中古車車況諮詢自動分流流

🎯 這條流程解決什麼

中古車生意的成交與否，幾乎都卡在同一個關卡：客戶對「這台車到底有沒有問題」的疑慮。里程是不是真的、有沒有重大事故、泡過水沒、保養紀錄完不完整、原廠保固還在不在——這些問題每天從 LINE、官網客服、臉書私訊不斷湧進來，而且十個客戶有八個問的是相似的事。

人工應對這些提問又慢又容易出包。業務收到「這台 2019 的 Altis 有沒有出過事故？」時，得先想是哪一台、翻出車輛檔案、找出檢驗報告與保養紀錄、確認里程數，再組織成一段客戶看得懂的回覆。一台車的資料散在 Google Drive、紙本檢驗單、進貨明細裡，光是調資料就要好幾分鐘。當業務同時在帶看、在談價、在跑過戶，這些線上提問往往被晾在一邊，等他有空回覆時，客戶的熱度已經涼了，甚至已經去問別家。

更麻煩的是「口徑不一致」。同一台車，不同業務回覆的說法可能有出入，有人含糊帶過、有人講得太滿，這在車況揭露這種高敏感領域，輕則讓客戶不信任，重則埋下消費爭議與糾紛的種子。把這些換算成代價，就是反應慢流失的詢問單，加上口徑亂帶來的信任折損與潛在客訴。

導入後的改變

導入前，車況諮詢是「業務有空才回、回得慢又怕回錯」：提問散落各管道無人統一接，調資料費時，回覆口徑因人而異，敏感的事故、泡水問題全憑業務當下記憶與口才。

導入後，提問一進來就被系統接住並分類，對應車輛的檢驗報告與保養紀錄被自動調出，AI 依「實際紀錄」草擬一份據實、白話、好懂的回覆，業務只需複核屬實後送出。回應從原本可能拖數小時甚至隔天，縮短到分鐘級的初步回覆，等於把線上詢問的回覆速度提升好幾倍，第一時間接住客戶的好奇與信任。

對成交的影響很直接。中古車客戶在比較多家時，誰先給出清楚、透明、有報告佐證的回答，誰就先建立信任、先拿到帶看與議價的入場券。同時，因為回覆都是依實際紀錄生成、且經人工複核，口徑一致、有憑有據，既降低被質疑造假的風險，也減少日後因「當初沒講清楚」引發的消費爭議。對車行而言，這是把客服速度、轉換率與合規風險一次改善的關鍵環節。

流程怎麼運作

第一步「觸發：車況提問」對應 💬 客戶詢問里程、事故、保養或配備：當客戶在 LINE、官網客服或問答表單送出與車況相關的提問時啟動流程，並盡量帶入客戶在看的車輛資訊（車型、車牌或車輛編號），方便後續歸戶。

第二步「AI 分類問題」對應 🧠 辨識提問類別：AI 分類節點判斷這則提問屬於哪一類——里程數、事故史、泡水／淹水、檢驗報告、保養紀錄、配備規格等，不同類別後續調出的資料與回覆語氣略有不同，分類正確是後面步驟準確的前提。

第三步「調出車輛檔」對應 📂 取出對應檢驗報告與保養紀錄：依車輛識別到 Google Drive 或車輛資料庫撈出該車的檢驗報告、保養履歷、進貨資訊與里程紀錄，作為回覆的事實依據，確保講出來的每一句都對得上文件。

第四步「草擬透明回覆」對應 ✍️ 依實際紀錄生成回覆草稿：AI 把調出的真實資料整理成一段客戶看得懂的白話回覆，重點是「據實」——有就說有、沒有就說沒有、不確定就說會再查證，並可附上檢驗報告連結佐證，不誇大也不隱匿。

第五步「人工複核」對應 🔔 Slack 通知業務確認後再回覆：草稿不直接發出，而是推送到 Slack 由業務複核，確認車況描述與文件相符、無誇大隱匿之虞後，再回覆客戶。這道人工關卡在車況揭露這種高敏感場景是不可省略的。確認到店實車檢視可銜接 /workflows 的賞車預約流程。

需要的工具與串接重點

平台以 n8n 或 Make 串接。LINE 與官網客服是提問入口，建議統一匯流到同一個處理流程，避免各管道各自為政。AI 分類節點負責問題歸類，提示詞要把車行常見的提問類別與敏感詞（事故、泡水、調表）明確列出，分類才精準。車輛資料庫與 Google Drive 存放檢驗報告與保養紀錄，檔案命名與歸檔要規律（以車牌或車輛編號為鍵），系統才撈得到正確的車。Slack 作為人工複核與待辦通知中心，讓業務在手機上就能快速放行。

串接最關鍵的注意點：一是「事實對齊」，AI 只能依調出的真實文件生成回覆，絕不能讓它自由發揮或臆測車況；二是「找不到資料的處理」，若某車檔案缺漏，流程應走「請業務人工查證後回覆」的分支，而非讓 AI 硬掰；三是「敏感類別強制人工」，凡涉及事故、泡水、調表的回覆一律經人工複核才能送出。更多客服分流與回覆草擬的自動化範本見 /automation 與 /recipes。

常見錯誤與注意事項

• 車況屬重大資訊揭露，AI 不取代專業判斷（需人工確認）：事故史、泡水、調表等資訊攸關交易誠信，依消保與相關規範，賣方有據實告知義務。AI 草稿一律由業務或技師人工查證屬實後再回覆，切勿誇大也切勿隱匿。
• 絕不讓 AI 臆測或補話：若文件沒有記載，正確做法是回覆「將為您查證後回覆」，而不是讓 AI 推測。任何造假或隱匿都可能構成消費爭議甚至法律責任。
• 里程與檢驗以官方文件為準：調表是中古車糾紛重災區，回覆里程一律引用驗車或第三方檢驗的客觀紀錄，而非車商口頭值。
• 個資保護：客戶提問與聯絡資訊屬個資，限定授權人員存取，避免外流。

台灣中小企業情境案例

桃園一家中型中古車行，每天從 LINE 與臉書收到大量車況提問，三位業務白天忙著帶看與談價，線上訊息常常累積到晚上才一次回，不少客戶等不及就去問了別家。更頭痛的是，不同業務對同一台車的事故描述偶有出入，曾因此被客戶質疑、差點演變成糾紛。

導入這條流程後，提問一進來就被分類、自動調出該車的檢驗報告與保養紀錄，AI 草擬好據實回覆推到業務 Slack，業務利用帶看空檔花一分鐘複核放行。線上提問的初步回覆從原本動輒隔數小時，縮短到幾分鐘內，因為附上檢驗報告，客戶信任度明顯提升，到店賞車的轉換比導入前提升了一截；而所有對外回覆都依文件、經複核，口徑一致、有憑有據，再也沒出現過因說法不一引發的爭議。

延伸應用

這條流程可往兩個方向擴充：一是建立「車況問答知識庫」，把高頻提問與標準回覆沉澱下來，讓 AI 草稿品質持續提升，也能延伸成官網的車況 FAQ；二是串接後段銷售流程，客戶問完車況、信任建立後，自動引導到 /workflows 的賞車預約與貸款試算，把諮詢熱度直接轉成帶看與成交。同樣的「提問分類＋調檔＋據實草擬＋人工複核」模式，也適用於房仲物件屋況、二手精品鑑定等任何「高敏感、需據實揭露、又有大量重複提問」的生意，更多可複用範本見 /automation 與 /recipes。

流程圖

用到的工具

更多「汽機車」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 →