📊 一堆客訴看不出重點？把它們丟進去，AI 幫你分成幾群還告訴你先修哪個

客訴不是沒人看，是看不出重點

每個月客服信箱、LINE、蝦皮聊聊加起來收一兩百封抱怨，你大概都有讀，但讀完的感覺往往是「大家好像都在罵，可是到底罵什麼比較多我也說不上來」。

問題出在客訴是一封一封來的。你今天看到三封嫌出貨慢、明天看到兩封說包裝破、後天又冒出一封退款拖很久，零散地看永遠拼不出全貌。等你憑印象決定「這個月來加強客服態度好了」，很可能真正害你掉客人的其實是物流。

常見的三種盲點：

• 憑最近印象決定要修什麼，結果修錯地方，佔比最高的問題原封不動
• 只看數量沒看情緒和嚴重度，把一堆小抱怨排在真正會讓人翻臉檢舉的問題前面
• 知道問題在哪，但不知道具體怎麼改，開會討論半天沒有下一步

這個工具做的事很單純：把你手上那堆客訴一次讀完，分成幾個主題，告訴你哪群最多、哪群最嚴重、每群該怎麼改。

AI 讀完全部，再幫你分群排序

你貼進去的是一行一筆的客訴原文，工具把整批送給 AI，AI 做四件事：

分群命名：把語意相近的客訴歸成同一群，例如「下訂五天沒收到」「出貨有夠慢」會被歸到同一個「物流配送過慢」群，一次分成 3 到 7 群，不會細到每筆自成一類，也不會粗到全部混在一起。

算佔比：每群幾筆、佔全部的百分之幾，讓你一眼看出主力問題。

情緒分布：每群裡憤怒、失望、疑問、中性各佔多少。同樣是抱怨，「為什麼運費漲了」比較偏疑問，「退款拖兩週要去檢舉」就是滿滿的憤怒，處理的急迫度差很多。

嚴重度加改善行動：每群給一個 1 到 5 的嚴重度分數，再配三條可以直接排進待辦的具體行動，還會估「照這樣改預計能降多少這類客訴」。

最後工具用嚴重度乘數量，自動標出一個 topPriority，也就是最該先動手的那一群，並寫一段整體總結。你不用自己算加權，紅字直接告訴你先修哪個。

三步跑完一次分群

步驟 1：把客訴貼進去，一行一筆

左邊那格是文字輸入框，一行貼一筆客訴，直接從客服信箱、LINE 對話、蝦皮聊聊複製過來即可，不用先整理格式。下方會即時顯示目前幾筆。

如果你的客訴已經匯出成 CSV 或 TXT，點「上傳 CSV/TXT」按鈕直接餵檔，工具會自動去掉行首的編號和引號，幫你整理成一行一筆。

一次要 5 到 200 筆之間。少於 5 筆分群沒意義，超過 200 筆先自己抽樣，抽最近兩週或抽負評星等最低的那批都可以。

步驟 2：按開始分群

按下「開始分群」後，AI 會依序讀取全部客訴、識別共同主題、分群命名、做情緒分析、產出改善行動。這一步會呼叫 AI，所以要先登入。

想先看看長怎樣不想耗額度，就點「載入範例」，那是一組 20 筆的假資料加現成分群結果，不會呼叫 AI，純粹讓你熟悉介面。

步驟 3：從 topPriority 開始看

結果出來，最上面是整體分析總結加一行「優先處理:#幾號」。先看那一群，因為它是嚴重度乘數量最高的，處理它對降低客訴總量最有感。

每一群往下展開會看到代表客訴、佔比、情緒條、嚴重度，和三條改善行動。把那三條行動直接複製到你的待辦清單或開會用，這就是這個工具最實用的產物。

讓分群更準的幾個做法

1.一次只丟同一個時間段的客訴：把這個月的和半年前的混在一起分群，佔比會失真，因為半年前的問題可能早就修掉了。固定抽一個乾淨的時間窗，例如最近 30 天，趨勢才看得準。

2.原文照貼，不要自己先歸類：有些人習慣把客訴先手動標好「物流」「品質」再貼進去，反而限制了 AI，它可能發現你沒想到的交叉主題。直接貼客人原話，讓它自己歸。

3.情緒欄比佔比更值得看：一群只佔 10% 但憤怒 60%、還有人說要檢舉，這種要排在佔比 30% 但多半是疑問的群前面。低頻高怒的客訴最容易演變成公開負評，殺傷力不成比例。

4.每個月固定跑一次做對照：把每次的分群結果存下來，下個月再跑一次比對。上個月優先處理的那群佔比有沒有降，就是你改善行動有沒有生效的最直接證據。左側面板可以儲存分群結果，方便回頭比。

5.改善行動當草稿不是聖旨：AI 給的三條行動是通用建議，落地前對照自己的物流商、客服人力、系統能力調整。它給你的是方向和框架，細節你比它懂。

三個實際情境

情境 A：保養品電商，客服每月被客訴淹沒

一個月收 180 封抱怨，客服主管憑感覺覺得「大家都在嫌客服慢」，想加人。丟進工具分群後發現，客服回應差只佔 25%，真正最大的是物流配送過慢佔 30%，而且憤怒值最高。topPriority 指向物流那群。

結論：加客服人力治標，先跟物流商重議出貨 SLA、訂單頁加預計到貨日才是治本，改完客訴自然少一截，客服壓力也跟著降。

情境 B：服飾品牌，想知道退貨為什麼這麼多

把最近兩個月的退貨理由匯出成 CSV 上傳。分群後「商品實品與描述不符」佔比最高，情緒偏失望不是憤怒。AI 的改善行動是商品頁補實拍多角度照、加尺寸色號表格、熱銷品拍開箱影片。

這一群失望為主代表客人不是被激怒而是期待落差，把商品頁做誠實一點，退貨率和這類客訴會一起降。

情境 C：小型電商，想找出該優先修的一件事

老闆時間有限，只想知道「這個月先修一個問題的話修哪個」。丟 50 筆客訴進去，直接看 topPriority 那群加它的三條改善行動，其他群先擱著。

一個月後把新的客訴再跑一次，看那群佔比有沒有降。這種一次只攻一個問題的節奏，比一次想改五件事最後一件都沒改完實在。

分完群之後接著做什麼

分群只是診斷，真正降客訴要靠後面的動作。

拿到 topPriority 那群的改善行動後，如果那群是客訴應對本身的問題，可以用客服 SOP 情境產生器把「這類客訴該怎麼回」寫成完整話術腳本，讓每個客服回得一致又有同理心。

想知道這些抱怨的客人是不是高價值、會不會因此流失，把訂單資料丟進SCV 會員視圖生出單一會員視圖，對照客訴名單看是誰在抱怨，如果是 VIP 或高消費客人在罵，處理順位要再往前。

更進一步，用會員流失預警器找出哪些人快要離開，把客訴分群發現的問題和流失名單交叉看，就能理解「為什麼這批客人正在流失」，從補破洞變成主動留人。

記得把每次分群結果存下來。降客訴是長期戰，這個月和下個月的佔比對照，就是你改善有沒有效最誠實的儀表板。