一致性與個人化的取捨
管理 LINE、Instagram、Facebook Messenger、WhatsApp 和其他管道對話的客服團隊,面臨著持續的矛盾。一致性要求標準化回覆 — 每位客戶都收到關於退貨政策、定價或疑難排解步驟的相同準確資訊。個人化要求每個回覆看起來像是專門為該客戶和其特定情境而撰寫的。
大多數團隊選擇折衷。他們維護一份共享文件,裡面放著複製貼上的回覆,由客服人員即時修改。結果是:不一致的修改、沒人維護的過期範本,以及每次回覆都需要在文件和聊天視窗之間切換的工作流程。
JieGou 全新的訊息範本和 AI 建議回覆,在單一工作流程中同時解決了這個問題的兩面。
帶有變數偵測的範本管理
全新的 /message-templates 頁面提供完整的範本 CRUD 管理。每個範本都有名稱、類別、內文和管道指定(LINE、Instagram、Messenger、WhatsApp 或通用)。
最突出的功能是自動變數偵測。當您撰寫的範本內文包含 {{customer_name}}、{{order_number}} 或任何 {{variable}} 模式時,JieGou 會自動偵測並將其註冊為範本變數。不需要手動設定步驟 — 自然地撰寫,系統就能理解您的意圖。
範本透過類別和管道篩選器進行組織。您的「帳務」範本和「物流」範本分開管理。您的 LINE 專屬範本(可能涉及 LINE 特定功能)和通用範本也分開管理。篩選列讓您即使有數百個範本也能快速找到正確的範本。
收件匣撰寫器中的快速插入
範本只有在客服人員實際工作的地方 — 對話中 — 能存取時才有用。社群收件匣回覆撰寫器現在包含一個範本快速插入下拉選單,在您撰寫回覆時內嵌顯示。
下拉選單會自動依據當前對話的管道進行篩選。如果您正在回覆 LINE 訊息,您會看到 LINE 範本和通用範本。Instagram 對話?顯示 Instagram 和通用範本。不需要手動篩選。
下拉選單也支援搜尋。開始輸入「退款」,它就會篩選出在名稱、類別和內文中匹配該詞的範本。選擇範本後,它會插入撰寫器中,變數會被醒目顯示以供快速替換。
這讓客服人員留在對話脈絡中,不需要切換分頁、複製貼上或翻找外部文件。
AI 建議回覆
有時範本能幫您完成 80% 的工作,但剩下的 20% — 個人化 — 才是讓回覆出色的關鍵。這就是 AI 建議回覆發揮作用的地方。
回覆撰寫器現在有一個 AI 建議按鈕。點擊後,JieGou 會透過 /api/social-inbox/suggest-reply 端點將對話歷史和上下文傳送給 Claude Haiku。AI 會分析:
- 完整的對話串(不只是最後一則訊息)
- 客戶的語氣和急迫程度
- 提到的任何實體(訂單編號、產品名稱、日期)
- 您的團隊在類似對話中的先前回覆
AI 會回傳一個建議回覆,客服人員可以直接採用、編輯或捨棄。建議以草稿形式出現在撰寫器中 — 客服人員在送出前始終擁有最終控制權。
因為使用 Claude Haiku,建議在一秒內就會到達。速度夠快,不會中斷客服人員的工作節奏。
組合工作流程:範本 + AI + 送出
真正的威力來自範本和 AI 的協同運作。以下是我們設計的工作流程:
-
從範本開始 — 客服人員開啟快速插入下拉選單,選擇「訂單狀態查詢」範本。插入內容:「您好 {{customer_name}},感謝您聯繫我們查詢訂單。您的訂單 {{order_number}} 目前狀態為 {{status}}。{{additional_details}}」
-
讓 AI 個人化 — 客服人員點擊 AI 建議按鈕。AI 讀取對話,從對話脈絡中識別客戶姓名、訂單編號和目前狀態,填入變數,並根據對話語氣新增個人化備註:「我看到您的包裹因為您所在地區的天氣而延遲了 — 預計週四前送達。」
-
檢視後送出 — 客服人員檢視組合的回覆,進行最後調整,然後送出。總時間:10-15 秒,就能得到一個既符合政策又具有個人相關性的回覆。
這個三步驟流程意味著客服人員不需要在速度和品質之間做選擇。範本保證結構上的一致性。AI 增加脈絡化的個人化。客服人員提供最終判斷。
速度與一致性的提升
來自測試版團隊的早期使用數據顯示了可衡量的改善:
- 回覆時間相比每次自由輸入降低了 40-60%
- 範本遵循度提高 — 客服人員使用經核准的訊息而非臨時改寫
- 個人化品質改善,因為 AI 能在高流量下捕捉客服人員可能遺漏的脈絡(提及先前的互動、引用特定的產品型號)
- 跨管道一致性 — 相同的範本和 AI 模型服務所有 12 個支援的管道,因此客戶無論使用哪個平台都能獲得相同品質的服務
立即開始
訊息範本和 AI 建議回覆現已在社群收件匣中推出。首先在訊息範本中為您最常見的回覆類別建立幾個範本,然後在下次收件匣工作中使用快速插入下拉選單和 AI 建議按鈕。工作流程會立即順暢運作 — 不需要額外設定或訓練。