上個月，一家連鎖診所把他們的 AI 語音客服上線了。技術沒問題、語音辨識準確率超過 92%、系統整合也到位。但上線第一週，有 43% 的來電者在 AI 說完第二句話之前就掛斷了。問題出在哪？腳本。AI 說的第一句話是：「歡迎致電本診所智慧客服系統，本系統提供掛號、查詢、取消等服務，請說出您需要的服務項目。」——沒有人想聽完這句話。
語音腳本決定了 AI 客服的成敗。技術再強，腳本寫得像官方公告，用戶就是會掛電話。這篇文章把我們過去協助超過 60 家企業設計語音腳本的經驗整理成可執行的方法論。
開場白決定 72% 的通話存活率
根據我們的數據，用戶決定要不要繼續和 AI 對話，平均只花 4.8 秒。這意味著你的開場白只有一句話的機會。
三種開場白模式的實測數據
我們在同一個客戶的系統上 A/B 測試了三種開場白風格，各跑了 500 通電話：
| 開場白類型 | 範例 | 通話存活率 | 平均通話時長 |
|---|---|---|---|
| 官方公告型 | 「歡迎致電XX系統，本系統提供...」 | 57% | 38 秒 |
| 簡潔引導型 | 「您好，請問需要什麼幫忙？」 | 78% | 1 分 42 秒 |
| 情境預判型 | 「您好，需要預約還是查詢看診進度？」 | 84% | 2 分 15 秒 |
情境預判型的存活率比官方公告型高了 27 個百分點。原因很直覺：當 AI 直接說出用戶最可能的需求，用戶會覺得「它知道我要幹嘛」，信任感立刻建立。
設計開場白的三個原則
1. 15 字以內完成問候——「您好」就夠了，不需要「歡迎致電XX公司智慧語音客服中心」
2. 帶出最高頻的兩個場景——分析你的來電數據，把佔比最高的兩個需求直接放進開場白
3. 用問句結尾——問句會觸發回應的本能，讓用戶開口說話而不是沉默等待
對話節點設計：每個分岔點控制在 3 個選項以內
語音和視覺介面最大的差異是：用戶沒辦法「看到」所有選項。在網頁上你可以放 8 個按鈕讓用戶點，但在語音裡，超過 3 個選項用戶就記不住了。我們的數據顯示，當語音選單提供 5 個以上選項時，用戶選錯或要求重複的比例高達 61%。
扁平化 vs. 樹狀結構
傳統 IVR 喜歡用深層樹狀選單：按 1 進入 A 類別，再按 2 進入 A-2 子類別，再按 3 選擇 A-2-c 項目。這種設計在按鍵式 IVR 時代勉強可行，但在語音 AI 時代完全不適用。
正確的做法是扁平化設計：讓 AI 用一輪對話就理解用戶意圖，而不是一層一層問下去。
舉例：
扁平化設計讓平均對話輪數從 4.2 輪降到 2.7 輪，用戶滿意度從 3.4 分提升到 4.1 分（5 分制）。
每個節點必備的四個元素
1. 意圖確認——AI 理解後要覆述：「您是要查詢 3 月 15 號那筆訂單的出貨狀態，對嗎？」
2. 錯誤修正路徑——用戶說「不對」的時候，AI 要能順暢地重新引導
3. 沉默處理——用戶 5 秒沒說話，AI 要有提示語，而不是一直等
4. 逃生出口——任何節點都要能說「轉接客服」跳出流程
語氣與措辭：讓 AI 說人話的 5 個技巧
腳本設計最常見的錯誤是「書面語」。我們審查過超過 200 份客戶提交的初版腳本，有 83% 的措辭是「書面語」而不是「口語」。問題是，沒有人講電話的時候會說「請問您欲查詢之項目為何」。
書面語 vs. 口語對照
| 書面語（避免） | 口語（使用） |
|---|---|
| 請問您欲查詢之項目為何 | 您想查什麼呢？ |
| 系統將為您進行身份驗證 | 我先確認一下您的身份 |
| 請提供您的訂單編號以便查詢 | 方便告訴我訂單編號嗎？ |
| 本次服務到此結束，感謝您的來電 | 還有其他需要幫忙的嗎？沒有的話祝您有美好的一天 |
5 個讓 AI 說人話的設計技巧
1. 用「我」代替「系統」——「我幫您查一下」比「系統正在查詢中」自然 10 倍
2. 加語助詞——「好的」「沒問題」「了解」這些詞讓對話有溫度
