目錄
課程簡介
AI 正在改變客戶服務和關係管理的方式。這門課程將帶您掌握 AI 在客服和 CRM 中的應用，從智能客服到客戶分群，從全通路整合到生命週期管理，讓您用 AI 提升客戶滿意度和忠誠度。
學習目標：
- 了解 AI 客服的架構和設計
- 掌握聊天機器人的設計和部署
- 學會用 AI 進行客戶數據管理
- 建立全通路客戶服務體系
- 實現客戶生命週期管理
17.1 智能客服架構
為什麼學_this？
了解智能客服的架構是設計高效客服系統的基礎。
核心教學
智能客服的三層架構：
接觸層
- 網站聊天窗口
- WhatsApp/Messenger
- 電話
處理層
- AI 聊天機器人
- 自動回覆系統
- 工單系統
- 知識庫
數據層
- 客戶數據庫
- 對話記錄
- 分析報告
- 回饋系統
智能客服的工作流程：
客戶提問 → AI 識別意圖 → 查找知識庫 → 自動回覆
↓ (無法回答)
轉接人工客服
商業範例
一家擁有 12 間門市的連鎖健身中心，過去每晚尖峰時段客服電話湧入，教練與櫃檯人員忙於回覆課程與會籍問題，平均要等 2 小時才有人處理，導致續約率下滑。
- 導入 AI 客服分流：自動處理 85% 的課程時間、教練預約與扣款查詢，回應時間從 2 小時縮短至 25 秒。
- 複雜的會籍爭議與退費協商：由 AI 標記後轉接真人客服，轉接準確率達 92%，客訴重複來電減少 40%。
- 整合會員標籤與對話紀錄：AI 主動推播個人化續約方案，續約率提升 18%，每月增加約 300 筆成交。
- 客服人力重新配置：原本 8 名全職客服縮減為 3 名專責複雜案件，年度人事成本降低約 45 萬元。
小技巧
- 用 Notion 建知識庫，依產品、退貨、付款分類頁面，方便 AI 檢索。
- 把 FAQ 丟進 ChatGPT，用 prompt「整理成問答對，每題一句」生成訓練資料。
- 用 Zapier 串接客服表單與 Notion，新問題自動寫入待補條目。
- 在 Claude 貼上知識庫，用 prompt「找出三處矛盾或缺漏」先做健檢。
練習題
本節摘要
- 智能客服三層：接觸、處理、數據
- 工作流程：AI 識別 → 自動回覆 → 轉接人工
- 80% 問題可自動回答
商業實戰 Prompt：立即試
你是一位有 10 年經驗的 [領域] 顧問，服務對象是香港中小企。
我的情況：[一句描述業務現狀]。
目標：[具體目標]。
請（1）指出我現在最大的一個錯位（2）給我 3 個按成本效益排序的行動（3）每個行動註明預期效果及風險。
此結構適用於本課程所有場景 — 「錯位→行動→風險」三段式輸出可以直接作為決策會議議程。
| 階段 | 人手做法 | AI 協作做法 | 預期效果 |
|---|---|---|---|
| 資料收集 | 逐個網站/報告翻查（2-4 小時） | AI 搜尋+彙總+來源標註（15 分鐘） | 時間 -85% |
| 初稿製作 | 由零寫起（1-2 小時） | AI 出 3 版初稿，人選+修（20 分鐘） | 時間 -70% |
| 審核把關 | 自己核對全部（易漏） | AI 逐項自查+人抽查關鍵位 | 品質更穩定 |
| 迭代優化 | 成稿重寫 | 針對性局部修改（即時） | 迭代速度快 5 倍 |
落地檢查清單
- 我完成了「人手 vs AI 協作」的時間對比實測（記錄實際分鐘數）
- 我建立了這個場景的個人 prompt 模板
- 我知道哪些輸出必須人手覆核才可以使用
- 我省下的時間已安排去做更高價值的工作（不是發呆）
常見錯誤AI 出了東西就直接用，不核對
正確做法事實、數字、承諾類內容必須人手核實 — AI 輸出是草稿不是成品
常見錯誤一開始就追求完美 prompt
正確做法先跑先學：用住再改，三次迭代後自然接近理想
17.2 聊天機器人設計
