用 AI 打造客服話術庫與回覆 SOP：從零建立一套能複製、能交接、能規模化的客服系統

幾乎每家有在做生意的公司，客服品質都偷偷綁在「某個人」身上。可能是做最久的那位資深客服、可能是老闆自己。他知道哪種客訴要先道歉再處理、哪種客戶可以直接補運費了事、哪句話講出去會踩到法規。問題是這套經驗從來沒寫下來，全裝在他腦袋裡。等他請假、離職，或公司突然單量暴增需要找三個新人，服務品質就斷崖式下滑——新人不知道怎麼回、回得太硬或亂承諾，客訴反而變多。

這篇要解決的問題：怎麼用 AI 把散落在對話紀錄與老員工腦袋裡的客服經驗，整理成一套能複製、能交接、能規模化的話術庫與回覆 SOP。 適合誰讀：客服主管、電商小編、中小企業主、想把客服標準化或準備上 AI 客服機器人的團隊。 讀完你會得到：一套盤點高頻問題的 Prompt、一份分級回覆模板與退讓授權表的設計方法，以及把話術庫接上 AI 機器人前的檢查清單。

一句話 TL;DR：先用 AI 把過去的真實對話分類成高頻問題，為每類寫「標準／不滿／補償」三層模板，配一頁語氣與退讓準則，整理成可查詢的 Playbook，最後才考慮接機器人——話術庫是內容，機器人只是管道，順序絕不能反。

本文涉及退貨、退費與補償等實務操作，文中案例數字僅供說明，實際做法因產業、商品性質與公司政策而異。涉及消費爭議的處理請依《消費者保護法》及主管機關規範辦理，特殊產業（醫療、金融、食品保健）的客服用語另受法規限制，本文不構成法律意見。

為什麼客服話術值得花力氣用 AI 整理

客服話術庫這件事，多數老闆心裡都覺得「應該做」，卻永遠排不進待辦清單。因為它不像新功能、新檔期那樣有立即營收，做起來又瑣碎。但只要發生過一次「資深客服離職、新人接不住、客訴爆量」，你就會懂這件事的成本有多高。

用 AI 來做這件事，剛好補上過去做不起來的三個關卡。

第一，整理量太大，人工做會放棄。要把過去三到六個月、可能上千則對話讀完、分類、抓出共通模式，靠人讀根本讀不完，讀到一半就放棄了。AI 可以在幾分鐘內把一大批對話分類、抓出高頻主題與典型問法，把「讀一千則」變成「審一份摘要」。

第二，寫模板很耗時，且容易寫死。一個問題要寫標準版、不滿版、補償版三層，三十個問題就是九十段文字，純手寫會寫到厭世。AI 能依你給的語氣與原則快速量產初稿，你只要當主編改稿，速度差十倍。

第三，多管道改寫是純體力活。同一條退貨話術，電話、LINE、Email、社群各要一版，純手改既無聊又容易漏。這種「同一內容換四種口吻」正是 AI 最擅長的。

更關鍵的是，把話術庫整理好之後，它不只是給人看的文件——它同時是你未來上 AI 客服機器人、內部知識庫與自動產生 FAQ 的共同底層。一份做好的 Playbook，一魚多吃。

核心概念：話術庫 ≠ 機器人，內容與管道要分清楚

開始動手前，先把一個最常被搞混的觀念釐清，否則整件事會做歪。

很多人一聽到「AI 客服」，腦袋就直接跳到「上一個聊天機器人」。但機器人只是把話講出去的管道，它講什麼、怎麼講、能不能退費，全靠底層那套內容。內容沒整理好就急著上機器人，等於請了一個口齒清晰但什麼都不懂的工讀生站在第一線——講得越流利，捅的婁子越大。

所以這套系統有三個層次，必須分清楚：

正確的建置順序是由內而外：先把事實層拍板（這是 SOP 的硬核），再用 AI 處理表達層（這是話術庫的血肉），最後才接管道層（人或機器人都是執行端）。

順帶釐清一個常見疑問：機器人和 AI Agent 也不一樣，前者照腳本回答、後者能主動完成任務，差異可以參考這篇對照。本文先把最扎實的話術庫與 SOP 做出來，這是不論你之後用人、用機器人還是用 Agent，都跑不掉的基本功。

一份好話術庫長什麼樣

判斷你的話術庫做得好不好，看四個指標：查得到（新人三十秒內找到對應話術）、敢照用（內容明確到客服不必再請示就能回）、改得動（每條有更新日期與負責人，過期看得出來）、機器讀得懂（結構清楚、有編號，未來能直接餵給 AI）。沒做到這四點，它就只是一份沒人看的死檔案。

