台中餐廳導入 LINE AI 訂位客服，訂位流失率降低 35%

背景：產業位置與痛點醞釀

這家客戶是台中西屯區的日式料理餐廳，單店經營、座位 48 席、客單價 NT$1200-1500。老闆本身是日本留學回來的廚師，主打職人風格，週末用餐時段幾乎全滿。

餐廳的客源組成是：熟客 40%、週邊商辦午餐 30%、觀光 / 打卡客 30%。熟客主要訂週末晚餐跟節日聚餐，商辦午餐以走客為主，觀光客則集中在週末中午跟假日。

痛點醞釀了大概一年半。2024 年餐廳評分上到 4.5，在 Google Map 排進台中日料前 20。週末訂位電話開始打爆——平日晚上 6-8 點常常一通電話還沒講完，下一通就響。外場 3 個人，同時要接電話、帶位、點餐、傳菜，一個人倒了整個現場就亂。

真正讓老闆下定決心處理的是兩件事：

第一件，週一公休日的訂位完全空白。 老闆某天整理訂位本，發現每個月有 6-8 天（週一 + 國定假日）完全沒有任何訂位進來——不是因為沒人想來，是因為沒人接電話。粗估一個月損失 30-50 組訂位。

第二件，外場小姐提離職。 資深外場跟老闆談：「我真的不是累，是下班回家耳朵還在嗡嗡叫。電話響一整個班，我連喝水的時間都沒有。」這句話讓老闆意識到——再不處理，不是顧客流失的問題，是人留不住的問題。

挑戰

這家台中的日式料理餐廳，週末常常一位難求，平日也有穩定的訂位需求。

餐廳的訂位方式一直很傳統：電話訂位，由外場人員接聽。

但這帶來了幾個問題：

1. 非營業時間無法訂位：晚上 10 點之後、週一公休日，很多想訂位的顧客打不進來，只好去別家
2. 尖峰時段電話佔線：中午 12 點、下午 5–6 點，外場同仁要接電話又要服務現場客人，常常電話響了沒人接
3. 訂位資訊容易出錯：口頭確認人數、時段、特殊需求，筆記寫錯的情況偶有發生
4. 顧客不確定有沒有訂成功：打過電話之後，顧客常常事後又打來確認，增加負擔

他們之前試過什麼沒效

老闆試過三條路線：

第一，花 2 萬買了一套現成的餐廳 POS 系統附帶線上訂位。 問題是這套系統要顧客下載 App、註冊帳號、驗證手機，轉換漏斗長到不行。上線三個月，線上訂位佔比不到 5%。最後形同只用 POS 功能。

第二，在 Google Map 開啟「透過 OpenTable 訂位」選項。 結果發現 OpenTable 在台灣滲透率低，90% 顧客根本沒用過，同樣是「要裝新 App」的阻力。

第三，找某家做 LINE 訂位機器人的新創談。 對方是工程背景團隊，報價合理（6 萬 + 月費 1500），但講出來的都是「我們的 NLP 引擎」「rule-based fallback」，老闆聽完問一句「如果顧客 LINE 上說『我想訂後天晚上 6 點 4 個人有吃素的』，你的機器人能處理嗎？」對方回答「這個語句太複雜，建議先引導顧客一步一步選」。

老闆當下就知道不行——這邏輯跟電話訂位沒差，只是從電話搬到 LINE 而已。

三次失敗的共通點：都在賣「訂位介面」，沒有人從「餐廳實際座位管理的混亂」切入。

為什麼找 YOTRON

決策點是一次 Threads 貼文。老闆看到我們寫「先 SOP 後 AI」的觀察，留言問一句：「所以餐廳訂位 AI，你們會先做什麼？」

我們回：「先請你把現在訂位本上的訊息欄位全部列給我——人數、時段、姓名、電話、特殊需求。然後我們看那些欄位的填法是不是每次都一樣。」

老闆當天晚上拍了一張訂位本給我們。那張圖很經典——同樣一欄「特殊需求」，有寫「過敏」、有寫「不吃生」、有寫「嬰兒椅」、還有「客人說他們是壽星」。

我們回他：「你的訂位不是訂位，是一堆自由文字。AI 要接這個，會亂。」

他問下一步怎麼辦。我們說：「先把座位類型、時段切片、特殊需求選項標準化，再來談 AI。這一步通常要 1-2 週，不上 AI 也對你現有外場有幫助。」

這對話讓老闆決定找我們——對比前三家廠商，YOTRON 做對的是拒絕「直接賣 AI」。

解法

我們幫餐廳在 LINE Official Account 上建立了 AI 訂位助理系統。

核心功能

自動訂位對話流程：

顧客在 LINE 上說「我想訂位」，AI 客服會引導顧客：

1. 選擇日期
2. 選擇時段（系統自動顯示剩餘座位）
3. 確認人數
4. 填寫姓名與電話
5. 備註特殊需求（慶生、素食、嬰兒椅等）
6. 系統自動確認，並發送訂位確認訊息

