%20.png)
去年雙11 晚上八點過後，小美的訊息開始灌進來。她負責一家服飾電商的日常營運，官網聊天視窗、LINE 和 Instagram 三個入口同時在跳，客服是兩個全職加一個兼職。她回到凌晨一點，隔週還在處理改地址和退換貨。今年她想提早準備，可是卡住她的是三句話：「今年會不會又回到凌晨？」「最塞的是哪幾個小時，會塞多少？」「現在做什麼還來得及？」
這三句都有答案，就在她去年的對話紀錄裡。不必等到檔期當天，提早 4 週就能算出來。
檔期前最常先被問出口的兩個問題，是「要不要加人」和「要不要買一套 AI 客服」。這兩題不是不能問，是問得太前面——先算出量集中在哪幾小時、那幾小時有多少題不需要人回答，再決定加人還是加工具。
雙11 固定在 11 月 11 日，黑色星期五是感恩節隔天、年年落在 11 月下旬。從雙11 往前推 4 週是 10 月 14 日，那就是你的起跑線。這 4 週要做的是四件事，一週一件：盤點、分流、開模板、壓測。
這篇拿雙11 當基準，是因為台灣消費者的購物節參與高度集中在它（下一節有數字）。如果你的最大檔期是 618、母親節或週年慶，算式完全一樣，把起跑線換成你那一檔往前推 4 週就好。
小美與本文出現的所有數字，都是為了示範算式而設的情境，不是客戶案例，也不代表任何導入成效。
本段重點：加人解決的是量，解決不了集中。
檔期客服壓力的來源不是全年訊息變多，而是同一批問題被壓縮到檔期前後幾天同時進來，讓平常夠用的人力在特定時段失效。這個差別決定了你該準備什麼。
小美的客服人力平常是夠的。平日每天約 40 則訊息，兩個全職加一個兼職應付得來，真正撐不住的是雙11 那一週。問題在班表：兩個全職排日班，晚上八點以後只剩兼職那一位，而那正是訊息最多的四小時。她缺的從來不是人，是那四個小時裡的人。
為什麼全台灣的電商都卡在同一時段？因為消費者也集中在那裡。資策會 MIC 的 2024 年調查顯示，雙11 的參與比例是 95%，雙12 剩 32%，黑色星期五只有 13%；超過八成受訪者一年參與的購物節不超過 3 個[1]。
官方數字能看到的是月層級。2025 年 11 月零售業營業額 4,459 億元，年增 1.4%，經濟部統計處列的主要挹注來源是週年慶、雙11 及黑五購物節商機[2]；經濟日報引述同一來源，第四季線上消費占比也高於全年平均[3]。那是營業額不是客服訊息量，但月份對得上。
同一套月統計也看得到別的檔期。2026 年 4 月零售業營業額 4,048 億元、年增 5.2%，經濟部列的挹注來源是清明連假與母親節[4]。所以「檔期」不是只有雙11，後面那套算式換成你自己那一檔一樣能用。
回到排班。整檔期多請一個人，平均每天要回的訊息確實變少；但超過一半的訊息擠在晚上八點到十二點，多請的人一樣被淹沒，其餘二十幾天則閒著。每到檔期前都有人在問哪裡找得到工讀生，就算找得到也解決不了時段。
那四個小時的問題，不是每一題都需要人回答。讓不需要人的那些在進到真人之前先被接住，這件事在客服領域叫「分流」。但在分流之前，你得先知道那四小時到底差多少。
本段重點：用去年的資料就能算，不用等當天。
檔期量能盤點是在檔期前用去年同期資料算出四個數字：進線總量、題型分布、尖峰缺口，以及其中有多少題擋得掉。
動手前先解決一件事：訊息散在三個地方要怎麼合計？這一步不必精確，你要的是看出「哪個鐘點最塞」。各管道分別往回捲、按小時數，數得出相對高低就夠。各管道本來就收在同一後台的話，這一步只是一次篩選：「全管道」對檔期的意義不只是回訊息方便，而是你算不算得出量。
檔期客服量能盤點表
尖峰缺口是整張表的支點，也最多人卡住。拆成四步，都用你現在看得到的畫面就能做。
128 則是「什麼都不做」的版本。能不能縮小，要看那 168 則裡有多少題根本不需要人回答——下一節先把題分類，分完再回來重算一次。
本段重點：先分類，再決定誰來接。
進線題型分流是把檔期的顧客問題依需不需要真人判斷、會不會動到錢分成四類，再決定每一類交給自助查詢、規則回覆或真人處理。分類的依據不是問題看起來難不難，是答錯的後果由誰承擔。
檔期進線題型分流表
分完你會發現一件反直覺的事：最吃人力的那幾題，通常是最不需要人判斷的那幾題。
