客服訊息自動分流流

🎯 這條流程解決什麼

客服第一線最磨人的，是「重複問題回到手軟、重要客訴卻被淹沒」這個結構性矛盾。FB 粉專、Line 官方帳號、客服信箱每天湧進的訊息裡，有很大一塊其實是同樣幾個問題：營業時間、出貨要幾天、怎麼退貨、有沒有貨。客服一遍又一遍打著幾乎一樣的答案，時間都耗在這上面；偏偏真正重要的客訴或緊急訂單問題，就夾在這堆重複訊息裡，等被翻到時已經晚了。

用純人工處理，成本主要在三處。第一是重複勞動：以一個中小品牌每天 150 則私訊估算，其中六到七成是 FAQ 等級的問題，客服等於花大半天在做「可以被自動化掉」的事，每天輕鬆吃掉 2 到 3 小時。第二是反應慢：私訊不像電話會響，沒人盯就堆著，客戶等十分鐘沒回應就跑去別家或直接給負評。第三是看不到模式：訊息回完就過去了，沒有累積，老闆永遠不知道「這個月被問最多的到底是什麼」，無法針對性地改商品頁或公告。

這條流程讓 AI 當第一線守門員：簡單的它擋掉、複雜的精準轉給人，同時把每一筆都留下紀錄。

導入後的改變

導入前，客服一整天在重複回答常見問題與翻找重要訊息之間切換，FAQ 佔掉大半工時，私訊回應動輒拖到十幾分鐘以上，問題模式無從統計。

導入後，訊息一進來 AI 先判斷意圖：能自動回的（如出貨時間、退貨政策）比對 FAQ 知識庫直接回覆，不能的開工單標好優先級轉真人。實務上，若 FAQ 類問題佔六到七成，這條流程能把客服從重複勞動裡解放出來，估計省下約 40% 到 55% 的回訊工時，讓人力集中在真正需要判斷的案件。

回應速度方面，自動回覆是秒級的，FAQ 問題不再排隊等人，整體首次回應時間可望從十幾分鐘降到接近即時。更重要的是每筆對話與處理結果都寫進資料庫，累積一段時間後，老闆能清楚看出「被問最多的前五個問題」，反過來去優化商品頁、加公告、補 FAQ，從源頭減少進線量。

🛡 安全設計：客訴、退款等敏感意圖一律「不自動回、直接轉真人」，避免 AI 誤判惹議。自動回覆也可先設成「草稿待真人按送出」的半自動模式，建立信任後再全自動。以上效益為合理估算，實際幅度依你的 FAQ 佔比與進線量而定。

流程怎麼運作

對應 frontmatter 的五個節點，逐步說明：

1. 觸發：收到訊息（📨）：在 n8n／Make 為 FB 粉專、Line 官方帳號、客服信箱各設 Webhook 或觸發節點，任一通路收到訊息就啟動，並把內容正規化成統一格式。

2. AI 判斷意圖（🧠）：把訊息丟給 AI 分類節點，分成常見問題、訂單查詢、客訴、其他，同時評估「能不能安全地自動回覆」。客訴、退款這類敏感意圖一律標為「不可自動回」。

3. 能自動回 → 直接回（🤖）：判定為 FAQ 且可自動回的訊息，比對 FAQ 知識庫產生答案，直接回覆顧客。建議初期先走「草稿待真人送出」的半自動模式。

4. 不能 → 開工單轉真人（🙋）：客訴、訂單查詢或 AI 沒把握的訊息，建立工單、標好優先級，通知對應同事接手，並附上原始對話脈絡。

5. 全部記錄（🗃）：每筆對話與處理結果（自動回或轉人、屬於哪類意圖）寫進資料庫或 Sheet，供日後分析常見問題與優化。

需要的工具與串接重點

• 訊息平台 Webhook：FB Messenger、Line Messaging API、Email 各自的接收設定。Line 記得關掉內建自動回應、開 Webhook；FB 注意 24 小時訊息視窗。
• AI 分類節點：流程的大腦。Prompt 要明確列出意圖類別，並要求「沒把握就標為需人工」，寧可保守也不要硬回。
• FAQ 知識庫：自動回覆的答案來源，建議用結構化的問答對或向量檢索，內容要定期維護更新，過時答案比沒答案更糟。
• 工單系統 / Sheet：承接需要真人處理的案件，中小團隊用 Sheet 起步即可，量大再換正式工單系統。
• 通知：把轉真人的案件推到 Slack 或 Line 通知對應同事。

串接重點是「分類門檻寧嚴勿鬆」：自動回覆一旦回錯就直接傷到客戶，所以對「能不能自動回」的判斷要保守，把不確定的全推給人。

常見錯誤與注意事項

• 敏感意圖自動回：客訴、退款、爭議一律「不自動回、直接轉真人」，由真人客服人工確認後處理，AI 不取代專業判斷，切勿讓系統代為承諾或道歉。
• FAQ 知識庫過時：自動回覆的品質完全取決於知識庫，政策一改（退貨天數、運費）就要同步更新，否則會用舊資訊誤導客戶。
• 一上線就全自動：建議先走半自動（草稿待送出）一段時間，確認 AI 回答品質與分類準度後再放全自動。
• 個資外洩：訊息常含訂單與聯絡資訊，自動回覆與通知都要避免把完整個資外傳，紀錄資料庫權限要收斂。

台灣中小企業情境案例

台南一家手作烘焙的網路小店，老闆娘自己兼客服，FB 與 Line 每天上百則私訊，七成都在問「今天有沒有開」「宅配要幾天」「可不可以指定到貨日」，她常常忙到深夜才回得完，重要的客訴反而被埋在裡面隔天才看到。導入這條分流後，這些常見問題由 AI 比對 FAQ 自動回覆（初期先用草稿模式，她快速按送出），客訴與特殊訂單則開工單標高優先、即時通知她本人。回訊負擔大幅下降，客訴也不再被淹沒。一個月後她從紀錄看出「指定到貨日」被問最多，乾脆在商品頁加了預約到貨選項，連帶把這類詢問量壓下來。她的感想是「終於不用每天回一樣的話回到崩潰」。

延伸應用

這條流程是客服自動化的起點，能往多方向擴充。往後，需要真人處理的案件可接到 /workflows 的工單自動建立與派發流程，依技能與負載智慧指派、加上 SLA 倒數；也可接退換貨處理流，讓「我要退貨」直接走標準化售後線。紀錄資料可接到 /automation 的排程，自動產出「本月最常見問題 Top 10」報表，提醒你該補哪些 FAQ 或改哪個商品頁。想看更多客服與訊息自動化的組合，可在 /recipes 找到對應配方，依你的通路與訊息量拼出最合適的第一線守門設計。

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 →