客戶對話
訊息交給讀得懂的人
一家做區域生意的香港店，中文、英文、泰文全部落在同一個收件匣，而打開它的人只讀得懂其中兩種。路由本身就是一次分類加一次查表。決定它值不值得做的，是第三種語言有沒有人當值——而一旦離開客服視窗，你支援的每一種語言，都是一個獨立模板、一次獨立審批。
- 觸發
- 兩個
- 執行頻率
- 每條訊息
- 工具
- 5 件
- 需要 durable execution
- 不需要
流程
上面那條負責判斷來的是什麼語言。下面那條知道誰在當值，而分支要問的，就是這兩件事對不對得上。
訊息到達
WhatsApp Cloud API
判斷語言
OpenAI · Anthropic
記錄分類結果
Sheets · Airtable
每小時更新當值
n8n 排程
語言配對人手
n8n · Make
當值中有人讀得懂？
n8n IF
轉交該同事
Slack · WhatsApp
轉入預設隊列並標記
Slack · WhatsApp
逐步拆解
- 01
訊息到達
WhatsApp Cloud APIWebhook 帶住訊息內容和發送者的 profile 名稱。兩者都不足以可靠判斷語言——泰國客戶第一句可以是英文。
- 02
判斷語言
OpenAI · Anthropic只做分類：哪一種語言、有幾肯定。模型不翻譯、不回覆、也不決定由誰接手——自動發出一句譯錯的回覆，比慢一點但正確更差。
- 03
記錄分類結果
Sheets · Airtable對話、判斷出的語言、信心值。一個月之後，這張表會告訴你實際上人手覆蓋了哪一種語言，而那通常不是你原本以為的一種。
- 04
每小時更新當值
n8n 排程讀取現在誰在當值、各自讀得懂什麼語言。派給一個名字不等於派給一個人，除非那個人正在當值。
- 05
語言配對人手
n8n · Make把判斷出的語言與當值名單取交集。有兩位同事都符合時，優先給已經在跟進這位客戶的那一位。
- 06
當值中有人讀得懂？
n8n IF這才是真正要問的一條。信心值低就當作「沒有」——一個不確定的分類派錯了枱，到達的形式是沉默。
- 07
轉交該同事
Slack · WhatsApp原文照傳，不要翻譯。接手的人本來就讀得懂；在原文前面加一段機器翻譯，只是多了一樣不可信的東西。
- 08
轉入預設隊列並標記
Slack · WhatsApp標記為未能配對，不要把它藏起來。這一類的數量就是加人的理據——它是唯一誠實地反映缺口的數字。
平台不容許的事
在客服視窗之內，語言不用你付代價。離開視窗之後，以及在 Instagram 上，每一種語言都有各自的價錢。
「While the window is open, you can send any of the service message types listed below to the user」，而且不需要預先批准。在 24 小時視窗之內用泰文回覆，什麼都不用預備；第二日同一句就要。
WhatsApp Cloud API — Send messages一個模板只對應一種語言——建立時要指定語言代碼，而且「if you create multiple templates with the same name but with different languages, each template counts against your template limit」。視窗以外要支援四種語言，即是同一句說話要過四次審批。
WhatsApp Business Management API — Message templatesInstagram 的文字訊息上限是「UTF-8, max 1000 bytes」——單位是位元組，不是字元。中文和泰文字元在 UTF-8 各佔三個位元組，所以同一句回覆用中文寫，大約三倍快就用完空間；按英文長度寫好的回覆，換成中文會被拒。
Instagram Platform — Messaging API
什麼情況不值得做
以下三種情況，維護成本會高於派錯訊息的代價。
團隊每一個人都讀得懂你收到的每一種語言。那樣路由只是替一條本來就正確的隊列，加多一個中轉和一種出錯方式。
你手上沒有當值資料。不知道對方是否在上班就派給一個名字，訊息會送到一張空枱，而且外表看起來已經派好——這比看起來未處理更差。
第二種語言只是零星幾條，不成流量。一星期出現兩次的語言，轉發一下就處理到；在這麼小的基數上，一個月錯一次的分類器，好不到哪裡去。