香港中小企 WhatsApp 客服外包方案比較 2026

2026 年香港中小企的 WhatsApp 客服外包方案主要分四類：純軟件（SaaS 平台）、BPO 人力外包、AI Agent 供應商，以及混合式託管營運。選擇關鍵在於月訊息量、語言組合與合規要求，而非單看月費。

為何 2026 年 WhatsApp 客服的比較邏輯變了？

過去三年，香港中小企選 WhatsApp 客服方案的問題很簡單：邊間平台平啲、有冇中文介面。到 2026 年，兩件事改變了計算方式。

第一是 Meta 的收費模型。Meta 在 2025 年 7 月 1 日起，將 WhatsApp Business Platform 由「按對話（conversation）」收費全面轉為「按範本訊息（per-message）」計價，utility、marketing、authentication 三類範本各有不同費率，而 service（用戶主動發起）對話則免費。根據 Meta 官方 WhatsApp Business Platform 定價文件，這意味著「客戶主動搵你」幾乎零邊際成本，「你主動搵客戶」則變成一條可以計算的變動成本線。整個外包報價的結構因此要重新拆開來看。

第二是 LLM 落地。到 2026 年，AI 已經不是報價單上的加價項目，而是決定人手比例的基礎設施。Gartner 曾預測到 2026 年，導入對話式 AI 的客服中心可將人力成本降低最多 30%（Gartner, 2022 年新聞稿）。這個數字對香港中小企的意義不是「裁員」，而是同樣三位客服可以承接多幾倍的訊息量，而外包商的定價若仍然純按「客服人頭 × 月數」計算，你其實在補貼對方未做的自動化。

以下按四種模式逐項拆解，並在最後給出按規模劃分的建議。

四類方案的基本結構

模式 A：純軟件 SaaS 平台

代表：respond.io、SleekFlow、360dialog、Twilio、Zoko、WATI。你買的是收件匣、路由規則、範本管理、API 接口，人手自己出。

• 典型成本結構：平台月費（按 seat 或按聯絡人數）＋ Meta 訊息費（部分平台加收 markup）
• 上線時間：Meta Business 驗證通過後，一般數天至兩週可運作
• 適合：已有 1–3 名內部客服、訊息量穩定、想保留完全控制權的品牌
• 主要風險：買咗系統無人設定。流程、範本、路由、報表全部要自己砌

值得留意的是，Meta 官方文件明確指出，透過 Business Solution Provider（BSP）發送的訊息，Meta 只向 BSP 收費，BSP 如何轉嫁給你完全是商業安排。比較平台時，要求對方書面列明「Meta 原價 + 平台加成」的分拆，這是最容易被含糊帶過的一項。

模式 B：BPO 人力外包

代表：本地及區域客服 BPO，交付團隊常設於菲律賓、馬來西亞、越南或中國內地，粵語坐席多數在香港、深圳或吉隆坡的粵語團隊。

• 典型成本結構：按坐席（FTE）月費，或按小時計；夜班／假日另計
• 上線時間：招聘＋培訓一般 4–8 週，粵語坐席通常較長
• 適合：訊息量大而複雜、需要真人處理退換貨與投訴的零售與服務業
• 主要風險：知識庫更新滯後；坐席流動率高；SLA 定義含糊

BPO 的比較重點不是時薪，而是「每張工單成本」。一個處理速度慢一倍的便宜坐席，實際單位成本可能更高。要求供應商提供 average handling time（AHT）與 first contact resolution（FCR）的歷史區間，而非只提供人頭價。

模式 C：AI Agent 供應商

代表：以 LLM 為核心的對話代理供應商，或自建於 OpenAI、Anthropic Claude、Google Gemini API 之上的方案。近年亦有直接整合 WhatsApp Cloud API 的 agent 框架。

• 典型成本結構：月費 ＋ 按對話或按 token 計費；知識庫建置一次性費用
• 上線時間：有現成 FAQ 與產品資料的話，2–4 週可上線第一版
• 適合：查詢高度重複（訂單狀態、營業時間、尺碼、價格、預約）的行業
• 主要風險：幻覺與升級路徑。無人手兜底的純 AI 方案，在投訴與退款場景會出事

