AI 工作流優化：把 AI 嵌入每日 CS 節奏

學完前四課的技能後，這一課教你怎麼把它們「串」起來。不是偶爾用一次 AI，而是讓 AI 成為你每天工作的一部分。

---

課程目標

學完這堂課，你將能夠：

1. 設計一套「AI-first」的每日 CS 工作流程，從早到晚都有 AI 輔助
2. 建立個人和團隊的 Prompt Library，避免每次都從零開始
3. 運用 AI 做流失預警、新客導入、週報生成等系統化場景

---

一、為什麼 95% 的 AI 專案會失敗？

一個你應該知道的數字

根據 MIT 研究，約 95% 的 GenAI 專案被評估為「沒達標」。

但原因不是 AI 不好用。 典型的失敗模式是：

1. 只教「會用 ChatGPT」卻沒嵌入日常流程 → 學了一天，回到辦公室就忘了
2. 做炫砲 POC，六個月後沒人採用 → 因為和真正的工作流無關
3. 管理者沒定義清楚成功指標 → 「AI 化」到底成功了沒有，沒人說得清

你在前四課學到的，是散裝的 AI 技能。這一課的目標，是把它們打包成你的「日常工作系統」。

---

二、一個 CSM 的 AI 日常（完整範例）

以下是一個理想的 AI-first CSM 日常流程。你不需要第一天就做到全部，但可以從中挑 2-3 個最容易開始的場景先養成習慣。

早上（9:00-10:00）：AI 晨會準備

場景： 每天開工前 15 分鐘，用 AI 快速掌握今天要做什麼。

做法：

1. 把昨天的客戶互動紀錄（email、ticket、對話摘要）貼給 AI
2. 用以下 Prompt：

我是客戶成功經理，以下是昨天的客戶互動紀錄。請幫我：
1. 整理今天需要跟進的 3 件最重要的事（按急迫性排序）
2. 每件事列出：客戶名稱、事由、建議行動、預計花多少時間
3. 如果有任何「看起來需要升級處理」的項目，特別標記出來

3. AI 會產出一份「今日待辦 + 優先序」，你只要花 5 分鐘確認和調整

為什麼有效： 不用花 30 分鐘翻 email 和 ticket 回想昨天的狀況。AI 幫你做完「回顧 + 排序」，你專注在「判斷 + 行動」。

上午（10:00-12:00）：AI 輔助客戶會議

場景： 開客戶會議前 10 分鐘，用 AI 快速準備。

會前準備 Prompt：

我等一下要和 {客戶名稱} 開會，主題是 {會議主題}。
以下是這個客戶最近的互動紀錄和數據摘要：
{貼上相關資料}

請幫我準備：
1. 3 個開場可以提到的正面數據點（暖場用）
2. 2 個需要討論的議題（含建議的切入角度）
3. 1 個可能被客戶問到的尖銳問題 + 建議回答方向

會後整理 Prompt：

以下是剛才會議的錄音逐字稿（或我的手寫筆記）：
{貼上內容}

請幫我產出：
1. 結構化會議紀錄（出席者、討論重點、決議事項）
2. Action items 清單（負責人、截止日、內容）
3. 一封可以寄給客戶的 follow-up email 草稿（確認會議決議 + 下次會議時間）

雙平台提示：

• ChatGPT：長文處理能力強，適合處理完整逐字稿
• Gemini：如果你用 Google Meet 錄音，可以直接在 Gemini 中上傳錄音檔分析

下午（14:00-16:00）：AI 數據巡檢 + 流失預警

場景： 每週固定一個下午，用 AI 掃一遍客戶健康度。

流失預警 Prompt（結合 Lesson 01 技能）：

以下是我負責的 {N} 個客戶帳號最近 30 天的使用數據 CSV。

請幫我：
1. 找出使用量下降超過 20% 的客戶（標記為「高風險」）
2. 找出 support ticket 數量突然增加的客戶（標記為「需關注」）
3. 找出已經 14 天以上沒有登入的客戶（標記為「沈默帳號」）
4. 針對每個被標記的客戶，建議一個「第一步行動」（例如：發關懷信、安排 check-in call、確認技術問題）

用表格呈現，欄位：客戶名稱、風險標記、關鍵數據、建議行動

為什麼有效： 某 SaaS 平台的 CS 團隊系統化地用 AI 做 churn scoring，6 個月內流失率降了 36%、日常效率提升 40%。關鍵不是 AI 多厲害，而是「系統化 + 固定頻率」。