為什麼學_this？
好的聊天機器人設計能提升客戶體驗。
核心教學
聊天機器人設計原則：
明確目標
- 確定機器人的功能範圍
- 設定回覆的準確度目標
- 定義轉接人工的標準
對話設計
- 自然的對話流程
- 清晰的選項和指引
- 友善的語氣
知識庫建設
- 常見問題整理
- 產品資訊
- 政策和流程
測試和優化
- 內部測試
- 用戶測試
- 持續優化
聊天機器人 Prompt 模板：
你是 [公司名稱] 的客服機器人。請根據以下知識庫回答客戶問題：
[知識庫內容]
回答要求：
- 簡潔明了
- 友善專業
- 如果無法回答，轉接人工
商業範例
一家連鎖健身中心據點遍布北北基，每到傍晚尖峰時段，櫃檯電話與線上訊息同時湧入，詢問課程、教練與收費方案，人力根本無法即時消化，會員抱怨回覆太慢而流失。
- 導入聊天機器人處理課程與收費查詢：涵蓋 80 項常見問題，首次回覆時間由 12 分鐘縮短至 8 秒。
- 串接會員系統查詢剩餘堂數與到期日：自助查詢率達 68%，櫃檯來電量下降 41%。
- 設計續約與體驗課導流腳本：每月促成 230 筆預約，轉換率提升 19%。
- 夜間與假日全時段自動應答：離峰時段問題解決率達 87%，整體滿意度 4.6/5。
小技巧
- 用 ChatGPT 貼上近三個月客服對話，下 prompt「歸納前十名問題並分類」。
- 把整理結果貼進 Notion 資料庫，欄位設問題、答案、標籤。
- 用 Claude 改寫答案語氣，指令「改為口語、50 字內」。
- 以 Zapier 串接 Notion 與聊天機器人，問題更新即同步。
練習題
本節摘要
- 設計原則：明確目標、對話設計、知識庫、測試優化
- 用 ChatGPT 分析常見問題
- 持續優化提升準確率
17.3 客服平台比較
為什麼學_this？
選擇合適的客服平台能提升效率。
核心教學
主流客服平台：
Zendesk
- 全方位客服平台
- AI 自動回覆
- 工單管理
- 價格：$19/人/月起
Freshdesk
- 功能豐富
- AI 助手
- 多通路支持
- 價格：免費版可用
Intercom
- 對話式客服
- AI 聊天機器人
- 產品導向
- 價格：$74/月起
Tidio
- 簡單易用
- AI 聊天機器人
- 適合小型企業
- 價格：免費版可用
WhatsApp Business API
- 原生 WhatsApp 整合
- 自動回覆
- 適合亞洲市場
商業範例
一家連鎖健身中心（12 間分店、約 4 萬名會員）長期受客服效率低落所苦，會員抱怨課程預約與退款進度時常無人回應，導致續約率下滑。
- 導入 Freshdesk 整合 LINE、Email 與官網表單：客服首次回應時間由 6 小時縮短至 25 分鐘。
- 以 AI 自動回覆處理課程查詢與請假申請：每月自動結案 2,800 件，占總量 72%。
- 設定退款進度自動通知流程：退款相關客訴較前期減少 45%，處理時程縮短 3 個工作日。
- 串接會員系統標記高風險流失客戶：客服主動關懷後，續約率提升 18%。
小技巧
- 先用 Tidio 免費版，再以 Zapier 串接 ChatGPT 自動回覆常見問題。
- 在 Claude 貼上客服信件，請它整理三種回覆語氣供選用。
- 把 FAQ 匯入 Notion，讓 Freshdesk 免費版直接引用縮短回覆時間。
- Prompt 寫法：請以 50 字內、專業但親切口吻回覆以下客訴。
練習題
本節摘要
- 客服平台：Zendesk、Freshdesk、Intercom、Tidio
- 根據需求和預算選擇
- 小型企業從免費版開始
17.4 NLP 在客服中的應用
為什麼學_this？
NLP（自然語言處理）是智能客服的核心技術。
核心教學
NLP 在客服中的應用：
意圖識別
- 識別客戶想做什麼
