數字好靚，但日常實際會點變？
大部分 AI 供應商個網站都掛住些勁數字——「lead 多 300%！」「成本減 80%！」——但好少講返日常實際是點。一間中小企由零 AI 變到 AI 客服全面運作，老闆與團隊究竟經歷緊什麼？
本文是一個綜合案例研究，數據抽自多個行業的公開案例與真實實施紀錄，追蹤一間中小企首次部署 AI 客服時，在第 1 日、第 30 日、第 60 日、第 90 日通常發生的變化。不是單一公司故事，而是典型路徑——等你部署前心入面有個合理的譜。
AI 之前：基準狀態是點？
部署 AI 之前，典型中小企都有一組好熟悉的限制。
回覆時間時快時慢。 營業時間內，老闆或同事在處理其他東西的夾縫回覆 WhatsApp，平均 30 分鐘到 2 小時。關店後之後，訊息要等到第二天早上才有人覆——中間隔 12 到 16 個鐘。
重複問題佔滿時間。 「幾點開門？」「幾錢？」「有冇貨？」「喺邊度？」這五條問題佔了所有訊息的 60–70%，但每條都要人手回覆。
夜晚漏單。 夜晚與週末的查詢——往往是意向最高那些——沒有人覆。等你回覆到，客已經找了第二間或者完全失去興趣。
沒有結構化收資料。 對話在 WhatsApp 入面發生，但資訊就留在那度。沒有系統這麼收聯絡方式、查詢類型或者追蹤轉化。
第 1–7 日：設定與第一印象
老闆上載業務資料（FAQ、價錢、營業時間、政策、產品），駁好網頁聊天或 WhatsApp，再跑測試對話。AI 由第一日起就準確答到基本問題；較刁鑽的問題就要補返知識庫。初期設定大約 2–4 個鐘，之後第一個禮拜每日花 15–30 分鐘執回覆。
第一個驚喜：AI 5 秒內覆。捱了幾個月 30 分鐘人手回覆之後，即時回覆的感覺好震撼——連老闆自己都覺得。第一個擔心通常是「萬一佢講錯嘢？」——這個焦慮好正常，解法就是頭一個禮拜每日看對話日誌，捉錯即改。
第 8–30 日：第一次真正見效
AI 開始接住真實對話，第一批可量度的影響浮現。
回覆時間由幾小時跌到幾秒。 每條訊息立即有回應，FAQ 型問題立即有答案。夜晚十點、半夜、早上六點的訊息，現在都有真實回覆。
重複問題在老闆的 queue 消失。 佔 60–70% 的常規問題毋須人理，同事只見到要判斷的複雜對話。
| 指標 | AI 之前 | 第 30 日 |
|---|---|---|
| 平均首次回覆時間 | 30 分鐘–2 小時（營業）／ 12–16 小時（非營業） | 30 秒以內，24/7 |
| AI 解決率 | 無 | 50–65% |
| 非營業時間訊息回覆率 | 0% | 100% |
| 有收到聯絡方式的 lead | 約 30%（人手記） | 70–80%（系統收） |
| 老闆花在重複訊息的時間 | 每日 1–2 小時 | 每日 15–30 分鐘（只看不覆） |
第 31–60 日：轉化影響浮面
這個階段，生意開始見到商業影響，不只運作效率。
夜晚轉化出現。 由 AI 處理的夜晚對話帶來的預約、購買或合格 lead，開始反映在收入度。這些生意之前根本不存在，因為以前些訊息沒有人覆。
同事工作量轉移。 毋須再一日答 15 次「幾點開門？」，時間轉去複雜查詢、現場服務與跟進 AI 收回的 lead。
對話流程成熟。 老闆根據 30 日數據執流程——為高價值查詢加篩選問題、改善轉交觸發、按 AI 答不到的問題擴充知識庫。
競爭效應。 同一個客以前撒網問幾間，現在你立即回覆、對手隔幾小時才回覆。速度優勢直接變成更高轉化率。
第 61–90 日：單位經濟穩定