下午（16:00-17:00）：AI 輔助行政作業

場景： 下班前 1 小時，用 AI 處理行政雜事。

週報生成 Prompt（結合 Lesson 01 + 02 技能）：

以下是我這週的工作紀錄（email 摘要、會議紀錄、ticket 處理記錄）：
{貼上內容}

請幫我產出一份週報，格式如下：
1. 本週重點（3-5 項，每項一句話 + 對應數據或成果）
2. 進行中的重要案件（客戶名、狀態、下一步）
3. 需要主管協助的事項（如果有）
4. 下週預計重點（2-3 項）

語氣：簡潔專業，不用太正式

月報 / QBR 準備 Prompt（結合 Lesson 04 技能）：

以下是我本月的所有客戶互動摘要和數據：
{貼上內容}

請幫我產出月報初稿，包含：
1. 本月客戶組合概覽（客戶數、健康度分布、ARR 變動）
2. 重點客戶動態（Top 5 客戶的狀態更新）
3. 風險帳號 + 處理進度
4. 本月 wins（成功續約、upsell、客戶好評）
5. 下月優先事項

---

三、新客導入（Onboarding）的 AI 加速

新客導入是 CS 最重要的環節之一——完成 onboarding 的速度是最強的留存指標。以下是 AI 能幫你的地方。

Onboarding Checklist 自動生成

我們剛簽下一個新客戶，基本資訊如下：
- 產業：{產業}
- 規模：{員工數/營收等級}
- 購買模組：{模組清單}
- 主要使用者：{角色，例如行銷主管 + 2 位行銷專員}
- 特殊需求：{例如需要串接 GA4}

請幫我產出一份客製化的 onboarding checklist：
1. 分為「第一週 / 第二週 / 第一個月 / 第二個月」四個階段
2. 每個階段列出 3-5 個里程碑
3. 每個里程碑標明：負責人（CS / 客戶 / 技術團隊）、預計完成日、驗收標準
4. 額外標出「常見卡關點」和「預防措施」

歡迎信 + 第一次 Check-in 準備

請幫我寫一封歡迎信給新客戶 {客戶名稱}。

要求：
- 語氣溫暖但專業（像是「你的專屬顧問跟你打招呼」）
- 內容包含：自我介紹（我是他們的 CSM）、onboarding 大致時間軸、第一次 check-in 會議的建議時間和議程
- 結尾附上「如果有任何問題隨時聯繫我」
- 控制在 200 字以內

為什麼 Onboarding 用 AI 特別有效？

1. 標準化 + 客製化兼顧：AI 可以根據客戶特性（產業、規模、購買模組）自動調整 checklist，不用每次手動改 template
2. 不遺漏：新手 CSM 最容易忘記的就是 onboarding 的步驟，AI 幫你建 checklist 就等於有了一個經驗豐富的 mentor
3. 速度：從收到簽約通知到寄出歡迎信，可以壓縮到 30 分鐘以內

---

四、建立你的 Prompt Library

為什麼需要 Prompt Library？

前面四課教了你很多 Prompt 模板。但如果每次都要回去翻課程筆記找模板，你大概用了兩天就會放棄。

Prompt Library 的目的：讓你常用的 Prompt 像快捷鍵一樣，一秒就能取用。

建立方式（三種，選一個你順手的）

方式 1：Google Doc（最簡單）

• 建一份 Google Doc，依場景分類（數據分析 / 客戶溝通 / 行銷文案 / 提案簡報 / 日常行政）
• 每個 Prompt 標注：場景名稱、Prompt 內容、使用時機、上次使用日期
• 優點：團隊可以共編、隨時加新的

方式 2：Notion / Google Sheets（結構化管理）

• 用表格管理：Prompt 名稱 | 分類 | Prompt 內容 | 適用工具 | 效果評分 | 備註
• 優點：可以篩選、排序、加評分

方式 3：ChatGPT 對話記錄 / Gemini Gems（零成本）

• 在 ChatGPT 裡開一個專門放 Prompt 的對話，釘選起來
• 在 Gemini 裡建一個 Gem，把常用 Prompt 存進去
• 優點：最快，直接在 AI 工具裡存取

Prompt Library 模板

以下是你可以直接抄走的 Prompt Library 結構：

分類	Prompt 名稱	使用時機	出處
數據分析	三大關鍵發現	主管問數據重點時	Lesson 01
數據分析	異常偵測	數據 review 前	Lesson 01
數據分析	月份比較表格	月報 / QBR	Lesson 01
數據分析	流失預警掃描	每週固定巡檢	Lesson 05
客戶溝通	客訴回信重寫	收到情緒性 email	Lesson 02
客戶溝通	會議紀錄 + Action Items	會議結束後	Lesson 02
客戶溝通	異議處理話術	客戶提出異議時	Lesson 02
行銷文案	推播文案 3 版	需要文案初稿	Lesson 03
行銷文案	EDM 完整版	EDM 排程前	Lesson 03
提案簡報	QBR 洞察（4G-CSE）	季度回顧前	Lesson 04
提案簡報	續約提案	續約到期前 60 天	Lesson 04
日常行政	晨會待辦整理	每天早上	Lesson 05
日常行政	週報生成	每週五	Lesson 05
Onboarding	客製化 Checklist	新客簽約後	Lesson 05
Onboarding	歡迎信	新客簽約後	Lesson 05

