開放式的 AI 對話在展示時看起來很厲害，實際運作卻會流失顧客。一份 2024 年針對聊天機器人互動設計的研究發現：當最後一次互動是用「預設回覆」（按鈕、選項）時，棄置率只有 1.0%；但當最後一次互動是「自由輸入的純文字」時，棄置率高達 12.8%。在完成率這個指標上，有引導的流程贏過開放式 AI 整整 12 倍。

對台灣中小企業來說，這有一個直接的商業含意：那些傳訊息問你預約、價格或選品的顧客，要的不是「一段對話」，而是「一個結果」。一個設計良好的對話流程，會在 3 到 5 步之內把他們帶到那裡。一個自由輸入的聊天機器人，卻逼他們自己去搞清楚——而很多人就此放棄。

這篇指南會講解，如何為三個最常見的中小企業使用情境——名單分級、預約安排、產品選擇——設計對話流程，附上具體的步數、結構模式與分流規則。

為什麼有引導的流程會贏過開放式 AI？

三個原因，全都有數據支撐。

降低認知負荷。 按鈕與選項需要的是「辨識」（從選項中挑一個），而不是「回想」（從零開始打出一段請求）。辨識在認知上輕鬆得多——這正是為什麼結帳流程、預約表單、產品設定器全都採用結構化輸入。

管理期待。 有引導的流程會告訴顧客還剩幾步。開放式對話則沒有可見的終點——顧客根本不知道自己離解決問題還差一則訊息，還是十則訊息。

資料品質。 當顧客從按鈕點選「預算：1.5 萬至 3 萬」時，你得到的是乾淨、結構化的資料；當顧客打出「大概一萬五吧也許再多一點」時，你得到的是模稜兩可。結構化的資料讓名單評分、分流與後續跟進的成效大幅提升。

Baymard Institute 的結帳研究在方向上佐證了這一點：有 18% 的購物者因為「流程太長或太複雜」而放棄結帳，而平均一個結帳流程有 5.1 個步驟、11.3 個表單欄位。步驟越多、欄位越多，棄置就越多。同樣的原理也適用於對話流程。

一個對話流程該有幾步？

Gorgias 目前的建議很清楚：單步流程最能維持互動，而一個流程「最多」不該超過五步。再長下去就會流失注意力。

實務上的框架如下：

步數	適用情境	說明
1 步	單純資訊提供	顧客提問，AI 從知識庫直接給答案，不需要流程
2–3 步	名單分級	辨識意圖 → 問 1–2 個分級問題 → 分流或回答
3–4 步	預約安排	確認服務 → 提供時段 → 收集聯絡資料 → 確認預約
4–5 步	複雜選品或詳細需求釐清	辨識需求 → 收斂選項 → 給出推薦 → 處理疑慮 → 分流
超過 5 步	拆成多個流程或轉真人	太複雜的對話應在 AI 收集初步資訊後交給真人

超過五步的對話，通常意味著它已經太複雜，不適合自動化處理，應該在 AI 收集完初步資訊後，就轉由真人接手。

流程範本一：名單分級（2–3 步）

這是對中小企業最通用的流程，能從任何管道捕捉並分級名單。

第 1 步：辨識意圖。 「請問您今天想找什麼協助呢？」用按鈕提供 3–4 個選項：[產品詢問]、[報價／價格]、[預約諮詢]、[其他]。「其他」這個選項則導向自由輸入的 AI 或真人接手。

第 2 步：分級。 根據選到的意圖，問 1–2 個分級問題。以報價詢問為例：「請問貴公司規模較接近？」[1–5 人]、[6–20 人]、[20 人以上]。以諮詢為例：「您希望什麼時候見面呢？」[本週]、[下週]、[只是先了解]。

第 3 步：擷取與分流。 收集姓名與聯絡方式。把對話連同所有分級資料一起分流給對應的團隊成員。或者，若無需真人跟進，就立刻送上相關資訊。

Landbot 在 2025 年的名單分級指引建議收集：預算、職務／決策權、公司規模、急迫性、使用情境——再進行分流或評分。對中小企業而言，不必每項都問。挑出最影響「你會怎麼跟進」的那兩個分級條件就好。

流程範本二：預約安排（3–4 步）

第 1 步：確認服務。 「請問您想預約哪一項服務呢？」用按鈕提供你最熱門的 3–5 項服務。

第 2 步：提供時段。 「哪個時間對您最方便？」用按鈕提供可用時段（今天、明天、本週末、下週），或在串接行事曆後提供具體日期。

第 3 步：收集聯絡資料。 姓名、電話，以及任何事前準備事項（「請攜帶證件與先前的紀錄」）。

第 4 步：確認。 摘要這筆預約並請對方確認。在預約前 24 小時與 2 小時各觸發一則自動提醒。

需立即轉真人的情況：任何涉及團體預約、特殊需求、取消既有預約，或複雜排程的請求，都應連同已收集的資訊一起分流給員工。

流程範本三：產品選擇（3–5 步）

第 1 步：辨識目標或需求。 「請問您在找什麼呢？」用按鈕呈現 3–4 個產品分類或使用情境。以一個保養品品牌為例：[保濕]、[抗老]、[敏感肌]、[禮盒]。

第 2 步：用一個關鍵問題收斂。 「您的預算範圍大概是？」或「您的膚質是？」這一個問題就能把對話從分類推進到具體推薦。

第 3 步：給出推薦。 列出 1–2 項符合條件的產品，附上價格、主要特色，以及一個「購買」或「詢問」按鈕。

第 4 步（選用）：處理常見疑慮。 「想看看顧客評價嗎？」或「要不要跟類似商品比較看看？」這一步是條件式的——只在顧客猶豫時才觸發。

第 5 步（選用）：分流到結帳或真人。 直接給購買連結，或在客製需求時交給真人接手。

Gorgias 的案例顯示，這套結構對於「品項數量還算可控、但容易讓人選到眼花」的品牌特別有效。關鍵在於：顧客只需做 2–3 個輕鬆的選擇，就能抵達一個相關的推薦——而不必把整個產品庫從頭滑到尾。對台灣電商與美業而言，這一步若能即時串接庫存或預約系統（例如把選項寫回線上資料表後再回讀現有時段），AI 代理就不只是「給選項」，而是真的在對你的資料採取行動。

