如何用流程取代單純規則，打造電商自動化客服

大多數電商團隊從自動回覆和幾條派單規則起步。這樣的架構能處理基本請求，但當客服系統裡開始堆滿例外情況時，就會逐漸失控。要真正做好自動化客服，你需要的是清晰的流程設計，而不是不斷疊加的臨時規則。

延誤的訂單需要一條處理路徑，取消訂單需要另一條，而損壞商品更不應被視為普通的狀態查詢。本指南將說明，當客服複雜度提升時，流程化設計如何幫助團隊有效掌控派單、升級與後續步驟。

為什麼規則在客服自動化中會失效

當一個客服問題可能觸發不同的處理方式、而非一個可預期的步驟時，規則就開始失效。一旦同一類請求可能需要派單、例外處理、審核或升級，團隊就需要能從頭到尾完整處理案件的流程，而非單純的規則。

當下一步顯而易見時，簡單的 if/then 設定就能運作得很好。查詢物流狀態可以觸發自動更新，申請退貨可以觸發標準政策回覆。這類邏輯能節省時間，同時讓待處理佇列保持可預測性。

問題在於，當一個請求可能走向不同方向時，規則就開始應付不來。退貨請求可能取決於下單時間、商品類型，以及客戶是要退款還是換貨。取消訂單在出貨前可能很簡單，但在部分商品已出貨後就複雜許多。即使是查詢訂單狀態的請求，也可能因物流商狀態或配送問題而走向不同路徑。

這就是規則型自動回覆開始力不從心的地方。如果持續在舊有邏輯上疊加例外情況，系統會越來越難維護，也越來越容易出錯。更好的系統能夠按序列處理案件、保留人工升級的空間，並且符合真實請求從第一次聯繫到解決的完整流程。

規則與流程：實務上有何不同？

乍看之下，規則和客服流程似乎差異不大。但在實務中，兩者解決的問題複雜度截然不同。

	Rule	Flow
Structure	一個條件對應一個動作	一個觸發點對應一連串的檢查、分支判斷、動作執行與升級處理
Example	"If the subject contains 'return,' send the return policy link"	「退貨申請 → 確認下單時間 → 確認退貨資格 → 選擇退款或換貨路徑 → 例外案件派送 → 套用 SLA」
例外情況	有限。任何超出預期措辭或模式的情況通常需要人工處理	針對案件變化設計分支處理邏輯
客戶類型	對所有人套用相同邏輯	處理路徑可依訂單金額、消費記錄或優先等級動態調整
Measurement	僅能在工單層級進行追蹤	可作為流程進行衡量，包含完成率、交接率與分流率
Scale	最適合短期、可預期的任務	隨著請求量、商品複雜度與團隊規模成長，仍能保持穩定運作

規則處理單一情境；流程則處理案件變得不可預期後的後續發展。這個差異至關重要，因為大多數客服問題並不是在第一次回覆時就出問題，而是在後續步驟、例外情況或交接環節才出現破口。

優先建立的 5 大客服流程

最值得優先建立的流程，是那些同時具備高工單量與清晰分支邏輯的場景。對大多數電商團隊而言，這意味著訂單狀態查詢、退換貨、損壞商品、取消訂單，以及折扣相關請求。

這些流程都是絕佳的起點，因為每一個都能解決單純規則難以妥善處理的重複性問題。

WISMO：我的訂單在哪裡？

訂單狀態查詢看似簡單，卻可能迅速產生多種分支。良好的設定應能即時確認最新物流狀態，並依據包裹是在途中、已延誤、顯示已送達或卡在例外狀態，分別決定下一步處理方式。

常規的物流更新可透過自助服務自動處理，但物流資訊過時、物流商問題或顯示已送達卻未收到的情況，應轉交人工審核，而非一律發送相同的罐頭訊息。

這也是運用主動通知的最佳場景之一。清楚的即時更新能減少不必要的工單，讓團隊將精力集中在真正需要人工處理的案件上。

退換貨自動化

退貨申請一旦需要確認時間、商品退貨資格，以及客戶是要退款還是換貨，處理難度就會大幅提升。一個完善的流程能夠自動確認退貨期限、套用對應政策、發送正確說明、為簡單案件產生退貨標籤，並將例外情況轉交審核。