智能座位管理： 系統即時讀取訂位資料庫，顧客看到的是真實剩餘座位，不會發生重複訂位的問題。

自動提醒： 訂位成功後，系統在前一天下午 3 點自動發送提醒訊息，讓顧客確認是否到場。若要取消，顧客直接在 LINE 回覆即可，不需要打電話。

常見問題自動回覆： 營業時間、停車、菜單、特殊需求等問題，AI 自動回覆，不需要人工介入。

整合後台系統

所有訂位資訊自動同步到餐廳的 Google 試算表，外場人員打開試算表就能看到當天訂位狀況，不需要手動整理。

導入細節：每週做了什麼

總共 8 週。

Week 1-2：座位管理 SOP 標準化。 我們把 48 個座位切成 12 組（2 人桌 x 6、4 人桌 x 4、6 人吧台、8 人包廂），每組都有固定代號。時段切成 5 個 slot（午 11:30/13:00、晚 17:30/19:00/20:30）。特殊需求統一成 8 個選項。這週外場反彈最大——「以前憑經驗帶位，現在每個位子都有代號？」老闆堅持跑下去，第 3 天外場就習慣了，而且反映「反而比較不會帶錯」。

Week 3：資料庫建置。 把座位、時段、已訂位資料全部塞進 Supabase。這週的技術卡點是——老闆的手寫訂位本有 3 個月的資料要數位化，我們原本以為請工讀生打字 2 天搞定，結果發現手寫字跡辨識率低，最後改成拍照 + 人工校對，花了 5 天。

Week 4：AI 對話流程建置。 用 GPT-4o + 自訂 prompt，串接 LINE Messaging API。設計成「先自由文字，識別後進結構化欄位」——顧客可以用「我想訂後天晚上 6 點 4 個人有吃素的」這種自然句，AI 會自動拆解。我們原本以為自然語言處理會是最難的，結果反而最難的是邊界情況：顧客說「大概 4-5 人」、「如果有位子的話」、「到時再看」，這些模糊語言要 AI 先釐清。加了一層「釐清 prompt」後才穩。

Week 5：自動提醒機制 + 爽約追蹤。 訂位前一天下午 3 點自動發提醒訊息，顧客回「確認」或「取消」即可。這週的轉折是——我們原本以為提醒能降爽約率 20%，實際測試降到 58%（從 12% 降到 5%）。因為很多爽約不是故意，是忘記，LINE 訊息直接戳一下就解決。

Week 6-7：小量上線 + 極端案例處理。 先開 30% 流量給 AI 接。這兩週處理了 3 個奇怪案例：團客 12 人要 2 張桌子併桌、VIP 熟客要「跟之前一樣的位子」、商務宴請要求絕對安靜包廂。這些不是預設情境，AI 直接轉真人。我們把這 3 類標成「VIP 流程」，未來顧客有這類需求就自動轉外場。

Week 8：全量上線 + 外場儀表板。 外場 iPad 上裝儀表板，可以即時看所有訂位、今日座位佔用率、特殊需求列表。外場小姐回饋：「本來以為會被 AI 取代，現在發現是幫我把雜事接走，我可以專心服務現場客人。」

成果

上線 2 個月後的數據：

• 訂位量成長：總訂位數增加 28%（大量來自非營業時間的線上訂位）
• 流失率降低：因電話打不通而流失的訂位估計減少 35%
• 人工節省：外場人員每天節省約 3 小時電話接聽時間
• 爽約率降低：自動提醒功能讓爽約率從 12% 降至 5%
• 顧客滿意度提升：LINE 評分從 4.1 升至 4.7

量化以外的軟性改變

除了數字之外，老闆後來跟我們分享三個「不在 KPI 裡的變化」：

外場小姐沒再提離職，反而開始主動學習上菜順序的 SOP，想做更多現場服務。老闆自己開始有時間思考菜單更新，以前週末在櫃台幫忙接電話，現在可以待在廚房研發新菜。最意外的是——週一公休日反而變成訂位高峰日，顧客會在公休日提前訂整週的位子，因為知道 LINE 隨時可訂。

客戶引言

「最明顯的改變是週一公休日，以前那天的訂位都是空的，因為沒人接電話。現在週一休假，隔天來看，LINE 裡面已經有十幾個訂位了。而且顧客都說比打電話方便，因為可以慢慢選時間，不用怕佔線。」 —— 餐廳老闆 張先生

適用情境

LINE AI 訂位系統特別適合以下餐廳：

• 有穩定訂位需求，但電話管理耗時
• 有非營業時間的訂位需求（觀光區、週末熱門餐廳）
• 想要減少人工介入，讓外場專注在服務
• 有爽約問題，希望透過自動提醒改善

後續計畫

這家餐廳自己規劃的下一步有兩個：

第一，把 AI 延伸到菜單推薦。 熟客到店後，AI 可以根據過去訂單推薦「你上次吃過的、可能喜歡的」。老闆計畫 2026 下半年推。

第二，開分店時複製同一套訂位系統。 他們 2026 Q4 計畫在台北開二店，打算把座位管理 SOP 跟 LINE AI 客服整套搬過去，免去新店重新摸索的時間。

總結

對很多餐廳來說，LINE 是顧客最熟悉的溝通工具。把訂位流程搬到 LINE，不需要顧客安裝新 App，不需要學習新平台，門檻最低，效果卻很明顯。

如果你的餐廳也有類似的痛點，歡迎聯繫我們，讓我們先了解你的狀況，再提供最適合的方案。