茶葉行選茶諮詢自動分流流

🎯 這條流程解決什麼

茶葉行的選茶諮詢，永遠散落在 LINE 訊息、官網表單與電話之間。顧客一句「我想找送長輩、不澀、價位中等、最好有點香氣的茶」，背後其實藏著焙火程度、香型、預算、自用或送禮等好幾層需求，要回答到位很吃茶師的功力與時間。問題是，茶師的時間最該花在品鑑與深聊的客人身上，卻被大量重複的入門問答消耗掉。

現在純人工處理要花多少時間？以一間生意不錯的茶行為例，每天約有 15 到 25 則選茶諮詢進來，每則認真回覆——理解需求、想推哪幾款、打字說明茶區與沖泡方式——平均要 8 到 12 分鐘。一天下來，光是回覆諮詢就吃掉茶師兩、三個小時。更麻煩的是離峰時段沒人顧 LINE，顧客等了兩小時沒回應，熱度一過就跑了；新進店員又難一次答到位，常常推錯方向反而讓客人覺得「這家不專業」。諮詢內容也沒留檔，下次同一位客人再問，得從頭問起。

這條流程把入門分流自動化：每筆選茶詢問自動建檔，由 AI 依口味、預算與用途比對茶款庫，挑出 2 到 3 款適配茶葉並起草專業回覆草稿，茶師只需確認、微調後回覆，把專業時間留給真正需要的客人。

導入後的改變

導入前，諮詢回覆全靠茶師現場應對，尖峰塞車、離峰漏接，平均回覆等待時間動輒一兩小時，每天兩三小時被入門問答綁住，諮詢資料零累積。導入後，顧客一送出詢問，系統立刻建檔並由 AI 起草回覆，茶師審稿只需 1 到 2 分鐘。

合理的效益估算：原本每則 10 分鐘的回覆時間，壓縮到茶師審稿的 2 分鐘以內，省下約八成的諮詢處理工時；首次回應時間從一兩小時縮短到近乎即時的草稿就緒，諮詢轉成交的比例隨之提升——回應越快、推薦越貼切，顧客下單意願越高。以每天 20 則諮詢、成交率從 25% 提升到 35% 估算，等於每天多帶回兩筆訂單。所有諮詢同時沉澱進 CRM，成為日後經營熟客的資料底。

流程怎麼運作

對應 frontmatter 的五個節點，運作如下。

第一步「觸發：選茶詢問」，顧客在官網填寫選茶表單，或在 LINE 官方帳號留言時，自動啟動流程並建檔。

第二步「AI 解析需求」，AI 推薦節點讀取顧客描述，判讀出喜好的焙火程度（清香 / 中焙 / 重焙）、香氣偏好、預算區間，以及這次是送禮還是自用——送禮要顧及包裝與面子，自用則重 CP 值與耐泡。

第三步「比對茶款庫」，AI 依解析出的需求，從茶款資料表中挑出 2 到 3 款最適配的茶葉，避免一次推太多讓客人選擇困難。

第四步「起草專業回覆」，生成包含茶區產地、製程特色與沖泡建議（水溫、置茶量、沖泡時間）的客製化回覆草稿，語氣專業而親切。

第五步「通知茶師確認」，系統不直接回覆顧客，而是把草稿推給茶師，提醒人工確認推薦是否得當、有無更適合的茶款，確認後再正式回覆。

需要的工具與串接重點

平台用 n8n 或 Make。入口是官網選茶表單與 LINE 官方帳號，AI 推薦節點負責解析與比對，茶款資料表與諮詢紀錄存在 Google Sheet 或 CRM，回覆則透過 LINE 或 Gmail 送出。

串接重點：其一，茶款資料表是這條流程的靈魂，每款茶要標清楚「焙火程度、香型、產區、價位、適飲族群、是否適合送禮」等欄位，AI 才推得準，這張表越完整、推薦命中率越高。其二，LINE 官方帳號要設定 webhook 接收訊息，並注意自動回覆與人工回覆的切換，別讓系統在茶師還沒確認前就搶答。其三，選茶表單的欄位設計要引導顧客講出關鍵資訊（預算、用途、口味偏好），結構化的輸入能大幅提升 AI 解析品質。後續禮盒搭配可串接禮盒訂製流程，沖泡教學可引用配方庫快速回覆，整體諮詢自動化的架構可參考自動化專區，更多流程組合見工作流。

常見錯誤與注意事項

最重要的原則：AI 推薦僅供初步分流參考，不取代茶師的專業判斷。茶葉的香氣、焙火與適飲族群涉及細膩的感官品鑑，AI 看得懂文字描述卻喝不出茶湯，偶爾會推出「帳面符合、實際不對味」的組合。因此所有推薦草稿務必經茶師人工確認後再正式回覆，這道把關直接關係顧客對你的信任。

第二，別讓自動化變成冷冰冰的罐頭回覆。AI 草稿要保留調整空間，茶師加上一兩句個人化的問候或品飲心得，顧客才感受得到溫度，這正是茶行的價值所在。

第三，注意食品相關用語。若顧客詢問健康、體質相關問題，回覆切勿宣稱療效或誇大功效，以免觸法，必要時引導顧客諮詢專業意見。

台灣中小企業情境案例

台北大稻埕一間老字號茶行，LINE 諮詢量大，過去全靠老闆一人回覆，尖峰時段常讓客人等上一小時。導入這條流程後，某位客人深夜留言「想買給愛喝茶的爸爸，預算 1500 上下，他不喜歡太澀」。系統立刻建檔，AI 判讀出「送禮、中價位、偏好順口低澀」，從茶款庫挑出一款中焙凍頂烏龍與一款蜜香紅茶，附上產區與沖泡建議草稿，推到老闆手機。隔天一早老闆花一分鐘確認、補了句「這款紅茶帶天然蜜香，長輩接受度很高」就回覆出去。客人當天就下單，還加買了禮盒包裝。導入一個月後，深夜與離峰諮詢不再石沉大海，諮詢成交率從約四分之一提升到三分之一以上。

延伸應用

這條流程可以再延伸。可串接茶款庫存資料，當推薦的茶款庫存不足時自動改推替代款，避免推了卻沒貨的尷尬；可把每次諮詢的口味偏好回寫進 CRM，累積成顧客的「口味檔案」，日後會員回購經營就有了精準依據；也能加上「諮詢後 N 天未下單自動關懷」的追蹤，由 AI 起草一則溫和的跟進訊息提醒茶師。電商端則可讓 AI 回覆直接附上對應商品連結，把諮詢到結帳的路徑縮到最短。

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 →