三個平台的負評各自為政，飯店永遠抓不到真正該修的那間房

芭達雅一間六十間房的中型飯店，Agoda、Booking.com、Google 地圖三個平台每天都會冒出幾則新負評。櫃檯值班人員輪流回覆，用的幾乎是同一句「非常抱歉造成您的不便，我們會盡快改善」，貼上去、案子就算結了。到了月會，行銷或前台主管報告：「這個月負評十二則，平均分數 7.8 分」，僅止於此——沒有人說得出這十二則裡有幾則在罵冷氣不冷、幾則在罵早餐重複、幾則在罵夜間隔音差，更沒有人知道是不是都集中在某幾間房、某個樓層、或某個時段的值班班別。於是下個月，同樣的抱怨又原封不動地再出現一次。

為什麼負評永遠「回完就沒了」

• 回覆速度被當成唯一 KPI：主管只在意「幾小時內回覆」，卻沒人統計負評背後的問題類型。
• 三個平台各自為政：Agoda 的後台看不到 Booking.com 的評論，Google 地圖又是另一套介面，沒人有時間把三邊資料倒在一起看。
• 罐頭回覆掩蓋真相：每則都寫「我們會盡快改善」，聽起來有在處理，實際上沒有人知道要改善「什麼」。

一份好的負評月報該有的幾個要件

• 先分類，再算次數：把每則負評拆成「房務清潔／空調溫控／餐飲品質／噪音隔音／服務態度／設施故障」等類別，才看得出哪一類反覆出現。
• 要能定位到房號、樓層、時段：光知道「冷氣有問題」沒有用，要知道是哪幾間房、哪個樓層，才能真正排查修繕。
• 排出優先順序：找出出現次數最高的前三名問題，而不是把十二則負評平均攤開處理。
• 回覆要分級：能立刻處理的、需要時間改善的、屬於旅客認知落差需要說明的，三種情況該用完全不同的語氣回覆。

🔧 AI 動手做：三平台負評彙整月報＋分級回覆範本

把三個平台本月的負評文字整批複製貼給 AI，一次跑出分類統計、房號樓層對照表，還有分好級的回覆草稿，比開會討論半天更快抓到問題。

你是一間泰國中型飯店的客訴分析顧問。以下是我們飯店本月在 Agoda、Booking.com、Google 地圖三個平台收到的所有負評原文（已標註平台來源，若有房號或日期也一併附上）：

[貼上三個平台本月全部負評原文，盡量保留房號/日期/評分等資訊]

請幫我完成：
1. 把每一則負評分類到以下類別之一：房務清潔／空調溫控／餐飲品質／噪音隔音／服務態度／設施故障／其他，並列出「分類 × 出現次數」的統計表。
2. 如果負評內容有提到房號、樓層或住宿時段（如夜間、清晨、旺季週末），請一併整理成「問題 × 房號/樓層 × 時段」的對照表，幫我找出是否集中在特定樓層或特定時段。
3. 依出現次數排出本月「最需要優先處理的前三大問題」，並各自說明可能原因與建議改善方向。
4. 針對每一則負評，判斷它屬於「A. 可以立即處理並回覆」「B. 需要時間才能改善，要先讓旅客知道時程」「C. 屬於旅客認知落差或誤解，需要委婉說明」三種情況之一，並各生成一段適合貼在該平台上的中文與泰文回覆草稿（語氣真誠、避免罐頭用語，具體提到我們正在做的改善動作）。

我們是位於[城市/區域]的[房型/星等]飯店，共 [房間數] 間房，這個月共有 [負評則數] 則負評。

本週就能做的一步：先把過去 30 天三個平台的負評（不用等到月底）整批複製貼給 AI，跑出一次「分類 × 房號/樓層」的統計表，拿著這張表去現場走一趟被點名最多次的那幾間房，看看問題是不是真的存在——這比再等一個月開會討論更快找到答案。