通過考試的機器人，和沒動的營業額
場景：一間美甲工作室，三個月前導入了問答機器人。
成果很具體：客人半夜問「你們幾點關門」，bot 秒回「營業到晚上八點，最後預約時段六點半」。問「做一次光療多久」，秒回「約 90 分鐘，含卸甲」。老闆很滿意——她親自回訊息的時間少了一半。
然後某個週四早上，她睡醒打開手機，看到八則 overnight 訊息：
「明天下午有位嗎？」 「週六還約得到嗎？」 「禮拜五晚上可以嗎？」
八則。全部是 bot 回答不了的問題——因為這些不是知識問題，是時段問題。答案不在知識庫裡，在她的日曆裡，在她的腦子裡。
她花了四十分鐘回完這八則，其中兩則的客人已經讀不回——大概約了別家。
這就是問題的形狀：機器人通過了考試，營業額一毛沒動。
兩個不同的商業動作
把「客人的問題」分成兩種，答案的所在完全不同：
知識問題——「你們幾點關門」「光療多少錢」「可以指定設計師嗎」。答案存在知識庫裡，固定的，答一百次都一樣。這是客服機器人的主場。
承諾問題——「明天下午有位嗎」「可以幫我留週六早上嗎」。答案存在你的日曆裡，動態的，而且答案本身就是一筆生意。答「有」之後還要確認時段、確認服務、收到行事曆。
漏損發生在承諾問題。 因為承諾問題沒辦法預先回答——它需要即時的時段資訊，需要來回確認，最後需要一個「鎖定」的動作（時段保留、訂金、提醒）。
客服解決疑問。預約鎖定承諾。你的 bot 停在疑問的門口，而錢在承諾那一側。
最後一哩的三種漏
把一週的「有空嗎」訊息翻出來看，漏損有三種：
漏一：回覆延遲。 半夜十一點的詢問，你早上九點回。十小時裡，客人可能已經被回覆更快的工作室接走。晚間是預約詢問的高峰（客人下班才有空規劃），剛好是你最無法回覆的時段。
漏二：確認磨損。 你回「明天下午可以」，客人問「幾點？」，你回「兩點或四點」，客人選兩點，你再回「好，幫你保留，要做什麼服務？」——五則訊息才完成一個預約。每多一則往返，就多一次客人失去耐心的機會。
漏三：口頭蒸發。 終於約好了——在訊息裡。沒有提醒、沒有日曆事件、客人自己也忘了。到了明天下午兩點，位子空著，客人沒來。你連他是誰都要往上滑半天。
三種漏加起來，就是「bot 很勤勞、營收沒成長」的完整解釋。
把最後一哩接起來
方向很清楚：讓「有空嗎」這個問題，能在詢問的當下、在那個對話裡，直接變成日曆上的預約。
具體的順序（不需要一步到位）：
- 先看見漏損——把一週的預約詢問訊息翻出來，標記三種漏各發生幾次。看見是管理的第一步。
- 標準服務開放自助時段——固定時長、固定價格的服務（基礎保養、修剪、洗髮），讓客人在對話裡直接看到可用時段、自己選。回覆時間從「隔天早上」變成「零秒」。
- 特殊需求保留人工——染髮、複雜造型、新客戶第一次，這些需要你的判斷。系統只負責把詢問整理好（服務項目、期望時段），你回覆時不用再問基本資料。
這個系列的後面幾篇會把每一步展開：漏損怎麼算成錢、系統怎麼選、對話式預約為什麼比表單更貼近客人的行為。
這個系列要回答的問題
這是「沙龍預約經營」系列的第一篇。前面客服系列解決了「問」——不寫程式也能讓機器人回答七成重複問題。這個系列解決「約」：
- 你的手機裡漏掉了多少錢（三段漏損的計算）
- 「免費」預約系統的真正帳單（Fresha 定價解剖）
- 為什麼預約應該長得像聊天，而不是表單（對話式預約）
- 美甲、美容、診所三個行業的真實案例
想先看數字？下一篇直接算給你：半夜回訊的注意力成本。
你的漏損體質如何？留下 Email，測一下
「問完就約」的斷點漏了多少？留下 Email，解鎖一份三段漏損自評工具——六個問題，測出你的預約漏損集中在哪一段。
載入中…