早餐店線上評論回覆協助

🎯 這條流程解決什麼

現在消費者選早餐店，幾乎都是先打開 Google 地圖看星等、再滑外送平台的評論決定要不要點。一則沒回覆的一星差評，往往就讓正在猶豫的客人轉頭去隔壁那家。問題是早餐店的尖峰時段全壓在早上六點到九點半，老闆跟員工從備料、煎台、收銀到外送出餐根本停不下來，哪有空一個平台一個平台去翻評論。

實際算一下人工要花的時間：一家有 Google 商家、兩家外送平台、再加上一個 IG 或臉書粉專的早餐店，每天平均累積五到十五則新評論。光是逐一登入四個後台、把評論看過一輪、判斷哪則該優先處理、再逐則想措辭打字回覆，認真做一輪至少要四十分鐘到一個小時。多數老闆撐到打烊累癱，乾脆放著不回，結果就是差評放了三五天才看到、黃金處理期已過，好評也從來沒回過。久而久之，商家評分往下掉、Google 在地搜尋排名變差、新客看到「店家都不回覆」的觀感也跟著扣分，等於每天都在默默流失生意。

換算成本，假設店主或店長的時間以時薪兩百五十元估，一天花一小時處理評論，一個月就是約七千五百元的隱形人力成本；而真正傷害更大的，是那些因為差評沒及時處理、口碑持續發酵而流失的潛在客單。

導入後的改變

導入前： 評論散落在四個平台，沒人專責盯，差評平均拖三到五天才被發現；回覆全靠當下心情與空檔，措辭時好時壞，旺季幾乎完全停擺；老闆也說不清楚客人到底最常抱怨什麼。

導入後： 系統每天定時把所有平台的新評論集中成一張總表，差評即時推播提醒，黃金處理時間從「三五天」縮短到「當天」。回覆草稿由系統先擬好，店家只要審閱、微調、按送出，單則回覆的處理時間從平均五到八分鐘壓到一分鐘內，整體評論回覆工時可省下約七到八成。差評因為回得快、回得有誠意，有機會在客人氣頭上就被安撫，部分還願意回頭修改評分。長期下來，回覆率拉高、平均星等回穩，在地搜尋的曝光也跟著改善。保守估計，一家中型早餐店每月可省下約十五至二十小時的評論處理工時，並明顯降低因差評放置而流失客的比例。

流程怎麼運作

這條流程對應 frontmatter 裡的五個節點，逐步如下：

1. 彙整評論（📥）：以 Schedule 每日定時觸發，搭配新評論進來時的 Webhook 即時補抓。系統把 Google 商家、兩大外送平台與社群粉專的新評論一次抓回，寫進一張 Google Sheets 總表，欄位包含來源、評論時間、星等、內容、客人暱稱與處理狀態，避免同一則重複登錄。

2. 情緒分類（🧭）：對每則新評論判斷正評、負評或中性，並抽出關鍵字，例如「出餐慢」「太鹹」「份量少」「態度好」「環境乾淨」。同時依星等與字眼標出急迫度，一星且帶有食安、衛生、收費爭議字眼的列為最高優先。

3. 草擬回覆（✍️）：依評論內容生成繁體中文回覆草稿。好評以真誠口吻致謝並帶出招牌品項；負評先同理致歉、具體回應被點出的問題，再給補救方向（如歡迎再次光臨、提供改善後的體驗），措辭克制、不甩鍋、不做無法兌現的承諾。

4. 通知審核（🔔）：把草稿透過 LINE 官方帳號或 Slack 推播給店家，差評草稿排在最前面並標紅。店家可直接核可，或就地修改語氣與內容，確認後才回寫狀態，準備發布。

5. 發布追蹤（✅）：記錄每則回覆的發布狀態與時間，並彙整評分趨勢與常見抱怨關鍵字（例如本月「出餐慢」被提及十二次），讓店家清楚知道下一步該優化出餐動線還是調整鹹度。

需要的工具與串接重點

• platform（n8n / Make）：作為流程引擎，負責排程、抓取、分類、推播與回寫的整串自動化。建議用 Schedule 節點設定每日一到兩次定時抓取，再用 Webhook 接住有支援即時通知的來源。
• Google Sheets：當作評論總表與狀態資料庫，門檻低、店家看得懂，也方便事後做趨勢統計。
• LINE 官方帳號 / Slack：審核通知的出口，店家用哪個順手就用哪個。差評走優先推播。
• Gmail：用於每日彙整摘要寄送，或在系統無法直接回覆某平台時，提醒店家手動到後台貼上已核可的回覆。

串接注意點：各平台對「程式自動發布回覆」的開放程度不同，Google 商家有官方 API 但需審核權限，部分外送平台與社群並不開放自動回覆，這類來源建議流程只做到「抓取＋分類＋草擬＋通知」，最後一步由店家在後台手動貼上送出，確保完全符合平台規則。抓取頻率不要過密，以免被判定為異常存取。

常見錯誤與注意事項

• 回覆一律是草稿，不可全自動發布：涉及客訴、退費、公開致歉等對外溝通，務必由店家人工審閱、調整語氣後再發布。機械式或罐頭式回覆容易激化爭議，AI 不取代人工的公關判斷。
• 不做無法兌現的承諾：草稿若出現「免費招待」「全額退費」等字眼，必須由店家確認後才送出，避免被截圖要求兌現。
• 食安與衛生指控要謹慎：客人若提到吃壞肚子、異物等敏感內容，屬高風險，須由店家親自處理、必要時私訊聯繫，切勿在公開回覆中認定或否認責任。
• 個資與不實指控：評論若含他人個資或明顯不實、惡意攻擊，應依各平台檢舉機制處理，而非情緒性公開對嗆。
• 避免一稿多貼：每則回覆都應對應該則評論的具體內容，切忌全部套同一段罐頭文，反而傷信任。

台灣中小企業情境案例

台南東區一家社區型早午餐店「晨光蛋餅」，主力是外帶與兩大外送平台，老闆娘兼顧煎台與收銀，過去評論幾乎都沒空回。某次一則「等了快三十分鐘、蛋餅還涼掉」的一星評論放了四天才被看到，期間又掉了幾組看評論決定的新客。導入這條流程後，系統每天早上九點半尖峰過後把當日新評論彙整推到老闆娘的 LINE，差評排最前面、附好草稿。她利用收攤前的空檔花不到十分鐘逐則確認送出。三個月後，店家 Google 評論回覆率從不到一成拉到九成以上，平均星等從 4.1 回到 4.5，而且系統統計出「出餐慢」是當月最常見抱怨，促使她調整尖峰時段的備料與分工，客訴也跟著變少。

延伸應用

這條流程可以再往外擴充：把高頻抱怨關鍵字接到每週經營報表，讓改善有依據；好評客人可標記後串進常客經營，推送回購優惠把口碑轉成回流；也能擴大抓取到 Google 問答與私訊，做更完整的口碑監測。想把預訂取餐、常客回購一起接起來，可參考 /workflows 的相關藍圖；要把評論彙整與自動草稿做得更細，或加上 /automation 的排程與通知設計，可搭配 /recipes 的範例延伸組裝。

⚠️ 提醒：系統產生的回覆僅為草稿，涉及客訴、退費或公開致歉等對外溝通，務必由店家人工審閱、調整語氣後再發布，避免機械式回覆激化爭議或做出無法兌現的承諾。評論中若含個資或不實指控，應審慎處理並依平台規則申訴，系統不取代人工判斷與專業公關。

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 →