團隊 Prompt Library 的進階用法

兩週後做一次 Retro：

1. 團隊成員各自分享「這兩週最常用、最有效的 Prompt」
2. 收集起來整理成 Team Cheat Sheet
3. 每月更新一次，淘汰沒人用的、加入新發現的

為什麼這很重要？ 因為 AI 的價值不在個人，在團隊。一個人發現好用的 Prompt，十個人都能受益。

---

五、Feedback Loop：持續優化你的 AI 用法

為什麼需要 Feedback Loop？

如果你只是「有空就用一下 AI」，效果會隨時間遞減。建立一個簡單的回饋循環，才能讓 AI 技能持續進步。

三步驟回饋循環

Step 1：記錄（每次用完 AI 後花 30 秒）

• 這次 Prompt 效果如何？（👍 直接用 / ✏️ 小改就能用 / ❌ 要大改）
• 如果需要修改，改了什麼？（記下來，下次直接寫進 Prompt）

Step 2：回顧（每兩週一次，15 分鐘）

• 看一下自己的使用紀錄
• 哪些 Prompt 用最多？效果最好？
• 有沒有新發現的場景可以加 AI？
• 有沒有一直在手動做、其實可以交給 AI 的事？

Step 3：更新（每月一次，和團隊一起）

• 更新 Prompt Library
• 分享新的使用場景
• 討論 AI 工具的新功能（ChatGPT 和 Gemini 每月都有更新）

衡量指標

不用太複雜，追蹤這三個就夠了：

指標	怎麼衡量	目標
省時	「這件事如果不用 AI 要花多久？」	每週省 3+ 小時
產出品質	「AI 初稿需要改多少？」	80% 以上可直接用或小改
使用頻率	「這週用了幾次 AI？」	每天至少用 1 次

---

AI 協作：學了這個，跟 AI 怎麼配合？

工作流優化的關鍵不是「偶爾用 AI」，而是「每天固定讓 AI 做它擅長的事」。

你的人類優勢：

• 你能設計「什麼時間用 AI 做什麼」的流程——AI 不會主動幫你規劃工作節奏
• 你能判斷 AI 的流失預警是否需要行動——數據下降可能是系統問題，也可能是客戶真的要走

可以這樣跟 AI 說：

以下是我這週處理的所有客戶互動（email + ticket + 會議筆記）。請幫我產出週報初稿，並標記出「下週需要優先處理」的 3 件事和理由。

---

六、實戰練習

---

本課重點回顧

1. 系統化 > 偶爾用：AI 的價值在於嵌入日常流程，不是偶爾想到才打開
2. 從最痛的地方開始：挑一個每天最花時間的任務，先用 AI 輔助那個
3. 流失預警要固定頻率：每週掃一次客戶健康度，比等到客戶抱怨才處理有效得多
4. Onboarding 用 AI 最有感：因為步驟多、可標準化、又需要客製化——正好是 AI 擅長的
5. Prompt Library 是你的長期資產：一個人的好 Prompt，可以讓整個團隊受益
6. Feedback Loop 是關鍵：記錄→回顧→更新，讓 AI 技能持續進步

---

課程總結：五堂課的學習地圖

恭喜你完成了「中階 D：客戶成功與數據服務」的全部課程！

課堂	核心技能	一句話總結
Lesson 01	CSV → 洞察	上傳就能分析，5 個模板覆蓋八成場景
Lesson 02	客戶溝通	信件、會議紀錄、異議處理都交給 AI 初稿
Lesson 03	行銷文案	推播、EDM、腳本，80 分初稿 + 你的 20 分 = 100 分
Lesson 04	提案加速	QBR 和續約提案用 4G-CSE 框架，從一天壓到一小時
Lesson 05	工作流優化	把以上四項串成每日系統，加上流失預警和 Prompt Library

接下來怎麼做？

1. 這週：從 Lesson 05 的練習 1 開始，設計你的 AI 日常流程
2. 兩週後：和團隊做一次 AI Retro，分享各自的 Prompt 和心得
3. 一個月後：回來看看你的 Prompt Library 收集了多少、省了多少時間

記住：AI 做分析，你做判斷。AI 出初稿，你做決策。 你不是被 AI 取代的人，你是「會用 AI」的人——這在團隊裡就是不可取代的價值。