汽车门店保养续保提醒与NPS回访

原文要点

该免费n8n模板（作者Rahul Joshi）每天9点（IST）从Google Sheets读取Vehicles、Test Drives、Reminder Log等表，构建当天最多150条的提醒队列并跳过已记录的提醒阶段；经WhatsApp Business Cloud发送保养到期与续保提醒并写入Reminder Log，紧急续保转保险专员、每日汇总发服务经理；试驾第1/3/7/14天跟进文案由OpenAI生成，冷线索提醒销售。DMS通过webhook推“工单已结”后更新Service Jobs与Vehicles表，等3小时发n8n Form形式的NPS问卷链接，回收点评由OpenAI分析情绪，按NPS分数段路由WhatsApp/Gmail通知并回写NPS Log。设置需替换Google Sheet ID、WhatsApp phone number ID及经理联系方式等占位符，并在“Set AutoOS Config”节点配置店名、链接、保养间隔、阈值。

这次做成什么

照本站独立练习方案，用合成数据在隔离环境里把整条链路拆成三段分别打通：早间提醒批处理、试驾跟进生成、结单后NPS回收路由，并验证跳过已发提醒、3小时延迟和分数段路由三个关键逻辑。

准备什么

• n8n实例，能使用Schedule Trigger、Webhook、Wait、n8n Form节点
• Google Sheets账号及一个含Vehicles、Test Drives、Reminder Log、Service Jobs、NPS Log五个工作表的测试表
• WhatsApp Business Cloud的phone number ID与访问令牌（测试号即可，发消息按Meta计费）
• OpenAI API凭据（费用另计）与Gmail凭据
• 能POST到你webhook的测试工具（替代真实DMS）

具体怎么做

1. 建表与导入配置

   按材料中的表结构清单建五个工作表，填入本站合成测试数据。导入模板后在n8n里把所有REPLACE_WITH_GOOGLE_SHEET_ID替换为测试表ID，替换REPLACE_WITH_WHATSAPP_PHONE_NUMBER_ID，并在“Set AutoOS Config”节点填店名、预约链接、续保链接、保养间隔公里数/天数、紧急续保阈值、经理与保险专席号码。

2. 跑通早间提醒批处理

   手动执行Schedule Trigger分支：流程读取三张表，组装当天队列（上限150条），对每条判断是否已存在于Reminder Log，未发过的经WhatsApp节点发出模板消息，并把发送结果追加到Reminder Log。验证：同一批次重复执行时第二次全部跳过，队列条数不超过150。

3. 验证试驾跟进与冷线索提醒

   在Test Drives表里放一条试驾后第3天的合成线索，执行该分支：OpenAI节点按本站提示词生成跟进文案，WhatsApp发出，Google Sheets更新线索阶段；把该线索标记为cold再跑一次，确认销售收到提醒消息。

4. 模拟DMS结单并触发NPS

   用材料中的webhook测试体向流程的webhook路径POST“工单已结”，确认Service Jobs新增/更新一行、Vehicles表中该车的last service date与里程被更新，随后流程进入Wait节点3小时（练习时可把Wait临时改为1分钟），之后客户收到含n8n Form链接的NPS问卷消息。

5. 回收NPS并验证分数段路由

   打开Form的生产URL提交一条合成点评（如分数9、评论“服务很专业”），流程查到对应工单后由OpenAI分析情绪，按分数段路由发送通知并回写NPS Log。原文只说明按NPS分数段路由、高分客户走Google好评链接，未给出具体分段阈值；练习时可按常见分段自行配置（例如9-10分发好评链接、6-8分内部记录、0-5分触发Gmail通知经理并WhatsApp致歉跟进），三种分数段各测一次，实际阈值以你在模板中的配置为准。

可直接复制的材料

{
  "Vehicles": ["vehicle_id", "owner_name", "phone", "model", "last_service_date", "last_odometer_km", "next_service_due", "insurance_expiry"],
  "Test Drives": ["lead_id", "name", "phone", "model", "test_drive_date", "followup_stage", "lead_temp", "salesperson_phone"],
  "Reminder Log": ["log_id", "date_sent", "phone", "reminder_type", "stage", "send_status"],
  "Service Jobs": ["job_card", "vehicle_id", "phone", "closed_at", "service_type", "amount_inr"],
  "NPS Log": ["job_card", "score", "comment", "sentiment", "band", "routed_to", "logged_at"]
}

你是汽车门店的客户跟进文案专员。根据以下信息写一条WhatsApp跟进消息：
- 客户称呼：{name}
- 试驾车型：{model}
- 距试驾天数：{days_since}（只会是1、3、7或14）
- 门店名称：{dealer_name}
要求：
1. 第1天：感谢试驾，询问体验，附预约顾问的简短邀请；
2. 第3天：提供该车型的一个具体卖点和本月金融方案提示；
3. 第7天：轻提醒库存与试驾礼遇有效期，制造适度紧迫感但不夸大；
4. 第14天：最后一次礼貌跟进，告知可随时回复暂停消息。
全文不超过120个汉字，语气自然，不用表情符号堆砌，最多1个emoji。只输出消息正文，不要解释。

{
  "event": "job_card_closed",
  "job_card": "JC-2026-00917",
  "vehicle_id": "VH-10042",
  "phone": "+919999900001",
  "closed_at": "2026-10-13T14:30:00+05:30",
  "service_type": "periodic_maintenance",
  "odometer_km": 24350,
  "amount_inr": 4850
}

输入与输出示例

本站虚构演示，非原作者结果，也未实际发送；文案因模型而异。

输入

Test Drives表中一条线索：lead_id=LD-207，name=“本站虚构客户阿岚”，model=“紧凑型SUV 2026款”，test_drive_date为3天前，lead_temp=cold。

对应输出

OpenAI节点输出示例正文：“阿岚您好，上次试驾的紧凑型SUV目前本月有低首付金融方案，油耗表现在同级里也比较突出，需要我帮您留一台试驾同款配置吗？回复暂停即可不再打扰。”随后WhatsApp发送状态写入该线索行，followup_stage更新为day3，并因lead_temp=cold向销售号码发出提醒：“线索LD-207已标记冷，请人工介入跟进。”

做完检查这些

• 重复执行早间批处理时，Reminder Log已存在的type+stage组合全部被跳过，不产生重复发送
• 单次队列条数不超过150，超出部分留待次日
• POST结单webhook后Service Jobs出现对应行且Vehicles的last_service_date被更新
• 提交高分与低分两条NPS后，按你配置的分段阈值路由去向不同（如好评链接 vs 经理通知+致歉跟进）且NPS Log各增一行
• 冷线索试驾跟进后销售号码收到提醒消息

容易卡住的地方

• 原文提醒阶段判断依赖Reminder Log的stage值，列名或取值不一致会导致重复发送
• WhatsApp Business Cloud发模板消息需模板预先审核通过，且按会话计费，免费额度以外另付
• IST时区9点触发与本地时区不同，迁移时要换算或改Cron
• 3小时Wait在练习中应先改短验证，验证后再改回
• webhook若不加header鉴权，任何人可伪造结单事件污染车辆保养记录
• Google好评链接需在promoter分支单独配置，漏配会让9-10分客户收到空链接