AIM AI SOFTWARE LAB專題 › LINE 關鍵字自動回覆樹
LINE 關鍵字自動回覆樹：怎麼寫才有效
自動回覆不計推播費——把重複問題交給它，你的則數留給真正該推的。
1・為什麼這種文字很難寫
## 為什麼這種文字很難寫 關鍵字自動回覆樹不是在寫文案，是在寫一套決策邏輯，只是外殼看起來像對話。這中間有個天生的矛盾：LINE 官方帳號給人的期待是「有溫度、像真人」，可是關鍵字比對這件事骨子裡是機器思維，一字不差才觸發，或是模糊比對常常抓錯。你想寫得親切，就得加很多語氣詞、表情符號；可是加太多，機器人味反而更重，因為真人客服不會每句話都加三個emoji。 第二個難處是，你在寫的時候看不到客人會怎麼打字。你以為客人會輸入「退貨」，實際上有人打「退货」（簡體）、「怎麼退」、「可以退嗎」、「退貨流程」。每一種打法背後是同一個需求，但關鍵字系統不會自動幫你理解語意，你得自己預想夠多變化，這比寫十篇制式回覆難得多。 第三，這東西寫完不是結案，是開始。上線之後你才會看到真實觸發紀錄，才知道哪個節點根本沒人用、哪個問題被漏接。很多人把它當成「寫一次用一輩子」的東西，結果半年後客人問的問題早就變了，樹卻沒更新，變成一套自動回覆假裝在服務，其實在製造更多困惑。 也因為這樣，這種文字最考驗的不是文筆，是你對自己客群提問習慣的理解夠不夠深。寫得好的人，通常是先花時間把後台歷史對話撈出來看過一輪，才動手畫樹；寫不好的人，是憑印象、憑「我覺得客人應該會問」在編。
2・寫之前要先決定的三件事
## 寫之前要先決定的三件事 第一件事，決定哪些問題「值得」被自動化接住。標準很簡單：問題重複率高、情緒濃度低。運費多少、出貨要幾天、有沒有貨到付款，這類問題適合交給機器。客訴、特殊客製需求、帶情緒的抱怨，這些千萬別讓自動回覆硬接，接了只會讓客人更火大，這類東西該去看客訴回覆產生器怎麼處理，跟關鍵字樹是兩套邏輯。 第二件事，決定入口分類的軸線是什麼。常見的做法是照「購買前／購買中／購買後」分，或照「產品線」分。千萬不要兩種軸線混著設，不然你會做出一堆互相打架的關鍵字，客人打「退貨」的時候，樹裡可能同時有三個節點都想接，系統就亂跳。先想清楚主軸，再往下長分支。 第三件事，決定什麼時候該放手給真人。自動回覆樹再怎麼設計，都會有接不住的狀況，這是必然的，不是失敗。你要先設計好「找不到對應關鍵字」時的預設回覆，讓客人知道怎麼轉真人，而不是掉進一個死巷子，打了關鍵字卻什麼都沒發生，或是被導到不相干的節點。這個 fallback 設計，很多人是最後才想到，但其實應該最先決定，因為它決定了整套系統的安全網有沒有破洞。 這三件事想清楚之後，你才有資格開始寫內容，不然寫出來的東西看起來像回覆，實際上是一堆散落的答案，沒有邏輯把它們串起來。
3・一個好的版本長什麼樣（前後對照）
## 一個好的版本長什麼樣（前後對照） 先看一個很常見的爛版本，客人輸入「退貨」，系統跳出： 「親愛的貴賓您好😍😍我們家的商品品質好到不用退貨啦！！但如果您真的要退，麻煩填寫以下資料噢～姓名、電話、訂單編號、退貨原因、退貨方式、退貨地址，我們客服會盡快在工作日內回覆您🙏🙏🙏 如果您現在退貨，其實我們有優惠可以留著下次用喲～心動不如馬上行動💰💰💰」 這段話問題一大堆。客人本來就想退貨，還被暗示「你不該退」，情緒上先被冒犯一次。表情符號多到像是詐騙訊息在LINE上常見的樣式，容易讓人直覺防備。