實際做法：五步建立你的客服 Playbook

下面五步可以照順序做。建議先用「最小可行版本」跑完一輪（只做最高頻的 10 個問題），再回頭加深加廣，不要一開始就追求三十類全做完。

Step 1：盤點高頻問題與真實對話

打開你過去三到六個月的客服紀錄——可能是電商後台的客服訊息、LINE 官方帳號對話、客服信箱、社群私訊。先做去識別化（把姓名、電話、地址、訂單編號這類個資移除或代換成代號），再把對話文字匯整成一份檔案。

接著把這批對話交給 AI，請它做兩件事：分類出最常見的問題類型，並標出每類大概的佔比。你會很快看到「物流到貨」「退換貨」「商品問題」「金流／發票」這幾類往往佔了七八成。先抓出佔比最高的前 10 類，這就是你話術庫的骨架。

個資提醒：上傳對話給外部 AI 工具前，務必去識別化，並確認該工具的資料使用政策符合《個人資料保護法》。涉及大量客戶資料時，優先選用企業方案或本地部署。

Step 2：為每類問題寫分級回覆模板

每個問題類型不能只寫一個版本，因為同一個問題、客戶情緒不同，回法就不同。至少寫三層：

• 標準版：客戶平靜詢問時的正常回覆，把流程講清楚。
• 客戶不滿版：客戶已經帶情緒（「我等了一個禮拜！」），開場要先同理、再處理，不能直接講政策。
• 補償／退讓版：確實是公司疏失或需要安撫時，附上你能提供的具體補償與條件。

這一步讓 AI 量產初稿效率最高。給它語氣準則和一個範例，它就能把十類問題的三層模板一次鋪出來，你負責挑、改、刪。

Step 3：訂出語氣準則與退讓底線

這是整套 SOP 的靈魂，也是 AI 幫不上太多忙、必須由人拍板的部分。用一頁文件寫清楚：

• 品牌語氣：親切但不裝熟？專業而簡潔？舉兩三個「我們會這樣說／不會那樣說」的對照例。
• 稱呼與基本禮貌：稱「您」還是「親」？開場與收尾固定句型。
• 能承諾與不能承諾：哪些事客服可以當場答應、哪些一律不行（例如不得保證療效、不得承諾未公告的補償）。
• 退讓授權表：把補償分三級，寫清楚每級的金額上限、適用情境、需要的核准層級。

退讓授權表特別重要。沒有它，客服要嘛卡住不敢回、要嘛亂承諾。有了它，小事客服當場解決、大事自動往上呈報，又快又不出包。

Step 4：整理成可查詢的 Playbook

把模板和準則整理成有結構、好搜尋的格式。每一條話術建議帶上：編號、問題類型、適用情境、模板內容、更新日期、負責人。可以放在 Notion、共用文件或內部 wiki，重點是搜得到。

這一步也決定了未來能不能餵給機器人。結構越清楚、編號越完整，之後接 AI 客服機器人或建知識庫就越省力。

Step 5：上線測試並定期回收修正

把 Playbook 交給客服實際用一到兩週，重點收集兩種訊號：找不到對應話術的缺口（代表要補新模板）、客戶對某段話術反彈（代表那段要改）。設一個固定回收節奏，例如每月由主管花一小時補洞、刪冗。話術庫是活的，沒有回收機制，三個月就會失準。

可複製的 Prompt

以下兩段 Prompt 對應流程中最花時間的兩步。把方括號內容換成你的實際資料即可。

第一段，用來盤點高頻問題（對應 Step 1）：

你是一位資深客服流程分析師。以下是我們過去幾個月的客服對話紀錄（已去識別化）：

[在這裡貼上對話內容，或描述對話來源與大致內容]

請完成以下任務：
1. 將這些對話分類成不超過 15 種「問題類型」，每類給一個簡短名稱。
2. 估算每一類大約佔比，由高到低排序。
3. 針對佔比最高的前 5 類，各列出 3 個客戶最常見的「實際問法」。
4. 標出其中哪些問題涉及退費、補償或可能引發客訴，需要主管特別訂規則。

請用表格輸出，欄位：問題類型、估計佔比、常見問法、是否高風險。

第二段，用來量產分級回覆模板（對應 Step 2、Step 3）：

你是我們品牌的資深客服主管，要為新人撰寫回覆話術模板。

品牌語氣準則：[例如：親切、口語、有同理心，但不裝熟，一律稱「您」]
我們能提供的補償上限：[例如：客服可自行補運費或補寄贈品；部分退款需主管核准；全額退費一律呈報]
絕不能承諾的事：[例如：不保證療效、不承諾未公告的折扣、不比較競品]

請針對以下問題類型，各寫三個版本的回覆模板：
問題類型：[例如：商品到貨後發現瑕疵，要求退換]

