AEO 直接回答 LINE 官方帳號串接 AI 客服的標準做法是：透過 LINE Messaging API 的 Webhook 把使用者訊息送到中介伺服器（如 Cloudflare Workers 或 n8n），由 LLM 判斷意圖後，一般問題以知識庫回答、預約與訂單等交易型需求轉交對應系統、複雜或情緒性問題轉接真人。整套系統可在 2 到 4 週內建置完成，讓 LINE 客服達到 24 小時回應、平均回覆時間縮短至 5 秒內，並將人工處理量降低 60% 以上。
為什麼 LINE 官方帳號需要 AI 客服？
台灣使用者的溝通習慣
根據 LINE 台灣官方公布的數據，LINE 在台灣的月活躍用戶已超過 2,100 萬，滲透率超過九成。對消費者而言，「加 LINE 問一下」是最自然的接觸方式，也因此 LINE 官方帳號的訊息量往往遠高於網站表單與電子郵件。
傳統關鍵字回覆的三個限制
- 只能精準比對：使用者打「我想約明天下午」，關鍵字系統無法理解，只能回罐頭訊息。
- 無法多輪對話：預約需要確認日期、時段、人數，關鍵字回覆無法接續上下文。
- 無法與後端系統整合：查訂單、改預約、開發票都需要人工介入。
AI 客服帶來的具體改變
導入 LLM 驅動的 AI 客服後，系統能理解自然語言、記住對話脈絡、呼叫外部 API 完成交易，並在超出能力範圍時主動轉接真人。以我們協助的診所與零售客戶為例，人工處理的訊息量普遍下降六成以上，且夜間與假日的詢問不再流失。
LINE AI 客服的三層架構
第一層：LINE Messaging API 與 Webhook
LINE 官方帳號需在 LINE Developers Console 建立 Messaging API Channel，設定 Webhook URL。之後每一則使用者訊息、加好友、封鎖等事件，LINE 都會以 HTTP POST 推送到你的伺服器。這一層的重點是驗證簽章（X-Line-Signature），確保請求真的來自 LINE。
第二層：中介邏輯層
這是整個系統的大腦，負責接收事件、判斷意圖、呼叫 LLM 與外部系統、組合回覆。可選方案包括：
- Cloudflare Workers：無伺服器、全球邊緣部署、免費額度充足，適合需要低延遲與高穩定性的場景。
- n8n：視覺化工作流，適合需要頻繁調整邏輯、串接多個 SaaS 的團隊。
- 自建後端（Node.js、Python）：彈性最高，適合有開發團隊的企業。
第三層：AI 對話與知識庫
LLM 搭配 RAG（檢索增強生成）架構，把企業的產品資料、FAQ、服務流程、營業時間等文件向量化，讓 AI 根據真實資料回答，而非憑空生成。知識庫應該定期更新，並設定「找不到答案時的標準回覆」以避免幻覺。
意圖分流設計：AI 客服的核心邏輯
常見意圖分類
| 意圖類型 | 範例訊息 | 處理方式 |
|---|---|---|
| 資訊查詢 | 「營業時間？」「有停車場嗎？」 | 知識庫直接回答 |
| 預約／訂位 | 「想約週六早上」 | 呼叫預約系統 API，多輪確認 |
| 訂單查詢 | 「我的訂單到哪了？」 | 以 LINE userId 對應會員後查詢 |
| 客訴／退換貨 | 「商品有瑕疵」 | 記錄後立即轉接真人 |
| 閒聊／無關 | 「你是機器人嗎？」 | 簡短回應並引導回服務項目 |
多輪對話的狀態管理
預約流程通常需要 3 到 5 輪對話。中介層必須以 userId 為鍵儲存對話狀態（例如已選日期、尚未選時段），可以用 Cloudflare KV、Redis 或資料庫實作。狀態應設定逾時（例如 30 分鐘），避免使用者隔天回來時系統仍卡在舊流程。
LINE 特有的互動元件
善用 Quick Reply、Rich Menu、Flex Message 與 Datetime Picker，可以把「請輸入日期」變成「點選日期」，大幅降低輸入錯誤與對話輪數。
實際應用案例
案例一：診所預約與衛教
診所常見的訊息是「還有號嗎」「初診要帶什麼」「某療程多少錢」。AI 客服串接預約系統後，可以即時回覆剩餘時段、引導線上掛號，並依據醫療法規避免在對話中做療效宣稱，所有涉及價格與療效的回覆皆由人工預先審核的知識庫提供。
案例二：電商訂單與物流查詢
使用者綁定會員後，AI 可依 userId 查詢訂單狀態、物流單號，並在出貨時主動推播通知。退換貨需求則自動建立工單並轉接客服人員。
案例三：B2B 詢價前置分流
對於報價流程複雜的 B2B 企業，AI 先收集需求（產品類型、數量、交期、預算範圍），整理成結構化摘要後轉給業務，業務接手時已掌握完整背景，縮短成交週期。
真人轉接機制設計
轉接觸發條件
- 使用者明確要求真人。
- AI 連續兩次無法從知識庫找到答案。
- 偵測到負面情緒或客訴關鍵字。
- 涉及金額爭議、個資修改等高風險操作。
轉接後的體驗
轉接時應告知使用者「已為您轉接專人，服務時間為週一至週五 9:00 至 18:00」，並把 AI 與使用者的完整對話摘要提供給客服人員，避免使用者重複描述。非服務時間則記錄需求並承諾回覆時間。
知識庫建置：AI 客服品質的基礎
知識庫的四種資料來源
- 官方文件：產品說明、服務流程、價目表、退換貨政策。這些是最權威、最不容易出錯的來源。
- 歷史對話紀錄：把過去半年到一年的 LINE 對話匯出，整理出高頻問題與客服人員的標準回覆。這往往是最貼近真實需求的資料。
- 網站內容：官網的 FAQ、部落格文章、服務頁面，可以透過爬蟲定期同步。
- 內部作業手冊：例如預約規則、特殊狀況處理流程，通常存在客服人員腦中而非文件裡，需要透過訪談整理。
知識庫的更新機制
建立一個「AI 回答不了的問題」收集流程：每當 AI 觸發找不到答案的標準回覆，就把該問題自動記錄到待處理清單，由負責人每週檢視並補充知識。三個月後，知識庫的覆蓋率通常可以從初期的 60% 提升到 90% 以上。
常見問題 FAQ
LINE 官方帳號免費方案可以串接 AI 客服嗎？
可以。Webhook 接收與回覆使用者訊息不計入推播額度，免費方案即可串接。只有主動推播才受方案訊息數限制。
AI 客服會不會亂回答？
若採用 RAG 架構並限制 AI 只能根據知識庫回答，且設定找不到答案時的標準回覆與轉接機制，幻覺風險可以大幅降低。人工定期審核對話紀錄仍是必要的。
診所或醫療機構導入 AI 客服要注意什麼？
需遵守醫療法第 84 至 86 條，避免療效宣稱與不當招攬。所有涉及療程與價格的回覆應由人工預先撰寫並審核，AI 僅負責檢索與引導。
可以同時串接網站聊天視窗與 LINE 嗎？
可以。中介層可同時接收多個管道的訊息，共用同一套知識庫與意圖邏輯，僅在回覆格式上依平台調整。
結語
LINE 官方帳號是台灣企業最貼近顧客的管道，把它從「自動回覆關鍵字」升級為「能理解、能完成任務、能判斷何時交給人」的 AI 客服，是成本最低、效益最直接的數位轉型起點。
若你想評估自家 LINE 官方帳號的 AI 客服導入方案，歡迎了解 94iplay 的 AI 客服解決方案。