「盡快」沒講清楚是多久，等於沒承諾。要填的資料一次全丟出來，客人光看就想放棄。最不該的是在退貨流程裡硬塞促銷，客人只會覺得你在套路他，這種訊息被截圖轉發到社群，就是一則負評素材。 改好的版本是這樣： 「你好，這裡是退貨申請入口。 請提供以下三項： 1️⃣ 訂單編號 2️⃣ 退貨原因（收到就可以，不用長篇） 3️⃣ 想要退款還是換貨 我們會在同一個工作日內請客服跟你確認細節。 如果不確定訂單編號在哪裡找，輸入「找訂單」我教你。」 改動的地方：拿掉所有促銷語言，退貨就只談退貨。時間承諾寫具體，「同一個工作日」比「盡快」有信用感。要填的資料拆成三項編號呈現，降低客人來回問的機率。最後加一句主動預留出口，客人卡住時知道還有路走。這套邏輯如果你之後要處理更細的退換貨規則，直接搭配退換貨規則產生器把細節補上，兩邊語氣要對齊，客人才不會覺得是兩個不同帳號在講話。
4・最常見的三個寫法錯誤
## 最常見的三個寫法錯誤 第一個，做成大水桶關鍵字。很多人怕麻煩，把「運費」「出貨時間」「退貨」「換貨」全部導到同一則罐頭訊息，內容寫得又長又雜，想說反正資訊都在裡面，客人自己找。結果客人問任何問題都收到同一大段文字，等於你根本沒做分類，客人還是得私訊真人客服，你的則數一樣沒省下來。 第二個，關鍵字設得太死。只認完全一致的字串，比如只設「退貨」兩個字，客人打「退貨流程」「怎麼退」「可以退嗎」全部吃不到，樹形同沒開。這個錯誤特別隱形，因為後台看起來系統是活的，設定也存在，但實際觸發率低到你自己都沒發現，一直到某天去查觸發紀錄才嚇一跳，發現大部分問題根本沒被接住。 第三個，服務類的回覆裡夾帶促銷或誇大字眼。前面退貨的爛版本是一個例子，另一種常見情況是自動回覆裡寫「保證滿意」「絕對正品」「100%不過敏」這類字眼，圖個安心，卻不知道這種寫法在台灣廣告法規上是有風險的誇大保證用語，而且寫死在自動回覆裡等於全店承諾，一旦出現個案例外，這句話就變成客人拿來投訴的證據。這種問題如果延伸到客訴處理，可以對照客訴回覆產生器看正式回覆該怎麼收斂用詞，自動回覆樹的用語標準要更嚴，因為它是無差別發送，沒有人事先審過每一句。
5・寫完之後怎麼檢查
## 寫完之後怎麼檢查 先別急著相信自己設想的問法，去後台把過去真實的客人提問撈出來，用他們原本的打字方式去測試每一個關鍵字節點，看能不能被正確命中。你會發現很多你以為理所當然的觸發詞，客人根本不會那樣打。 接著檢查沒有命中任何關鍵字時的預設回覆，是不是真的存在、是不是清楚。假裝自己是第一次用的客人，打一句奇怪的話進去，看系統會不會把人晾在那裡。 上線之後留一段觀察期，一週或兩週，回頭看觸發紀錄。重點看兩個數字：哪些關鍵字被打到很多次卻沒有對到正確節點，這代表分類邏輯有漏洞；哪些節點設了卻幾乎沒人觸發，代表你當初的假設是錯的，該砍掉重排。 最後拿真人客服的訊息量做對照。如果自動回覆樹上線一段時間，客服每天要處理的重複性問題數量沒有明顯下降，代表這套樹沒有真的接住東西，只是多了一層擺著好看的自動化。真正做對的話，客服的則數應該省下來，留給那些真的該用真人講的複雜狀況，或是拿去推沉睡客戶喚醒訊息產生器產出的主動訊息，這才是把則數用在該花的地方。
現在就用你自己的商品試一次
讀完不算，等於沒讀。這個工具不用註冊、不用留 Email，算完的結果可以直接複製走。
同一個問題的其他角度
這幾篇跟這一篇處理的是同一類問題，通常要一起看才不會顧此失彼。