AI 如何分析顧客評論？把多則回饋整理成一項店內改善
客人留下一則評論，你回覆了；過幾天又來一則，你再回一次。忙完一天，老闆可能只記得最近那則最刺眼的話，卻不容易看出：大家反覆遇到的是同一件事，還是完全不同的問題？
我的做法是把一段時間的評論放在一起，請 AI 協助整理主題，保留每個判斷對應的原話，再由店長選一項現場做得到的改善。稱讚也別急著略過。有些客人會告訴你，店員哪個動作讓他安心；那可能是值得留下並交給其他同事的做法。
我是鄭錦聰。下面用一家茶餐店的六則回饋，示範從整理原話、選出改善，到跟同事說清楚怎麼做。你可以拿自己的店當例子，換上實際的評論和工作安排。
六則話放在一起，會看到什麼？
假設你經營一家茶餐店，最近看了六則顧客評論。為了方便對照，先給每則一個編號：
- R1：「餐點好吃，尖峰時等了二十分鐘，沒人說要等多久。」
- R2：「週六午餐等餐比較久，如果入座時知道大概要等多久會更好。」
- R3：「茶很好喝，但送餐後沒有餐具，要再找人拿。」
- R4：「點餐時店員提醒今天現做需要等待，知道後比較安心。」
- R5：「甜點喜歡，座位旁的餐具不容易找。」
- R6：「等餐有些久，櫃台先提醒需要等待，就能安排自己的時間。」
如果只看星等，可能會把它們分成滿意與不滿意。但老闆真正想知道的，是客人在什麼時候遇到什麼事。
把六則分開來看：R1、R2 和 R6 提到等待較久；R1 和 R2 希望事先知道等待情況；R4 和 R6 則提到事先提醒帶來的幫助。R3 和 R5 是餐具取得的問題。一則話可以同時屬於不同主題，R6 就同時提到等待與提醒，不能因為它有稱讚，就把前面的等待忽略掉。
這六則讓我們看到兩件值得處理的事：等待資訊與餐具擺放。它們還不能告訴你全店有多少客人受影響，也不能只憑評論就斷定出餐慢的原因。先留下原話，再去看現場，才知道接下來怎麼做。
先選一件同事做得到的事
假設店長查看當班紀錄後，發現尖峰時段的確需要較長備餐時間，餐具補給則可以在交班時一併檢查。這一週，他決定先試一個動作：點餐時主動告知當下預估等待時間；如果後來有變化，再向客人更新。
為什麼先做這件事？R1、R2 讓店長看見客人希望提早知道；R4、R6 則提供另一個線索：有人先說明時，客人比較能安排自己的時間。這不代表告知就能縮短出餐，也不是餐具問題不重要；店長只是先選一件本週能在尖峰時段開始執行的工作。
店長可以這樣跟同事交代：
這週六、週日午餐開始前，我會先和廚房確認目前大約的等待時間。點餐時請先告訴客人：「今天餐點現做，目前大約需要等十五分鐘；如果時間有變，我們會再跟您說。」時間以現場確認的數字為準。若一下子無法估計，就先告訴客人正在確認，不要隨口保證。
假設客人已等候，比原先說明的時間還長，同事也可以主動走過去說：「不好意思，目前還需要一些時間，我正在和廚房確認，稍後再跟您更新。」等查到情況，再說明實際進度。
餐具的回饋先不消失：交班時請同事記下餐具是否放在容易找到的位置、什麼時候需要補。下一次回看評論和現場紀錄，就能再決定是否要調整擺放。
怎麼知道這個做法有沒有被用上？
第一週先觀察自己能看到的工作，不急著宣布滿意度提高。店長可以在週末兩個午餐時段，記下這幾件事：
- 點餐前有沒有確認當時可提供的等待估計？
- 同事有沒有在點餐時主動說明？不能估計時怎麼告訴客人？
- 若時間改變，有沒有回到現場更新？
- 同事或客人提出了什麼具體困難？
下週看同樣時段，才能知道這個動作是否比較容易做到。之後如果想比較評論，也要把看的期間、來源和評論總數一起記下來；評論數少或時間還不夠，就先留下觀察，不把幾則留言當成整體客人的比例。
你也可以用一張小卡，讓下一班知道目前做到哪裡：
- 本週先做：尖峰點餐時告知等待估計，變動時主動更新。
- 開始前：店長與廚房確認當下狀況。
- 店員要做：點餐時說明；無法估計時先告知正在確認。
- 交班記錄：今天是否有無法確認或來不及更新的情況。
- 下次回看：週末兩個午餐時段，連同餐具補給一起討論。
這張卡不是多一份漂亮報表。它讓同事知道下一班要做什麼，也讓老闆下週回來時，有東西可以接著改。
把整理工作交給 AI，可以怎麼說？
你不必先有幾百則評論才開始。先取一段你有權使用的回饋，去除姓名、電話、訂單編號等不必要的個人資料，再請 AI 做第一版整理。下面的指令可以直接改：
我經營一家茶餐店，想從以下顧客評論中找出一項店內可以改善的工作。每則評論前有編號。請先依原文整理顧客提到的主題，允許同一則放在多個主題；每個主題列出對應編號和原話，分清楚稱讚、困擾與尚不清楚的地方。
接著列出兩個值得我到現場確認的方向，說明各自依據；不要猜測原因，也不要把這些評論推論成所有顧客的比例。最後提出一項這週可以試做的工作，寫出店長要確認什麼、店員可以怎麼說，以及下週如何用相同時段回看。
以下是評論：[貼上已去識別化的評論]
AI 整理完後，先回頭看它列出的編號和原話有沒有對上。像 R6 既說等餐久，又肯定店員先提醒，如果被簡化成「客人覺得等待沒問題」，店長就會得到錯誤的結論。分類清楚以後，再由你依現場人力、服務和營運狀況決定做哪一件事。
評論分析的公開做法也建議保留來源與原文，從使用情境、問題和需求辨認主題；另一份 AI 評論整理指南則從分類走到改善清單。工具可以幫忙整理，真正讓顧客感受到差別的，是下次走進店裡時，同事願意多做的那一步。
如果你也想把這類重複工作交代給 AI，逐步練習提供背景、安排任務與運用成果，可以進一步了解我整理的《AI成功思維》課程。
