台灣立案短期補習班長年逾一萬八千家（全國立案短期補習班基本資料），少子化讓每家的招生盤子逐年縮水。全球教育 AI 市場則從 2024 年 58.8 億美元，預估 2030 年達 322.7 億美元、年複合成長率 31.2%（Grand View Research）。但預算多流向出題與批改；多數補習班真正在漏的洞不在教室，而在「家長晚上十點私訊、隔天中午才有人回」那一段。
四個最值得先做的招生 AI 場景
- 全時段即時應答＋名單分級：官網、LINE、IG 私訊進同一對話層，AI 回答課程、時段、費用區間，並依提問深度打意圖分數，高分名單即時推給招生老師。
- 試聽預約與到課提醒：把「想試聽」直接轉成日曆選時段，試聽前 24 小時與 2 小時各提醒一次。no-show 是補習班最貴的隱形成本。
- 試聽後 24 小時個人化回饋：老師輸入三行觀察，AI 生成給家長的具體回饋（強弱項、建議班別），而非罐頭訊息。這封信決定試聽轉報名。
- 冷名單再喚醒與續報提醒：依科目、年級、當時卡點分群，在新班開課、段考前、寒暑假觸發不同話術；在學學員於課程剩四週時觸發續報。
真實案例：兩家機構實際做了什麼
Georgia State University「Pounce」：面對五分之一新生錄取後沒來上課的 summer melt，團隊先盤出 14 個卡關點（財務補助、新生訓練、預防注射證明等），逐一設計主動訊息與知識庫，最後才上線 AI 助理。隨機對照試驗顯示暑期流失降低 21%、註冊率提升 3.3 個百分點，約多留住 300 名學生，五萬則訊息中不到 2% 需轉真人（研究原文）。關鍵不是模型多強，是先把卡點盤清楚。
Rockhurst University 官網 AI 助理：導入後 33% 網站訪客主動開啟對話、招生頁訪客 67% 會互動，每天逾 100 場對話，大學部詢問量成長逾 200%，行政端每月省下 260 小時以上。踩坑心得：他們沒讓 AI 做到成交，決策後段仍交回真人。
反例：Khan Academy 的 Khanmigo 在兩年隨機試驗中成績提升有限，團隊自承瓶頸是使用率，有權限的學生只有 15% 真的會用。做出來沒人用等於零。
工具堆疊建議
- 對話生成：Claude API 或 OpenAI GPT API。補教情境要求「不能亂講費用」，模型能否穩定遵守系統提示與工具呼叫，比單價重要。
- 流程編排：n8n。招生流程會頻繁改（新班、優惠、節點），需要非工程人員看得懂的視覺化流程。
- 家長觸點：LINE Messaging API。Flex Message 可把課表與試聽確認做成可點卡片。
- 知識庫與報表：Supabase（pgvector）做課程與 FAQ 語意檢索；Cal.com 排試聽時段，Looker Studio 做漏斗歸因看板。
ROI 模型：一家 300 人補習班的試算
現況假設：在學 300 人、年費 NT$36,000、每月線上名單 240 筆（約六成落在非上班時段），平均首次回覆 6.5 小時，名單→試聽 25%（60 場）、試聽→報名 40%（24 人）。
| 項目 | 金額／數字 |
|---|---|
| 一次性建置 | NT$180,000–320,000（LINE OA 串接、知識庫、n8n 流程、CRM 欄位、漏斗報表） |
| 月運營 | NT$12,000–17,000（LLM API NT$1,200–3,000、流程平台 NT$800–1,500、LINE 推播 NT$1,500–4,000、維運 NT$8,000） |
| 產出（保守） | 每月多 6 位報名＝增額學費 NT$216,000／月；行政端每月省 46 小時 ≈ NT$13,800 |
| 回本 | 上線後約 2–3 個月；悲觀情境（每月多 2 位）約 5–6 個月 |
首次回覆壓到 3 分鐘內，名單→試聽 +4 個百分點（多 10 場）、試聽→報名 +3 個百分點。招生端 ROI 比教學端快，因為它直接連著現金流。
落地時程：Phase 1 到 Phase 4
- Phase 1｜漏斗量測（第 1–2 週）：量出名單來源、首次回覆時間、各段轉換率、試聽 no-show 率。沒有 baseline 就沒有 ROI。
