汽車保養提醒打不完？AI 電話幫服務廠拉回回廠率｜售後留存垂直案例
TL;DR — 汽車保養提醒打不完、回廠率一路往下掉，是台灣汽車經銷商售後最頭痛的事。 服務顧問（SA）忙著接待現場進廠的車主，月底回頭看，5,000 公里、10,000 公里的定保提醒名單還躺著沒打完。某中部國產車品牌經銷集團導入 Brightalk 通話自動化後，把定保提醒、召回通知、續保邀約交給 AI 語音助理批次外撥，60 天內定保達成率從 54% 拉到 71%，SA 每週省下約 9 小時電話工時，名單覆蓋率接近滿載。
為什麼汽車保養提醒打不完，回廠率就一路流失
對汽車經銷商來說，回廠率（service retention）是售後最核心的 KPI。新車一年掛牌量就那麼多——2024 年全台新車掛牌總數約 45.8 萬輛（Mobile01 2024 年度銷售報告），市場接近飽和。利潤的主戰場早就從賣車轉到售後保養，誰把車主留在原廠回廠保養，誰才有穩定毛利。
問題出在「提醒」這一段。一台車從 1,000 公里首保之後，原廠多半建議每 5,000 公里或半年回廠保養一次（東森財經新聞 2024）。理論上服務顧問該在保養到期前主動致電車主，但現場排隊進廠的客人永遠優先——SA 一忙起來，定保提醒名單就被往後推。月底結算，名單還躺著一大半沒打完。沒打的提醒不會自己消失，它變成一台台流向外面保養廠、再也沒回來的車。
召回（recall）通知更難。安全相關召回有時效壓力，車輛安全資訊網上的召回案件動輒涉及數千到數萬輛（車輛安全資訊網）。靠簡訊單向通知，車主已讀不回、號碼換掉、根本沒看到的比例都很高，覆蓋率始終補不滿。續保到期邀約、新車試駕邀約名單也一樣——名單冷掉一個月，回應率就掉一截。
這不只是「打不完」的問題，而是漏打的成本被嚴重低估。產業普遍引用的數字是：開發一個新客戶的成本約是留住舊客戶的 5 倍，而回廠率每提升 5 個百分點，售後利潤可成長 25% 到 95%（Invesp 客戶留存研究）。換句話說，SA 沒空打的那通保養提醒電話，背後是好幾萬元的終身客戶價值在外流。⚠️ 把回廠率流失當成「人手不夠」的小事，是售後管理最常見的誤判。
Brightalk 把售後提醒工作流接起來的 3 個能力
AI 語音助理不是要取代服務顧問，而是把「重複、可預測、量大」的外撥工作從 SA 手上接走，讓 SA 專心做現場接待與技術諮詢。對汽車售後場景，關鍵是這 3 個能力。
第一、用 AI 語音助理批次撥打定保與召回提醒，名單再大也打得完。 你把當月到期的保養名單、召回對象匯入後，AI 語音外撥助理會用自然的中文對話逐一致電車主，說明保養項目、確認車主是否要預約回廠。一個 SA 一天頂多撥 30 到 40 通有效電話，AI 助理可以同時間把整份名單跑完——某經銷集團 5 個服務據點、月保養名單合計約 2,400 筆，過去要兩位 SA 打整整一週，現在當天就能起跑。
第二、用通話結果自動分流，把「要回廠」的車主直接排進預約。 車主在電話裡的回應千百種：有人當場要約時段、有人說過兩週再說、有人號碼是空號、有人明確拒絕。通話結果自動化會依 AI 判讀的結果四向分流——願意預約的直接建立待辦給服務廠、要再聯絡的排進下一波名單、空號與拒絕的標記後不再撥打。SA 早上打開系統，看到的是一份已經整理好的「今天要回電確認」清單，不用自己從通話記錄裡撈。
第三、把每通電話的紀錄與車主回應，回寫進同一份車主檔案。 售後最怕資訊散落。車主資料管理會把 AI 通話的時間、車主回應、預約意願、拒絕標記，全部回寫到車主聯絡紀錄裡，和進廠維修歷史串在同一條時間軸上。下次這位車主進廠，SA 在系統裡就看得到「上個月 AI 提醒過保養、車主說月底要回來」——對話有上下文，不會重複打擾。
