美妝商品諮詢自動應答流

🎯 這條流程解決什麼

美妝保養店的商品諮詢量大又零碎。顧客最常問的就是那種「我是混合肌、T 字易出油、兩頰偏乾還會敏感泛紅，該用哪一罐」的問題——每一題都需要先釐清膚質、預算與訴求，再翻庫存、看成分、想搭配，認真回完一則往往要五到十分鐘。問題是這類訊息整天從 LINE、Messenger、官網表單不停湧進來，櫃上人手在尖峰時段忙著結帳與服務現場客人，私訊只能等空檔回，回得慢，顧客的購買衝動就涼了，直接流失成交。

純人工應答的痛點很清楚：一是即時性差，顧客當下有購買意願時沒人回，等半天回過去人家已經買別家了；二是品質不穩，資深櫃姐推得精準、新人卻可能搭錯或漏推；三是知識零散，哪支適合敏感肌、哪支孕婦不能用、哪支現在缺貨，全靠個人記憶，換班就斷掉；四是重複問題重複答，同樣的「敏感肌推薦」一天回十次，浪費大量人力。一間中型美妝店每天若有 20 到 40 則商品諮詢，光回私訊就吃掉諮詢人員兩三個小時。

這條流程讓每筆膚質諮詢自動建檔、由 AI 比對庫存與成分標籤並生成個人化推薦草稿，諮詢人員只要確認後就能快速回覆，兼顧速度與專業度，把「等很久才回」變成「幾分鐘內就有專業建議」。後續可搭配 產品文案撰寫 配方產出商品說明，或串接 會員回購 流程延伸服務，整套 自動化 機制讓諮詢從人力瓶頸變成穩定產出的服務。

導入後的改變

導入前：私訊與表單塞滿諮詢，尖峰時段沒人回，顧客等到失去耐心；推薦品質隨人而異，新人容易搭錯；缺貨商品還在推，回頭尷尬；同樣問題反覆手動回答，諮詢人員疲於奔命。一則諮詢從顧客送出到收到回覆，常常要等一兩個小時。

導入後：諮詢一進來就自動建檔，AI 立刻解析膚質與訴求、比對即時庫存與成分標籤，產出 2 到 3 款搭配建議草稿，諮詢人員打開 Slack 確認膚質判斷與成分安全後，幾分鐘內就能回覆顧客。推薦的都是有庫存的品項，附上價格與使用說明，專業又即時。

合理估算：諮詢首次回覆時間可從一兩小時縮短到 10 到 15 分鐘，單則處理工時下降約一半以上；因為回得快又推得準，諮詢轉成交的比例可望明顯提升。推薦品質不再依賴個別員工的記性與經驗，新人也能在 AI 草稿基礎上提供接近資深櫃姐水準的建議，整體服務品質更一致。

流程怎麼運作

對應 frontmatter 的五個節點：

1. 📥 觸發：收到諮詢——顧客填寫膚質諮詢表單，或在 LINE / Messenger 私訊詢問商品時，自動擷取內容並建檔，記下膚質、訴求、預算與聯絡方式，建立一筆諮詢單。多管道收斂為單一入口。

2. 🧠 AI 比對需求——AI 推薦節點解析顧客描述，抽出膚質類型（油性 / 乾性 / 混合 / 敏感）、主要訴求（保濕 / 控油 / 抗痘 / 美白 / 修護）與預算範圍，再比對商品庫存資料庫的成分標籤與現有庫存，篩出合適且有貨的品項。

3. 🧴 生成推薦——產出 2 至 3 款搭配建議，附使用順序與說明（例如「先化妝水再精華，敏感肌建議先局部試用」），讓推薦不只是丟商品，而是給一套完整保養方案的草稿。