第一類最常被跳過，因為「給顧客自己查」聽起來像工程專案。它要的是把開店平台的訂單資料接進對話介面。像 Alta.DI 這類不綁單一通路的全管道客服平台，Shopify、SHOPLINE、WooCommerce 與 TikTok Shop 的訂單串接在後台是設定不是開發，做完「寄到哪了」就不再進到人；你現在用的那套支不支援，問一句就知道。但訂單資料若在自有系統或 ERP 裡，就從設定題變成評估題，得另外確認接得到哪些欄位。
第二類的門檻在文件，不在技術。你要交給機器人的不是公司介紹，是一條一條寫清楚的答案：滿額免運門檻多少、折扣碼能不能跟會員折扣疊加、尺寸表在哪一頁。寫得出來，機器人才有東西可以回；寫不出來，買哪一套工具結果都一樣。注意這裡說的不是整套知識庫，是尖峰前五題的答案——兩三頁就夠，檔期前兩週寫得完。整套知識庫是另一件事，下一節會說為什麼要留到下一檔。
後面兩類沒有捷徑，就是排真人。它們的價值不在省人力，而在你把前兩類擋掉之後，真人終於有時間好好處理這兩類。檔期當天最容易出事的從來不是「M 號還有嗎」，是改單和退款。
這不是只有服飾電商會遇到。我們的內部專案紀錄裡，某集運業客戶的進線有七到八成集中在包裹狀態與運費試算兩類，自動化後查詢自動化率 75%、真人客服工時節省 40%、回覆速度提升 45%。那是集運業不是電商品牌，成效會因資料品質、流程標準化與案件類型而不同。可以借用的不是那三個數字，是產業完全不同、題型卻一樣集中這件事。
分類做完，回頭重算一次尖峰缺口。同樣是雙11 晚上那四小時，分類前和分類後會得到兩個差很多的答案。
本文提出的算式（這不是產業基準，是四則運算）：尖峰缺口 ÷ 單人時段產能 ＝ 需要補的人力。
情境 A：什麼都不做。 168 則全部進到真人，缺口 128 則，128 ÷ 40 ＝ 3.2。小美那天晚上要多三個人以上。
情境 B：把出貨進度和尺寸選款擋掉。 先說前提：這個情境假設你已經有自助查詢入口，也有一份能回答固定問題的知識內容。兩樣都還沒有的話，它算出來的是「分流做完之後會長怎樣」，不是你今年的現況。另外 112 則不會全部擋成功，查不到資料、知識沒寫到的還是會轉進真人，所以要打折；這裡用八成，是保守假設不是實測值。112 × 80% ＝ 90 則被擋下，進真人的剩 78 則，分流後缺口 38 則，38 ÷ 40 ＝ 0.95。
同樣是雙11 晚上那四小時，什麼都不做要多三個人以上，把那兩類擋掉只差不到一個。小美原本想的是整檔期多請一名工讀生顧全場；算完之後方向換了——什麼都不做的話，那天晚上多一名根本不夠，而先把那兩類擋掉，她要補的只是一個人、四個小時。
兩個情境的差距就是分流的價值。如果你的情境 B 算出來還是 1.5 以上，也就是分流做完還差一個半人，代表題型本身還沒整理過，那才需要認真排班或找支援。
算完之後，下一題通常是：規則題該用固定流程接，還是交給 AI 回答？卡在這裡的話，AI 客服怎麼選？FAQ／Flow／AI Bot 選型指南 把三種做法各自適合的情況拆開講了。
本段重點：這一檔碰不得的，正好是今年要觀察的。
檔期前 4 週能做的自動化，是在既有系統上開現成模板、補話術、設定轉真人條件。要重新串接資料或從零建整套知識庫的，這一檔先別碰，但也不是擱著：在這一檔邊做邊蒐集它需要的材料。
檔期前 4 週倒數時間軸
這 4 週的工作分界
「現成模板」決定了這 4 週做得完多少事。以 Alta.DI 為例，2026 年 7 月的後台實況是 25 個 Workflow 模板（自助服務 6 個、導購轉換 15 個、AI Agent 4 個），包含 Shopify 加購提醒、放棄結帳折扣與常見問題自助查詢，另有 5 個行銷自動化流程模板。實際可用範圍取決於帳號權限、資料串接與導入設定。
但檔期前要開的不是 25 個。回到盤點表的題型分布，看前五名是什麼，挑對得上的三到五個就好。開太多的下場是每個都沒調過：顧客當天收到三則不相干的自動訊息，比沒開更糟。
最後一週做壓測。把盤點表前五名題型的問句，一題一題丟給剛開好的模板和機器人，看它答得對不對、該轉真人的有沒有轉。這一步沒人做，檔期當天才會發現自動回覆回錯對象，或是顧客問改地址卻被機器人擋在外面。
