躍創科技 logo
躍創科技Tradex-tech

客戶在 LINE 群組喊「老樣子 A 款 5 箱」怎麼自動進 ERP?用 AI 語意解析搞定口語別名與品號對照表

台灣批發與製造業 LINE 接單進 ERP 實戰指南。拆解 AI 三層語意對齊引擎如何將「老樣子 5 箱」等口語別名自動轉換為標準品號、換算單位並套用專屬合約價拋單。

核心決策結論:解決 LINE 群組口語叫貨進 ERP 的關鍵,是建立「客戶歷史常買記憶+混合語意檢索+包裝單位換算」三層對齊引擎,並搭配 92% 信心度分流,可將單張打單時間從 3 分鐘降至 5 秒並減少 92% 錯單。

在台灣做食材批發、五金建材、冷凍水產、美妝耗材或機械零件的企業老闆,幾乎都經歷過這樣的早晨:早上 7 點半打開公司電腦,上百個客戶 LINE 群組已經閃著滿滿的紅點——

  • 好味熱炒陳老闆傳來:「老闆早,明天一早送桃園店:老樣子 A 款油 5 箱、大支辣椒醬 6 瓶、上次那個胡椒粉再 3 包!」
  • 隔了兩分鐘又補一句:「啊對了,辣椒醬改 10 瓶才夠用。」
  • 永興水電行張師傅則直接拍了一張寫在紙箱背面的潦草手寫單:「三分白鐵內牙 200 個、PVC 4 分彎頭 5 袋,下午工地急用!」

面對這些五花八門的口語叫貨訊息,為什麼傳統的「B2B 線上訂貨網站」或「關鍵字聊天機器人」總是推不動?因為你的下游客戶(餐廳主廚、工地主任、採購師傅)在忙得滿頭大汗時,根本不可能點開網頁、輸入帳號密碼、在幾千個標準品號裡搜尋「SUS304 不鏽鋼內牙接頭 PT 3/8"」再加入購物車結帳。結果就是:全公司只能依賴幾位年資 5 年以上的資深業務助理,靠人腦背誦「哪個客戶講的『老樣子』是哪支品號、哪個客戶拿 85 折合約價」,每天花 3 到 4 小時人工看 LINE 抄單 Key 進鼎新或正航 ERP。

本篇為 不換掉舊 ERP 也能做 AI 自動接單與報價(Pillar 4 支柱文) 的核心技術深潛篇。我們將完整拆解躍創科技如何透過 「三層式 AI 口語品名對齊引擎(3-Layer Hybrid SKU Matching Engine)」,在不改變客戶傳 LINE 隨手叫貨習慣的前提下,自動將口語俗稱、代名詞與跨行改單轉化為 100% 對齊 ERP 主檔的結構化銷貨單。若您想直接了解系統導入規格,可同步參閱我們的 製造與批發業 AI 自動報價與接單解決方案 與 製造業 AI 轉型專區。

B2B 批發 LINE 群組「口語叫貨轉 ERP 標準品號(SKU)」三層語意對齊引擎
圖一:B2B 批發 LINE 群組口語叫貨轉 ERP 標準品號三層對齊引擎(從陳老闆傳送「老樣子 A 款油 5 箱」到自動解析品號、換算包裝單位、套用經銷合約價並寫入 ERP 銷貨單草稿)。

一、為什麼直接把 LINE 訊息丟給通用 ChatGPT 會對錯品號?剖析 B2B 批發叫貨的 5 大語意難題

許多企業 IT 嘗試過用簡單的自動化工具,把客戶的 LINE 訊息直接丟給 ChatGPT API 要求「轉成表格」,結果上線第一天就因為開錯單、送錯貨而被業務部門緊急叫停。

原因在於:通用大型語言模型雖然懂中文,但它 不懂貴公司 ERP 裡的 5,000 個標準品號規則,更沒有 特定客戶的歷史交易上下文。在真實的台灣 B2B 批發與製造業 LINE 群組中,AI 必須同時克服以下 5 大類混亂口語句型:

