痛点:原来怎么干的

3 家门店每天约 180 个预约,前台 2 人各打 60 多通确认电话,平均一通 3 分钟;周末高峰漏打常见,月度爽约率长期在 18% 左右,一个空档按客单价折算约损失 260 元,每月空转近 90 个号源。

做法:分几步改

  1. 把预约系统导出的当日名单按初诊、复诊、儿童、老年四类分层,标注历史爽约次数与到店距离。
  2. 为每一层写一套提醒模板,交给大模型批量改写称呼与时段,输出可直接复制的短信和电话话术。
  3. 按提前 48 小时、24 小时、4 小时三个节点用流程自动化排期发送,回执异常的号源自动打回前台。
  4. 每周汇总未到诊记录,让 AI 归纳高频原因并给出时段调整建议,由店长确认后更新下周排班。

效果:改完变成什么样

爽约率
18% → 9%
单日提醒耗时
约 150 分钟 → 25 分钟
月度回收空号源
约 30 个 → 70 个

可以直接抄的三条

  • 先按就诊类型和历史行为分层再统一话术,比一套模板群发到底的到诊率明显更稳。
  • 提醒节点固定成 48、24、4 小时三档,人工只留给异常回执,能省掉大部分重复沟通。
  • 爽约原因要每周回看并反馈到排班,否则提醒做得再好也只是在补漏。
适用边界:该做法在本案例的规模与工具条件下成立,换到数据量更大、合规要求更严的场景需重新验证。 效果数字为案例方提供或访谈整理的参考值,不构成效果承诺。
广告
案例详情页广告位(正文下方)
阅读完成率高,适合有转化目标的工具方
查看档期与价格 →
来源:社区分享整理(案例方为化名机构),效果为用户自述参考值
涉及工具:大模型 API、流程自动化、表格处理 · 标签:客服自动化、模板化、异常处理