💡 這三件事拆開看都不新鮮，難的是把它們接成一條不漏接的工作流。Brightalk 用戶之所以能把回廠率拉回來，靠的就是「批次撥打 → 結果分流 → 回寫檔案」這條線不斷掉。
服務廠的一日工作流：AI 接管之後長什麼樣
導入後，服務廠售後團隊的一天大致是這樣跑的：
08:30 服務廠長匯入當月到期定保名單 + 本批召回對象
→ 系統自動排除「近 30 天已回廠」與「已標記拒絕」車主
09:00 AI 語音助理開始批次外撥（避開午休、僅限工作時段撥打）
10:30 SA 打開系統，看到第一批「願意預約」車主清單
→ 逐筆確認時段，寫回維修預約表
12:00–13:30 AI 暫停外撥（午休時段，避免打擾車主）
13:30 AI 續撥剩餘名單；召回對象標記為高優先
16:00 服務廠長檢視儀表板：今日撥出 / 接通 / 預約 / 拒絕 數
17:30 未接通名單自動排入隔日重撥；拒絕名單永久標記
18:00 收班——當日定保提醒名單清空，無人工加班補打
整個流程裡，SA 只碰「願意預約」那一段——也就是真正需要人來敲時段、回答技術問題的高價值對話。重複的撥號、空號、留言、拒絕處理，全部交給 AI。下面這張表把「SA 自己打電話」和「AI 接管模式」並排比較：
| 比較項目 | SA 自己打電話 | AI 接管模式 |
|---|---|---|
| 月名單可打完比例 | 名單量大時常打不完，月底積壓 | 名單再大也能當天起跑、如期跑完 |
| 撥打時段 | 受 SA 上班與接待空檔限制 | 限定工作時段批次撥打，可避開午休 |
| 通話結果整理 | SA 事後手動從通話記錄撈 | 自動四向分流，清單直接生成 |
| 召回通知覆蓋 | 簡訊單向，已讀不回比例高 | 語音雙向確認，未接通自動重撥 |
| 車主紀錄更新 | 常漏記、散落在不同表單 | 自動回寫車主檔案同一條時間軸 |
| SA 主要工作 | 一半時間在撥號與留言 | 專注現場接待與預約確認 |
要說清楚的是，AI 語音助理不是萬能。✅ 它擅長的是結構明確、可預測的提醒型對話——確認保養項目、詢問預約意願、傳達召回資訊。但車主若在電話裡問到複雜的技術判斷（「我這個異音是不是要換變速箱」）、或要談保固爭議與費用協商，AI 會把這類對話標記後轉回 SA 處理。把 AI 定位成「把名單跑完、把意願篩出來」的前段，後段的專業判斷仍然留給服務顧問，這條線才走得長久。
量化效果：60 天攤回
某中部國產車品牌經銷集團，5 個服務據點、售後團隊約 18 人，月到期定保名單合計約 2,400 筆、另有不定期召回批次（用戶授權匿名引用）。導入 Brightalk 通話自動化前，定保提醒長期靠 SA 利用接待空檔手撥，月底名單積壓約四成；召回通知以簡訊為主，覆蓋確認率偏低。導入後第一個完整 60 天週期，數字變化如下：
| KPI 指標 | 導入前 | 導入後 60 天 | 變化 |
|---|---|---|---|
| 定保提醒名單觸及率 | 約 62% | 約 96% | +34 個百分點 |
| 定保達成率（提醒後回廠） | 約 54% | 約 71% | +17 個百分點 |
| 整體回廠率（月） | 約 48% | 約 57% | +9 個百分點 |
| 召回通知覆蓋確認率 | 約 41% | 約 78% | +37 個百分點 |
| SA 每週電話工時 | 約 14 小時／人 | 約 5 小時／人 | −9 小時 |
| 續保邀約名單回應率 | 約 11% | 約 19% | +8 個百分點 |
| 月底名單積壓比例 | 約 40% | 約 4% | −36 個百分點 |