口語叫貨難題類別LINE 群組真實訊息範例傳統關鍵字或單純 LLM 為何會失敗?躍創科技 AI 語意引擎的底層解法
1. 上下文代名詞型(老樣子/上次那款)「老闆,老樣子豆油 5 箱,還有上禮拜叫過的那個封口膜再來 2 捲」訊息中根本沒有出現品名規格,單純看文字連神仙都猜不出是哪支 SKU。呼叫 Layer 1 客戶歷史購買記憶庫(Customer Reorder Graph):依 LINE 群組綁定之 CUST_ID,檢索該客戶近 90 天高頻回購品項與最後一次成交紀錄。
2. 行業黑話與一物多用俗稱型水電喊「三分白鐵內牙」、餐飲喊「大支紅頭辣醬」、加工廠喊「2mm 黑皮鐵板」ERP 主檔正式品名寫的是 SUS304 不鏽鋼內牙接頭 3/8",字面重合度不到 20%,關鍵字搜尋完全找不到。呼叫 Layer 2 雙軌別名辭典 + 混合向量檢索:結合全域行業黑話庫、客戶專屬俗稱表(Alias Table)與 BM25 規格字元加權搜尋。
3. 包裝單位與庫存基準單位不一致型客戶喊「沙拉油 5 箱、雞胸肉 30 台斤」,但 ERP 庫存主檔是以「桶(4桶/箱)」與「公斤(KG)」計價若直接把數量 5 與 30 拋進 ERP,會變成只出 5 桶油與 30 公斤肉,造成嚴重短出與帳款錯誤。呼叫 Layer 3 多維度單位換算矩陣(Unit Conversion Matrix):根據品號主檔設定之換算係數(如 1 箱 = 4 桶、1 台斤 = 0.6 公斤),自動轉為 ERP 基準計價單位。
4. 多人閒聊穿插與跨行追加改單型23:10「明天送高麗菜 3 籃」
23:12「老闆早安貼圖」
23:14「啊高麗菜改 5 籃,再加蒜頭 10 斤」
若每收到一則 LINE Webhook 就立刻建一張單,會產生兩張重複訂單並把閒聊當成商品報錯。導入 90 秒滑動視窗合併(Debounce Window)+ 差量狀態機(Order Mutation):自動過濾貼圖閒聊,並將未截單前的「改數量/取消/追加」直接更新於同一張訂單草稿。
5. 千人千價與贈品搭贈規則型A 連鎖總部叫貨享 82 折月結、B 單店叫貨為 95 折貨到付款,且買 10 箱送 1 箱通用 AI 只會抓牌價,一旦報錯專屬合約價顯示在 LINE 群組,立刻引發客戶比價抗議。安全串接 ERP 客戶價格表(Price Book API):金額計算完全不靠 LLM 心算,而是由後端確定性程式碼(Deterministic Code)查表算出精確含稅總額。

二、核心技術揭秘:三層式 AI 口語品名對齊引擎(3-Layer Hybrid SKU Matching)

為了讓 LINE 接單進 ERP 的品號配對準確率突破 95% 以上,我們絕對不能把整份 10,000 筆 ERP 產品主檔塞進 Prompt 讓 AI 盲猜(那樣不僅每次對話要燒掉好幾塊美金的 Token,還會因為長文本注意力分散而配錯規格)。

在工程實務上,我們設計了高精準度的 「三層漏斗式檢索與對齊管線」:

第一層(Layer 1):客戶專屬歷史常買記憶與別名映射表(Customer Alias & Reorder Memory)

在 B2B 批發業有一個黃金定律:單一熟客 85% 以上的日常叫貨,都集中在該客戶過去 90 天買過的 30 到 80 個常買品項(Active SKU Pool)中。

  • 當系統透過 LINE Messaging API Webhook 收到來自「好味餐廳叫貨群(Group_ID 對應 ERP CUST_ID: C089)」的訊息時,第一步不是去搜全公司一萬種商品,而是先查詢 C089 的 「專屬俗稱映射表(Customer Alias Table)」 與 「近 90 天常買清單」。
  • 只要陳老闆喊過一次「A 款油」並經確認對應為 OIL-18L-A,這組映射關係就會永久鎖定在 C089 的記憶庫中。下次他再喊「A 款油」或「老樣子油」,Layer 1 會在 5 毫秒內以 99.9% 的確定性直接命中正確品號。

第二層(Layer 2):混合檢索管線(Dense Embedding 語意向量 + BM25 規格字元 + Cross-Encoder 重排序)

如果客戶今天叫了一項他以前沒買過的新商品,或者使用了未收錄的口語縮寫(例如:「304 內牙三分」),系統會自動進入第二層混合檢索:

