週五下午 5 點，一家擁有 85 間門市的連鎖美妝品牌客服中心，8 條電話線全部亮紅燈。來電原因五花八門：「南港門市今天開到幾點？」「我的會員點數怎麼少了？」「週年慶的滿額贈什麼時候開始？」「我昨天買的東西可以換到另一家門市退嗎？」其中超過一半的問題，答案就躺在官網的 FAQ 頁面或門市資訊列表裡——但消費者就是習慣打電話。這就是零售業AI客服切入的場景：那些數量龐大、答案固定、但消費者就是想要「即時有人回應」的來電。我們在協助連鎖品牌導入語音 AI 的經驗中觀察到，當這類重複性來電被有效分流後，客服人員反而能處理更多高價值的客訴與複雜退換貨案件。
連鎖零售的客服痛點：85 間門市、8 條線、日均 1,200 通來電
舉例來說，假設一家中型連鎖品牌有 85 間門市分布在北中南，客服中心日均來電量約 1,200 通，配置 12 名客服人員輪班。聽起來人力還算充裕，但服務品質指標可能並不樂觀，例如：
更值得注意的是來電內容的分布。假設把三個月的來電紀錄做分類，分布可能像這樣：
| 來電類型 | 佔比 | 平均處理時間 |
|---|---|---|
| 門市資訊（營業時間、地址、電話） | 28% | 45 秒 |
| 促銷活動詢問 | 19% | 1 分 20 秒 |
| 會員點數查詢與兌換 | 17% | 2 分 10 秒 |
| 退換貨政策與流程 | 15% | 3 分 45 秒 |
| 客訴處理 | 12% | 5 分 30 秒 |
| 其他 | 9% | 不定 |
前三項加起來佔了 64% 的來電量，而這三類問題的共同特徵是：答案結構化、可以從資料庫即時查詢、幾乎不需要人為判斷。這就是零售業AI客服最直接的戰場。
場景一：門市查詢自動化——28% 的來電量、45 秒解決
「請問你們新莊門市在哪裡？」「信義 A8 門市今天有開嗎？」「哪間門市有賣某某系列？」這類問題在上面的例子裡佔了 28%，而且幾乎每一通的處理模式都一樣：聽到門市名稱或地點關鍵字 → 查詢系統 → 唸出結果。
在 Pathors 平台上，我們將門市資訊結構化為一個即時更新的知識庫，包含：
語音辨識的地名挑戰
零售場景的語音辨識有一個獨特難點：地名和商場名稱。消費者可能說「A8」「A 八」「信義那間」「新光三越的」，指的都是同一間門市。我們在 Pathors 的 NLU 層建立了別名對照表，把每間門市的各種口語說法都對應到同一筆門市資料。
假設這 28% 的來電中有九成可以由 AI 完整處理，其餘一成轉真人（主要是庫存查詢涉及特殊品項或消費者描述模糊的情況）。以日均 1,200 通換算，門市查詢約 336 通，其中約 300 通不再需要人工處理。
場景二：促銷通知外撥——補上觸及率的缺口
連鎖零售品牌一年要跑很多檔促銷活動，從週年慶、季末出清到會員日、聯名活動。傳統的通知方式是 Email + App 推播 + 簡訊，但三管齊下之後，仍有不少目標會員根本不知道有這檔活動。
原因很直觀：Email 開信率偏低、App 推播容易被略過、簡訊閱讀率較高但成本也最高。語音外撥的定位是補足這個缺口。語音外撥可以直接衡量「確認觸達率」，也就是消費者接聽且聽完關鍵資訊的比例。
外撥策略：分群 × 時段 × 話術
有效的促銷外撥不是對整個會員名單盲撥。我們協助品牌在 Pathors 上建立分群外撥邏輯：
時段方面，可以先從平日上午 10:00-11:30 和晚間 7:30-9:00 開始測試，週末則延後到上午 11:00 以後，再依實際接聽率調整。
每通促銷通知電話的平均時長控制在 35 秒以內，內容結構是：品牌問候（3 秒）→ 活動名稱與期間（8 秒）→ 核心優惠內容（12 秒）→ 行動呼籲（7 秒）→ 簡訊連結發送（5 秒）。
