外送平台訂單整合流

🎯 這條流程解決什麼

手搖飲料店尖峰時段最混亂的場景，就是「三台平板＋一台 POS＋官網」各自響個不停。Uber Eats 的平板叮一聲、foodpanda 的平板又叮一聲、官網點餐再來一筆，吧台一個人要同時盯好幾個畫面，邊做飲料邊抬頭看單，手忙腳亂之下漏單、做錯甜度冰塊、同一杯做兩次的狀況層出不窮。更糟的是某個品項的原料（例如某款水果或限量配料）已經賣完了，平台上卻還掛著可下單，客人點了做不出來，只能取消退款外加道歉，評價掉一顆星。

把這些損失算清楚：尖峰每漏一張單或做錯一杯，輕則重做浪費物料與時間，重則客訴、退款、平台評分下滑，而外送平台的評分直接影響曝光與排序，掉下去要很久才補得回來。店員在好幾個畫面之間切換、手動把外送單抄到 POS、再逐杯確認規格，這些動作每天累積就是大量被切碎的時間，根本沒辦法專心把杯子做好。尖峰一亂，整個下午的節奏就垮了。

這條流程把 Uber Eats、foodpanda 與自有線上點餐的訂單全部匯流成同一張製作清單，AI 統一甜度冰塊加料規格、依下單時間排序，缺料品項自動擋下，讓吧台一個畫面就看清製作順序。線上點餐進單的拆單邏輯可搭配 線上點餐自動進單 一起建，評論與客訴後續接 評論回覆與客訴升級。更多門市自動化點子可逛 工作流藍圖 與 配方庫，整體規劃見 自動化指南。

導入後的改變

導入前，多平台各響各的，吧台在畫面間切換、手抄訂單、憑記憶判斷有沒有缺料，尖峰漏單與做錯規格家常便飯，缺料還在接單導致取消退款。導入後，所有訂單匯流成一張依時間排序的製作清單，缺料品項自動暫停販售。實際效益估算：對單與切換畫面的時間可省下約七到八成；做錯規格與漏單的比例大幅下降；因缺料硬接而被迫取消的訂單幾乎歸零，連帶保住平台評分與曝光。省下的人力可以回到出杯品質與待客上，尖峰也不再因為理單而亂套。

流程怎麼運作

第一步「觸發：多平台新單」，Uber Eats、foodpanda 或官網點餐任一來單，透過 Webhook 即時啟動流程。第二步「AI 統一規格」，各平台對品項、甜度、冰塊、加料的命名與格式都不一樣，AI 訂單解析節點把它們全部轉成店內統一的標準規格（例如把各種「微糖／少糖／三分糖」對應到店內固定的糖度代號）。第三步「匯流製作清單」，把解析後的訂單依下單時間排序，寫入同一張吧台製作清單與 POS，先到先做、順序清楚。第四步「缺料自動擋單」，比對庫存資料表，原料不足的品項即時標記或在平台上暫停販售，避免接到做不出來的單。第五步「出單與取餐通知」，把整理好的單推到出單機，並回報取餐號與外送員到店資訊，讓交付不出錯。

需要的工具與串接重點

平台用 n8n 或 Make 串各家 Webhook。外送平台 Webhook 負責即時把新訂單推進流程（部分平台需透過官方 API 或中介服務取得）。AI 訂單解析節點是關鍵，負責把跨平台的雜亂規格標準化。Google Sheet 或 POS 作為製作清單與訂單主表。出單機或 LINE Notify 負責把單推到吧台。庫存資料表記錄各原料即時存量供擋單比對。串接重點：先把店內品項與規格建一張對照字典，讓 AI 有依據對齊各平台寫法；糖冰加料的對應要逐一確認，錯一個就會做錯；缺料擋單要能反向回寫到各平台暫停品項，否則平台端還是會繼續接單。

常見錯誤與注意事項

最容易出包的是規格對照沒建齊，導致 AI 把某平台的加料解析錯，做出來不是客人要的。建議上線初期保留人工抽查，確認對照無誤再放手。缺料擋單的庫存數字要夠即時，否則會發生「系統以為還有、實際已沒了」的落差。特別提醒：外送平台的退款、補單與營收對帳涉及金流，自動整合僅供作業參考，實際對帳與退款金額務必由店長人工核對確認；本流程協助理單與出單，不取代門市對帳與客服判斷，遇到爭議訂單一律以人工處理為準。

台灣中小企業情境案例

桃園一間加盟手搖店，午後與下班尖峰常常三個平板一起響，店長與兩位工讀生輪流盯單還是漏，某款季節限定飲品的水果賣完卻沒即時下架，一個下午取消了好幾單、被客人留了差評。導入這條流程後，所有訂單併成一張依時間排序的製作清單，缺料品項自動在平台暫停，吧台只要照清單一杯杯做。尖峰漏單幾乎消失，季節品缺料造成的取消歸零，平台評分回穩，店長終於能把心思放回出杯速度與品質。

延伸應用

這條流程可往後串接每日營業結束的多平台營收彙整，自動把各平台抽成後的實收整理成對帳表（金額仍需人工核對）；可加上熱門品項與時段分析，幫店長決定備料量與人力班表；也能在缺料擋單時自動通知補貨或叫料。連鎖品牌還能把各門市的訂單與缺料狀況彙整到總部儀表板，掌握全局並調度資源。

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 →