客訴回覆分級處理流

🎯 這條流程解決什麼

客訴最怕回得慢、回得冷。顧客抱怨用了商品後皮膚過敏、收到瑕疵品、訂單少寄贈品、物流延遲，情緒已經上來，每多等一分鐘不滿就擴大一分。對美妝保養店來說，客訴散落在客服信箱、LINE 官方帳號、IG 私訊、官網表單好幾個入口，純人工處理至少有四個痛點：第一，訊息分散，客服得逐一登入各平台輪流看，光是「收集」就要花時間；第二，輕重不分，一封語氣平和的補寄詢問和一封「我臉腫起來要提告」的緊急投訴混在同一個收件匣，常常先看到的先處理，真正燙手的反而被埋掉；第三，回覆要重新打字、查訂單、想補償方案，一封像樣的客訴回信往往要花 15 到 25 分鐘；第四，沒有集中建檔，事後想統計「這個月最多人客訴什麼」根本拼湊不回來。

實務上，一間中型美妝店每天約有 10 到 30 筆客訴與抱怨訊息，假設每筆平均處理 20 分鐘，一天就吃掉客服 3 到 10 個工時，等於一名客服大半天都在救火。更隱形的成本是「漏接」：尖峰時段一忙，緊急客訴拖到隔天才回，顧客早已在社群公開抱怨，品牌信任一次就崩。

這條流程讓每筆客訴自動建檔、由 AI 判斷情緒強度與問題類型並分級派工，同時起草同理回覆草稿，客服第一時間就掌握輕重緩急、優先安撫高張力案件，把客訴從「救火」變成「挽回信任」的機會。可搭配 客服回覆撰寫 配方統一語氣，從源頭把諮詢誤會降低則可回看 商品諮詢 流程，整體 自動化 思維能讓客服團隊把人力集中在最需要溫度的環節。

導入後的改變

導入前：客服每天開四五個平台輪流收訊息，憑直覺判斷誰先回；緊急客訴可能被一般詢問淹沒；每封回信從查單到打字平均 20 分鐘；月底想做客訴統計只能憑印象。一筆過敏投訴從顧客送出到收到第一封回覆，常常要等 3 到 6 小時，甚至隔夜。

導入後：所有管道的客訴自動匯入同一張工單表，AI 在數十秒內標好「情緒強度」與「問題類型」，高張力案件直接亮紅燈推播給店長，客服打開 Slack 就知道先處理哪一筆。回覆草稿已經寫好，客服只需確認補償方案與用詞、按下送出，單筆處理時間從 20 分鐘壓到 5 到 8 分鐘。

合理估算：客訴首次回覆時間可從數小時縮短到 30 分鐘內，單筆處理工時下降約 6 成；因為緊急案件不再被埋沒，公開負評與客訴升級為消費爭議的比例可望明顯下降。同樣重要的是，每筆客訴都留下結構化紀錄，月底自動長出「過敏 / 物流 / 瑕疵 / 贈品」的分類統計，讓店長看得到問題根源、回頭去改源頭，而不是月月重複救同一把火。

流程怎麼運作

對應 frontmatter 的五個節點，逐步拆解：

1. 📥 觸發：收到客訴——官網客訴表單送出、客服信箱收到投訴信、或 LINE / IG 私訊出現抱怨關鍵字時，自動把內容、顧客資料、訂單編號、附圖連結寫入工單系統或 CRM，建立一筆客訴單。多管道在這一步就被收斂成單一入口。

2. 🧠 AI 判斷情緒——AI 情緒分析節點讀取客訴內容，輸出三個欄位：情緒強度（平和 / 不滿 / 高張力）、問題類型（過敏不適 / 商品瑕疵 / 物流延遲 / 贈品短少 / 退換貨 / 其他）、以及是否含「過敏、紅腫、就醫、提告、爆料」等高風險字眼。命中高風險字眼時直接標記為緊急。

3. 🚦 分級派工——依情緒強度與問題類型自動分流：一般詢問派給值班客服；高張力或牽涉健康、法律、消費爭議的案件，升級給門市店長並同步通知主管，確保重大案件有資深人員把關。