4. ✍️ 整理回覆——把推薦彙整成親切口吻的諮詢回覆，附上每款的庫存狀態與價格，讓顧客一看就懂、可以直接決定。

5. 🔔 通知諮詢人員——草稿推播到 Slack，由具專業知識的諮詢人員確認膚質判斷與成分安全無誤後，再透過 LINE / Messenger 回覆顧客。AI 只起草，專業把關權在人。

需要的工具與串接重點

平台用 n8n 或 Make 串接。各工具角色：諮詢表單設計成結構化欄位（膚質、困擾、預算、是否敏感肌 / 孕期），引導顧客一次講清楚需求，AI 才推得準；AI 推薦節點負責解析與比對；商品庫存資料庫要包含成分標籤、適用膚質、注意事項與即時庫存，是推薦品質的核心；LINE / Messenger 是主要對話管道；Slack 做內部待審。

串接注意點：一是庫存資料庫要即時，缺貨品項要能即時排除，避免推了沒貨的窘境；二是成分標籤要標註「孕期慎用、敏感肌需測試、含酸類」等警示，讓 AI 能據此提醒；三是常見問題可建知識庫供 AI 引用，回覆更一致。把這套接到既有客服系統的思路可參考 自動化 專區。

常見錯誤與注意事項

健康與專業判斷是這條流程的紅線。膚質、過敏原與成分安全涉及個人健康，AI 推薦僅供參考，務必由具專業知識的諮詢人員人工確認後再回覆。遇到敏感肌、孕期、哺乳、正在使用藥用成分（如 A 酸、果酸）或有皮膚疾病的情況，應主動提醒顧客先做局部測試、必要時諮詢皮膚科醫師，不可由 AI 直接斷言「一定適合你」。

其他常見錯誤：AI 對成分安全的判斷可能不夠細緻，例如某成分與顧客正在用的藥物相沖，這需要專業人員把關；推薦時若只看訴求不看膚質，可能推到會刺激敏感肌的成分；庫存沒同步就推了缺貨品項，造成顧客失望。本流程不取代醫療與專業美容判斷，AI 是加速工具，最終建議仍須專業人員背書。也要避免過度推銷，把「諮詢」做成「硬塞」，反而傷信任。

台灣中小企業情境案例

台南一間複合式美妝保養店「膚研選物」，主打依膚質選品的諮詢服務，LINE 官方帳號有三千多名好友，每天湧入大量「我這膚質該用什麼」的私訊。過去兩位諮詢師白天忙現場、晚上才補回私訊，常常顧客隔天才收到回覆，熱度早就過了，不少人乾脆去網路上隨便買。

導入這條流程後，顧客一私訊或填表單，AI 立刻解析膚質與訴求、比對有庫存的合適品項，產出含使用說明的推薦草稿。諮詢師打開 Slack，重點確認「敏感肌成分安全」與「庫存正確」，十分鐘內就把專業建議回出去。對於孕期或敏感肌的顧客，AI 草稿會帶出「建議先局部試用、必要時諮詢醫師」的提醒，諮詢師再依專業微調。三個月後，私訊回覆速度大幅提升，諮詢轉成交比例明顯成長，新進諮詢師也因為有草稿輔助，很快就上手到接近資深水準。

延伸應用

這條流程可以再延伸。其一，串接 會員回購 流程，把諮詢時掌握到的膚質與偏好寫進會員檔案，未來補貨提醒與推薦更精準。其二，結合 產品文案撰寫 配方，把每款商品的賣點與成分說明標準化進知識庫，讓推薦回覆引用一致的專業內容。其三，把高頻諮詢問題（如「敏感肌入門組合」「換季保養」）整理成可直接套用的推薦模板，回覆更快。其四，串接 新品上架 流程，新品的成分與適用膚質一上架就同步進諮詢知識庫，讓諮詢師第一時間就能向合適的顧客介紹新品。當諮詢資料持續累積，店家還能反向分析「最多人問什麼膚質困擾」，回頭優化選品與進貨策略，讓諮詢從單純的客服變成洞察顧客需求的入口。

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 →