AI 客服與 LINE 行銷自動化怎麼做？從 Messaging API 到名單培養的實務指南
在台灣，LINE 官方帳號是許多品牌最重要的客戶溝通管道。本文說明如何結合 AI 與 LINE Messaging API 建立客服與行銷自動化，包含架構、訊息類型、成本觀念與上線前的風險控管。
在台灣做生意，很難繞開 LINE。客人詢問商品、查訂單、預約服務，常常都是直接傳訊息到官方帳號。人力有限時，重複問題會讓客服應接不暇。
AI 可以幫忙回答常見問題、整理對話，也能協助行銷人員做名單分眾與訊息草稿。但導入前要先弄清楚架構、成本與風險。
把 AI 客服想成「受過訓練的值班櫃台人員」：能回答手冊裡寫到的問題，遇到手冊沒寫的，就應該請真人接手。
一句話重點
AI 客服要可靠，關鍵在於讓它「只根據公司提供的資料回答」，並設計好人工轉接；LINE 的訊息費用與額度，請以 LINE 官方最新方案為準。
LINE 與 AI 怎麼串接？
根據 LINE 開發者文件，要做聊天機器人需要：
- 一個 LINE 官方帳號。
- 該帳號的 Messaging API channel。
- 一台機器人伺服器，提供接收事件的 webhook 網址。
- 能處理 HTTPS 與 JSON 請求的能力。
Webhook 可以理解成「LINE 在有人傳訊息時，主動通知你的伺服器」。流程大致如下：
使用者在 LINE 傳訊息
→ LINE 平台送出 webhook 事件到你的伺服器
→ 伺服器查詢知識庫，請 AI 依資料產生回覆
→ 伺服器透過 Messaging API 回覆使用者
官方文件列出的訊息類型包含文字、貼圖、圖片、影片、位置、優惠券、Imagemap、Template 與 Flex Message。LINE Messaging API 概覽
回覆訊息與推播訊息的差別
| 類型 | 說明 |
|---|---|
| Reply（回覆） | 回應使用者的加入好友或訊息，需使用 webhook 事件中的 replyToken |
| Push（推播） | 可隨時對單一使用者或群組發送 |
| Multicast | 指定多位使用者 ID 一對多發送 |
| Narrowcast | 依屬性或受眾分眾發送 |
| Broadcast | 發送給所有好友 |
單次請求最多可帶 5 個訊息物件。LINE：發送訊息
官方的發送訊息頁面沒有說明回覆訊息是否計入每月額度，其計數規則說明的是「隨時發送」類型，以發送對象人數計算。費用與免費則數依訂閱方案而定，細節在 LINE 的計價頁面，本文不引用第三方整理的價格，以免過期。
讓 AI 客服可靠的四個設計
1. 只根據公司資料回答（RAG）
RAG（檢索增強生成）指的是先從你的資料庫找出相關內容，再請 AI 依這些內容回答。資料來源可以是常見問題、商品頁、退換貨政策與營業時間。原理可參考本站的 RAG 介紹。
提示詞可以這樣寫：
你是品牌客服助理。只能根據【資料】回答。
若資料中沒有答案，請回覆：「這個問題我需要請專人協助您」，
不要猜測，也不要提供資料以外的價格或承諾。
【資料】（檢索到的段落）
2. 設計人工轉接
遇到客訴、退款、法律問題、情緒激動的客人，應直接轉真人。也建議設定「連續兩次答不出來就轉接」的規則。
3. 保護個資
不要把身分證字號、完整信用卡號等敏感資料交給 AI 處理。對話紀錄的保存期限、可存取的人員，也要在內部規範寫清楚，並符合個資法規定。
4. 讓 AI 的承諾有邊界
價格、庫存、交期、賠償這類會造成法律或財務責任的內容，建議由系統直接查詢資料後帶入，而不是讓 AI 自行產生數字。
行銷自動化的應用
| 情境 | AI 能做什麼 | 注意事項 |
|---|---|---|
| 新好友歡迎訊息 | 依來源產生不同版本 | 不要一次塞太多資訊 |
| 名單分眾 | 依標籤、購買紀錄歸類受眾 | 資料來源需合法取得 |
| 訊息草稿 | 產出促銷、提醒、再行銷文案 | 發送前人工審核 |
| 對話摘要 | 整理客戶常問問題 | 作為產品與內容改善依據 |
| 問卷與回饋分析 | 歸納客戶意見 | 抽樣檢查摘要正確性 |
訊息發送太頻繁會讓客人封鎖帳號，所以建議以 Narrowcast 針對對的人發送，而不是每次都全體廣播。
上線前檢查清單
- 是否準備了足夠且更新中的知識庫？
- AI 找不到答案時，會不會誠實說不知道？
- 轉接真人的流程是否順暢，營業時間外怎麼處理？
- 是否在對話中說明這是 AI 助理？
- 是否測試過惡意提問、套取內部資料的情況？
- 費用與訊息額度是否已與 LINE 最新方案核對？
適合誰？
- 有大量重複詢問的零售、餐飲、課程與預約型服務。
- 希望提升回覆速度、又不想增加客服人力的中小企業。
- 想把客服對話轉化成行銷洞察的品牌。
可能不適合誰？
- 產品資訊經常大幅變動、卻沒有人維護知識庫的團隊。
- 高風險領域（醫療診斷、投資建議）：AI 不應單獨提供專業判斷。
我們的觀察
本站認為，AI 客服的成敗不在模型多強，而在資料有沒有整理好、轉接設計是否貼心。若知識庫雜亂，再強的模型也只能亂答。
建議先從「回答 20 個最常見問題」開始，觀察一到兩個月的實際對話，再逐步擴大範圍。這比一開始就追求全自動更穩妥。
來源
- LINE Developers：Messaging API 概覽
- LINE Developers：發送訊息
- 查閱日期：2026-10-09。LINE 的方案與費用可能調整，請至官方網站確認；流程與評論為本站整理。