4. ✍️ 起草回覆——AI 依問題類型生成同理且具體的回覆草稿，包含致歉、釐清狀況、提出補救方案（補寄、退換貨、折扣券等）三段結構，並自動帶入顧客姓名與訂單資訊，避免罐頭感。

5. 🔔 審核後回應——草稿連同工單摘要推播到 Slack，客服或店長確認補償額度與用詞無誤後，再經由 Gmail 或 LINE 回覆顧客。AI 只負責草稿與分流，最終決定權留在人手上。

需要的工具與串接重點

平台用 n8n 或 Make 當中樞，建議用 n8n 自架以便客訴內容（含個資）留在自己可控環境。各工具角色：客訴表單統一收件入口，欄位設計成結構化（訂單編號、問題類型、描述、附圖）方便後續分析；AI 情緒分析節點負責情緒與分類，prompt 要明確要求輸出固定格式 JSON，方便流程判斷分流；工單系統 / CRM 是客訴的單一真實來源，每筆都留時間戳與處理狀態；Gmail / LINE 負責對外回覆；Slack 是內部待審與通知中樞。

串接注意點：一是各管道接入要做去重，同一顧客連發三則別開成三張單；二是高風險關鍵字清單要可維護，新增「孕婦、嬰兒、醫師」等情境隨時補進去；三是把工單狀態（待處理 / 處理中 / 已回覆 / 已結案）回寫流程，避免重複派工。想把這套接到既有客服系統，可參考 自動化 專區的串接思路。

常見錯誤與注意事項

最該守的紅線是健康與法律敏感環節絕不交給 AI 自動回覆。涉及使用後過敏、皮膚紅腫、灼傷等案件可能牽動人身健康與法律責任，務必由客服與店長人工判斷，必要時主動提醒顧客就醫並保留產品批號、照片等證據，不可由 AI 直接判定「跟產品無關」。退款、賠償與補償金額屬金流與商務決策，AI 草稿只是參考，須經權責人員確認後再對外承諾，否則一句話就可能變成具法律效力的承諾。

其他常見錯誤：AI 情緒判斷偶有誤標，緊急案件被歸成一般，務必保留人工複核機制，別全自動結案；回覆草稿要避免機械化的「很抱歉造成您的不便」連發，用詞需有人潤過；客訴內含顧客姓名、電話、地址、消費紀錄屬個人資料，存取權限要控管、不可外流。本流程是輔助分流與起草的工具，不取代客訴處理的同理心與專業判斷。

台灣中小企業情境案例

台中一間經營六年的開架＋專櫃複合美妝店「肌研所」，三家門市加一個官網與 LINE 官方帳號，客訴從四個管道湧入，過去全靠兩名客服在尖峰時段硬扛。最痛的一次是某顧客用了新進的精華液後臉部泛紅，私訊投訴拖了一個晚上沒人回，隔天就在社團公開點名，門市花了兩週才把風波壓下來。

導入這條流程後，所有管道客訴自動匯入同一張工單表，含「過敏、紅腫」字眼的訊息直接亮紅燈推播給店長，那種「隔夜才回」的狀況不再發生，緊急客訴平均 25 分鐘內就有人接手並提醒顧客先停用、必要時就醫。一般詢問則靠 AI 草稿加速，客服回覆從一封 20 分鐘降到 6 分鐘左右。三個月後店長統計工單，發現近四成客訴集中在「贈品短少」，回頭把出貨核對流程修好，整體客訴量下降約三成，客服也終於有餘裕做主動關懷。

延伸應用

這條流程可往三個方向擴充。其一，串接 會員回購提醒 流程，把「曾客訴但已妥善處理」的顧客標記出來，後續關懷時用更謹慎的語氣、避免二次踩雷。其二，把每月客訴分類統計接成自動報表，定期推播給經營者，讓客訴數據成為改善商品與物流的依據，而非只是被動滅火。其三，針對高頻問題（如物流查詢、退換貨流程）建立標準回覆知識庫，讓 AI 草稿引用既有 配方，回覆更一致、更專業。當客訴量再成長，還能進一步把分流規則細緻化，依商品線、門市別分派給最熟悉的同仁，讓每一筆抱怨都被對的人、用對的態度接住。

流程圖

用到的工具

更多「美容美業」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 →