模式 D：混合式託管營運（Managed Operations）

這是 2026 年增長最快的一類：由服務商同時負責平台設定、AI 層、人手團隊與持續優化，客戶只看 SLA 與報表。Branch8 在香港與東南亞的交付模式屬於此類。

• 典型成本結構：託管費（涵蓋平台管理＋流程設計＋部分人手）＋ 用量計費
• 上線時間：一般 4–6 週完成第一階段（單語言、核心流程），之後逐步擴語言與場景
• 適合：跨市場經營、多語言、有合規要求、內部無客服營運經驗的中小企
• 主要風險：綁定程度較高；若合約無列明資料與流程的移交條款，日後轉供應商成本高

成本：實際要計哪幾條數？

Meta 平台費（所有方案共通）

這條數與你選邊個供應商無關，但會被不同供應商用不同方式呈現。按 Meta 官方定價文件，2025 年 7 月起按範本訊息類型計費，香港與各市場費率不同，marketing 範本一般最貴，utility（訂單通知、送貨更新）較便宜，而客戶主動發起的 service 對話免費。

實務含意很直接：把行銷推播與客服對話分開計算。很多中小企見到「WhatsApp 客服月費暴增」，實際上是行銷團隊在同一個 WABA 下狂發推廣範本。比較報價前，先從 Meta Business Manager 匯出過去三個月的範本用量分類，這份數據會令所有報價瞬間可比。

平台軟件費

主流 SaaS 平台的公開定價，入門方案多在每月數十至一百多美元區間，按 seat 或按活躍聯絡人遞增。真正的差異在於：

1. 超出 seat／聯絡人上限後的階梯有多陡
2. API 呼叫是否另計
3. 是否對 Meta 訊息費加成（有些加 10–20%）
4. Webhook、CRM 整合是否鎖在高階方案

人力成本

香港本地全職客服的薪酬水平，可參考香港政府統計處定期發布的《工資及薪金總額按季統計報告》中零售及進出口貿易業的數據。區域交付團隊（馬來西亞、菲律賓、越南）的成本結構不同，但要注意粵語坐席在區域市場屬稀缺技能，溢價明顯，不能按普通英語坐席價格推算。

這裡要講清楚一個立場：把 APAC 交付團隊當成「平價勞工」來比較是錯的。真正的價值在於時區覆蓋（香港、新加坡、台北、馬尼拉、悉尼串起來就是接近 18 小時的自然工作日）、語言組合（粵語、普通話、英語、馬來語、印尼語、越南語），以及對本地支付與物流生態的熟悉度。一個懂得客戶問「係咪走順豐」背後意思的坐席，價值不在時薪。

AI 用量費

若方案含 LLM，問清楚三件事：模型是哪個、按 token 定價還是按對話定價、知識庫更新是否另計。一段 20 輪的對話在 GPT-4 class 模型上的 token 成本與在較小模型上的差異可以是數倍，而供應商未必主動說明。

AI 能取代多少人手？誠實的答案

業界最常見的誇大是「AI 處理 80% 查詢」。這個數字在特定條件下成立，但條件很嚴格。

根據 Zendesk 發布的 CX Trends 報告，客服領導者普遍預期 AI 將處理大部分的日常互動，但同時亦指出客戶對「無法轉真人」的自動化體驗容忍度低。實務上比較合理的分層是：

1. 完全自動化（可達 40–60%）：訂單狀態、營業時間、地址、退換貨政策、預約改期。這些有明確資料源、答案唯一。
2. AI 起草 + 真人確認（20–30%）：產品建議、規格比較、簡單投訴回應。LLM 生成草稿，坐席一秒審核發送，這是提升 AHT 最實在的一環。
3. 必須真人（20–30%）：金額爭議、VIP、法律風險、情緒升級。

