美甲師的雙十一:一晚四十則私訊,漏接了十一個客人

雙十一檔期,一位美甲師的私訊在兩小時內暴增到四十則。她一邊做最後一位客人,一邊見縫插針地回。檢討當晚:四十則詢問,成交十四個預約,十一個就這麼過期了。這是漏損理論的實戰版。

美甲師雙十一案例:一晚 40 則私訊漏接 11 個客人的檢討

十一點的四十則

雙十一晚上,一位美甲工作室老闆的 LINE。

她提前一週預告了檔期:全店造型八折、指定款式再折。晚上九點,私訊開始進來。九點半,她正在做當天最後一位客人的手。十點,訊息從每一兩分鐘一則,變成每半分鐘一則。

十點半,她放下吹風機的空檔掃了一眼:未讀 27。

十一點,送走客人,她坐下來回訊息。未讀 40。

接下來的兩個小時,她逐則回覆:報價、確認款式、查時段、來回敲時間。凌晨一點,她回完最後一則,累癱。

隔天檢討,她把當晚的訊息攤開來看:

四十則詢問。成交十四個預約。十五則明確放棄(時段不合、預算考量)。十一則——過期。

過期的意思是:她回覆的時候,客人已讀;但客人沒有再回來。後來她在社群上刷到,其中兩位當晚就約了別家——她們等不了兩小時。

一分鐘小教室

詢問的「保存期限」

預約詢問有一個很少被談論的性質:它會過期。

不是因為客人善變,是因為意圖是能量,會衰退。客人按下「傳送」的那一秒,是意圖的峰值——她想變美、有空、剛好刷到你的貼文。之後每一分鐘,這個能量都在散逸:她開始猶豫要不要花這個錢、她男朋友叫她早點睡、她滑到了別家也打折的貼文。

回覆速度的意義不是禮貌,是在保存期限內完成轉換

40 則詢問漏 11 則,漏損率 27.5%。以平均客單 1,300(雙十一折扣後)估:一晚漏掉 14,300 的潛在營收。 檔期越成功,這個數字越大——爆量的訊息和有限的回覆速度,天生互相追殺。

三層防護:把「拼命回」變成「有底線」

事後她重新設計了流程。不是更努力,是分層:

第一層:常見問題自動回覆(事前)

雙十一的詢問,八成是重複的:多少錢、折扣怎麼算、做多久、什麼時候有位。這些她提前做成自動回覆選單:點「雙十一方案」→ 價目+時長+規則一則看完。進到她眼前需要親自回的,只剩真正特殊的詢問。(這正是客服系列說的 A/B 分類法——A 類自動化,B 類留給人。)

第二層:剩餘時段即時顯示(事中)

「還有位嗎」是當晚最高頻的問題。答案明明是動態的(每成交一個就少一個),但傳統做法要她逐則回覆、即時查。改法:時段狀態公開顯示(自動更新)——客人自己看得到「週六下午全滿、週日下午剩兩個時段」,不用問。客人不問你,就不會有漏接。

第三層:候補機制(事後)

滿了的時段怎麼辦?以前是「不好意思滿了」,然後客人去找別家——這正是漏損。候補機制:客人留資料,有人取消自動通知遞補。雙十一那晚她取消的訂單有 3 個(臨時有事),如果當時有候補,這 3 個時段不會空轉。

過期救回:24 小時內的一則訊息

最後是補救。隔天中午,她對那 11 則過期詢問統一發了一則:

「昨天訊息量太大回覆慢了,不好意思!如果還有興趣,這是目前剩下的時段:⋯⋯」

結果:3 則回覆,2 個成交。

救回率不到兩成,但這是零成本的兩筆生意。 重點不是比例,是這則訊息以前根本不會存在——漏完就忘了,連救的動作都沒有。

案例回到框架

把這個案例對回三段漏損:雙十一漏的 11 則是第一段(漏接)的爆量版;no-show 沒在這晚發生但檔期後跟著來(折扣預約的 no-show 率通常更高——承諾成本低);回頭客則是檔期的隱形紅利(體驗好的新客會回流)。

分層防護、時段自助、候補遞補、過期救回——四個動作,每一個都不需要更拼命,只需要換結構。

下一篇案例換行業:訂金話術——收訂金不嚇跑客人的三種說法。

這篇是沙龍預約系列的第六篇(P1 案例篇)。

這篇文章對你有幫助嗎?

討論

載入中…

相關文章

02-04 顧客溝通

每天回 200 則訊息,但真正需要你判斷的可能只有 30 則

客服人員的一天:200 則訊息,其中 80 則問營業時間、45 則問密碼、30 則問退貨流程。真正需要你專業判斷的只有 30 則。你不是不專業,是你的大腦被重複勞動塞滿了。認知負荷理論告訴你為什麼「忙」不等於「有價值」。

02-15 顧客溝通

為什麼 79% 客戶仍偏好真人客服?不是因為 AI 不夠聰明

AI 客服的解決率年年提升,但 79% 客戶仍偏好真人處理複雜問題。93% 企業覺得 AI 夠好,只有 53% 客戶同意。這個 40% 的認知落差不是技術問題——是企業把「正確回答」等同於「讓客戶滿意」。客人要的不只是答案,是確認。

02-17 顧客溝通

全託管 vs 自建:AI 客服的三種採購模式怎麼選

買 Zendesk 套裝?用 GPT API 自己建?還是找 Crescendo 全包?三種採購模式,適合完全不同的企業。選錯模式比選錯平台更貴。一個簡單的決策框架:看你的客服量、技術能力和行業特殊需求。