結構化的流程能減少來回溝通的次數，讓客戶和團隊都清楚知道下一步該怎麼做。

損壞訂單處理流程

商品損壞應走獨立的處理路徑，而不是被當作一般的配送問題。你的團隊通常需要訂單編號、照片佐證，以及快速判斷案件是否能直接進行補發或退款，還是需要轉交理賠部門審核。對於低風險案件，設置核准門檻能加速解決問題，無需每次都進行人工處理。

這個流程之所以重要，是因為商品損壞會帶來急迫感。當問題已經顯而易見時，客戶不想收到模糊的狀態回覆，他們需要的是清晰的解決路徑。專屬的處理流程也能將損壞案件與一般配送延誤明確區隔，因為兩者的後續步驟往往截然不同。

取消訂單自動化

正確的下一步取決於出貨狀態，而非單純根據請求的措辭決定。如果訂單尚未出貨，取消可能很簡單；如果已出貨，正確的路徑可能是到貨後再辦理退貨；如果只有部分出貨，團隊可能需要取消剩餘部分，並向客戶說明已出貨商品的處理方式。

這是固定邏輯為何會失效的最典型範例之一。設計良好的流程能明確呈現所有分支情境，而不是讓你每次都靠人工一一釐清。

折扣請求處理

折扣相關問題不能只靠確認折扣碼是否有效來解決。一個實用的設定應能驗證折扣碼是否有效、是否符合活動規則，以及是否應依訂單金額或客戶消費記錄走不同的處理路徑。這也是團隊發現折扣濫用模式的關鍵環節，而非將每個請求都當成單純的價格問題處理。

這個流程之所以重要，是因為折扣請求往往橫跨客服、客戶留存與政策執行三個面向。正確的回應不一定是「是」或「否」，有時是驗證、有時是例外處理，有時是附上合理說明的明確婉拒。做得好的話，這類流程能讓團隊保持一致性，而不需要把每個定價問題都升級給主管裁決。

不需複雜 ML 模型的意圖式派單機制

大多數團隊無需依賴複雜的機器學習模型，只要結合三個簡單的輸入：客戶寫了什麼、訊息從哪個入口進來，以及基本的訂單資訊，就能精準派送重複性請求。在客服人員讀取工單之前，這樣的設定通常就已足夠將常見案件導入正確路徑。

定義好主要流程後，下一個問題就是如何讓每張新工單找到對應的流程。實務上，你不需要複雜的模型來起步。幾個可靠的判斷層次，就能讓派單變得更清晰、更快速、更易於維護。

示意圖：意圖派單的三個層次——關鍵字比對、入口點路由、情境規則。

從關鍵字辨識開始

最簡單的起點，是將常見詞句依照意圖分組並進行對應派送。許多重複性請求其實並不模糊，只需要足夠早地被辨識出來，就能避免人工分類，以及防止優先套用錯誤的回覆路徑。

Intent	常見措辭
WISMO	"where is my order", "tracking", "delivery status", "hasn't arrived"
退換貨自動化	「退貨」、「換貨」、「尺寸不對」、「寄回去」
損壞訂單處理流程	「損壞」、「破損」、「瑕疵品」、「到貨時就壞了」
取消訂單自動化	「取消」、「取消訂單」、「我改變主意了」
折扣請求處理	"coupon", "discount code", "promo code", "doesn't work"

在這個階段，關鍵字比對的效果最好的方式，是涵蓋詞組群和常見的表達變體，而不是依賴單一精確字詞。目標不是完美理解語言，而是儘早捕捉明確意圖，將工單導入正確路徑。

善用入口點情境

下一個層次是請求的起始點。透過退貨表單、配送協助小工具或訂單頁面提交的訊息，在詳細分析文字內容之前，就已帶有有用的情境資訊。這個額外的訊號能幫助團隊更精準地派送模糊訊息。

「我的訂單需要幫助」這樣的簡短訊息單獨來看太過寬泛，但如果它是透過退貨表單送出的，大致方向就已經清晰許多。同樣的道理也適用於物流查詢按鈕、取消訂單申請頁面或損壞商品的聯繫入口。

