客訴主題分群器

20 則靠人腦其實還撐得住，但你會發現自己每週都在重複處理同樣 3-4 類問題（運費、退換貨、商品瑕疵）卻沒系統化整理。用這個分群器跑一個月份的客訴（約 600 則），10 秒會跟你說 60% 都是「物流延遲」造成的，你就知道該去 KPI 物流商而不是訓練客服話術。重點不是省回覆時間，是看出問題的「根」。

ChatGPT 一次貼 50 則它會給你一段「整體看起來客戶在抱怨...」的散文，要再追問才會給分類。我們做的是固定輸出 5-8 個主題群 + 每群占比 + 代表性客訴 3 則 + 建議行動，格式可以直接貼進週報。另外我們有針對台灣電商常見抱怨類型微調 prompt，「貨到付款想退」這種 ChatGPT 會分錯，我們會抓對。

中文客訴（蝦皮聊聊、IG 私訊、客服信件）準確率約 85%，意思是 100 則裡會有 15 則被歸到鄰近但不完全對的群。但因為我們會列出每群的代表性原文 3 則，你掃過去 30 秒就能抓到分錯的。建議的用法是「先用 AI 分一輪、人再校 5 分鐘」，不要當成最終結論直接拿去開會。

目前 AI101 全部工具都免費，這支客訴分群器走積分制（解鎖 100 點），新會員註冊就送 100 點，剛好夠跑一輪；每天簽到、做任務或玩小遊戲還能再領 10-20 點，不用花錢就能持續用。客單 800-2000 的中小品牌一個月客訴大概 300-800 則，跑一次月報剛好。技術上目前單次最多丟 500 則、只支援中文，準確率約 85%，比 ChatGPT 直接貼上去更穩定（我們有針對客訴情境調過分群邏輯，且資料不會被拿去訓練模型）。如果你是每天破千則的大品牌，未來可能會推進階版（匯出 Excel、自訂分群維度），但目前還沒有付費方案，先用積分版玩看看。

我們走 Gemini API 處理，根據 Google 條款 API 流量不會被拿去訓練模型。建議你貼之前先用我們內建的「去識別化」按鈕，會自動把訂單編號、電話、姓名換成 XXX，只留下抱怨內容。處理完的原始資料我們不存，只存分群結果摘要（給你之後比對趨勢用）。真的很敏感的客訴（例如法律糾紛）建議還是別貼。