- 例如：查詢訂單、退貨、投訴
實體提取
- 提取關鍵資訊
- 例如：訂單號、產品名稱、日期
情感分析
- 判斷客戶情緒
- 正面/負面/中性
語言檢測
- 自動識別語言
- 切換對應語言回覆
文本分類
- 自動分類問題類型
- 分配給對應團隊
商業範例
一家擁有 12 間門市的連鎖健身中心，每月收到超過 3,000 則客服訊息，過去靠 8 名客服人工判讀，平均回覆時間長達 6 小時，且經常漏掉準備退會的學員。
- 意圖識別：導入 NLP 後自動辨識「課程諮詢、教練更換、退費申請」等 9 類意圖，準確率達 94%，客服分流錯誤率下降 67%。
- 情感分析：即時標記負面情緒訊息，高風險退會客戶攔截率提升至 82%，成功挽回其中 31% 的學員。
- 自動回覆：常見問題由 NLP 草擬回覆，客服一鍵送出，平均回覆時間從 6 小時縮短至 25 分鐘。
- 人力配置：客服團隊由 8 人精簡至 5 人，每月節省人事成本約新台幣 12 萬元。
小技巧
- 用 ChatGPT API 前，先寫 system prompt 固定客服角色與語氣，例如「你是專業客服，回覆限 50 字內」。
- 把常見問題與標準答案整理進 Notion，再用 Zapier 串接 ChatGPT，自動回覆重複提問。
- 用 Claude 分析客訴信件情緒，prompt 寫「判斷以下文字為正面、中性或負面，只回一個詞」。
- 將對話紀錄貼給 ChatGPT，prompt 寫「找出客戶真正需求與未解決痛點，列點輸出」。
練習題
本節摘要
- NLP 應用：意圖識別、實體提取、情感分析、語言檢測
- 用 ChatGPT API 實現
- 大幅提升客服效率
17.5 CRM 數據管理
為什麼學_this？
CRM 數據是客戶關係管理的基礎。
核心教學
CRM 數據管理的要素：
客戶資料
- 基本資訊（姓名、聯繫方式）
- 交易歷史
- 互動記錄
- 偏好設定
數據收集
- 自動收集（網站、表單）
- 手動輸入
- 第三方整合
數據品質
- 去重
- 更新
- 驗證
數據安全
- 加密儲存
- 存取控制
- 合規要求
CRM 工具：
- HubSpot CRM：免費，功能強大
- Salesforce：企業級
- Zoho CRM：性價比高
- Pipedrive：銷售導向
商業範例
一家連鎖健身工作室擁有八間分店與近六千名會員，過去教練各自用紙本與試算表記錄學員狀況，續約前常找不到完整互動歷程，導致流失率偏高。導入 HubSpot CRM 後，資料集中管理成為改善營運的起點。
- 做法：將八間分店的會員資料與教練諮詢紀錄集中建檔，結果：重複名單減少約 35%，行政查找時間每週省下 12 小時。
- 做法：自動記錄每次課程出席與訊息往來，結果：教練掌握學員狀態的完整度提升至 90%，續約提醒不再遺漏。
- 做法：依運動頻率與方案偏好分群，推送個人化課程推薦，結果：續約率由 58% 提升至 74%。
- 做法：針對三個月未到訪會員啟動關懷流程，結果：成功召回約 220 名流失會員。
小技巧
- 用 Zapier 把表單新名單自動寫入 HubSpot，省去手動匯入。
- 在 ChatGPT 輸入「依產業與職稱，為這筆 CRM 聯絡人產生 3 句跟進開場白」。
- 把 Notion 當欄位字典，記錄每個 HubSpot 自訂屬性的定義與填寫規則。
- 用 Claude 貼上重複名單，請它標出疑似同一客戶並列出合併建議。
練習題
本節摘要
- CRM 數據：資料、收集、品質、安全
- 工具：HubSpot、Salesforce、Zoho
- 集中管理客戶資料
17.6 情緒分析
為什麼學_this？
了解客戶情緒能幫助改善服務品質。
核心教學
情緒分析的應用：
即時監測
- 分析客戶對話情緒
- 識別不滿客戶
- 即時警報