拆解一下這組數字。最直接的槓桿是「觸及率」——名單從約六成觸及拉到接近滿載，等於每月多接觸了七、八百位過去根本沒被提醒到的車主。觸及率上去，定保達成率才有得談，因為提醒到的人裡本來就有固定比例會回廠。SA 每週省下的約 9 小時，不是被砍掉的工時，而是被挪去做現場接待與預約確認——也就是真正需要人的高價值環節。召回覆蓋率的跳升則來自「語音雙向確認」取代「簡訊單向發送」：車主在電話裡親口回應，覆蓋才算數。
「以前月底最怕看定保名單，永遠有一疊打不完。現在 AI 幫我們把名單跑完，SA 回去專心接待現場客人，回廠率第一次穩定往上走。」 — 中部汽車經銷集團服務廠長（用戶授權匿名引用）
這套售後留存的打法，和我們其他垂直案例其實是同一個底層邏輯。如果你想看「提醒型外撥」在另一個產業怎麼跑，可以參考物流配送通知 AI 電話案例；想理解通話結果四向分流的細節，看通話結果分流自動化；想知道車主紀錄如何跨通路串成一條時間軸，看跨通路客戶時間軸；如果你的售後也常被「車主一直沒接、約了又沒來」困擾，預約爽約應對 playbook 直接對症。
常見問題
問題一：AI 打保養提醒電話，車主會不會覺得被機器人騷擾？
關鍵在頻率控管與名單品質。Brightalk 通話自動化會自動排除近 30 天已回廠、以及已標記拒絕的車主，不重複打擾。對話走的是提醒服務內容、確認預約意願的實用路線，不是推銷話術。再加上限定工作時段撥打，整體體驗接近「服務廠主動關心」而非行銷騷擾。
問題二：撥打車主名單，個資法上要注意什麼？
兩條核心。第一，蒐集車主名單時要依個資法第 8 條善盡告知義務，說明蒐集者、目的、利用範圍與車主權利。第二，若用於行銷目的（如續保、試駕邀約），依個資法第 20 條，首次行銷須提供車主免費表示拒絕的方式，且車主一旦表示拒絕，須立即停止以其個資行銷。Brightalk 的拒絕標記功能正是為了讓「立即停止」落地。
問題三：AI 通話可以錄音嗎？合法嗎？
可以。依通訊保障及監察法第 29 條，通訊的一方（這裡是發話的服務廠）本即為通話參與者，在非不法目的下錄音不罰。錄音用於品質確認與紛爭存證屬正當目的。實務上仍建議在通話開頭告知車主將錄音，並把錄音與紀錄回寫進車主資料管理以利日後查證。
問題四：召回通知用 AI 語音，會比簡訊更有效嗎？
以覆蓋確認率來看通常會。簡訊是單向發送，已讀不回、號碼失效都無法察覺；語音外撥是雙向的，車主親口回應才算覆蓋成功，未接通的還會自動重撥。前述經銷集團的召回覆蓋確認率從約 41% 升到約 78%，差距主要就來自這層雙向確認。
問題五：服務廠長怎麼掌握 AI 今天打了什麼？
透過即時通話監控儀表板，廠長可即時看到當日撥出、接通、預約、拒絕的數字，也能抽聽個別通話。這讓「AI 在外撥」不是黑箱——名單跑到哪、效果好不好，一個畫面就掌握。
問題六：車主在電話裡問複雜的技術問題，AI 答得了嗎？
AI 語音助理擅長結構明確的提醒型對話。若車主問到需要專業判斷的維修問題、保固爭議或費用協商，AI 會把對話標記後轉回服務顧問處理，不會勉強回答。把專業判斷留給 SA，是這套流程能長期跑的前提。
問題七：導入要多久、會不會打斷現有的售後作業？
一般而言，名單匯入與撥打規則設定可在數個工作天內完成，不需更動現有維修系統的核心流程——它接的是「外撥提醒」這段獨立工作流。前述案例在第一個 60 天週期內，多數 KPI 即出現可衡量的變化。
下一步
想知道 AI 電話能幫你的服務廠拉回多少回廠率？ 先看 AI 語音外撥助理 怎麼把整月定保名單當天跑完，再看 通話結果自動化 如何把車主回應四向分流成可執行清單。想先補齊外撥合規與選型的基礎觀念，讀台灣 AI 電話行銷完整指南 2026。