那些留到下一檔的事，為什麼這一檔碰不得？不是做不到，是做一半比不做更危險。一套完整客服系統從需求診斷、建置與訓練、測試到上線後調整，標準期程約 5 週，而且那是資料已經備好的前提；中途要重整知識庫或等權限還會再往後。檔期前四週才啟動，最可能的結果是雙11 當天系統還在測試，客服同時要應付新介面和爆量訊息。
所以那些留到下一檔的事，今年的任務不是「做完」，是「看清楚」。檔期當天你和客服最知道顧客在問什麼、哪幾題回到想翻桌、哪一題每次都要翻三個畫面才查得到。這些事過兩週一定想不起來，當下隨手記一行就夠。多數導入卡住的不是技術，是沒人說得清楚顧客在問什麼；這幾頁就是下一檔最值錢的輸入。
檔期一結束，趁記憶還新的時候把那幾頁歸檔，再在行事曆標出下一檔日期、往前推 5 週設提醒。那天就是重整知識庫、串接訂單這些事的起點。
本段重點：這三條線一動，當天就要處理。
檔期當天要盯的三個數字是 30 秒內首次回應率、機器人獨立接待比例與流失率，它們比顧客來催更早告訴你哪裡塞住了。總訊息量反而是最慢的訊號。
檔期當天的三個盯盤指標
這三個是 Alta.DI 會話統計裡的指標名，不同系統叫法有出入，要看的東西一樣。如果你今年還沒有機器人在接，第二列先跳過，盯第一列和第三列就好。
檔期前先確認後台當天看不看得到；看不到的話，最低限度是請客服每兩小時記一次「現在大概等多久」。至於 30 秒這條線合不合理、同業做到幾秒，SLA 是什麼？2026 客服 FRT 基準與達標率一次看懂 裡有基準值可以對照。
本段重點：這一週決定明年省多少事。
檔期剛結束那一週要做兩件事，加起來不到半天，卻決定明年還要不要從頭盤一次。
第一件，把機器人沒接住、或真人回到一半卡住的對話抽 50 則分類。檔期當天隨手記的那幾頁是零散素材，這一步把它變成一份清單：哪幾題明年要先寫進知識、哪幾題其實是商品頁沒寫清楚。第二件，把「要授權」那類當天臨時判斷過的案例寫成規則，當天怎麼決定的、下次照哪一條走，趁還記得寫下來，明年就不用再臨時拍板。
檔期結束後還有一題：這批第一次下單的人怎麼變成回頭客。電商有流量卻沒回購？AI 客服 3 招自動挽回訂單 從棄單挽回、到貨關懷講到喚醒沉睡客。
本段重點：先算，再決定要不要加人或加工具。
回到開頭小美的三句話。「今年會不會又回到凌晨」，用去年同期 10 天的對話量和平日相比。「最塞的是哪幾個小時、會塞多少」，照四個步驟找出最高的連續 4 小時，算出那時段的缺口。「現在做什麼還來得及」，把尖峰題型分四類，看擋掉可自助查詢和可規則回答那兩類之後還差幾個人。
這幾步加起來半天到一天，用的全是你手上已經有的資料。難的從來不是算式，是願不願意在檔期前花掉這半天；不花，檔期當天就是在沒有數字的情況下排班，然後再熬一次凌晨一點。
每一家店卡住的地方都不一樣：有的尖峰太集中，有的各管道對話撈不到同一處、量算不出來，也有的量撐得住，但「要授權」那類沒規則，當天全擠到老闆身上。算完想有人看一眼數字對不對、該先開哪幾個模板，Data-DI 有 30 分鐘免費檔期客服量能診斷：帶著數字來最快，還沒算、或撈資料卡在第一步，顧問也會陪你從頭走一遍。
[1] 中央社。（2024.12）。調查：網友對電商月月造節刺激疲軟 集中雙11消費（引述資策會產業情報研究所 2024 年電商購物節消費者調查）。中央社。
https://www.cna.com.tw/news/afe/202412270091.aspx
[2] 經濟部統計處。（2025.12）。114年11月批發、零售及餐飲業營業額統計。經濟部統計處。
https://www.moea.gov.tw/Mns/dos/bulletin/Bulletin.aspx?kind=8&html=1&menu_id=6727&bull_id=16762
[3] 經濟日報。（2026.01）。從高速成長到結構升級 2025-2026年台灣電商產業關鍵轉折。聯合新聞網。
https://money.udn.com/money/story/5635/9290776
[4] 經濟部統計處。（2026.05）。115年4月批發、零售及餐飲業營業額統計。經濟部統計處。
https://www.moea.gov.tw/Mns/dos/bulletin/Bulletin.aspx?kind=8&html=1&menu_id=6727&bull_id=16850