  1. LLM 結構化實體拆解(Entity Extraction):先將口語字串拆解為結構化槽位:{材質: "SUS304/白鐵", 品類: "內牙接頭", 尺寸規格: "3/8吋 (三分)", 訂購數量: 200, 原始單位: "個"}。
  2. 雙路召回(Hybrid Retrieval):同時啟動向量語意搜尋(找出「白鐵 = 不鏽鋼 = SUS304」的同義關聯)與 BM25 精確規格搜尋(嚴格鎖定 3/8 與 內牙 字元,避免把 1/2 四分 或 外牙 混淆進來),取出 Top-10 候選品號。
  3. Reranker 精準重排序:由 Cross-Encoder 模型對 Top-10 候選品號進行規格吻合度打分,輸出最終的 配對信心分數(Confidence Score,0.00 – 1.00)。

第三層(Layer 3):確定性商業規則引擎(單位換算、MOQ 檢核與合約價套用)

拿到標準品號 ITEM_NO 後,後續的數字運算 嚴禁交由 AI 自由發揮,一律交由後端確定性程式碼執行:

  • 自動查表將「5 箱」乘以換算率「4 桶/箱」得出 ERP 實扣庫存數量「20 桶」;
  • 自動檢查是否滿足最低出貨量(MOQ)與安全庫存水位;
  • 自動帶入該客戶在鼎新/正航 ERP 中的專屬等級合約價,產出分毫不差的訂單 JSON Payload。

三、資料庫怎麼設計?企業「口語別名對照表(SKU Alias Schema)」標準結構範例

許多資訊主管會問:「要建立這套口語對照表,我們需要先花三個月把全公司幾萬個俗稱人工填完嗎?」

答案是不需要! 只要設計好以下 5 個核心欄位的《動態別名對照表(Dynamic SKU Alias Schema)》,系統就能透過「冷啟動歷史匯入 + 日常業助一鍵回饋(Self-Learning Loop)」自動長出全公司的專屬辭典:

資料表欄位名稱資料型別與範例值欄位工程用途說明資料生成與自我學習來源
alias_scope(適用範圍)GLOBAL(全站通用)或 CUST:C089(特定客戶專屬)區分「全行業通用的黑話(如:三分=3/8吋)」與「只有陳老闆自己這樣叫的代號(如:A款油)」,避免 A 客戶的俗稱污染 B 客戶。系統初始化時匯入行業通用詞;客戶個別習慣則綁定 CUST_ID 獨立儲存。
colloquial_term(客戶口語俗稱)"大支辣椒醬"、"老樣子豆油"、"3分白鐵內牙"記錄客戶在 LINE 群組或手寫單上實際出現過的原始叫貨字眼(支援錯別字與台語諧音,如「麻油雞」寫成「麻由機」)。由 AI 從歷史 LINE 對話紀錄自動挖掘,或當業助在後台修正配對時自動寫入。
erp_sku_code(ERP 標準品號)"CHILI-1000ML"、"OIL-18L-A"、"SUS304-PT38-F"對應企業內部鼎新、正航、凌越或 SAP ERP 裡的唯一標準料號主鍵。直接同步自 ERP 產品主檔(Item Master),每日定時增量更新。
unit_mapping_rule(單位換算規則){"input_unit": "箱", "erp_unit": "桶", "multiplier": 4}解決客戶口語叫貨單位(箱、打、袋、件、台斤)與 ERP 庫存計價單位(罐、個、公斤)不一致的自動換算。讀取 ERP 多單位換算表,並支援記憶特定客戶的預設包裝偏好(例如陳老闆講「5」沒寫單位時預設為「箱」)。
verified_count(成功驗收次數)48(整數累計)記錄該組配對經過客戶點擊確認或成功出貨的累計次數;當 verified_count >= 3 時,信心分數直接加權至 0.98 走全自動通道。每次訂單成功拋轉 ERP 無誤後自動 +1,實現越用越聰明的飛輪效應。

四、寧可問一句、絕不送錯貨!「三級信心度防呆分流(Confidence Routing)」機制

在批發與製造業實務中,「送錯一箱貨的來回運費、退換貨折讓與客訴成本,遠高於省下那 10 秒鐘的打單時間」。您也可以透過我們的 人工打單與錯單成本計算機 試算錯單對毛利的真實侵蝕。

因此,一套成熟的 B2B 接單系統 絕對不會在品名模糊時「硬猜並直接出貨」,而是採用嚴謹的 三級信心度防呆分流機制:

