玩具選購顧問自動回覆流

🎯 這條流程解決什麼

玩具店每天被問最多的就那幾句話：「我家小孩三歲，適合玩這個嗎？」「這個會不會有小零件、安不安全？」「想送朋友兩歲的小孩，預算五百，推薦什麼？」這些問題看似簡單，卻每一題都要動到專業知識——適用年齡、ST 安全玩具標章、是否含易吞食小零件、男女偏好、自用還是送禮。資深店員回得又快又準，但門市一忙起來，私訊就堆著沒人回，IG 訊息夾在限時動態裡更容易整則漏掉。

純人工接這些詢問的成本，不只是時間，更是「機會成本」。一筆私訊從看到、理解需求、心裡盤一遍庫存裡有哪幾款適齡、再打字寫出有條理又附安全提醒的回覆，熟手也要 5～10 分鐘，新人甚至更久還可能推錯齡。一天幾十則詢問累積下來就是好幾個小時，而且回覆慢一拍，客人早就去別家或上網下單了。更糟的是推到不適齡的商品引發安全疑慮，輕則退貨重則客訴，傷的是店家信譽。

這條流程讓每一筆選購詢問自動被解析出年齡與需求，由 AI 比對商品庫挑出「適齡又有庫存」的 2～3 款選項，整理成帶推薦理由與安全提醒的回覆草稿，門市人員只要在 Slack 上確認、按下送出。回覆變得又快、又專業、又一致，再忙也不漏訊息。

導入後的改變

導入前，私訊回覆全看門市當下忙不忙：尖峰時段平均要等好幾十分鐘甚至隔天才回，回覆品質隨人而異，新人怕推錯齡乾脆不敢答，資深店員則被重複問題綁住、沒空顧現場銷售。漏訊息、推錯齡、回太慢，三個問題長期啃食轉換率。

導入後，從收到詢問到產出可送出的草稿幾乎即時完成，門市人員審核加上送出只要約 1～2 分鐘，等於把單筆回覆工時壓縮到原本的兩三成。回覆速度快了，下單轉換自然提升；草稿一律附上適齡與安全提醒，把資深店員的選購知識沉澱成可重複使用的標準，新人也能給出一致水準的建議。對小店來說，這等於多了一個「永遠在線、不會漏訊、懂適齡」的客服助手。商品文案與推薦話術可搭配 商品介紹撰寫配方 批量產出，更多門市與客服自動化可參考 店務自動化流程 與 自動化應用總覽。

流程怎麼運作

對應 frontmatter 的五個節點：

1. 💬 觸發：選購詢問——顧客在 FB / IG / LINE 私訊，或填寫官網選購表單時自動啟動，訊息與表單內容進入流程。
2. 🧠 AI 解析需求——AI 節點從文字中擷取關鍵資訊：孩子年齡、性別偏好、預算範圍、用途是自用還是送禮，缺漏的條件會標記出來提醒店員追問。
3. 🔎 比對商品庫——拿解析出的條件去查商品資料庫 Google Sheet，依「適齡分級＋目前庫存」篩出 2～3 款合適商品，避免推到缺貨或不適齡的品。
4. ✍️ 生成推薦草稿——把選出的商品整理成有條理的回覆：每款附推薦理由、價格、適用年齡與安全分級（如 ST 標章、是否含小零件），語氣自然親切。
5. 🔔 人工確認回覆——草稿連同原始詢問一起推到 Slack，門市人員核對商品實際標示無誤後，再透過原管道或 Gmail 送出給顧客。

需要的工具與串接重點

平台用 n8n 或 Make。LINE/Messenger 接收私訊（IG／FB 透過 Meta 的訊息 API），是觸發來源。AI 推薦節點 負責需求解析與草稿撰寫，提示詞要明確要求：只從提供的商品清單中推薦、一定附安全與適齡提醒、不誇大、不杜撰未列出的商品。商品資料庫 Google Sheet 是知識核心，欄位需含品名、適用年齡、安全標章、是否含小零件、售價、即時庫存——這份表的品質直接決定推薦品質，務必維護好。Gmail 與原訊息管道負責送出，Slack 給門市確認。串接重點：商品庫的「庫存」與「適用年齡」欄位要準確且常更新，否則 AI 會推到缺貨或不適齡的品；流程務必停在「人工確認」這一步，不要讓 AI 直接對外發送。

常見錯誤與注意事項

⚠️ 玩具安全分級涉及兒童安全，是這條流程的紅線：

• AI 推薦只做初步篩選，不取代專業判斷。適用年齡、ST 安全玩具標章、是否含易吞食小零件，最終須由門市人員核對商品實際標示。
• 絕不讓自動回覆直接對外發送未經審核的安全資訊。涉及過敏材質、特殊需求、安全疑慮的詢問，一律人工確認後再回。
• 不杜撰商品：限制 AI 只能從商品庫推薦，避免它「腦補」出店裡根本沒有或已停產的品。
• 個資留意：表單蒐集的孩子年齡等資訊妥善保存、不外洩。

讓 AI 當「會整理的助手」，把專業把關留給人，才是這條流程的正確用法。

台灣中小企業情境案例

新北一家親子玩具店「小恐龍玩具」（化名），IG 與 LINE 詢問量大，過去常因現場太忙，私訊拖到隔天才回，漏訊更是家常便飯。導入這條流程後，每筆詢問自動解析年齡與預算、配出 2～3 款適齡有貨的商品草稿，店員在 Slack 上一分鐘確認就送出。實際運作後，私訊平均回覆時間從以小時計縮短到幾分鐘內，下單轉換明顯提升，新進工讀生也能照草稿給出專業建議，不再因為怕推錯而不敢回。店長最有感的是：終於不會在月底盤點時，發現一堆躺在收件匣沒人回的私訊。

延伸應用

這條流程可以再延伸：把「選購建議」擴充成「售後諮詢」，回答清潔保養、零件補購、退換貨規則；針對送禮需求加上「包裝與賀卡服務」推薦提高客單；把常見問答沉澱成 FAQ 知識庫，讓 AI 回得更準。也能與 會員生日回購流程 串接，把詢問過但沒下單的客人納入後續再行銷。推薦話術模板可長期維護在 配方庫，整體客服自動化的串接思路見 自動化策略。

流程圖

用到的工具

更多「零售商店」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 →