歷史分析
- 分析客戶滿意度趨勢
- 找出服務痛點
- 評估改善效果
品牌監測
- 分析社群媒體情緒
- 追蹤品牌聲譽
- 危機預警
情緒分析工具：
- MonkeyLearn：文字情緒分析
- Brandwatch：社群情緒監測
- ChatGPT：即時情緒分析
商業範例
一家擁有 40 間門市的連鎖健身中心，過去教練與櫃檯人員難以從大量客服訊息中即時察覺學員不滿，導致續約率長期偏低，客訴也常在爆發後才被處理。
- 做法：導入情緒分析即時掃描線上客服與評論文字，自動標記負面情緒對話。結果：不滿學員辨識率提升至 92%，平均回應時間從 8 小時縮短至 45 分鐘。
- 做法：依情緒強度自動排序客訴處理優先順序，高風險個案優先派給資深客服。結果：高風險客訴遺漏率下降 68%，教練課程爭議減少 3 成。
- 做法：每週彙整負面情緒主題報表，回饋給教練與場館調整服務流程。結果：學員續約率提升 18%，整體滿意度分數從 3.6 升至 4.4 分（滿分 5 分）。
小技巧
- 把對話貼進 ChatGPT，用 prompt：請標出正面、中性、負面句並給情緒分數 0 到 10。
- 批次處理時改用 Claude，一次貼 10 段對話，要求回傳表格欄位：客戶、情緒、關鍵句。
- 將 ChatGPT 輸出接到 Zapier，負面分數低於 4 自動開立 Notion 客服任務。
- 要求 ChatGPT 額外列出觸發負面情緒的具體字詞，方便日後調整話術。
練習題
本節摘要
- 情緒分析：即時監測、歷史分析、品牌監測
- 工具：MonkeyLearn、Brandwatch、ChatGPT
- 自動升級不滿客戶
17.7 客戶分群
為什麼學_this？
精準的客戶分群能提升行銷效果。
核心教學
客戶分群的方法：
RFM 分群
- R（Recency）：最近購買時間
- F（Frequency）：購買頻率
- M（Monetary）：購買金額
行為分群
- 瀏覽行為
- 購買行為
- 互動行為
價值分群
- 高價值客戶
- 中價值客戶
- 低價值客戶
生命週期分群
- 新客戶
- 活躍客戶
- 沉睡客戶
- 流失客戶
分群工具：
- HubSpot：自動分群
- Google Analytics 4：行為分群
- ChatGPT：數據分析和分群建議
商業範例
一家連鎖健身中心，全台有 12 間分店、約 4.8 萬名會員，過去教練與櫃檯共用同一份名單，續約率長期低於 55%，行銷簡訊也常打擾到高活躍會員。
- 高活躍會員（約 18%）：安排專屬教練與優先預約，續約率提升至 82%。
- 穩定會員（約 42%）：每月推個人化課程組合，到訪頻率增加 1.6 次。
- 低度使用會員（約 28%）：發送 3 次喚回提醒，回訪率達 24%。
- 沉睡會員（約 12%）：電話訪談了解流失原因，回收 380 份有效回饋。
小技巧
- 用 ChatGPT 下 prompt：「依 R、F、M 三欄為這批客戶分五群並命名」，一次產出標籤。
- 把分群結果貼進 Notion 資料庫，加「群組」屬性，方便日後篩選與追蹤。
- 在 Zapier 設觸發：客戶 RFM 分數變動時，自動更新 Notion 對應群組欄位。
- 用 Claude 依各群特徵各寫一段話術，貼進 CRM 範本供業務直接取用。
練習題
本節摘要
- 分群方法：RFM、行為、價值、生命週期
- 工具：HubSpot、Google Analytics 4
- 針對不同群組制定策略
17.8 全通路整合
為什麼學_this？
客戶期望在不同渠道獲得一致的服務體驗。
核心教學
全通路整合的要素：
統一收件箱
- 所有渠道的訊息集中管理
- 統一回覆介面
- 歷史記錄同步
通路選擇
- 社群媒體
- 網站聊天
- 電話
無縫切換
- 客戶可以從一個渠道切換到另一個
- 對話記錄跟隨