LINE 口語接單「三級信心度防呆分流(Confidence Routing)」與群組抗噪狀態機
圖二:LINE 口語接單三級信心度防呆分流(92% 以上高信心度直通草稿、70%–91% 中信心度推播 LINE Flex 候選按鈕、低於 70% 轉內勤人工覆核並自學習)與多人叫貨群組 4 步抗噪狀態機。
  1. [綠燈路徑 A] 配對信心度 >= 92%(佔日常熟客訂單約 75% – 85%)
    • 情境:熟客傳送已存在於 Layer 1 歷史別名庫的常買商品,且規格與單位完全明確。
    • 系統動作:直接於後端產生 ERP 銷貨單草稿,並在 LINE 群組秒回一張整齊的 《訂單明細確認卡》(列出標準品名、數量、合約單價與預計送達日)。客戶只需看一眼或點擊「確認無誤」,訂單即正式鎖定拋入 ERP。
  2. [藍燈路徑 B] 配對信心度介於 70% – 91%(佔日常訂單約 10% – 18%)
    • 情境:客戶只寫了「黑胡椒粒 5 包」,但公司 ERP 裡同時有「特級粗粒黑胡椒 1kg」與「細磨黑胡椒粉 600g」兩支相近商品,且該客戶過去兩支都買過。
    • 系統動作:AI 絕不自作主張亂選,而是立刻在 LINE 群組彈出一張 互動式選單卡片(LINE Flex Disambiguation Card):「陳老闆您好,請問本次訂購的『黑胡椒 5 包』是哪一款呢?【按鈕 1:粗粒黑胡椒 1kg】/【按鈕 2:細磨黑胡椒粉 600g】」。客戶手指點一下按鈕,1 秒鐘完成確認並同步更新記憶庫。
  3. [紅燈路徑 C] 配對信心度 < 70% 或首次特規詢價(佔日常訂單僅約 3% – 7%)
    • 情境:客戶傳來一張從未買過的新品照片、或是特殊尺寸的客製化加工件。
    • 系統動作:系統先自動將同一張訂單裡其餘 9 個高信心度品項建好草稿,僅將這 1 個低信心度品項標記為 「紅框待確認」 並推播至內勤業助的審單後台。業助在電腦上花 10 秒鐘下拉選好正確品號按下儲存,系統就會自動把這次的人工配對結果寫回 SKU Alias Schema——同一種俗稱全公司只需要人工教一次,下一次 AI 就永遠認得!

五、傳統人工看 LINE Key 單 vs B2B 訂貨網站 vs AI 語意自動接單效益全比較

為了協助經營者做出最符合成本效益的決策,我們將台灣批發與製造業常見的三種接單模式進行全方位量化對照:

比較項目模式一:傳統人工看 LINE 抄單 Key 進 ERP模式二:要求客戶登入 B2B 線上訂貨網站/APP模式三:躍創 LINE AI 語意接單直通 ERP(推薦)
下游客戶使用門檻零門檻(客戶最愛,隨手傳文字/語音/照片)極高門檻(傳統餐廳與工地師傅高達 70% 抗拒登入網頁找商品,最後還是退回傳 LINE)零門檻(客戶 100% 維持在原本 LINE 群組打字、傳語音或拍手寫單的習慣)
單張訂單(含 10 個品項)處理時間約 3 – 5 分鐘(翻找歷史紀錄、查品號、查合約價、手動打字)客戶自填(但業務仍需花時間打電話催不會用電腦的客戶下單)平均 5 – 8 秒(AI 自動解析、換算單位、套用合約價並寫入 ERP 草稿)
品項與價格打錯率(錯單率)約 2.5% – 4.0%(忙季疲勞看錯行、新人不熟俗稱或記錯折扣)低(但客戶常在網頁點錯相近規格或包裝單位)低於 0.2%(結合客戶常買記憶庫+三級信心度防呆+確定性合約價查表)
資深業助離職與新人培訓風險極高風險(資深業助離職等於帶走全公司客戶的叫貨習慣與暗語,新人需 3 個月才上手)低零斷層風險(所有客戶口語別名與常買習慣皆結構化沉澱於公司自有資料庫)
夜間與假日接單能力下班後無人建單,隔天早上 8 點業助塞車暴增24 小時(僅限願意開網頁的客戶)24 小時全年無休秒級收單,早上倉庫人員一上班即可直接印出揀貨單出貨

想進一步評估貴公司導入 AI 自動接單的預算級距與回本週期?歡迎參考我們的 2026 台灣企業 AI 導入費用與報價行情全解析 或直接瀏覽 透明化專案方案與定價頁。


常見問題 FAQ:LINE 群組口語叫貨自動進 ERP 實戰問答

Q1:我們的客戶很習慣在多人 LINE 群組裡一邊跟業務聊天、一邊分好幾句傳叫貨內容,AI 機器人待在群組裡會不會一直亂插話?

