網站聊天 AI 有名單卻沒成交？先補 5 個 CRM 交接欄位

直接答案：網站聊天 AI 不該只被當成右下角的客服外掛。對台灣中小企業來說，它真正的價值，是把訪客問題、需求急迫性、聯絡資料、來源頁面與下一步動作整理成 CRM 可接手的名單。如果聊天只停在「已回覆」，沒有資格欄位、分派規則、回覆時限與 GA4 事件，老闆最後看到的會是很多對話，卻很難知道哪一筆值得追、誰漏接、哪個廣告或頁面真的帶來商機。

網站聊天 AI 的直接答案：先管交接，不是先管話術

很多公司裝網站聊天，是因為覺得表單太慢、LINE 入口太分散，或想讓 AI 先回答常見問題。這些目的都合理，但如果沒有把「對話」變成「可處理名單」，網站聊天 AI 很快會變成另一個客服雜訊來源。

比較務實的做法，是先把聊天視窗當成一個輕量 lead intake。它要做三件事：回答能安全回答的問題、收集銷售或服務團隊需要的資格資料、把需要人工判斷的對話轉成有負責人與截止時間的任務。這樣 AI 才是在減少漏接，而不是把漏接藏得更漂亮。

為什麼聊天數不等於有效名單

網站聊天容易讓人誤判，因為「有人打開聊天」看起來比「有人填表單」更接近成交。但聊天數只代表互動發生，不代表需求明確、預算合理、區域可服務、時間可配合，或對方願意留下可追蹤聯絡方式。

Intercom 的資格資料文件把重點放在先定義理想客戶與銷售團隊需要的欄位，例如姓名、Email、電話、公司、產業、規模與網站；這提醒中小企業一件事：聊天工具本身不是策略，資料欄位才會決定後續能不能跟進。Zendesk 的 lead routing 說明也把「收集名單後快速分派給合適人員」視為避免名單漏掉的核心流程。台灣 SME 的問題通常不是工具不夠先進，而是對話被分散在網站、LINE、Email、電話與廣告私訊裡，沒有同一套交接標準。

上線前先補 5 個 CRM 交接欄位

1. 來源頁面與搜尋意圖

每一段網站聊天都要保留開始聊天的頁面，例如首頁、服務頁、價格頁、案例頁、活動頁或特定廣告到站頁。Zendesk 的 live chat 指南提到，聊天軟體通常能提供訪客旅程資料，包括聊天前所在 URL、裝置、停留時間與過去互動次數。這些資訊對台灣 SME 很重要，因為同一句「請問多少錢」在價格頁、案例頁與售後頁代表的意圖不一樣。

如果你只把聊天內容貼進 CRM，業務隔天很難判斷對方是剛認識品牌，還是已經比較完方案。比較好的欄位是「來源頁面」「活動來源」「主要問題」「是否看過價格或案例」。AI 可以先整理，但頁面與事件來源要由系統自動帶入，不能靠人工回想。

2. 需求類型與可服務條件

聊天第一輪不要急著問太多個資，先分類需求。常見分類可以是報價、預約、售後、合作、批量採購、門市資訊、課程諮詢、外縣市服務、緊急案件。Intercom 的資格資料建議先定義對業務有用的資料，並讓問題維持簡單、好理解；用在台灣 SME，就是不要讓 AI 一開始就問一堆像企業表單的問題。

比較好的設計，是讓 AI 先問一個能影響接手的問題：你要找哪一種服務？地點在哪裡？希望什麼時間完成？這些答案可以決定要不要轉客服、業務、門市、專案窗口，或只給自助資訊。

3. 聯絡方式與同意邊界

只要對話需要後續聯絡，就要把聯絡方式和用途說清楚。不是每個聊天都要立刻拿電話；低意圖問題可以先給答案，高意圖問題才請對方留下 LINE、Email 或電話，並說明會用於回覆這次詢問或安排預約。

AI 在這裡不適合假裝真人，也不適合替公司做超出授權的承諾。它可以協助摘要需求、提醒必要欄位、產生回覆草稿，但涉及價格保證、醫療法律金融建議、退費承諾、庫存保留或個資用途擴張，都應轉人工確認。

4. 名單分級與下一步日期

名單分級不用複雜，剛開始分成 A、B、C 三層就夠。A 級是有明確需求、時間、地點或預算，且留下可聯絡方式；B 級是需求存在但條件未明；C 級是資訊查詢或暫時不適合。每一級都要有下一步：A 級當日回覆，B 級補問一題，C 級導向 FAQ 或內容。

Zendesk 的 lead routing 說明強調，沒有系統化分派時，名單容易排隊、漏掉或被不適合的人接手。這件事放到小團隊更明顯：老闆、門市、行銷、客服都可能看到訊息，但沒有人真正負責。

5. GA4 事件與成交回寫

聊天不是只要能回就好，還要能量測。Google Analytics 支援把表單送出等動作設定為重要事件；Vendasta 的 web chat GA4 文件也示範了聊天開啟、新對話、送出訊息、捕捉名單與選擇預約時間等事件可以被追蹤。台灣 SME 不一定要一次做到完整歸因，但至少要知道哪些頁面和活動帶來有效聊天。

