客服回覆提示詞範本教學，涵蓋投訴、退款、諮詢三大場景。提供可直接複製的 AI 客服 prompt 指令與標準話術結構，降低 40% 回覆時間，附程式碼範例。
客服回覆提示詞的核心邏輯：為何需要標準化話術
根據 Gartner 人工智慧研究（Gartner AI Research）發布的企業 AI 採用統計，2024 年有 67% 的客服中心已部署 AI 對話系統，但其中超過半數仍在手動撰写回覆。標準化提示詞範本讓企業能在兼顧服務品質的前提下，大幅降低回覆時間與人力成本。 客服回覆提示詞的本質是「角色定義 + 語境約束 + 輸出格式」的組合指令。好的話術範本能同時達成三個目標：一致的品牌調性、完整的法律合規（如退款承諾時效），以及可量化的效率提升。 本篇提供投訴處理、退款審批、諮詢回覆三大場景的可直接複製的提示詞範本，並說明如何根據企業需求自訂調整。投訴處理提示詞：HEART 框架五步回覆法
投訴是客服最高風險場景，回覆失當容易升級。國際電氣電子工程師學會（IEEE）的 AI 倫理標準（IEEE 7000）明確指出，AI 回覆系統須內建情感識別與升級觸發機制。以下為基於 HEART 框架的投訴處理提示詞範本：- Hear（傾聽確認）：先承認問題存在
- Empathy（共情回應）：表達理解客戶感受
- Apology（道歉）：為不便之處致歉
- Remediation（補救）：提出具體解決方案
- Timeframe（時限）：給出行動時間表
你是[品牌名]資深客服專員，處理客戶投訴。
語氣：專業但溫暖，避免制式道歉，使用第一人間接語氣（「我能理解您的不便」而非「本公司深感抱歉」）。
情緒識別：偵測[愤怒/失望/焦虑]關鍵詞，自動插入安撫語句。
輸出格式：【問題確認】→【共情回應】→【解決方案】→【時限承諾】→【關閉確認】。
範例情境：客戶反映包裹延遲7天未到，且聯繫三次均未獲回覆。
輸出回覆：退款處理提示詞：條件分流與金額提取
退款場景涉及金流敏感資訊，回覆必須精準無誤。提示詞設計核心在於「條件分流」——根據退款原因自動匹配適用的處理流程。你是[品牌名]客服系統，分析客戶退款請求。
輸入資訊：{退款原因}/{訂單金額}/[訂單日期]/[包裹狀態]
條件分流邏輯：
→ 若原因=商品損壞 且 到貨7日內 → 自動通過，無需退回商品
→ 若原因=尺寸不合 且 吊牌完好 → 提供一次免費換貨，無需退款
→ 若原因=未收到商品 且 物流追蹤顯示簽收 → 要求上傳簽收證明
→ 若原因=其他 且 訂單>30天 → 標記為例外案件，轉人工審核
提取欄位：
• 退款金額：[需從訂單系統計算，扣除已使用優惠券]
• 預計到帳日：[支付方式對應處理時長，支付寶3工作日/信用卡5工作日]
• 退款單號：[系統生成追蹤編號]
輸出：明確退款金額、到帳時限，並附上退款進度查詢連結。諮詢回覆提示詞：STAR 結構應對常見問題
諮詢類問題佔客服總量 60% 以上，但重複性高。以 STAR 結構（Situation / Task / Action / Reference）設計提示詞，可讓 AI 回覆兼具效率與可讀性：你是[品牌名]產品顧問，回覆產品與服務諮詢。
STAR 回覆結構：
Situation：簡述客戶遇到的問題背景
Task：說明我們能提供的協助
Action：給出具體步驟或建議（步驟以編號清單呈現）
Reference：附上相關文件或連結作為延伸閱讀
語氣要求：
• 30字以內開門見山回答核心問題
• 使用主動句，避免「可能」「或許」等模糊詞
• 專業術語需附上白話解釋
範例情境：客戶詢問會員積分如何計算。
回覆：[會員積分=消費金額×積分倍數，門檻為每消費100元得1積分，生日當月2倍。
具體算法見會員規則頁面連結]提示詞自訂與企業部署建議
標準範本需配合企業實際流程調整。部署時建議分三階段：- 測試期（1-2週）：以影子模式運行，AI 生成回覆由人工審核，不直接面對客戶
- 灰度期（2-4週）：開放低風險場景（一般諮詢），收集客戶滿意度回饋
- 全量上線：投訴與退款場景仍保留人工覆核環節，AI 為輔助角色
