AI 客服促銷退換貨的重點，不是把現有 FAQ 丟進工具，而是先把「可以怎麼回答、根據哪一份資料、適用到什麼時候、遇到例外誰接手」寫清楚。對台灣 SME 來說，最容易造成損失的不是 AI 不會聊天，而是它把過期優惠、退換貨例外、庫存狀態、付款限制或個資問題講得太肯定。上線前先補 6 個規則欄位，AI 才有機會變成客服助理，而不是更快放大錯誤承諾。
AI 客服促銷退換貨不能只靠 FAQ
很多公司準備 AI 客服時，第一個動作是把官網 FAQ、商品頁、LINE 常用回覆和客服話術全部丟進同一個資料夾。這樣做看起來很快，但對 AI 來說，裡面可能同時混著舊優惠、新價格、客服私下通融話術、只適用 VIP 的例外，以及早就改版的退貨流程。
OpenAI 的 File Search 文件把檢索型回答描述為讓模型從上傳到 vector store 的知識庫中做語意與關鍵字搜尋。這代表 AI 回答品質會受來源內容影響；來源若過期、矛盾或沒有標記適用條件，模型就算語氣很自然，也可能取到不該公開的答案。來源：OpenAI API：File search。
| 資料類型 | 看起來像什麼 | AI 上線前要補什麼 |
|---|---|---|
| FAQ | 客人常問的問題與標準答案 | 來源、版本日期、適用對象 |
| 客服知識庫 | 商品、服務、付款、退換貨、保固、配送、預約與售後規則 | 例外條件、不可回答範圍、人工接手規則 |
| AI 客服上線規則 | AI 何時能自動答、何時只能建議草稿、何時必須轉真人 | 風險分級、紀錄方式、成效與錯誤回收 |
先補 6 個欄位，避免 AI 把錯答案講得很像真的
1. 核准答案：哪些話可以直接對外說
每一題都要有一段核准答案，而不是只放一堆內部筆記。優惠、價格、保固、退換貨、到貨時間、預約取消、課程名額、服務範圍，都應該用可以直接給客戶看的語氣寫好。AI 可以幫忙整理初稿，但最後應由懂產品、客服與成交條件的人確認。
2. 來源頁面：答案從哪裡來
每個答案都應連回一個來源，例如商品頁、公開條款、活動頁、內部 SOP、CRM 欄位定義或客服主管核准紀錄。沒有來源的答案，不應讓 AI 自動回覆。這也是 GEO 角度重要的地方：答案引擎和搜尋系統更容易理解有清楚來源、日期與適用範圍的內容。
3. 適用條件：誰可以用、誰不能用
「滿額免運」「七天鑑賞」「首次購買折扣」「企業方案報價」這些說法都可能有條件。知識庫要寫清楚適用地區、商品類別、活動期間、會員身分、最低金額、付款方式與不適用情境。條件越模糊，AI 越容易把特例當通則。
4. 例外與停答：哪些情況不能讓 AI 自動答
退款爭議、客訴升級、醫療或金融敏感問題、疑似詐騙、個資更正、法律責任、客戶情緒很高、或金額超過一定門檻，都應該列為停答條件。比較穩的做法，是讓 AI 先分類問題與整理摘要，再交給真人回覆。
5. 版本負責人：誰負責更新過期答案
很多 AI 客服不是第一天答錯，而是第三週開始答錯。活動結束、價格改版、庫存變動、合作物流調整、門市營業時間變更，若沒有人更新知識庫，AI 會繼續引用舊資料。每個高風險答案都要有負責人、更新日期、下次檢查日與停用條件。
6. 成效訊號：怎麼知道 AI 真的有幫忙
不要只看「自動回覆幾則」。對 SME 更有用的指標是：問題是否被正確分類、多少對話需要真人接手、哪些答案被客人追問、哪些回覆造成取消或客訴、哪些常見問題應該回寫到商品頁或 FAQ。Zendesk 的客服 AI benchmark 強調知識、分析、QA 與整合，而 Fin.ai 也把即時監測、QA、趨勢與改善建議放在產品訊號中；可觀察到的共同點是，成熟 AI 客服不只回答，還要能被監控與修正。來源：Zendesk AI customer service benchmark、Fin.ai customer agent benchmark。
LINE、官網與 CRM 要先決定誰接手
台灣 SME 常把客服入口放在 LINE 官方帳號、官網表單、Messenger、Instagram、電話和 CRM 裡。若 AI 只接其中一個入口，知識庫仍然要寫清楚：哪個問題在 LINE 自動答、哪個問題建立 CRM 任務、哪個問題只產生內部摘要、哪個問題直接轉真人。
LINE Messaging API 的官方說明提到，使用者傳訊息給 LINE 官方帳號後，LINE Platform 會把 webhook event 送到 bot server。這代表客服流程不是只有「AI 會不會回答」，還包括 webhook、回覆時機、紀錄、錯誤重送與人工接手。來源：LINE Developers：Messaging API overview。