生意現在有足夠數據去評估 AI 是否正回報。
每條 lead 成本下降。 WhatsApp Business 與 Be@me 的案例報告每條 lead 成本減 38%。AI 處理愈多查詢，經訊息獲客的成本就愈低。
收入歸因清晰。 老闆現在可以計：平台總成本 vs AI 收回的 lead 帶來的收入。多數中小企在頭 30–60 日已經轉正，到第 90 日，ROI 一目了然。
| 指標 | AI 之前 | 第 90 日 |
|---|---|---|
| 平均首次回覆時間 | 30 分鐘–16 小時 | 30 秒以內，24/7 |
| AI 解決率 | 無 | 65–75% |
| 每月收到的 lead | 不穩定（沒有追蹤） | 系統化，80%+ 有聯絡方式 |
| AI 收回 lead 帶來的收入 | HK$0 | 通常是平台費用 3–10 倍 |
| 同事花在訊息的時間 | 每日 1–2 小時 | 每日 20–30 分鐘 |
這個轉變，銅鑼灣一間零售鋪、旺角一間補習社、尖沙咀一間診所都見得到——行業不同，曲線一致。
有什麼是沒有變的？
老實講，AI 都有醫不到的事情。
投訴仍然要人。 AI 可以更快將投訴轉交，但解決不到。嬲緊的客需要與理心、判斷，與往往只有人先想到的變通方案。
產品或服務質素不變。 AI 令資訊傳得快，但不會令你的產品變好。食物麻麻、補習不見效，回覆得快都救不到。
員工培訓仍然需要。 AI 與人手之間的轉交，要同事明個系統。沒有培訓，同事會忽略 AI 收回的 lead，或者重複做 AI 做了的事情。
知識庫要持續維護。 價錢會變、餐牌會轉、服務會更新。不更新，AI 就會給錯答案——而錯答案比慢答案更傷。
常見問題
90 日時間線對好細的生意現不現實？
現實。本綜合研究入面的生意包括一人經營與 2–3 人團隊。設定不需要技術背景——只需要第一週投入 2–4 個鐘，之後每週 15–30 分鐘維護。時間線與生意大細無關，變的只是影響規模。
最常見令成效慢的原因是什麼？
知識庫不齊。如果 AI 答不到你客最常問的頭 10 條問題，就會轉交太多對話，效率提升就會被攤薄。頭一輪設定時間，最值得落在砌一個完整 FAQ。想知點砌，可以看 AI 知識庫怎樣寫才有效。
沒有 WhatsApp 都做到這些成效嗎？
做到。本研究的指標適用於所有訊息渠道。多數查詢經網站來的生意，用網頁聊天 widget 都有類似成效。WhatsApp 因為 98% 開信率而放大效果，但核心價值（即時回覆、24/7 覆蓋、收 lead）在任何渠道都成立。
過了 90 日之後會點？
進入維護模式。重活在頭 60 日全部完成。之後就是每週 15–30 分鐘看對話日誌、資訊變就更新知識庫、每月看一次表現指標。AI 在背景默默接客，老闆專心做生意。想看如何訓練團隊與 AI 協作，可以參考 團隊如何與 AI 客服協作。
這個案例是基於真實生意嗎？
是綜合案例——個別指標抽自多個行業的公開案例（Be@me、JJMehta 相機店、莎莎、Eatizen、中原地產、MEDILASE）與 AI 平台供應商的實施數據。逐日敘事代表典型中小企部署路徑，不是單一公司。
資料來源：
- WhatsApp Business 成功案例（Be@me、JJMehta 相機店、Piedra Nómada）
- 莎莎／Omnichat、Eatizen／美心、MEDILASE／Omnichat、中原地產／HKPC
- Waslo（教育 AI 實施數據）、Rybo AI（旅行社案例）
- OECD（2025）