良好的派單機制會同時運用訊息內容與周圍情境，而不是只看字面措辭。

加入訂單資料、SLA 邏輯與升級規則及觸發條件

第三個層次能讓派單更加可靠，同時不會增加過多複雜度。一旦系統確認了相關訂單，就能在決定下一步之前，自動確認出貨狀態、退貨期限、商品類型、配送狀態或客戶優先等級。

客戶訊息	訂單情境	Route
「我的訂單在哪裡？」	訂單運送中	WISMO
「我想要退貨」	商品已超過退貨期限	退換貨自動化——依政策婉拒退貨
「收到時已損壞」	訂單近期已送達	損壞訂單處理流程
「我要取消訂單」	訂單尚未出貨	取消訂單自動化
「我要取消訂單」	訂單已出貨	取消申請轉入退貨流程

這也是 SLA 自動化發揮價值的地方。優先案件可以進入更快速的處理佇列，標準案件則依照正常路徑處理。升級規則與觸發條件也同樣適用：一旦系統偵測到延誤、例外情況或政策衝突，就能主動將案件轉交給適當的負責人，而不是等到之後再進行人工審核。

客群分層如何改變相同的流程

相同的請求不應該總是走相同的路徑。退貨、延誤或折扣問題，可能需要依據客戶價值、消費記錄或風險等級採取不同的處理方式。

大多數團隊將分層視為行銷工具，但它在客服中同樣重要。新買家的訂單延誤，不見得需要與長期回購客戶或高消費客戶的相同延誤走同樣的處理路徑。

重點不是為每個客群建立獨立的流程，而是讓同一套流程在掌握客戶情境後，能做出更適切的決策。

三種常改變處理路徑的客群

幾個簡單的客群分類，通常就足以讓自動化在實務中更具實用性。

Segment	通常代表的意義	流程可以如何調整
VIP 客戶	高客戶終身價值（LTV/CLV）或長期穩定的消費記錄	跳過較慢的自助服務步驟，進入快速審核通道，避免僵化的自動婉拒
高消費客戶	高於一般平均的訂單金額（AOV）	優先提供有利於留客的選項、加快取消訂單的審核速度，並在適當時優先提供換貨而非退款
回購客戶	具有良好消費記錄的回購買家	採用更流暢的核准流程、更具彈性的處理方式，並減少不必要的核查步驟

這裡的價值不在於標籤本身，而在於當客戶關係影響到正確的下一步時，流程能夠做出不同的回應。

在現有流程中加入客群判斷

你不需要為每個客群建立獨立的自動化流程。大多數情況下，只需在現有流程中加入客群判斷即可。退貨申請可以讓某位客戶走標準路徑，讓另一位走快速審核路徑。延誤訂單對所有人都可以觸發相同的狀態查詢，但一旦考量到帳戶消費記錄，優先處理的方式仍可有所不同。

這就是客群分層從概念走向實務操作的關鍵所在。在一般扁平流程中，每個請求都會被一視同仁，但客群分層能改變派單方式、核准門檻，以及升級的時間點。

從你已有的數據訊號開始

大多數團隊已經擁有足夠的數據可以開始行動。如果你的商店使用 Shopify，這些訊號大多已包含在訂單資料中。訂單數量可以幫助識別回購客戶，總消費金額可以標示 VIP 客戶，平均訂單金額（AOV）則能顯示哪些取消、換貨或配送問題可能需要走不同路徑。如果你的業務已在使用 RFM 分析，那能進一步強化邏輯，但並非起步的必要條件。

關鍵在於從少數清晰的訊號開始。過多的客群分層只會製造雜訊，但幾個實用的判斷條件，往往就足以讓客服自動化感覺更靈活，而不是死板的一刀切。

如何評估流程是否有效運作

把流程當成一個完整的過程來衡量，而不只是看單張工單，才能更有效地持續改進。最實用的初始指標包括：完成率、升級率、分流率，以及各流程的 CSAT 分數。

許多客服團隊只追蹤整體佇列數據，例如首次回應時間、積壓工單數或整體 CSAT。這些指標仍然重要，但無法顯示自動化的哪個部分真正在幫忙，哪個部分正在製造額外工作。WISMO 流程、退貨流程和取消訂單流程，在佇列層面看起來可能都還不錯，但實際表現可能天差地別。

