LINE chatbot 已經不夠聰明了嗎？用「能見度三層級」診斷你卡在哪一層

你的 LINE 好友昨天在 Shopee 買了一雙運動鞋。今天她在 LINE 問你：「這雙還有 US9 嗎？我想多買一雙送人，能一起出貨嗎？」

你的 LINE chatbot 答她：「請至門市查詢庫存」。或是更慘——「這不在我能回答的範圍內」。

這不是 chatbot 不夠聰明，是它根本看不到你的 Shopee 訂單、也看不到你官網的即時庫存（real-time inventory）。

2026 年台灣電商 chatbot 的真正戰場已經不是「自動回覆 FAQ」——因為 LINE 於 2025 年 11 月已經把 FAQ 自動回覆做進官方功能。真正的問題是：你的 chatbot 看得到哪些資料？ 接下來用「Chatbot 能見度三層級」（Chatbot Visibility Layers）這個框架，幫你判斷目前卡在哪一層，以及下一步該升級的是工具還是 data architecture。

重點摘要（3 項 takeaway）

• LINE 官方於 2025 年 11 月推出「AI 聊天機器人（β）」後，FAQ 自動回覆已變成聊天進階方案（月費 NT$100）內建功能，不再是第三方 chatbot 廠商的差異化理由。

• Chatbot 能見度三層級（Chatbot Visibility Layers，Ezily 提出的框架）：Layer 1 只看得到品牌上傳的 FAQ 文件；Layer 2 看得到單一渠道的訂單／會員資料；Layer 3 看得到跨通路即時資料（訂單、庫存、廣告互動、會員 360）。

• 多數台灣電商品牌的 LINE chatbot 卡在 Layer 2，答不出「我在 Shopee 買的到貨了嗎」這類跨通路問題。真正的升級不是換 chatbot 廠商，是在既有 chatbot 前端後面加上一層 cross-channel data infrastructure（跨通路資料基礎設施）。

為什麼 2026 年要重新看待 LINE chatbot？

因為整個賽道的起跑線被 LINE 官方自己往前推了。

2025 年 11 月，LINE 官方帳號正式推出「AI 聊天機器人（β）」，綁定 聊天進階方案（LINE 於 2025 年 3 月推出的加值服務，月費 NT$100，解鎖聊天紀錄延長、tag 上限提升、記事本備份等功能）使用（來源：LINE Biz-Solutions 官方說明）。品牌只要上傳 PDF、網址或圖片，AI 會自動分析並產生 FAQ，直接在聊天室自動回覆顧客，不需再額外付第三方廠商月費。

也就是說，「有 AI 自動回覆 FAQ」從 2026 起已經是預設配置，不是競爭優勢。過去幾年很多品牌月付 NT$3,000–10,000 給第三方 chatbot 廠商，只為了做 FAQ 自動回覆——這條路已經變成送分題。

會拉開差距的，是 chatbot 能 query 到的 data visibility（資料視野）。

Chatbot 能見度三層級：你卡在哪一層？

Chatbot 能見度三層級（Chatbot Visibility Layers） 是 Ezily 提出的診斷框架，依據「chatbot 能存取到的資料範圍」把台灣電商目前能用的 LINE chatbot 方案分為三層。層級不是「越高階越好」，而是「你的生意邏輯需要哪一層」。

Layer 1：LINE 原生 AI 聊天機器人（β）能做什麼、不能做什麼？

它能答什麼？ 你事先上傳給它的 FAQ 內容。你把營業時間、退貨政策、產品規格文件丟進後台，它會用 AI 自動建立問答，並在聊天室自動回覆相關問題。LINE 官方還會根據用戶互動回饋，主動建議 FAQ 修改方向（來源：LINE 官方支援中心）。

它不能答什麼？

• 任何會動的資料（real-time inventory、order status、會員點數）

• 跨通路的顧客脈絡（Shopee 的訂單、官網的購物車）

• 需要 query database 才能回答的問題

適合誰： 單價高、SKU 少、客服問題以政策／規格為主的品牌（例如課程、服務預約、少量 SKU 的精品品牌）。適合你的訊號：客服訊息中 80% 以上是重複的 FAQ 類問題。