怎麼知道一個對話流程設計得好不好？

用三個數字來判斷，而且每週都要看一次。

第一個是「完成率」——有多少比例的顧客走完整段流程、抵達了設定的終點（一筆預約、一個合格名單、一次結帳）。前面提到，純文字輸入的棄置率高達 12.8%，而按鈕引導只有 1.0%；若你的某個流程完成率明顯偏低，幾乎都是「某一步的選項跟真實意圖對不上」，而不是顧客沒興趣。

第二個是「逐步流失點」——在每一步分別有多少人離開。Baymard Institute 指出，18% 的購物者因為流程太長或太複雜而放棄；對話流程也一樣，只要某一步的流失率突然拉高，那一步就是你優先要砍或要簡化的對象。Gorgias 建議單步流程最能維持互動、整段最多五步，正是為了把每一步的流失壓到最低。

第三個是「轉真人比例」——有多少對話最終被分流給真人。這個數字不是越低越好：太高，代表流程沒接住該接住的詢問；太低（接近零），則可能代表顧客一卡關就直接離開、根本沒走到交接那一步。健康的做法是讓它穩定落在一個可預期的區間，再用每週的對話資料持續微調。

衡量指標	健康訊號	出問題時的處置
完成率	結構化選項時應遠高於純文字	重寫對不上意圖的那一步選項
逐步流失點	各步流失平均、無單點暴衝	砍掉或簡化流失最高的那一步
轉真人比例	穩定且可預期	太高補知識庫、太低查是否提早離開

把這三個數字當成每週例行檢視，你的對話流程就會隨時間越來越準——這跟調整 AI 模型無關，純粹是把流程對準真實的顧客行為。

最關鍵的分流交接點

AI 與真人之間的交接，往往是整個對話流程裡最脆弱的一環。Twilio 的研究指出，78% 的消費者認為「能切換到真人」很重要，但只有 15% 的人實際體驗到「無縫的轉接」。

什麼時候該交接： 在兩次嘗試理解顧客請求都失敗之後。當顧客明確要求找真人時。當主題涉及客訴、退款、例外或情緒場景時。當問題需要的資訊不在知識庫裡時。

交接時要附上什麼： 完整的對話逐字稿、討論內容的摘要、顧客的聯絡方式與帳號資訊（若有）、以及轉接的原因。這些脈絡能避免顧客把一切重講一遍——這正是糟糕交接的頭號顧客抱怨。

Omago 是一個協助中小企業自動化顧客對話的 AI 代理平台，內建一個視覺化的對話流程編輯器，讓你不必寫程式就能設計上述這些模式。你設定步驟、選項、分級問題與分流觸發條件，平台便能依此運作。想了解該怎麼帶著團隊一起把交接做順，可以看〈如何訓練你的團隊與 AI 客服協作〉；若你還在評估要不要導入，〈2026 年 AI 客服能幫中小企業做哪些事〉會先幫你把基本盤搞清楚。

常見問題

每一段對話都該從引導式流程開始嗎？

不必。引導式流程最適合高意圖、結構化的互動（預約、購買、分級）。一般性問題（「你們營業時間是？」「店在哪裡？」）則應該由 AI 的知識庫直接回答，不需要流程。判斷準則是：如果顧客的目標有一個明確終點（一筆預約、一筆購買、一個合格名單），就用流程；如果他們只是想要資訊，就讓 AI 直接回答。

上線之後還能改對話流程嗎？

可以，而且你應該改。在頭一個月內每週檢視你的對話資料。留意那些顧客大量流失、或大量點選「其他」的步驟——這代表你給的選項跟真實的顧客意圖對不上。根據實際使用模式去調整流程。

如果我的生意只有一項服務呢？

你仍然能從流程受益，它只是會變得更短。以單一服務的生意為例：「您想預約諮詢嗎？」→[好]、[我想先問幾個問題]→收集聯絡資料、或從知識庫回答問題→確認預約。就算只是一個兩步流程，也勝過一句開放式的「有什麼能幫您的嗎？」。

對話流程在不同管道上怎麼運作？

在大多數平台上，包括 Omago，你只需設計一次流程，它在各個訊息管道上的運作就會一致。按鈕與選項會在各平台原生呈現，無論顧客從哪個管道進來，體驗都一致。

流程會不會讓顧客覺得很死板？

只要設計得好就不會。關鍵在於提示語用自然的語氣（「今天是什麼風把您吹來的呢？」而不是「請選擇類別」），以及選項要有意義（真實的服務、真實的時段，而非空泛的占位文字）。設計良好的流程，讓人感覺像是高效率的服務，而不是官僚的表單。

資料來源：Predicting User Abandonment in AI-powered Chatbots（2024）、Baymard Institute 結帳研究（2024）、Gorgias 流程文件（2025）、Landbot 名單分級指南（2025）、Twilio Inside the Conversational AI Revolution（2025）。

對話流程怎麼設計，才能分級名單、預約時段、成交顧客？