客訴貼完圖沒人回、十筆只追到一筆：我把每天千份問卷變成追得回的系統

我看到什麼

我在餐飲集團總部做財務，八年。客訴不是我的工作，但每天看同事拉客訴資料、聽他們抱怨，是我理解這家公司運作的一扇窗。

公司用 Ocard 收客訴問卷。每天一早，負責的同事要把 Excel 拉下來，一天大約千份。超過一半是無意義的——意見欄空白、亂填一通。得先人工篩掉，再從有意義的那部分裡找正負評、做分析，最後截圖貼到各門店群組。

這套流程的工時很固定：週二到週五，每天約兩小時；週一因為假日累積的量，要到下午兩三點才發得出去。

這種抱怨我聽了一年多，總覺得哪裡不對，但又說不上來。

截圖之後，才是真正的災難

貼圖不是結束，災難從貼完才開始。

圖貼到門店群組，人員不會立刻回覆，甚至根本不回覆。總部不知道他們到底有沒有處理、有沒有改善——連追蹤都很困難。

負責的同仁也曾試過用一張 Excel 讓門店填回應，當追蹤表用。結果發現這比分析還浪費時間，資料永遠不齊全，十筆能追到一筆，就很好了。

客訴資料的宿命，就是變成一張截圖，在 LINE 上飄一陣子，然後過期。

幹部會議上，老闆直接噴

轉折發生在一次幹部會議。

老闆當場開噴：「為什麼這個客訴這麼久了，同樣的事情一直發生？」

會後我去查真相。查完發現，整條流程裡根本沒有「審核客訴根因有沒有被處置」的機制——不是沒人做，是根本做不了，因為資料從來沒有被追蹤過。

其實公司不是沒有機會。客訴分類跟每日反饋，明明可以整合出每家門店最重要、最該先改善的事項。只是資料太龐雜，沒人願意做，也沒人做得動。

那段時間，我腦子裡反覆出現一句話：

「訊息滿天飛，但它沒有家。」

這就是答案。客訴資料不是不夠多，而是沒有歸屬、沒有去處、沒有追蹤。

我把流程拆成一條流水線

我想得很簡單：既然人工最花時間的是「拉資料、篩垃圾、整理分類、追蹤回應」，那就把這些交給機器，人只做最後的判斷。

於是我用訂閱額度內的 CLI，跟 AI 協作，把流程拆成一條每天早上自動跑的流水線：

1. 每天早上九點，機器人自動上 Ocard 抓問卷。
2. 抓完餵給 CLI 做語意分析。
3. 跑完出四頁：標準客訴含分類／客訴分析（比例圖表，看每間店趨勢狀態）／外部限制與改進建議／好評。
4. 自動夾帶檔案，發 mail 給原本負責的人員確認。
5. 負責人員掃一眼客訴資料，沒問題回個 OK；有問題，直接改檔案。
6. 回覆確認後，客訴助理入庫，推送卡片到群組。
7. 整條線都附完整查詢＋接收回覆的追蹤功能，並接入戰情室，負責人員一目了然。

整條管線長這樣：

[Ocard 問卷] ──9:00 自動抓取▶ [AI 分析]
        │
        ▼
[4 頁報告：客訴/趨勢/建議/好評]
        │
        ▼
[mail 給負責人 → 回 OK/改檔]
        │
        ▼
[入庫 → 推卡片到群組 ──▶ 同仁 LINE 回]
        │
        ▼
[戰情室：誰回誰沒回]

我一個人不會寫程式，但流程拆清楚後，剩下的就是跟 AI 一句一句把需求說清楚。每個環節的邏輯，都長得跟以前同事人工做的一樣，只是不再佔用任何人的早上。

同仁不用開後台，在 LINE 聊天窗就能做完全部的事

自動化分析只是前半段，我花最多心力的，是後半段：讓所有處置動作都發生在同仁本來就在的 LINE 裡。

我把整個客訴助理做成一個 LINE bot，叫「客訴助理」。同仁不用登入後台、不用學系統，只要在門店群組裡打一句話，事情就完成了。

在聊天窗裡能做的，幾乎覆蓋了整條客訴生命週期：

• 查案：打 @客訴助理 南屯店 看該店未結案案件；@客訴助理 今日 待處理 組合查詢；@客訴助理 湯頭 連客訴內容關鍵字都能查；打單一案號則看完整歷程。
• 回覆：打 @客訴助理 366 #追蹤中:已致電客人說明，一句話就把狀態和處理進度寫回系統。要回覆多筆時，一則訊息裡連打兩案也行。
• 回饋：打 @客訴助理#今日門市一切正常，每日反饋也一併收進系統。
• 好評榜單：打 @客訴助理 榜單，直接看最新月份各店好評數與表揚對象排行。

每一張客訴卡片下方都有快捷按鈕，點了自動預填格式，同仁只要接著打字就好，不用記指令。就算按鈕不靈光，複製卡片上的代碼貼回去也能回覆。

同一個案子，卡片其實有兩個版本，對不同人揭露不同的資訊：

這是同仁群組看到的版本：案號、店別、類別、內容，一眼就知道今天有沒有自己的事，卡片下方附回覆按鈕。

這是營運管理端看到的版本：同樣的案號與內容，但多了回覆人的名稱跟電話欄位——負責追蹤的同仁看得出來電者是誰、要不要回撥。

差別就在權限：同仁群組拿不到姓名跟電話，個資不流進門店群組；追蹤資訊只留在總部那一層。

這些動作以前都要開後台、翻 Excel、打 email，現在變成聊天窗裡的一句話。同仁省下來的不是一次操作，是整個「登入系統、找到案件、開表單」的門檻——而門檻越低，願意回覆的人就越多。

上線沒多久，AI 就抓到一件人工一定略過的事

系統上線後，有個案例讓我印象很深。

有些客人會反諷。整張問卷前面全部評滿分，然後在建議欄裡，用反諷的方式寫下真正的抱怨。以前人工篩選時，這種留言很容易被略過——看到滿分，人就自然跳過去，不會細看建議欄。

AI 不會被滿分騙到。它把建議欄的內容一起分析，這類隱藏的抱怨，全被撈出來了。

如果還是靠人眼，這條大概連被截圖的資格都沒有。但現在，它會被分類、被歸戶、被推到門店群組，最後進戰情室。

老闆終於看到全盤

系統上線後，改變最明顯的不是省下的工時，是回應。

同仁知道老闆會看戰情室。客訴有沒有回應、有沒有交代，一翻就知道。慢慢地，事事都有了回應。

老闆也不再只盯著某一則情緒激烈的客訴檢討。他開始看全盤畫面：哪家店的客訴大多集中在哪一類，趨勢往哪走。

舉個例子。某家店的客訴，大部分都基於餐點品質。以前檢討的標的是「為什麼讓這個客人這麼生氣」，現在變成「內場要再教育什麼」。前者在追究一個同仁，後者在改善一整家店。

同樣一份資料，歸屬清楚了，追蹤做得動了，討論的問題層次就完全不一樣。

客訴這件每天千份、飄在 LINE 上的東西，終於有了一個家。