不適合誰： 多 SKU 電商、有 real-time inventory 壓力的品牌、需要 order status 查詢的顧客。

Layer 2：廠商 chatbot 的真實限制是什麼？

Layer 2 是目前多數台灣品牌所在的位置。漸強實驗室、Omnichat、Super 8、BotBonnie、Chatisfy 這類 LINE 技術夥伴，提供 segmentation、tag management、gamification 模組、customer journey design，功能比 Layer 1 多很多。它們真正的價值是把 conversational traffic 轉成訂單：Omnichat 2022 零售對話商務報告指出，透過 chatbot 觸發的購物車再行銷 conversion rate 可達 11.35%、OMO（Online-Merge-Offline，線上線下整合）對話銷售 7.14%、客製化 LINE 歡迎訊息 7.21%（來源：Omnichat 零售對話商務報告）。

但 Layer 2 有一個共同限制：它的 data visibility 通常只及於「自己串接的那個渠道」。

舉個每天都在發生的場景：你的品牌同時經營 Shopee 旗艦店、官網（Shopline）、LINE 官方帳號。顧客昨天在 Shopee 下了單，今天在 LINE 問你「我的訂單到哪了？」。你的 Layer 2 chatbot 廠商通常串接的是官網訂單系統，而不是 Shopee，所以它回不出來。

這不是廠商不努力，是各家 Layer 2 廠商的預設整合，多半鎖在「LINE + 官網（單一開店平台）」的組合裡。你的顧客並不在乎這個技術邊界，他只知道「我在 LINE 問你，你應該要查得到」。

Layer 3：Cross-channel data layer——為什麼 chatbot 真正需要它？

Cross-channel data layer（跨通路資料層） 指的是把品牌分散在不同系統的銷售、庫存、顧客、廣告資料即時整合在一起的 data infrastructure。它不是又一個 chatbot 廠商，而是讓 chatbot 答得出真正問題的 data plumbing（資料水電工程）。

這一層把品牌散落在不同系統的資料整合起來：

• Shopline / Shopee / MOMO 的訂單與商品

• Real-time inventory（官網 + 門市 + 倉庫）

• Meta Ads / LINE LAP（LINE Ads Platform，LINE 官方廣告投放系統）的投放互動紀錄

• POS 的線下購買

• Customer 360 view（將同一位顧客在所有渠道的互動、交易、偏好資料整合成單一檔案）

有了這層，接回來的 chatbot（無論是 LINE 原生、Omnichat、或其他工具）才答得出以下這類問題：

• 「我昨天在 Shopee 買的那筆到貨了嗎？」 → chatbot 直接 query Shopee 訂單 API

• 「這雙鞋我的尺寸還有嗎？」 → chatbot 查 real-time inventory，不限通路

• 「我在官網下的那筆和 Shopee 的能一起出貨嗎？」 → chatbot 交叉比對顧客兩邊 order status

這就是 Ezily 做的事。Ezily 不是另一個 LINE chatbot 廠商，而是把 Shopline、Shopee、Meta Ads、POS、會員歷史整合成一層 data layer，讓任何 chatbot 前端都能即時查得到。顧客在 LINE 問「我昨天在 Shopee 買的運動鞋到貨了嗎」時，bot 是真的去 query database，而不是回一句「請洽客服」。

