門市客服訊息分流與常見問題草稿自動化流程

🎯 這條流程解決什麼

門市的客服訊息從四面八方湧入：Line 官方帳號、官網表單、Facebook 與 Instagram 私訊，各開一個視窗。一忙起來，店員一邊招呼現場客人、一邊切換手機回訊，很容易漏回或回太慢，顧客等不耐煩就轉去別家。更耗神的是，七、八成的提問其實重複——「今天幾點關」「這款還有沒有貨」「買錯可以換嗎」「停車怎麼停」，每天打一樣的字打到手痠。

把時間算清楚就知道有多沉重。一家中型門市一天約進 60 到 100 則訊息，每則就算只花 2 到 3 分鐘讀懂、查資料、打字回覆，一天也要耗掉 3 到 5 個小時的零碎人力，而且這些時間還散落在尖峰時段，正是最該專心服務現場客人的時候。回覆品質也參差：不同店員話術不一、有人漏看重點、急件被淹沒在閒聊裡，等發現客訴已經發酵。

這條流程把客服回覆做成自動分流：系統把各渠道的提問集中匯集並標記來源，依關鍵字判斷意圖分到對應路線，常見問題比對問答庫由 AI 產生回覆草稿與建議話術，客服只要確認就能快速送出；遇到客訴、退費等敏感訊息則即時升級通知專人，並記成待辦避免漏接。客服不用在多個視窗間切換、重打一樣的答案，回覆又快又一致，重要訊息一定接得到。可搭配 客服自動回覆相關食譜 擴充問答庫，或瀏覽 更多工作流藍圖 串接會員經營。

導入後的改變

導入前，客服訊息分散在三、四個 App，平均回覆時間從幾十分鐘到隔天不等，尖峰時段漏接率偏高，店員每天被零碎客服切斷三到五個小時，話術因人而異。

導入後，所有訊息匯集到單一介面集中處理，常見問題由 AI 預先備好草稿，店員從「重新理解＋查資料＋打字」變成「掃一眼草稿、按確認送出」，單則處理時間從 2 到 3 分鐘降到 20 到 30 秒，常見問答的客服工時約可省下六到七成。平均首次回覆時間從數十分鐘縮到幾分鐘內，尖峰漏接明顯下降。客訴與退費這類敏感件第一時間升級給專人，不再被閒聊洗版淹沒，重大客訴的處理時效大幅提前，把小抱怨擋在演變成負評之前。對店長而言，最實際的改變是「現場客人與線上客人不再互相搶人力」，服務體驗整體拉高。

流程怎麼運作

這條流程對應 frontmatter 的四個節點，串成一條從進線到回覆的完整動線：

1. 訊息匯集——把 Line 官方帳號、官網表單與社群私訊的新訊息透過 Webhook 集中收進同一處，每則都標記來源管道與進線時間，建立統一的待辦清單。店員不用再逐一巡視各 App，所有訊息排在一條隊列裡。

2. 意圖分類——系統依關鍵字與語意判斷這則訊息屬於哪一類：問營業時間／位置、問庫存／價格、要退換貨、純客訴抱怨，分流到對應的處理路線。分類清楚，後面才知道該自動備稿還是該升級給人。

3. 草稿生成——對於常見問題，AI 比對你維護的「常見問答庫」，產生一則語氣親切、資訊正確的回覆草稿，並附上建議話術。客服只要確認內容無誤就能一鍵送出，不必從零打字。問答庫越完整，自動覆蓋率越高。

4. 急件升級——客訴、退費、爭議等敏感訊息，系統不自動回，而是即時透過通知工具推給專人，同時記成待辦並計時，避免被淹沒漏接。這道關卡確保「重要的事一定有人接」。

想把客服與後續的會員經營、補貨、銷售報表串成一整套門市自動化，可參考 更多工作流藍圖。

需要的工具與串接重點

平台用 n8n 或 Make 皆可。Line 官方帳號 是多數門市的主力進線，透過官方帳號的 Webhook 把訊息事件接進流程；表單 收官網來的提問；社群私訊可經各平台 API 或第三方彙整工具串入。試算表 用來存放「常見問答庫」與對話待辦紀錄，是整套系統的知識中樞，建議分「問題類別／標準答案／話術備註」欄位維護。AI 文字模型 負責意圖分類與草稿生成，串接時要把問答庫當作參考資料餵給模型，並要求它「只根據問答庫回答、查不到就標記轉人工」，避免亂答。通知工具 負責急件升級推播。

串接重點：一是先花心力把問答庫整理扎實，這直接決定草稿品質與自動覆蓋率；二是分類規則要先涵蓋最高頻的五、六類問題，其餘歸「待人工」即可，別一開始就追求全自動；三是務必保留「人工確認再送出」的設計。更多串接觀念可參考 自動化專區。

常見錯誤與注意事項

• 回覆送出前務必人工確認：AI 產生的回覆僅為草稿，送出前務必由客服人工確認內容正確。涉及價格、退換貨條件、保固承諾等不可全由系統自動回覆，以免造成消費爭議或誤導客戶。
• 客訴與退費一律轉專人：客訴、退費與情緒性訊息一律升級由人工處理，系統不取代第一線客服的判斷與情緒安撫；機械式的自動回覆遇到正在生氣的客人只會火上加油。
• 個資保護：顧客對話紀錄、聯絡方式屬個人資料，僅供內部服務使用，依《個人資料保護法》不對外公開、不挪作他用，問答庫與對話紀錄的存取權限要控管。
• 問答庫要定期更新：營業時間、優惠、退換貨政策一改，問答庫就要同步更新，否則 AI 會拿過時資訊回答，反而製造糾紛。

台灣中小企業情境案例

台南一家有三家分店的手搖飲品牌，過去尖峰時段 Line 訊息常塞爆，店員忙著出餐根本回不過來，顧客問「外送幾點到」「某分店有沒有開」常等到打烊後才被看到，月底總有幾則沒接到的客訴變成 Google 一星評論。導入這條流程後，三店訊息匯集到同一介面，營業時間、品項、外送範圍這類常見問題由 AI 備好草稿，小編值班時掃一眼按確認即可，平均回覆時間從超過半小時縮到 5 分鐘內。退費與品質客訴則即時升級給店長親自處理。三個月後，未回覆客訴幾乎歸零，Google 評分回升，小編也不再每天被訊息追著跑。

延伸應用

這條流程的架構可以再往外擴。問答庫成熟後，可把高頻、低風險的問題（如營業時間、地址、停車）設成「直接自動回覆」，進一步降低人力。可在分類節點後接「自動標記常見問題趨勢」，每週統計顧客最常問什麼，回頭優化官網 FAQ 或商品頁，從源頭減少進線。也能與會員系統串接，認得出是哪位會員、帶入消費紀錄，讓回覆更個人化；或在客訴升級後自動建立追蹤工單、設定回訪提醒。想擴充問答庫與客服場景，可逛 自動化食譜；想把客服接進整套門市營運自動化，從 自動化專區 開始最快。

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 →