- 不需要重複說明
全通路工具：
- Front：統一收件箱
- Crisp：多通路客服
- HubSpot：整合 CRM
- WhatsApp Business API：WhatsApp 整合
商業範例
一家連鎖健身中心，擁有十二間分店與三萬名會員，過去各分店的諮詢分散在電話、Facebook、LINE 與官網表單，常漏接訊息，續約率僅六成。
- 整合四種渠道至統一收件箱：客服首次回應時間由四小時縮短至十分鐘。
- 會員跨渠道切換對話不中斷：每月重複詢問案件減少約七成。
- 依互動紀錄自動標記高風險會員：三個月內挽回一成五即將流失的續約。
- 統計各渠道進線與成交來源：行銷預算重新分配後，獲客成本降低兩成二。
小技巧
全通路整合不必一次到位，先從客戶最常用的渠道開始。
- 用 Zapier 把 Gmail 與 Messenger 訊息同步寫入 Notion 客戶表，集中管理對話。
- 在 ChatGPT 貼上對話紀錄，請它標記客戶來源渠道與情緒，方便分流。
- 用 Claude 統整各渠道紀錄，產生一句話摘要，貼回 CRM 備註欄。
- 提示詞寫法：「依渠道分類以下訊息，輸出表格：渠道、需求、優先級」。
練習題
本節摘要
- 全通路整合：統一收件箱、通路選擇、無縫切換
- 工具：Front、Crisp、HubSpot
- 從最常用渠道開始
17.9 客戶生命週期管理
為什麼學_this？
管理客戶生命週期能最大化客戶價值。
核心教學
客戶生命週期的階段：
獲客
- 吸引新客戶
- 首次購買體驗
- 歡迎流程
活躍
- 定期互動
- 個人化推薦
- 忠誠度計劃
沉睡
- 識別沉睡客戶
- 召回活動
- 特別優惠
流失
- 流失預警
- 挽留措施
- 原因調查
推薦
- 推薦計劃
- 口碑行銷
- 社群經營
商業範例
一家擁有 12 間門市的連鎖健身工作室，過去教練只靠記憶追蹤會員，續約率長期低於四成，流失後也無人分析原因。
- 入會首週：自動推送教練預約與體驗課提醒，到課率提升至 78%。
- 活躍期：依運動頻率推薦課程與積分獎勵，月均到訪由 4 次增至 7 次。
- 沉睡期：14 天未到館即觸發召回簡訊與免費體驗，回流率達 22%。
- 流失期：發送問卷並提供專屬續約優惠，成功挽回 15% 到期會員。
小技巧
- 用 Zapier 把新客戶自動加進 Notion 客戶庫，觸發階段標籤。
- 在 ChatGPT 貼客戶資料，請它依階段草擬問候訊息。
- 用 Claude 分析問卷回饋，標記流失風險客群。
- 在 Canva 做各階段 Email 範本，一鍵套用寄送。
練習題
本節摘要
- 生命週期：獲客 → 活躍 → 沉睡 → 流失 → 推薦
- 每個階段有不同的策略
- 用自動化管理溝通
17.10 客服品質監控
為什麼學_this？
品質監控確保服務水準持續提升。
核心教學
品質監控的指標：
回應時間
- 首次回應時間
- 平均處理時間
- 等待時間
解決率
- 首次解決率
- 總體解決率
- 升級率
滿意度
- 客戶滿意度評分
- NPS（淨推薦值）
- 回饋調查
效率
- 每人處理量
- 自動化率
- 成本效率
商業範例
一家擁有 12 間門市的連鎖健身中心，過去教練與客服回覆會員訊息常延遲超過一天，導致續約率下滑與客訴增加。導入 AI 客服品質監控後，管理層得以即時掌握各門市服務水準。
- 做法：自動標記逾時未回覆的對話並通知主管，首次回應時間由 18 小時縮短至 25 分鐘。
- 做法：AI 分析對話意圖並比對標準話術，首次解決率提升至 88%。
- 做法：每週彙整負評關鍵詞，客戶滿意度從 3.6 分升至 4.6 分（滿分 5 分）。
- 做法：常見問題由 AI 自動回覆，自動化率達 75%，客服人力成本降低 22%。
小技巧