適合誰： 跨平台經營的品牌（官網 + 至少一個平台）、有實體門市的 OMO 品牌、單一顧客 LTV 高到讓「答不出跨通路問題」會造成實際營收損失的品牌。

自我診斷：你的 chatbot 卡在哪一層？

用這 5 題快速判斷：

1. 顧客在 LINE 問「我上週的訂單到貨了嗎？」你的 chatbot 能直接答嗎？

2. 顧客問「這雙鞋 US9 還有幾雙？」chatbot 是即時查 inventory，還是給固定答覆？

3. 顧客在 Shopee 買過的品項，在你的 LINE chatbot 裡查得到嗎？

4. 你的 chatbot 能根據顧客在 Meta 廣告的互動紀錄，推薦不同訊息嗎？

5. 顧客的 LINE 互動資料，能即時回寫到你的會員中心嗎？

• 5 題都不能 → 你在 Layer 1 或還沒開始用 chatbot

• 2–3 題可以 → 你在 Layer 2，卡在單通路 data boundary

• 4–5 題都可以 → 你已經在 Layer 3，恭喜

LINE chatbot 不好用，要換廠商還是換架構？

如果你已經在 Layer 2、卻覺得 chatbot 還是不夠好用，問題不在「選錯廠商」，在於整個市場都卡在同一個 data boundary。

換另一家 Layer 2 廠商，你會換到功能組合略有不同、月費可能更便宜的 chatbot。但顧客問「Shopee 訂單到貨了嗎」時，它一樣答不出來。

真正的升級路徑，是在你既有的 chatbot 前端（可能是 LINE 原生、可能是漸強、可能是 Omnichat）後面加上一層 cross-channel data infrastructure。Omnichat 執行長在 2026 年初的專欄中指出，產業正從「會聊天的 chatbot」轉型為「會做事的 AI Agent」——後者的前提，就是能存取到執行任務所需的資料（來源：Omnichat AI Chatbot 完整攻略）。LINE 也在 2025 年 12 月的 LINE BIZ CONVERGE 預告，LAP AI Agent 將於 2026 Q1 分階段上線（來源：LINE BIZ CONVERGE 2025）。AI Agent 會逐漸成為常態，但沒有 cross-channel data layer 的 Agent，仍然只是更漂亮的 Layer 1 或 Layer 2。

Ezily 就是那一層 data infrastructure。

常見問題（FAQ）

Q1：LINE 原生 AI 聊天機器人（β）和第三方 chatbot 廠商差在哪？

Layer 1（LINE 原生）只能回答你事先上傳的 FAQ 文件，月費 NT$100（聊天進階方案）。Layer 2（第三方廠商如漸強、Omnichat、Super 8、BotBonnie、Chatisfy）加上了 segmentation、tag、gamification 模組、customer journey 等行銷功能，月費 NT$900–39,800+，但 data visibility 通常只及於自己串接的單一渠道。兩者解決的問題層級不同。

Q2：為什麼我的 chatbot 廠商答不出跨通路的訂單問題？

因為 Layer 2 廠商的預設整合多半綁定「LINE + 單一開店平台」。你的 Shopee 訂單、MOMO 訂單、POS 銷售資料在它的 data visibility 之外。這不是 bug，是各家廠商共通的架構選擇，根源來自他們的整合優先級，不是技術不可行。

Q3：換一家 LINE chatbot 廠商就能解決 data boundary 問題嗎？

通常不會。你會換到功能組合略有不同的 Layer 2 工具，但 data boundary 問題依然存在。真正的升級是在 chatbot 前端後面加上 cross-channel data layer（Layer 3），讓任何 chatbot 前端都能即時 query 到 Shopline、Shopee、POS、inventory、customer 360 資料。

Q4：小品牌也需要 Layer 3 嗎？

不一定。如果你只在一個平台經營、SKU 不多、客服問題 80% 以上是 FAQ，Layer 1（LINE 原生 AI 聊天機器人 β，NT$100/月）加上小幅度 Layer 2 就足夠。Cross-channel data layer 的投資報酬在「多平台 + 有 real-time inventory 壓力 + OMO」的品牌身上最明顯。

Q5：LINE 之後要推的 LAP AI Agent 會改變這個架構嗎？

會讓 chatbot 前端變更聰明，但不會憑空解決 data visibility 問題。AI Agent 要「做事」（查訂單、發優惠、處理退換）的前提，仍然是能存取到那些資料——這一層的戰場只會因為 AI Agent 更白熱化，不會消失。LAP AI Agent 預計於 2026 Q1 分階段上線（Campaign / Creative / Report 三個 Agent）。

Q6：Chatbot 能見度三層級和現有的「LINE Chatbot 工具比較」文章有什麼不同？

市面上多數比較文是以「選哪一家廠商」為前提，預設你的問題是選擇錯誤。Chatbot 能見度三層級是以「你能 query 到哪些資料」為切分。Layer 2 各家廠商在這個維度上是類似的，差異在於月費與功能組合，不在於 data visibility 邊界。換廠商解不了 cross-channel data 問題。