家屬滿意度自動回訪

🎯 這條流程解決什麼

居家長照是一種長期、貼身、進到家裡的服務，家屬的感受幾乎直接決定了會不會續約、會不會把機構推薦給親友。問題是，大多數機構掌握家屬滿意度的方式都是「被動」的——平常風平浪靜，等到家屬打電話來客訴、甚至直接提出停止服務時，才知道哪裡早就出了問題。這時候不滿往往已經累積很久，補救的成本與難度都大幅升高，能挽回的機會也所剩無幾。

癥結在於：機構平時缺乏一套固定、低打擾的回訪機制。督導當然知道品質追蹤重要，但要他在繁重的排班、督導、處理異常之餘，還抽空一個個打電話問家屬「最近滿不滿意」，現實上根本排不出時間；就算偶爾做了，問法不一、紀錄零散，也無法累積成可比較、可追蹤的數據。於是「服務品質好不好」這件最該被持續量測的事，反而長期處於黑箱狀態，督導只能憑感覺，無從看出哪些個案正在悄悄流失、哪些面向（如準時度、溝通態度、專業度）需要改善。

純人工回訪的成本也不低。假設督導要對每位家屬做一次完整電話回訪，含撥打、等接、訪談、記錄約 15 到 20 分鐘，一家服務 100 個案的機構，光做一輪回訪就要 25 到 33 個工時，等於一位督導要連續做四、五天；正因如此，多數機構乾脆放棄定期回訪，或只挑零星幾個來問，樣本既不全也不客觀。等到家屬默默轉去別家機構，往往為時已晚。

這條流程把回訪從「靠督導擠時間」變成「系統定期自動執行」。它在服務滿一段期間或重要里程碑時自動鎖定該回訪的家屬，發出一份簡短、手機可填的問卷，回收後自動彙整各面向評分到品質儀表板；一旦出現低分或負面回饋，立即升級給督導建立跟進個案，及早補救；對高滿意度的家屬則自動致謝並邀請推薦。機構從「被動接客訴」轉為「主動量測、及早補救」，品質改善終於有了持續的數據基礎。想看更多問卷彙整與分流升級的設計手法，可參考 /recipes，並搭配 /automation 規劃整體自動化藍圖。

導入後的改變

導入前： 沒有固定回訪機制，督導憑感覺掌握品質，多半等客訴或停止服務才發現問題；偶爾的人工回訪問法不一、紀錄零散，無法累積可比較的數據。一輪 100 個案的完整回訪要 25 到 33 工時，現實上多半放棄或抽樣。

導入後： 系統依服務週期自動鎖定回訪對象、發出統一問卷、回收後自動彙整評分到儀表板；低分立即升級督導、高分自動致謝邀推薦。督導不必逐一撥打，只需聚焦處理被升級的低分個案。

以一家 100 個案的機構估算，原本一輪回訪要 25 到 33 工時，導入後幾乎不需第一線人力做發放與彙整，督導只需投入時間在真正需要關懷的低分個案上，整體回訪人力可降約 8 成以上。更重要的是覆蓋率與時效：回訪從「偶爾抽樣」變成「全面且定期」，問題在剛萌芽時就被低分升級揪出，補救的黃金時間大幅提前，默默流失的家屬比例下降；同時高滿意家屬被自動致謝並邀請推薦，把好口碑即時轉化為轉介來源。長期累積的各面向評分，更讓品質改善有了客觀依據，不再憑感覺。

流程怎麼運作

1. 回訪鎖定（🎯）： 排程觸發後，系統讀取 Google Sheets 中各個案的服務起始日與里程碑，依「服務滿月／滿季」等規則挑出本期該回訪的家屬，並比對上次回訪時間，避免短期內重複打擾同一家屬。
2. 問卷發送（📨）： 透過 LINE Notify 或 Gmail 發送一份簡短的滿意度問卷（Google Forms），題目聚焦準時度、溝通態度、專業度、整體滿意度等幾個關鍵面向，行動裝置即可快速填答，並以個案編號綁定回收。
3. 評分彙整（📊）： 問卷回收後，系統自動計算各面向分數與整體滿意度，更新品質儀表板（彙整在 Sheets 或視覺化看板），讓督導能一眼看出各個案與各面向的趨勢。
4. 低分升級（🔔）： 當某份回覆出現低分或明顯負面文字回饋時，系統立即通知督導，並自動建立一筆「待跟進個案」，附上該家屬的評分與回饋內容，提醒督導儘速實地了解處理。
5. 致謝回覆（💌）： 對高滿意度的家屬，自動發送一則得體的感謝訊息，並適度邀請推薦親友或留下好評，把滿意轉化為口碑與轉介。

