結案滿意度調查流

🎯 這條流程解決什麼

服務做完就斷線，是多數客服團隊最大的盲點。客戶這次的體驗到底滿不滿意，沒人主動問；等到一則負評貼上 Google 評論或社群、或是熟客默默不再回購，團隊才驚覺早就出了問題。研究普遍指出，主動表達不滿的客戶只是冰山一角，更多人選擇沉默地流失——而獲取一位新客的成本，往往是留住舊客的數倍。

就算有些團隊有發滿意度問卷，也常做得零散：靠客服「想到才發」，發送時機不一致、回收率低；回收的分數散落在不同表單、不同月份的檔案裡，主管根本看不出「哪位專員的評價偏低、哪一類問題客戶最不滿」。等到季末要做服務檢討，才臨時把資料東拼西湊，既不即時、也不可信。最致命的是，少數真正不滿的客戶，他們的低分回饋沒有被即時看見、即時補救，白白錯過了挽回的黃金時間。

這條流程在工單結案後自動發送滿意度調查，依客戶慣用通路觸及，分數即時匯入儀表板並按專員與主題統計趨勢，一旦出現低分或負評，立刻通知主管並建立補救工單由真人主動關懷。問題在惡化前被攔下，客戶體驗的好壞也終於有了可量化的依據。

導入後的改變

導入前，滿意度是一筆糊塗帳：發不發看心情、回收的分數沒人整理、低分沒人即時處理。主管對服務品質的掌握全憑感覺，要找出問題專員或問題環節，往往要等客訴爆出來才知道。一份問卷從發送到主管看到彙整結果，可能要等上好幾週。

導入後，每張工單結案都自動觸發調查，回收率因「時機對、表單短」而明顯提升（許多團隊從個位數百分比回收提升到兩三成）；分數即時進儀表板，主管隨時看得到每位專員、每類主題的趨勢，服務品質從「憑感覺」變成「看數據」。最關鍵的是低分案件能在數分鐘內被標記、轉交主管啟動補救，挽回時機從「事後才知道」提前到「當下就處理」，依團隊回饋，原本可能默默流失的不滿客戶，有相當比例能在主動關懷後被留下。人工方面，省去客服手動發問卷、彙整分數的雜事，這部分事務工時幾乎可降到零。

流程怎麼運作

五個節點構成從結案到補救的閉環：

1. 偵測結案（✅）：當 Zendesk 工單被標記為結案，自動觸發流程，並刻意延遲數分鐘到數十分鐘再發送，避免在客戶剛掛斷時就追問、顯得急躁。
2. 發送調查（📨）：依客戶慣用通路（LINE 官方帳號或 Email）發送一份簡短的 CSAT 評分加一欄選填意見的表單，問題越短回收率越高。
3. 即時匯整（📈）：回收的分數與意見寫入 Google Sheets 儀表板，自動依專員、問題主題、時間區間統計趨勢，主管隨時可查。
4. 低分警示（🚨）：一旦出現低分或負面評語，立即透過 Slack 通知主管，並把該案標記為「需關懷」。
5. 關懷補救（💌）：系統建立一張補救工單，指派真人客服主動聯繫客戶、了解問題、提出補救，並把處理過程與改善紀錄回寫，形成可追蹤的閉環。

需要的工具與串接重點

以 n8n 或 Make 串接。Zendesk（或其他工單系統）提供結案事件作為觸發點。LINE 官方帳號與 Google Forms 負責對客戶發送調查，依客戶通路偏好選擇。Google Sheets 作為儀表板與資料中心，承接所有回收分數與意見。Slack 負責對內即時警示。

串接重點：第一，發送一定要設「延遲」，剛結案就追問體驗很惱人，建議延遲幾分鐘到一兩小時。第二，問卷要極短——一題評分加一欄選填意見就夠，每多一題回收率就掉一截。第三，低分的門檻與通知對象要先和主管談定，避免每個普通的中等分數都觸發警示造成疲乏。第四，補救工單要能明確指派負責人並追蹤狀態，不能發完通知就沒下文。建置範例見 /automation。

常見錯誤與注意事項

最常見也最危險的錯誤，是讓系統「自動」處理補救與補償。低分案件的補救聯繫務必由真人客服執行，補償方案（退費、折扣、贈品）必須由人工確認後才提出，切勿讓系統自動發送補償承諾或金額。 AI 與自動化適合做「偵測、發送、彙整、警示」，但「怎麼安撫這位生氣的客戶、給不給補償、給多少」屬於需要人情與商業判斷的環節，不能交給機器自動決定，以免造成金錢損失或承諾糾紛。

隱私方面，滿意度回饋常含客戶真實姓名、聯絡方式與對特定專員的評價，這些資料請限定客服與主管權限存取，不應在公開頻道流傳。對專員的負面評價更要謹慎處理，作為輔導改善之用，而非公開究責。

台灣中小企業情境案例

台中一家經營保健食品的電商，客服團隊五人，過去從不主動發滿意度問卷，服務品質好壞全靠主管旁聽幾通電話的印象。某季因一位新進客服處理退換貨的態度不佳，連續得罪了好幾位熟客，主管卻渾然不知，直到 Google 評論冒出三則一星負評才驚覺。導入這條流程後，每張工單結案就自動發 LINE 問卷，分數即時進儀表板，主管很快就發現那位新人的 CSAT 明顯偏低、且集中在退換貨主題，及時介入輔導；同時低分案件一出現就轉主管啟動關懷，把幾位本來打算不再回購的客戶成功挽回。三個月後，這家電商的整體 CSAT 提升、負評明顯減少，主管也終於能用數據開服務檢討會，而不是憑印象。

延伸應用

這條流程是售後體驗閉環的起點。可接續 /workflows 的工單派發作為補救收尾，與退換貨處理串成完整的售後鏈；累積的滿意度資料還能反過來餵養服務改善——把「哪類問題最常得低分」回饋給知識庫與教育訓練。同樣的「事件觸發＋即時調查＋低分警示＋真人補救」模式，也能延伸到課程結業滿意度、活動參加後回饋、醫療院所就診後關懷（敏感領域務必由專業人員人工跟進）、甚至內部員工的服務體驗調查。更多客戶體驗自動化的範本與設計，可參考 /recipes 與 /automation。

流程圖

用到的工具

更多「企業職能」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 →