- 用 ChatGPT 將客服對話逐句標註情緒與問題類型，快速找出負面樣本。
- 在 Claude 貼入 prompt：「列出這段對話中的回覆延遲與跳針處」，逐週比對。
- 把每週指標存進 Notion 資料庫，設篩選檢視追蹤退步項目。
- 用 Zapier 將低分對話自動推送至 Slack 頻道，當日安排複盤。
練習題
本節摘要
- 品質指標：回應時間、解決率、滿意度、效率
- 每週檢視和優化
- 追蹤改善效果
17.11 客服數據分析
為什麼學_this？
數據分析能發現服務改善機會。
核心教學
客服數據分析的應用：
問題分析
- 最常見的問題類型
- 問題趨勢變化
- 根本原因分析
效能分析
- 客服團隊效能
- 個人表現
- 培訓需求
客戶洞察
- 客戶需求變化
- 滿意度驅動因素
- 改善機會
商業範例
一家連鎖健身中心擁有 12 間分店、約 4 萬名會員，過去教練與櫃檯人員每天處理上百則客服訊息，卻難以掌握會員流失的真正原因。
導入 AI 客服數據分析後，團隊從對話紀錄中找出可改善的營運缺口。
- 做法：分析近半年 8 萬筆客服對話，歸納出前五大客訴主題，發現「團體課程時段不合」占抱怨量 34%。
- 做法：依分析結果增開平日晚間與週末熱門課程，並調整 3 間分店的排課人力，兩個月內相關客訴下降 41%。
- 做法：針對曾在對話中提及請假或受傷的會員，自動觸發關懷訊息與復課優惠，續約率提升 18%。
- 做法：將客服常見問題整理成自助知識庫，減少重複諮詢量 27%，平均回覆時間從 6 小時縮短至 1.5 小時。
小技巧
- 用 ChatGPT 貼上 50 則客服對話，請它歸納最常出現的三類問題。
- Prompt 寫法：請以表格列出問題類型、出現次數、代表原句。
- 把 ChatGPT 輸出貼進 Notion 建表，累積每週常見問題趨勢。
- 用 Zapier 將新客服對話自動送到 ChatGPT 分類後寫回表單。
練習題
本節摘要
- 數據分析：問題、效能、客戶洞察
- 用 AI 快速分析大量數據
- 找出改善機會
17.12 客服商機轉化
為什麼學_this？
客服不僅是解決問題，也是銷售機會。
核心教學
客服商機轉化的策略：
交叉銷售
- 推薦相關產品
- 例如：買貓糧推薦貓砂
向上銷售
- 推薦升級產品
- 例如：推薦更高級的產品
復購提醒
- 自動提醒回購
- 例如：貓糧快用完時提醒
客戶回饋
- 收集產品回饋
- 改善產品和服務
商業範例
一間擁有 12 間分店的本土健身連鎖品牌，過去教練與客服各自為政，會員反映的問題常被遺漏，續約率長期低於五成。
- 交叉銷售：依會員訓練紀錄推薦營養品與課程，成交率達 22%。
- 續約提醒：於到期前 30 天自動推播並附專屬優惠，續約率提升 35%。
- 客戶回饋：彙整 800 則意見後調整 6 項團課內容，滿意度上升 18%。
- 流失預警：偵測連續兩週未到館者主動關懷，挽回率達 27%。
小技巧
- 用 ChatGPT 輸入對話紀錄，請它生成一句不超過 20 字的產品推薦語。
- 在 Claude 貼上客戶痛點，要求產出三個對應方案並標註適用情境。
- 把推薦話術存進 Notion 範本庫，依產品分類方便客服直接取用。
- 用 Zapier 設定結案後自動推送推薦信，並附上專屬優惠連結。
- 提示詞加入「先確認問題已解決，再推薦」，避免客戶感到推銷。
練習題
本節摘要
- 商機轉化：交叉銷售、向上銷售、復購提醒
- 在解決問題後自然推薦
- 自動推薦提升效率
17.13 課程總結
課程總結
下一步學習
- C-18 AI 電商營運實戰：電商應用
- C-35 寵物業 AI CRM：寵物業專屬
- C-22 No-Code AI 自動化：自動化客服
© 2026 Buddylala.ai — Build Your AI Future, Together.