場景三：會員服務自動化——點數查詢、等級升降、生日禮
會員相關來電在上面的例子裡佔了 17%，而且在會員日前後還會明顯升高。最常見的三類問題是：
1. 點數餘額與效期查詢
2. 會員等級與升降級規則
3. 生日禮/會員禮領取方式
這三類問題都有一個共通點：答案完全可以從 CRM 系統即時查到，而且回覆格式固定。以點數查詢為例，消費者來電後只需要驗證會員身份（手機號碼 + 姓名末一碼），AI 就能從 CRM 撈出目前點數餘額、最近一筆異動紀錄、以及最早到期的點數批次與日期。
Pathors 在會員服務場景的一個關鍵設計是「主動延伸」：當消費者查詢點數餘額後，如果系統偵測到有即將在 30 天內到期的點數，AI 會主動提醒「您有 350 點將在 4 月 15 日到期，目前可兌換門市折抵券或指定商品」。這個設計有助於提高點數兌換率，也能減少後續「我的點數怎麼不見了」的客訴來電。
會員等級異動的敏感溝通
等級降級是最容易引發客訴的會員溝通場景。過去用 Email 通知降級，開信率偏低，導致很多會員在門市結帳時才發現自己「被降級了」，現場情緒反應激烈。改由 AI 語音在降級生效前 14 天提前通知，並在電話中告知「還需要消費多少就能維持目前等級」，就能預先化解不少降級相關的客訴。
導入效益總覽：一個示意
延續上面 85 門市的假設情境，導入 6 個月後可以用下面這張表追蹤成效（數字為示意，實際結果依品牌而異）：
| 指標 | 導入前 | 導入後 | 變化 |
|---|---|---|---|
| 日均人工接聽量 | 1,200 通 | 487 通 | -59% |
| 平均等待時間 | 2 分 48 秒 | 38 秒 | -77% |
| 來電放棄率 | 23% | 6% | -17 百分點 |
| FCR（一次解決率） | 71% | 89% | +18 百分點 |
| CSAT（顧客滿意度） | 72 分 | 84 分 | +12 分 |
| 促銷觸達率 | 45% | 88% | +43 百分點 |
人力方面，12 名客服人員的編制沒有減少，但工作內容轉變為以處理客訴、退換貨判斷、以及 VIP 客戶經營為主。團隊的工作滿意度也容易跟著提升，因為沒有人喜歡一天回答 200 次「門市幾點關門」。
FAQ
Q1：消費者對 AI 客服的接受度高嗎？
在「能快速解決問題」的前提下，多數消費者其實不太在意是真人還是 AI 接聽。但如果 AI 無法解決問題且轉接真人的等待時間過長，滿意度會急劇下降。因此轉接真人的流程要設計得越短越好。
Q2：門市營業時間臨時異動怎麼處理？
後台知識庫支援即時更新。門市端透過 LINE 或簡易後台通報異動後，最快 5 分鐘內 AI 的回覆內容就會同步更新。在颱風假等大規模異動時，我們也支援批次匯入。
Q3：AI 外撥促銷通知會不會被消費者當成詐騙電話？
這確實是需要注意的環節。我們的做法包括：使用品牌專屬的號碼辨識、開頭 5 秒內明確報出品牌名稱、以及在通話結束時主動告知「如有疑慮可撥打官方客服專線確認」。
零售業的競爭正在從商品本身轉移到整體顧客體驗，而電話客服是這個體驗中經常被忽略的一環。當一位消費者打電話來問門市資訊卻等了 3 分鐘，或者會員點數快過期卻沒有收到提醒，這些微小的摩擦都在侵蝕品牌忠誠度。零售業AI客服處理的是這些日常摩擦的消除，而它釋放出的空間，讓品牌有機會在真正需要溫度的時刻——客訴處理、VIP 經營、售後關懷——投入更深的人力資源。連鎖品牌的下一個服務升級，關鍵可能在於讓每一通電話都被好好接住。