- Phase 2｜應答骨架上線（第 3–5 週）：課程／費用／師資 FAQ 結構化，LINE 官方帳號與官網 widget 上線；前兩週採 human-in-the-loop，每則回覆由真人按送出並累積修正語料。
- Phase 3｜試聽漏斗自動化（第 6–9 週）：預約、提醒、試聽後 24 小時回饋、7 天內二次追蹤、未成交名單分流；此時才開放低風險問題全自動。
- Phase 4｜歸因與續報（第 10–13 週）：歸因報表、名單意圖分數、話術 A/B 測試、續報提醒，高意圖名單優先推給最強的招生老師。
常見失敗原因 × 怎麼避開
- 沒有 baseline：上線後只能憑感覺說「好像變好了」。→ Phase 1 先量測並保留對照期。
- 把 AI 當全自動業務：高意圖家長被 bot 卡住而流失。→ 設「意圖分數超標即轉真人」硬規則，以 GSU 不到 2% 的升級率當健康指標。
- 知識庫沒版本控制：費用或退費規則講錯一次，信任就回不來。→ 敏感欄位走白名單直出，調價由專人更新並留紀錄。
- 個資與合規沒處理：學員多為未成年，蒐集姓名、學校、成績須符合《個人資料保護法》告知同意要件。→ 對話開頭明示蒐集目的與退出方式。
- 語氣沒調校：太像機器人沒人理，太像業務家長反感。→ 前四週做語氣與長度 A/B 測試，用回覆率當標準。
不適合 AI 化的場景
- 退費、學費爭議與客訴升級：牽涉金錢與情緒的對話，第一句就該是真人。
- 學生行為與情緒問題的親師溝通：霸凌、逃課、家庭狀況，措辭風險遠大於效率收益。
- 特殊生評估與班級安排：學習障礙與身心狀況需要專業判斷與面談。
- 高價一對一與留學顧問成交：客單價越高，家長越需要一個具體的人負責；教學品質的實質判斷也一樣，AI 可整理課堂回饋，但不能替你決定一位老師該不該續聘。
ScriptWalker 對應方案
我們在補教／才藝／線上課程做的是招生漏斗自動化整合，不做題庫產品：
- 招生漏斗健檢與 baseline 量測：NT$28,000 起
- LINE 官方帳號＋官網 AI 應答（含知識庫建置）：NT$120,000 起
- 試聽漏斗自動化（預約／提醒／回訪／名單分流）：NT$180,000 起
- 完整招生系統（歸因看板＋現有補習班管理系統串接）：NT$320,000 起
- 月維運與話術調校：NT$12,000 起
常見問題 FAQ
我的補習班只有 80 個學生，值得做嗎？
值得，但不要一次做全套。建議只做 Phase 1 與 Phase 2，投入約 NT$120,000，一年多招 4 位學生就打平。
家長會不會覺得被機器人敷衍？
取決於 AI 有沒有一開始就說明「複雜問題會轉給老師」，以及轉真人的門檻夠不夠低。GSU 五萬則訊息中不到 2% 需真人接手，代表多數問題本就是行政性質；敷衍感來自六小時後才有人回，不是來自機器人。
要不要換掉現有的補習班管理系統？
不用。招生漏斗是加在前面那一層，透過 API 或 Webhook 把成交名單寫回原系統即可。系統遷移混著做會讓兩件事都失敗。
AI 會不會亂講費用？多久看得到成效？
費用、退費規則、師資學歷由檢索層直出白名單答案，白名單外的價格問題一律轉真人。成效上，首次回覆時間在 Phase 2 上線當週即從數小時降到數分鐘；試聽轉報名要等 Phase 3 跑滿一個招生循環，約第 10–13 週。
決策清單 + 行動呼籲
- ☐ 你知道上個月有幾筆線上名單、幾場試聽、幾人報名嗎？
- ☐ 你知道平均首次回覆時間是幾小時嗎？
- ☐ 非上班時段進來的名單佔比超過 50% 嗎？
- ☐ 試聽 no-show 率超過 20% 嗎？
- ☐ 試聽後 24 小時內家長會收到個人化回饋嗎？
- ☐ 半年內未成交的名單還有人跟進嗎？
- ☐ 課程與退費規則有版本紀錄的官方文件嗎？
- ☐ 你有蒐集個資的告知與同意紀錄嗎？
- ☐ 招生老師每週回覆重複問題超過 8 小時嗎？
- ☐ 你說得出哪個管道的名單最會成交嗎？
勾到 7 項以上，招生漏斗自動化會是你這一年 ROI 最高的一筆投資。預約免費招生漏斗健檢（60 分鐘，含 baseline 量測建議）：
- Email：[email protected]
- 電話：0916-224-047
- LINE：@ufv9089p