餐酒館評論集中監測與回覆草稿生成流程

🎯 這條流程解決什麼

餐酒館的生意，有很大一塊是被「看不見的搜尋」決定的。一個客人想找週五晚上小酌的地方，打開 Google 地圖、滑一下 IG 標註、再翻翻訂位平台的評價，前三筆評論若出現「等位等了四十分鐘」「服務超冷淡」而店家完全沒回，這桌客人多半就轉身去隔壁了。問題在於，多數餐酒館的線上口碑根本沒有人專責顧。Google 商家檔案、IG 留言、訂位平台評價各看各的，店主白天備料、晚上盯場，根本沒空一個平台一個平台輪流刷。

實務上純人工做這件事要花多少時間？以一間中型餐酒館為例，每週大約累積十五到三十則跨平台評論。若要認真做，外場主管得每天早上花二十到三十分鐘逐一登入各平台、看完、判斷哪些要回、再逐則打字回覆，一週下來就是三到四個工時。而且人工最大的問題不是慢，是「漏」與「拖」——負評往往出現在打烊後的深夜，等到隔天下午才看到，黃金處理時間早就過了，客人氣消了也走了，那則一星還永遠掛在搜尋結果第一頁。每漏接一則處理得宜的負評，等於把一群正在觀望的潛在客人推走，這個隱形成本遠比三四個工時昂貴。

這條流程要解決的，就是「集中監測 + 即時警示 + 草稿減負」三件事，把分散的線上口碑收攏成一條可控的作業線。

導入後的改變

導入前：評論散在三四個平台、沒人固定看；負評平均拖一到兩天才被發現；回覆全靠主管臨時想措辭，忙起來乾脆不回；好評幾乎從不道謝，錯過鞏固熟客的機會。整體線上回覆率常低於三成。

導入後：所有新評論一小時內被彙整進同一張總表，低星評論即時推播到主管手機，黃金處理時間從「隔天」壓縮到「當晚」。回覆草稿由系統先擬好，主管只要潤飾確認，單則回覆時間從五到八分鐘降到一到兩分鐘。合理估算下，每週花在評論管理的工時可從三到四小時降到一小時內，省下約六到七成；線上回覆率可從不到三成拉到八成以上。更重要的是負評「當晚就有人理」，能把原本一面倒的客訴，轉成「店家很在乎」的正向印象，連帶減少客人賭氣到處轉貼的擴散風險。

可搭配 會員回訪經營流程 把化解抱怨後的客人重新邀回，或接續 線上訂位管理流程 從評論回饋優化候位與用餐體驗，更多口碑經營做法見 食譜庫，整體門市 自動化 佈局也能一併規劃。

流程怎麼運作

對應 frontmatter 的四個節點，逐步拆解：

1. 評論彙整（🔍）：以每小時排程搭配新評論 Webhook 觸發，定時抓取 Google 商家檔案、IG 與訂位平台的新評論。每一則寫入一張總表，自動標註來源平台、星等、評論時間與原文，並用評論 ID 去重，避免同一則被重複處理。
2. 情緒分類（😊）：AI 讀過原文後判斷整體正負面，並抽出「具體抱怨點」——是等位太久、出餐慢、調酒不到位，還是服務態度問題。系統依此貼標籤並排定處理優先序，負面又具體的優先、純好評排後。
3. 低分通知（🚨）：一旦出現低星或負評，立即透過 Line 官方帳號推播主管，訊息內含評論原文、平台連結與一句重點摘要。讓主管不必登入後台就能在第一時間判斷要不要私下聯繫客人。
4. 回覆草稿（💬）：依評論內容與預先設定的店家語氣，生成個別化回覆草稿。正面評論走「真誠道謝 + 邀請再訪」路線，負面評論走「同理 + 具體說明改善 + 邀請私下聯繫」路線，草稿產出後進入待審區，等人工潤飾後才發布。

需要的工具與串接重點

• platform（n8n / Make）：擔任排程與流程編排的大腦，負責定時觸發、串接各 API、控制條件分流。建議在 n8n 設一個每小時的 Cron 節點，再加一個接收平台 Webhook 的入口。
• Google 商家檔案 / 訂位平台評論：評論來源。Google 端透過 Business Profile API 取得新評論；IG 與訂位平台若無開放 API，可改用官方通知信轉發或半自動匯入。
• AI 情緒分析 + AI 回覆生成：建議在 Prompt 中固定餐酒館的品牌語氣（例如輕鬆、不油膩、不過度官腔），並要求回覆草稿一律標註「待人工確認」。
• Line 官方帳號：警示與通知出口，設定只推播低星與含敏感字眼的評論，避免主管被好評洗版而疲乏。

串接注意點：務必用評論 ID 做唯一鍵防重複；各平台時間格式不一，統一轉成同一時區；AI 節點要設失敗重試，避免單次 API 逾時就漏掉一整批評論。

常見錯誤與注意事項

• AI 草稿一律只是草稿：所有公開回應發布前都須由主管或主理人人工確認。涉及客訴、退費承諾、事實爭議時尤其要逐字看過，避免不當措辭反而擴大衝突。
• 不在公開回覆揭露個資與內部細節：切勿在回覆中提及客人姓名、訂位電話、消費明細或內場營運細節，違反個資保護也容易引發二次糾紛。
• 食安與人身安全是紅線：遇到指控食物中毒、衛生疑慮、人身安全或法律爭議的負評，應立即轉由負責人私下處理並諮詢專業，AI 不取代危機處理與法律判斷。
• 別讓回覆變罐頭：同一套句型重複貼，客人一眼看穿是機器人應付，反而傷形象。草稿要因事制宜潤飾。

台灣中小企業情境案例

台中一間以精釀啤酒為主的餐酒館，週末翻桌快、出餐偶爾塞車，Google 上陸續出現「等很久」的兩三星評論卻沒人回。導入這條流程後，店長手機在打烊前就收到當晚負評推播，當下就能在回覆草稿基礎上加一句「週五人潮較多，已加開吧台出酒線，下次來歡迎先線上訂位幫您留位」，並私訊客人致意。三個月後，該店 Google 平均星等從 4.0 回升到 4.4，負評回覆率達百分之百，幾位原本給低分的客人回訪後改評為四星，外場主管每週花在評論上的時間也從近四小時降到約四十五分鐘。

延伸應用

這條流程的骨架可以再延伸：把總表的抱怨點做月度統計，找出「等位」「出餐慢」是否為長期結構問題，回頭優化現場動線；對好評客人自動打標，餵進回訪名單做熟客經營；也能擴充競品監測，定期看附近同類店家的評論趨勢做差異化。把單純的「回評論」升級成「用評論數據經營一間店」，是這條自動化真正值得投入的地方。

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 →