| 情境 | AI 可以先做 | 應轉真人或回寫 |
|---|---|---|
| 活動優惠詢問 | 引用核准活動頁，回答期間與條件 | 優惠過期、客人要求例外、訂單金額爭議 |
| 退換貨問題 | 說明公開流程與需備資料 | 責任歸屬不清、特殊商品、已超過期限仍要求協調 |
| B2B 報價 | 整理需求、預算、時程與聯絡方式 | 價格承諾、客製範圍、合約條款 |
| 課程或預約 | 確認時段、地點、名額與取消規則 | 補課、退款、特殊身分優惠 |
哪些資料暫時不要交給 AI
若資料裡有身分證字號、完整電話、付款資訊、健康資訊、客訴細節、內部成本、未公開價格、員工評語或客戶可識別紀錄，先不要整批倒進 AI 工具。比較務實的做法，是先去識別化、只保留問題類型與必要欄位，或把高敏感資料限制在有合約、權限與紀錄的系統內。
OpenAI 的平台資料控制文件說明，API 資料預設不會被用來訓練或改善模型，除非明確 opt in；同頁也區分 abuse monitoring logs 與 application state 等資料類型。這對企業是有利的起點，但不等於公司內部就可以無限制上傳客服原文。來源：OpenAI API：Data controls。
台灣《個人資料保護法》把個人資料定義為可直接或間接識別自然人的資料，並要求蒐集、處理或利用不得逾越特定目的必要範圍；向當事人蒐集資料時，也有明確告知事項。客服知識庫若要拿來訓練或檢索 AI 回覆，至少要先確認目的、範圍、權限、保存與刪除方式。來源：全國法規資料庫：個人資料保護法。
適用對象與不適用對象
這篇適合已經有固定客服問題、LINE 官方帳號、官網表單、電商訂單、課程預約、B2B 詢價或 CRM 跟進的台灣 SME。若團隊每週都在回答相同問題，卻常因活動、價格、庫存或例外條件改變而出錯，AI 客服促銷退換貨控管會很有價值。
它不適合把法律、醫療、金融、重大客訴或高金額承諾完全交給 AI 自動回覆，也不適合還沒有整理產品、價格、服務範圍和客服責任的公司。AI 能加速既有規則，不能替公司創造尚未確認的承諾。
資料更新與來源
本文最後查核時間為 2026 年 9 月 14 日。平台功能、資料保存政策、LINE API 細節、個資法施行狀態與客服 AI 產品能力都可能變動；實作前應重新確認官方文件、系統合約與公司內部資料處理規則。
- OpenAI API：File search
- OpenAI API：Data controls in the OpenAI platform
- LINE Developers：Messaging API overview
- 全國法規資料庫：個人資料保護法
- Zendesk AI customer service benchmark
- Fin.ai customer agent benchmark
結論
AI 客服促銷退換貨真正要解決的，不是讓機器人更會聊天，而是讓每一句客服回覆都有可查來源、適用條件、版本責任和停答邊界。台灣 SME 上線前先補核准答案、來源頁面、適用條件、例外停答、版本負責人與成效訊號，才比較能把 AI 從「很快回錯」變成「幫真人客服少做重複事」。
最小可行做法，是先挑 30 題最常見、最容易影響成交的問題，建立這 6 個欄位；跑兩週後再看轉真人比例、客訴、追問與成交品質。只要知識庫會被更新，AI 客服才會跟著變聰明；如果知識庫沒人負責，AI 只是把舊問題包裝得更順。
FAQ
AI 客服促銷退換貨一定要用 RAG 嗎？
不一定。RAG 或 file search 適合需要從多份資料檢索答案的情境；若問題很少，先用核准 FAQ、人工接手規則與定期更新表也能開始。
可以直接把客服聊天紀錄丟進 AI 嗎？
不建議整批直接上傳。先去除可識別個資、付款資訊、客訴細節與未公開條件，只保留問題類型、需求、阻力與可改善的答案欄位。
LINE 官方帳號接 AI 客服前要先準備什麼？
先準備常見問題、核准答案、人工接手條件、webhook 或系統錯誤處理、CRM 紀錄方式，以及誰負責更新過期優惠與服務規則。
AI 客服答錯優惠時要怎麼補救？
先暫停相關答案自動回覆，查明來源版本與對話紀錄，再由真人回覆受影響客戶。補救後要更新知識庫、停答條件與審核流程。
小公司沒有客服主管也能做 AI 客服知識庫嗎？
可以，但要指定一位內容或營運負責人維護版本。先從最常見 30 題開始，每題寫清楚答案來源、適用條件、例外與下次檢查日期。