完全不會!我們專為台灣 B2B 多人叫貨群組設計了 「意圖分類濾網(Intent Filter)」與「靜默抗噪模式」。當群組裡的對話屬於日常寒暄、傳早安貼圖、討論帳款或對帳時,AI 會保持 100% 靜默不插話;只有當訊息被判定為明確的「叫貨下單 / 修改訂單意圖」(或標註 @下單小幫手)時,系統才會啟動 90 秒滑動視窗收集完整品項,整理成一張乾淨的訂單確認卡回覆,絕不干擾業務與客戶的正常客情互動。

Q2:很多餐廳主廚或水電師傅忙起來連打字都懶,直接傳「LINE 語音訊息(講台語或國台語夾雜)」或拍「手寫在紙箱上的菜單」,這套系統也能辨識嗎?

可以支援!針對語音叫貨,系統可串接經台灣本土口音優化的語音轉文字模型(ASR),並自動將語音轉出的同音異字丟入 Layer 1 客戶常買品號記憶庫進行校正;針對手寫紙本叫貨單或歪斜傳真,則會自動呼叫 Vision 多模態視覺模型進行版面與手寫字跡辨識,將手寫品項與數量一併匯入同一套三層品號對齊引擎處理。

Q3:如果客戶傳了訂單之後,過半小時又在 LINE 群組說「剛剛那單的雞腿排幫我從 5 包改成 8 包,再多加 2 罐胡椒鹽」,系統會不會重複建兩張單?

不會重複建單。我們的訂單狀態機支援完整的 「截單前差量改單(Order Mutation)」:只要該張訂單在 ERP 中尚未進入「已鎖定揀貨/已出貨」狀態,當 AI 偵測到「改、換、追加、取消、不要了」等修改意圖時,會自動調出該客戶當日未結案的銷貨單草稿(如 #SO-20261114),直接將雞腿排數量更新為 8 包並新增胡椒鹽 2 罐,同時推播更新後的「修訂版確認卡」供客戶核對,確保倉庫永遠只收到最後一份正確無誤的揀貨單。

Q4:我們公司有 3,000 多種產品、500 多家下游客戶,導入前需要先人工把所有客戶的口語別名對照表建好嗎?

完全不需要人工從頭建表!我們採用 「歷史訂單冷啟動(Cold-Start Bootstrapping)」:在導入第一週,我們會直接從貴公司現有的鼎新/正航 ERP 匯出過去 6 到 12 個月的歷史銷貨明細,系統會自動運算出每一家客戶的「Top-50 高頻常買品號池」;再搭配過去 1 個月的真實 LINE 叫貨對話紀錄進行批次對齊,在系統正式上線前就能自動生成涵蓋 80% 以上常見叫貨詞彙的初始別名庫。剩餘 20% 罕見俗稱,則在日常審單過程中透過業助一鍵點擊自動補齊。

Q5:如果客戶叫的貨剛好倉庫庫存不夠,或是該客戶上個月的月結帳款已經逾期未付,AI 接單時能自動攔截嗎?

可以!因為系統是與貴公司 ERP 雙向串接(可搭配 軟體系統對接與客製化開發 建立安全 API 中介層),在 AI 產生訂單草稿的同一秒,後端就會同步檢查兩個風控指標:第一是 「可用庫存量(ATP)」,若庫存不足可自動在確認卡提示預計補貨日或推薦替代規格;第二是 「客戶信用額度與應收帳款逾期狀態(Credit Limit Check)」,若該客戶已超額或逾期未結清,系統會自動將草稿轉為「待財務放行」狀態並私訊通知業務主管,從源頭幫老闆把關呆帳風險。

延伸閱讀與相關實戰指南

瀏覽全部專欄文章

想知道這套 AI 流程如何落地到你的企業?

躍創科技提供免費 30 分鐘初步諮詢,由顧問團隊協助盤點現有 ERP、LINE 與行政流程,給出具體可執行的 PoC 驗證建議。

預約免費 AI 顧問諮詢了解 2 週 AI 流程健檢