完成商家帳號授權，並注意 API 的輪詢頻率限制。外送平台評論的取得方式視平台而定（官方後台、通知信解析或人工匯入），串接重點是把不同來源的評論格式統一成同一張表的欄位。AI 文字模型負責分類與生成草稿，提示詞裡要鎖定品牌語氣、繁中台灣用語，並明確要求「負評草稿不得擅自承諾賠償金額」，補償只給方向、由人決定。試算表存所有評論、分類結果與每週趨勢，是口碑數據的本帳。Line 官方帳號負責即時把低星評論與待確認草稿推給店長，串接時把推播內容做精簡（幾星、哪個平台、抱怨重點、草稿摘要），方便手機上快速核可。完整串接做法可參考 自動化案例庫。

常見錯誤與注意事項

• 只產草稿，公開回覆務必人工確認：本流程僅產出回覆「草稿」，所有對外公開的回覆與補償方案務必由人工確認後再送出。自動回覆容易語氣失準、承諾過頭或誤解客訴重點，AI 不取代人對外溝通的最終把關。
• 補償金額由人決定：草稿只給「補償方向」，實際是否補償、補多少，涉及成本與公平性，務必由店長人工核定，避免被有心人士用負評勒索式索取補償。
• 涉及食安、衛生的客訴要走正式流程：若評論提及食物中毒、異物、衛生疑慮等，屬高風險客訴，務必循內部正式客訴與食安處理流程處理，並由負責人介入，不可只靠一則公開回覆帶過。
• 別與客人在公開版面爭辯：再不合理的負評，公開回覆也要保持專業克制；要釐清細節盡量引導到私訊或電話，避免在公開評論區來回對嗆傷害品牌。
• 個資保護：留言者的個資與聯絡資訊僅供內部分析與客訴處理使用，不對外揭露。

台灣中小企業情境案例

台南一間生意不錯的牛肉湯店，同時經營 Google 商家與兩個外送平台。過去店長忙於現場，評論常常一週才滑一次，曾有一則抱怨「等了四十分鐘才上餐」的一星負評掛了五天沒回，期間正好碰上幾組新客上門前查評論。導入這條流程後，系統每天定時把三個平台的新評論集中，低星評論一出現就 Line 即時通知店長，並附上一則語氣誠懇、點出會改善出餐動線的回覆草稿。店長利用備料空檔幾秒確認、微調送出，負評當天就有得體回應。每週的彙整也讓店長發現「出餐慢」連續幾週都是最高頻抱怨，於是調整尖峰時段的出餐分工。幾週後平均星等回穩、外送曝光改善，新客回饋「看店家回覆很用心」，口碑進入正循環。

延伸應用

這條流程可以再擴充。可串接 評論邀請流程，對到店或外送滿意的客人主動邀請留下好評，從源頭把星等基數做大；可把高頻抱怨關鍵字回饋給現場 SOP 與菜單調整，形成「監控→改善→再監控」的閉環；可加上「競品評論監看」，了解同商圈對手被客人稱讚或抱怨什麼；也能把每月口碑趨勢自動做成簡報推給老闆。多分店經營時，可比較各店星等與抱怨類型，找出表現落後的門市優先輔導。想把口碑經營串成完整體系，可延伸閱讀 更多行銷流程 與 行銷自動化食譜，並到 自動化案例庫 找適合的串接範例。

💡 服務提醒：本流程僅產出回覆「草稿」，所有對外公開回覆與補償方案務必由人工確認後再送出，避免自動回覆造成誤解或承諾過頭。涉及客訴的負評請循內部客訴流程處理，留言者個資僅供內部分析使用，不對外揭露。

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 →