版本一（標準版）：客戶平靜詢問時的正常回覆。
版本二（不滿版）：客戶已經帶情緒，開場先同理再處理。
版本三（補償版）：確認是我方疏失，附上具體補償與條件。

每個版本控制在 3 到 5 句，保留同理開場與一個明確的下一步動作。
最後另外提醒我：這個問題類型有沒有不能亂承諾的法規或政策風險。

產出後務必由懂客戶、懂法規的人潤一輪，把書面語改成在地口語、補上真實細節，並刪掉「不僅⋯而且」這類 AI 腔贅字。想更系統地控制 AI 產出品質，可以參考 Prompt 工程框架。

台灣中小企業實作案例

以下案例為整合多個真實情境的示意，數字用於說明方法效果，非單一公司精確數據。

背景：台中一家做居家生活用品的電商，月訂單約三千筆，客服團隊兩人，旺季再找一到兩位兼職支援。長期問題是：所有疑難雜症都靠做最久的客服「阿芬」處理，她一請假，兼職新人就回得零零落落——退貨流程講錯、面對情緒客戶只會貼政策、補償尺度時鬆時緊，客訴信因此偏多。

導入前痛點：

• 新人上線到能獨立回覆，平均要跟阿芬旁邊學兩週以上。
• 同一個退貨問題，三個人三種回法，客戶在 LINE 和電話得到的答案還不一樣。
• 兼職不敢自行決定任何補償，小事也要等阿芬回來，客戶等很久。

導入做法：花了大約一週，照本文五步走。先把三個月的 LINE 與信件對話去識別化後丟給 AI，分出 12 類高頻問題（光是物流與退換貨就佔六成）；為前 10 類各寫三層模板；阿芬和老闆一起把退讓授權表拍板（補運費、補贈品兼職可自決，部分退款需老闆核准）；整理進 Notion 並做好搜尋分類；先試跑兩週，每天收一次卡關案例補進去。

導入後成果（示意）：

關鍵轉變不在 AI 多聰明，而在「阿芬腦袋裡的東西終於變成了查得到的文件」。旺季再找兼職，丟一份 Playbook 就能上工；阿芬請假也不再天塌下來。後續這家店把同一份話術庫餵給 LINE 上的 AI 客服機器人做第一線過濾，常見問題自動回、複雜的才轉真人，客服人力又省下一截。這正是「先做內容、再上管道」的好處——底層做扎實，上面接什麼都順。

常見錯誤

錯誤一：跳過話術庫直接上機器人。 這是最貴的錯。底層內容沒整理，機器人講出來前後矛盾、亂承諾退費，上線一週就被罵到下架。永遠先做內容、再上管道。

錯誤二：每個問題只寫一個版本。 客戶平靜問和帶著怒氣問，需要完全不同的回法。只有標準版的話術庫，一遇到情緒客戶就破功。標準、不滿、補償三層缺一不可。

錯誤三：退讓授權不寫清楚。 沒有授權表，客服要嘛不敢決定卡住客戶、要嘛擅自承諾捅婁子。把補償分級、寫明上限與核准層級，是讓客服「敢即時回又不出包」的關鍵。

錯誤四：各管道話術各寫各的，事實層不一致。 客戶在 LINE 問一套、打電話又一套，信任立刻崩。事實層（政策、權限）必須全管道一致，只有表達層可以因管道調整口吻。

錯誤五：做完就放著，沒有回收機制。 產品會改版、活動會檔期、客訴熱點會變，話術庫三個月不更新就失準。一定要設每月回收的固定節奏，並讓客服能一鍵回報「找不到對應話術」。

錯誤六：上傳對話沒做去識別化。 把含個資的對話直接丟給外部 AI，是資安與法遵地雷。盤點前務必移除或代換姓名、電話、地址、訂單號等個資。

結論

客服品質長期靠「某個人」是最危險的經營狀態——那個人就是你的單點故障。用 AI 打造話術庫與回覆 SOP，本質上是把這個人的經驗從腦袋裡搬出來，變成公司查得到、改得動、傳得下去的資產。

記住三個重點：先做內容再上管道（話術庫是底層，機器人只是出口）、每個問題寫三層、配一張退讓授權表（讓客服敢即時又不出包）、設好每月回收機制（讓話術庫活著）。從最高頻的 10 個問題開始，一個下午就能跑出最小可行版本，讓團隊先嚐到「查得到、回得快」的甜頭，後續再逐步補滿。

把這套底層打好之後，你會發現它不只解決客服交接問題，更是你未來上 AI 客服機器人、建內部知識庫、留住老客戶（延伸閱讀：用 AI 做客戶留存）的共同基礎——做一次，受用很久。

常見問題 FAQ

延伸閱讀

• 用 AI 寫客服回覆話術腳本
• 用 AI 建內部知識庫
• 用 AI 自動產生 FAQ
• 從零打造 AI 客服機器人
• AI Agent 與聊天機器人差在哪