蔬食餐廳評論智慧回覆

🎯 這條流程解決什麼

對蔬食餐廳來說，Google 評論幾乎是隱形的招牌。新客在訂位前，十之八九會先滑一遍星等與留言，看到負評晾在那裡沒人回，第一印象就先扣分。問題在於，店長每天忙著備料、帶外場、盯出餐，常常一週才想起來去後台看一次評論。等發現負評時，黃金處理時間早就過了；而手動一則一則回，又很容易寫成「謝謝您的光臨，我們會持續努力」這種公式化罐頭話，看不出誠意。

更危險的是，重要的客訴往往夾在一堆好評裡。一則提到「肉燥（誤上葷食）」「吃完拉肚子」「廚房環境」的留言，如果被淹沒在五星好評之間沒被看到，等到擴散成負面風向才驚覺，補救成本就高得多。純人工監看評論，等於把品牌聲譽押在「店長今天有沒有空滑後台」這件事上，風險太高。

若以人工估算，一家有穩定客流的蔬食餐廳每週約有二十到四十則新評論，逐則閱讀、判斷、撰寫回覆，平均每則五到八分鐘，一週就要耗掉店長兩到四小時，還不保證能及時抓到危機評論。這條流程的價值，就是把監看與初稿自動化，讓真正需要人判斷的危機與補償浮上檯面。想把口碑經營和會員回訪一起串起來，可參考 /workflows 的其他餐飲流程，到 /recipes 找口碑經營食譜，或從 /automation 規劃整體自動化。

導入後的改變

導入前，評論監看靠店長有空才看，常拖到一週，負評晾著掉客；逐則人工回覆每週耗兩到四小時，還容易寫成罐頭話、漏看夾在好評裡的食安客訴。

導入後，系統定時抓取評論、AI 分析情緒並草擬個人化回覆，危機評論第一時間標記推播給店長。回覆時效從「平均數天」縮短到「當天或隔天」，好評可快速覆核發布，店長每週花在評論上的時間從兩到四小時降到約四十分鐘（省下約七成）。更關鍵的是危機評論不再被埋沒，食安、衛生類客訴能在第一時間被看見並啟動處理，避免小事拖成公關危機。長期下來，回覆率提升、語氣更貼心，星等與新客轉訂位率都跟著穩住。

流程怎麼運作

這條流程對應 frontmatter 的五個節點。

第一步「收集評論」：透過 Google 商家 API 與社群平台，定時（例如每兩小時或每日）抓取新增評論，寫入 Google Sheets 當作工作底稿，避免重複處理。

第二步「情緒分析」：AI 對每則評論判斷正負傾向與主題標籤，例如分到「口味」「服務」「等位時間」「素別需求」「衛生」等類別，方便後續分流與統計，也讓店長一眼看出近期客訴集中在哪。

第三步「草擬回覆」：針對每則評論，AI 依內容生成誠懇、個人化的回覆草稿，保持品牌一致的語氣——感謝具體被稱讚的菜色、針對抱怨給出具體改善而非空話。草稿只是初稿，不直接發布。

第四步「危機標記」：凡偵測到食安、衛生、誤上葷食、身體不適等關鍵字或高風險情緒，立刻標記為危機，透過 Slack 或 LINE Notify 即時通知店長，跳過一般佇列優先處理。

第五步「人工確認」：所有公開回覆與任何補償方案（折扣、招待、退費）一律由店長覆核後才發布。這是流程的把關點，AI 不替店家對外發言。

需要的工具與串接重點

平台用 n8n 或 Make。Google 商家 API 負責抓取與回填 Google 評論；社群評論可另接各平台 API 或 Webhook。AI 情緒分析與草稿 用 GPT 或 Claude 等模型，建議在提示詞裡寫清楚品牌語氣、可承諾與不可承諾的範圍。Google Sheets 當工作底稿與儀表板，記錄每則評論的狀態（待覆核／已回覆／危機）。Slack／LINE Notify 負責危機即時通知。

串接重點：一是去重，務必用評論 ID 比對，避免同一則被反覆抓取與重複回覆；二是危機關鍵字清單要可維護，食安、衛生、過敏、不適等詞要定期補充；三是回覆草稿與發布要分流——AI 出稿、人覆核、再由系統或人工貼回平台，權限與步驟分清楚。

常見錯誤與注意事項

最大的雷，是讓 AI 草稿自動發布。公開回覆代表店家對外發言，AI 草稿可能語氣不當或誤判評論真意，涉及食安、衛生或補償承諾尤其敏感；公開發布與任何補償方案前務必由店長人工確認，本流程已內建人工確認節點，請勿略過。 第二，重大食安疑慮不能只用一句回覆帶過，應同步啟動現場查核與內部通報，AI 不取代專業判斷與實際稽核。第三，不要對明顯惡意或同業攻擊的評論情緒化回應，先冷靜判讀再回。第四，蒐集到的評論內容若含顧客個資，請妥善保存、不外流。

台灣中小企業情境案例

新北一家蔬食簡餐店，過去店長一週才看一次評論，曾有一則「點全素卻吃到含蛋餐點、吃完不舒服」的留言被埋在好評裡三天才發現，回覆時已有兩位網友跟著留言質疑。導入這條流程後，類似關鍵字一出現就即時推播到店長 LINE，當天就完成現場查核、私下聯繫顧客致歉並公開誠懇回覆。三個月後，平均回覆時效從數天縮到當天、整體回覆率從不到四成拉到九成以上，Google 星等從四點一回升到四點四，新客訂位轉換也明顯改善。

延伸應用

這條流程可以再擴充。把每月情緒與主題統計輸出成報表，讓店長看出客訴趨勢（是不是某道菜最近常被嫌、某時段等位太久），轉成具體改善行動。也可把好評自動彙整成社群素材或菜單頁的精選留言，把口碑變行銷資產。若搭配前述訂位流程與會員回訪，可在客訴處理後自動發送補償券、追蹤是否回流，形成完整的口碑修復閉環。更多玩法可到 /recipes 與 /workflows 探索，或從 /automation 規劃跨流程串接。

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 →