最小可行追蹤可以先放四個事件：開啟聊天、開始對話、留下聯絡方式、完成預約或報價。接著在 CRM 裡回寫結果：已報價、已預約、成交、無效、未回覆。只看聊天數，會讓團隊誤把熱鬧當成成效；看事件加結果，才知道網站聊天 AI 有沒有幫忙創造營收線索。

四種接手模式比較

如果你的公司每天聊天量不到十則，先不要追求複雜 AI 自動化。先把漏接、欄位、分派與追蹤補齊。等到有效聊天變多，再讓 AI 協助摘要、分類、草稿、提醒與知識庫建議，投資順序會更穩。

適用與不適用的公司

這套做法適合網站已經有服務頁、產品頁、價格頁、案例頁或廣告到站頁，而且詢問常常分散在不同入口的台灣中小企業。特別是補習班、診所周邊服務、B2B 供應商、裝修維修、餐飲訂位、課程顧問、電商高單價商品與地方服務業，通常都能從聊天交接流程得到立即改善。

它不適合沒有明確服務內容、沒有任何人能接手、或只想用 AI 取代所有客服判斷的公司。若你的商品牽涉醫療、法律、金融、保險、個資或高度客製承諾，更應該先定義人工審核線，而不是讓 AI 自由回答。

7 天最小可行上線順序

第 1 天：盤點聊天入口

列出網站、LINE、Google 商家檔案、社群私訊、Email、電話與表單入口，標記目前誰會看到、多久回、是否有紀錄。

第 2 天：定義三層名單

先寫出 A、B、C 名單條件，不要讓每個人憑感覺判斷。A 級一定要有需求、時間、聯絡方式與下一步。

第 3 天：設計 5 個欄位

把來源頁面、需求類型、可服務條件、聯絡方式、下一步日期放進 CRM 或試算表。工具可以很簡單，但欄位不能缺。

第 4 天：寫 AI 不能回答清單

列出價格保證、退費、醫療法律金融建議、庫存保留、合約承諾、個資用途等必須轉人工的情境。

第 5 天：接 GA4 事件

先追聊天開啟、開始對話、留下聯絡方式、完成預約或報價四個事件。確認 DebugView 或即時報表能看到事件後，再公開上線。

第 6 天：做人工抽查

抽查二十則對話，看 AI 摘要是否正確、欄位是否足夠、轉人工是否及時、是否有誤判高意圖名單。

第 7 天：回寫結果

把成交、已報價、已預約、無效、未回覆回寫到同一張表或 CRM。下一輪優化要看結果，不只看聊天量。

資料更新與限制

本文於 2026 年 8 月 4 日整理，參考 Intercom 對 lead qualification data 的說明、Zendesk 對 lead routing 與 live chat staffing 的公開指南、Vendasta 對 web chat GA4 事件追蹤的文件，以及 Google Analytics 對重要事件量測的說明。工具介面、事件名稱、整合方式與價格可能變動；實作前仍要以你實際使用的聊天工具、CRM、GA4 與個資政策為準。

主要來源：Intercom qualification data、Intercom manual lead qualification、Zendesk lead routing、Zendesk live chat guide、Vendasta GA4 web chat tracking、Google Analytics key events。

結論：網站聊天 AI 要能交接，才算真的有用

網站聊天 AI 的重點不是讓網站看起來比較先進，而是讓原本容易流失的詢問被整理、分級、分派與追蹤。先補來源頁面、需求類型、聯絡方式、名單分級、下一步日期與事件追蹤，再談自動回覆和 AI 話術，台灣 SME 才能把聊天量變成可管理的商機。

如果你今天只能做一件事，請先抽查最近二十則網站或 LINE 對話：每一則是否知道來源、需求、負責人、下一步與結果。只要有兩項以上缺失，就代表問題不在 AI 模型，而在交接流程還沒有被設計好。

FAQ

網站聊天 AI 一開始要問客人哪些問題？

先問會影響接手的問題，例如需求類型、地點或服務範圍、希望時間、可聯絡方式。不要一開始就問太多個資或預算細節。

聊天機器人可以直接報價或承諾服務嗎？

不建議。固定方案可以提供公開價格連結，但客製報價、保留名額、退費、醫療法律金融建議與合約承諾應轉人工確認。

網站聊天要接 CRM 還是先用試算表就好？

聊天量少時可以先用試算表驗證欄位與分派規則；只要每天有效名單穩定增加，就應接 CRM，避免來源與結果斷掉。

GA4 要追蹤哪些聊天事件？

最小可行版本先追聊天開啟、開始對話、留下聯絡方式、完成預約或報價，再把成交或無效原因回寫到 CRM。

網站聊天 AI 怎麼避免變成客服雜訊？

每則對話都要有來源頁面、需求分類、名單分級、負責人、下一步日期與結果狀態。沒有這些欄位，聊天量只會增加管理成本。