3. 承認等待——查詢需要時間時說「稍等我一下，大概 10 秒」，不要無聲等待
4. 用確認代替命令——「是下週三對嗎？」比「請確認日期」友善
5. 結尾給驚喜——在通話結束前加一句和業務相關的貼心提醒，例如看診前「記得帶健保卡喔」
這五個技巧我們在一家電商客戶上實測，用戶滿意度從 3.6 分提升到 4.3 分，而且「要求轉接真人」的比例下降了 28%。
錯誤處理腳本：85% 的差體驗發生在「AI 聽不懂」的時候
AI 不可能 100% 聽懂每一句話。語音辨識會遇到口音、背景噪音、用戶說了 AI 知識範圍以外的事。問題不在於 AI 會犯錯，而在於犯錯之後怎麼處理。我們分析了 12,000 通被評為「體驗差」的通話，發現 85% 的負面體驗來自 AI 的錯誤處理方式，而不是錯誤本身。
三層錯誤處理架構
第一層：溫和重試（第 1 次聽不懂）
不要說「抱歉，我沒有聽懂，請再說一次」。改說：「不好意思，剛剛沒聽清楚，您可以再說一次嗎？」或者換個問法：「您方便用其他方式描述一下嗎？」
第二層：引導式選項（第 2 次聽不懂）
連續聽不懂兩次，用戶已經開始不耐煩了。這時候要從開放式問題切換到封閉式選項：「我這邊比較常處理的是預約和查詢，請問您需要的是這兩個裡面的哪一個，還是其他的事？」
第三層：優雅轉接（第 3 次聽不懂）
三次都聽不懂，不要再試了。說：「看起來我可能沒辦法完全理解您的需求，我幫您轉接專人來處理，稍等一下喔。」
關鍵數據
採用三層錯誤處理架構之後，我們客戶的「因聽不懂而直接掛斷」比例從 34% 降到 11%。絕大多數原本會掛斷的用戶，在第二層就被成功引導回正軌。
你的 AI 語音客服每天接上百通電話。每一通電話的前 5 秒、每一個分岔路口的措辭、每一次聽不懂之後的回應——這些不是技術問題，是設計問題。而設計問題的答案，藏在你的通話數據裡。
常見問題
語音腳本設計需要多長時間？
一個中等複雜度的語音腳本（涵蓋 5-8 個主要場景），從需求訪談到完成第一版通常需要 2-3 週。但腳本設計不是一次性的工作，上線後需要根據真實通話數據持續優化，前三個月的迭代最密集。
腳本設計需要什麼前置資料？
最重要的是過去 3 個月的客服通話紀錄或逐字稿。有這些資料，我們就能分析出來電類型分佈、用戶常用的措辭、以及最容易卡住的對話節點。如果沒有逐字稿，至少需要客服人員提供最常見的 20 個問題和標準回覆。
同一個腳本可以用在不同語言嗎？
不行，直接翻譯的腳本效果很差。每種語言有不同的對話習慣和禮貌用語。中文用戶習慣比較間接的表達，英文用戶偏好直接明確的引導。我們建議每種語言獨立設計腳本，共用邏輯架構但措辭各自調整。
怎麼判斷腳本需要更新了？
看三個指標：自動完成率連續兩週下降、用戶在某個節點的重複率突然升高、或者客服轉接後的問題出現新的高頻類型。任何一個出現，就代表腳本和實際來電情境已經產生落差。
腳本可以讓 AI 自己生成嗎？
AI 可以協助產生初稿，但不能直接上線。語音腳本需要考慮的因素太多——語氣、節奏、停頓、業務規則——這些都需要人類審查和測試。我們的做法是用 AI 產生候選措辭，再由對話設計師和業務方一起篩選調整。
小型企業也需要專業的腳本設計嗎？
需要，但範圍可以縮小。小型企業的來電類型通常比較集中，可能 3 個場景就覆蓋了 80% 的來電。重點是把這 3 個場景的腳本做到極致，而不是追求覆蓋所有可能的情境。
Pathors 的腳本設計流程是什麼樣的？
Pathors 的流程分四個階段：數據分析（分析現有通話紀錄）、架構設計（定義對話流程和節點）、措辭撰寫（包含 A/B 測試版本）、上線後優化（根據真實數據每週迭代）。整個流程由專屬的對話設計師主導，不是丟一個模板讓客戶自己填。
導入 Pathors 之後，腳本修改方便嗎？
Pathors 的平台提供視覺化的腳本編輯器，業務方可以直接修改話術、調整流程節點，修改後即時生效，不需要重新部署。同時平台會自動記錄每次修改的效果差異，讓你知道改了之後是變好還是變差。
