鞋店線上尺寸諮詢與選鞋建議自動回覆流程

🎯 這條流程解決什麼

鞋店線上客服每天被問最多的，永遠是那句「我平常穿 24.5，這雙要選幾號？」。鞋子是少數「同一個尺碼、不同品牌差很多」的商品——歐系版型偏窄、日系偏短、運動品牌各家又不一樣，再加上寬楦窄楦、要穿厚襪薄襪、平常走路還是運動用，每個變數都會影響該下哪一號。

這件事看似小，累積起來的客服成本卻很可觀。店員要回一筆尺碼諮詢，得先問清楚顧客腳長、平常穿什麼牌幾號、買來做什麼用，再翻該品牌的尺碼對照表換算，最後比對庫存有沒有那個號數——一筆認真回完要五到十分鐘。一家經營網路鞋店的店家，光尺碼類的詢問一天三、四十筆是常態，等於客服每天有三、四個小時耗在重複查表回訊。更現實的是「速度即成交」：顧客同時問了三家，誰先給出明確的「建議你選 25 號」誰就接到單，慢回半小時，顧客早就在別家結帳了。尖峰時段一塞，接不完的詢問直接變成流失的訂單。

這條流程把尺寸諮詢變成自動化選購助手：顧客在 Line 或表單留下腳長、慣穿尺碼與用途後，系統依各品牌尺碼對照表換算對應號數、標出該品牌偏大或偏小並給出建議下單尺碼，再從在庫鞋款比對出符合尺寸、用途與預算的款式，最後生成親切的建議訊息附上商品連結。

導入後的改變

導入前，尺碼諮詢全靠人力。尖峰時段店員一邊顧現場一邊回線上，回覆速度被壓得很慢，常常顧客等了一兩小時才收到「請問您平常穿哪個牌子」這種還在問資料的訊息，體驗很差，轉換自然低。客服整天被同質問題綁住，沒空處理真正需要專業判斷的個案。

導入後，常見的尺碼問答幾乎都能秒回。顧客填完資料，系統馬上換算出建議號數、附上有貨的對應鞋款連結，回覆時間從原本的數十分鐘壓到即時。客服從「每筆都要查表手回」變成「只接手需要人工判斷的複雜個案」，例如腳型特殊、兩腳尺寸不一、或顧客拿不定主意需要深聊的狀況，客服在尺碼諮詢上的工時可省下約六成。對營收的影響更直接：因為回得快、建議明確、又直接附上有貨連結，諮詢到下單的轉換率通常能明顯提升，原本因等太久而流失的訂單被接了回來。同時，建議下單尺碼準確，也能從源頭降低因尺碼不合而退換的比例，連帶減輕售後負擔。

流程怎麼運作

對應 frontmatter 的四個節點：

1. 需求接收：顧客透過 Line 官方帳號或表單留下腳長（公分）、平常穿的品牌與鞋碼、用途（通勤、運動、正式場合）與寬楦偏好。系統把這些整理成一組可比對的選鞋條件。
2. 尺寸換算：依各品牌尺碼對照表，把腳長換算成目標鞋款品牌的對應號數，並標出該品牌相對偏大或偏小，給出建議下單尺碼（例如「這個牌子偏小，建議比平常大半號」）。
3. 鞋款比對：AI 推薦模型從庫存資料庫挑出符合建議尺碼、用途與預算的在庫款式，列出顏色與目前還有貨的尺寸，避免推到缺貨款。
4. 建議回覆：AI 生成口吻親切的選鞋建議訊息，附上商品連結，並提醒顧客可預約到店試穿確認版型、或善用七天鑑賞期。

需要的工具與串接重點

平台用 n8n 或 Make。Line 官方帳號與表單工具負責收需求，尺寸對照表（建議整理成結構化資料）是換算的核心依據，AI 推薦模型負責選款，庫存資料庫提供即時有貨狀況。

串接重點：第一，各品牌的尺碼對照表要持續維護更新，新品牌進貨就補上，換算才準。第二，鞋款比對一定要接即時庫存，只推有貨的尺寸，避免推完才發現缺貨。第三，AI 回覆建議要保留「建議到店試穿」的提醒，把它定位成輔助選購而非保證合腳。想把這套客服自動化跟其他環節整合，可參考 自動化專區。

常見錯誤與注意事項

• 合腳與否以實際試穿為準：尺碼換算僅為參考建議。每個人腳型、足弓、慣穿鬆緊不同，最終合不合腳仍要以實際試穿為準，訊息中應主動鼓勵顧客到店試穿或保留七天鑑賞期，AI 不取代專業的版型判斷。
• 對照表要更新：品牌改版或新款上市，版型可能調整，尺碼對照表過期就會換算錯誤，需定期校正。
• 個資保護：顧客提供的腳長、聯絡方式屬個人資料，蒐集與使用須取得同意並符合個資法，僅供選鞋建議用途，不得外流或轉售。
• 避免過度承諾：不要在回覆中保證「選這號一定合腳」，以免日後退換爭議。

台灣中小企業情境案例

台南一家專營日系與歐系女鞋的網路店，因為品牌版型落差大，尺碼諮詢量一直很高。導入前，一位客服尖峰時段被尺碼問題塞爆，常常一兩小時才回得了一筆，顧客流失嚴重，退換貨裡有近三成是尺碼不合。導入這條流程後，顧客填完資料系統就秒回建議號數與有貨款式連結，客服只接手腳型特殊的個案。三個月後，店主回報尺碼諮詢的回覆幾乎即時，諮詢轉下單的比率提升了一截，因尺碼不合而退換的占比也從近三成降到一成多，售後壓力跟著減輕。客服省下的時間拿去做穿搭推薦，連帶拉高了客單。

延伸應用

這條流程可再延伸。建議鞋款剛好缺尺寸時，可串接 缺貨調貨查詢流程 即時查調貨；把首次來諮詢的新客留成會員，可接 會員回購喚醒流程。也能把諮詢資料彙整成「哪些款最常被問、哪些品牌最常換算偏大偏小」的數據，回饋給選品與商品頁的尺碼說明，從源頭減少詢問。更多選品與客服自動化的招式，見 食譜庫 與完整的 工作流清單。

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 →