需要的工具與串接重點

• Google Forms： 滿意度問卷主體，務必精簡題數、以量表（如 1 到 5 分）為主、自由文字為輔，提高填答率與彙整效率，並綁定個案編號。
• Google Sheets： 個案服務週期、回訪紀錄、問卷回收與評分彙整的單一真實來源，建議設品質儀表板分頁，以個案編號為主鍵串接。
• LINE Notify / Gmail： 問卷發送與致謝、督導升級通知的通道，LINE 填答率通常較高，Email 適合正式存查與彙整。
• n8n / Make： 核心編排。回訪鎖定用 Schedule 節點搭配日期條件，低分升級用條件節點（IF／Switch）判斷分數門檻，致謝走另一分支。串接重點是設好「避免重複回訪」的去重邏輯，並讓低分升級後的後續處理交由督導實地進行，系統只負責找出對象、不做品質結論。整體串接藍圖可參考 /automation。

常見錯誤與注意事項

• 數據供參考、處理靠人： 滿意度數據供品質改善與服務調整參考，低分個案的後續處理仍須由督導或專業人員實地了解與判斷，系統不取代人工關懷與專業評估，更不可只憑分數就對個案或照服員下結論。
• 問卷個資保護： 問卷涉及家屬聯絡方式與服務評價，屬個人資料，務必取得填答同意、控管 Sheets 與表單回應的存取權限，依《個人資料保護法》保存與運用，評價內容不外洩給無關人員。
• 避免回訪疲乏與抽樣偏誤： 設好去重與頻率規則，避免短期重複打擾同一家屬；同時留意「只有特別滿意或特別不滿的人才回覆」的偏誤，必要時對未回覆者保留少量人工回訪，讓樣本更具代表性。
• 負評處理要及時且真誠： 低分升級後若無實質跟進，反而會放大不滿；致謝與邀請推薦也要拿捏分寸，避免在家屬剛經歷不愉快時誤發致謝，造成反效果。

台灣中小企業情境案例

桃園一家居家長照機構，過去從不做系統性回訪，往往是家屬打電話來客訴、或直接通知停止服務時，督導才驚覺問題早已醞釀許久，回想起來那位照服員的準時度其實早有徵兆。導入這條流程後，每位家屬在服務滿月時都會自動收到一份手機就能填的簡短問卷，回收評分即時進到品質儀表板。某次一位家屬在「準時度」與「溝通態度」給了低分並留言反映照服員常遲到，系統立刻升級，督導當天就致電並安排調整，及時化解了一樁原本可能演變成停止服務的不滿。三個月後，機構不僅把問題個案的處理時間從「事後補救」提前到「萌芽即介入」，整體續約率也明顯提升；同時透過自動致謝與邀請推薦，陸續帶進了幾位由滿意家屬轉介的新個案。

延伸應用

這條流程適合與其他環節串接，形成完整的服務閉環：問卷回收的滿意度與低分個案，可回饋給 /workflows 的派工排班與家屬進度回報流程，讓督導在重新派工或調整服務時參考實際評價。進階應用上，可把評分依照服員、依面向、依時段做交叉分析，找出系統性的改善點（例如某區段服務準時度普遍偏低）；也能把高滿意家屬的轉介意願自動帶進行銷或會員推薦流程，讓口碑持續滾動。若機構規模較大，可把品質儀表板升級為定期自動產出的品質報告，提供經營層檢視。想找更多問卷彙整、評分分流與升級通知的現成範本，/recipes 裡有不少能直接拿來改用，整體自動化藍圖也可回到 /automation 一併規劃。

流程圖

用到的工具

更多「醫療健康」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 →