從完成率開始

完成率顯示一個流程有多少比例能夠達到明確結果，而不是在中途卡住、被重新派送或中斷。這可能意味著物流查詢在無需客服人員介入的情況下獲得解決、退貨透過標準路徑完成處理，或取消訂單在無需人工清理的情況下到達正確的下一步。

這個指標之所以重要，是因為它能顯示流程是否真正端到端地處理案件，還是只是啟動了流程，然後把其餘的工作推回給團隊。

依流程追蹤升級率，而非只看整體數字

升級率並不總是代表失敗，有些請求本來就應該由人工處理。重要的是升級是否基於正確原因，以及是否發生在適當的位置，因為每個流程預期的複雜程度不同。

損壞相關案件可能比基本物流狀態查詢更常需要人工審核。取消訂單流程表面上看起來可能沒問題，但如果分支邏輯薄弱，仍可能將過多的出貨後取消案件送交人工處理。依流程追蹤這個指標，能讓那些缺口更容易被發現。

追蹤分流率，但不能忽略品質

這個指標顯示有多少請求在沒有客服人員介入的情況下獲得處理。它很有用，但不能單獨解讀。高分流率只有在客戶確實得到正確解答、且沒有帶著相同問題再次回來的情況下，才算是好的表現。

這就是為什麼需要搭配重複聯繫模式、未解決的後續跟進，或自動化處理後滿意度下滑等數據一起解讀。否則，一個流程可能看起來很有效率，卻在悄悄地把問題推向下游。

比較各流程的 CSAT 分數

整體 CSAT 可能掩蓋客戶體驗中的薄弱環節。一個團隊可能有不錯的平均滿意度，但某條路徑卻持續讓客戶感到沮喪。依路徑查看結果，能讓你看出自動化在哪裡提升了體驗，在哪裡又讓流程感覺死板、緩慢或不清楚。

當兩種請求類型在相近的工單量下卻有截然不同的表現時，這個比較特別有價值。物流更新可能評分很高，因為流程清晰；但取消訂單或損壞申訴可能評分較低，因為客戶需要更多的脈絡說明、安心保證或處理彈性。

這樣的比較讓你更容易看出系統的哪個環節需要更好的路徑、更強的規則，或更早的交接。

總結

要做好客服自動化，你不需要一次重建所有東西。先從審視哪些請求製造了最多重複性工作開始，然後圍繞團隊最常處理的案件類型——通常是 WISMO——建立一個強健的流程。

從那裡開始逐步擴展系統：為重複性請求新增派單機制、在相同問題應走不同路徑的環節加入客群判斷，並在例外情況需要人工審核的地方精煉升級邏輯。這給了你的團隊比一大堆規則更有用的東西——一個可以持續改善、並在客服變得更複雜時仍然值得信賴的系統。

常見問題

什麼是客服工作流程？

客服工作流程是一個結構化的過程，透過預先定義的步驟序列，將客戶請求從觸發點帶到解決方案。例如，退貨申請可能會先確認下單時間和商品退貨資格，再分支進入退款或換貨的處理路徑。

客服自動化中，規則與流程有何不同？

在客服自動化中，規則處理單一條件和單一動作，而流程則處理一連串可依案件情況產生分支的決策。例如，規則可能只是發送退貨政策連結，而流程則能在選擇正確路徑之前，先確認下單時間、商品退貨資格和客戶消費記錄。

團隊應該優先自動化哪個流程？

對大多數團隊來說，最值得優先自動化的流程是 WISMO（我的訂單在哪裡），或其他具有清晰分支邏輯的高工單量請求類型。從一個高工單量的流程開始，能讓你在擴展到退換貨、取消訂單或損壞申訴之前，更容易衡量成效並精煉流程。

客服派單可以不依賴 AI 嗎？

當團隊結合關鍵字辨識、入口點情境，以及出貨狀態或預計配送日期等基本訂單資料時，客服派單完全可以在不依賴 AI 的情況下有效運作。這些訊號合在一起，通常就足以將常見請求導入正確的流程，並減少明顯的派單錯誤。

如何評估客服流程的成效？

客服流程成效最容易透過完成率、升級率、分流率和各流程 CSAT 來衡量。這些指標能顯示流程是真正在妥善解決案件，還是只是把工作推到別的地方。