關鍵設計不是「AI 準確率幾高」，而是升級門檻設得幾靈敏。一個在偵測到用戶連續兩次重述問題、或出現情緒關鍵詞時就立即轉人手的系統，即使 AI 準確率只有 75%，客戶體驗也會好過準確率 90% 但無出口的系統。

以下是一個以 WhatsApp Cloud API webhook 為基礎的最簡升級判斷邏輯，供技術評估時參考：

1// Express webhook handler — WhatsApp Cloud API v21.0
2app.post('/webhook', async (req, res) => {
3  const msg = req.body.entry?.[0]?.changes?.[0]?.value?.messages?.[0];
4  if (!msg) return res.sendStatus(200);
5
6  const session = await getSession(msg.from);
7  session.turns += 1;
8
9  const escalate =
10    session.turns > 4 ||                          // 對話過長
11    session.lowConfidenceStreak >= 2 ||           // 連續兩次低信心
12    /投訴|退款|律師|唔該搵人|complaint|refund/i.test(msg.text?.body ?? '');
13
14  if (escalate) {
15    await assignToHumanQueue(msg.from, { priority: 'high', context: session });
16    return res.sendStatus(200);
17  }
18
19  const reply = await llmReply(msg.text?.body, session);
20  if (reply.confidence < 0.7) session.lowConfidenceStreak += 1;
21  else session.lowConfidenceStreak = 0;
22
23  await sendWhatsApp(msg.from, reply.text);
24  res.sendStatus(200);
25});

驗收供應商時，直接要求對方展示等同邏輯的升級規則配置介面。答不出「幾時轉人手、點樣轉、轉之後坐席見唔見到之前對話」的供應商，可以剔走。

合規：跨境營運不能略過的一環

香港的《個人資料（私隱）條例》（PDPO）下，個人資料保障六原則對客服對話紀錄同樣適用，特別是原則 2（準確性與保留期）與原則 4（保安）。若你的坐席團隊或雲端資料庫位於香港以外，實務要處理的包括：

• 保留期政策：對話紀錄保留幾耐、由誰刪除、有無自動化
• 存取控制：離職坐席帳號多快停用；是否有匯出全部對話的權限
• 資料處理者合約：香港私隱專員公署的指引明確要求資料使用者以合約或其他方式，確保受委聘的資料處理者遵從保留與保安要求

若你同時服務歐盟或英國客戶，GDPR 的資料主體權利（查閱、刪除）意味著你必須能夠在期限內從 WhatsApp 對話紀錄中檢索並刪除特定個人的資料。很多 SaaS 平台的「匯出」功能只能匯出 CSV，未必符合逐一資料主體檢索的要求。這一點在合約階段問，比出事後才問便宜太多。

新加坡的 PDPA、澳洲的 Privacy Act 各有差異，跨市場經營的中小企應以最嚴格的一套設計流程，而非逐個市場砌不同規則。

四類方案的直接對照

上線速度

• SaaS 自建：最快（數天至兩週），但只是「系統可用」，不等於「流程可用」
• BPO：最慢（4–8 週），受招聘與培訓限制
• AI Agent：中（2–4 週），取決於知識庫整理程度
• 混合託管：中（4–6 週分階段），第一階段通常只覆蓋單語言核心流程

每月成本可預測性

• SaaS 自建：軟件費固定，Meta 費浮動，人手成本你自己控制 → 可預測性高
• BPO：坐席費固定，超量加班浮動 → 中等
• AI Agent：按用量計，旺季可能失控 → 需設上限
• 混合託管：託管費固定 ＋ 用量 → 中高，視合約條款

多語言與跨市場能力

• SaaS 自建：平台支援多語言介面，但語言能力來自你自己的團隊
• BPO：視交付點而定；東南亞交付中心的英語、馬來語、印尼語較充裕，粵語稀缺
• AI Agent：LLM 的粵語書面（港式中文）處理近年明顯改善，但涉及本地俗語與品牌語調仍需微調
• 混合託管：理論上最強，因為可以混編 AI ＋ 區域坐席，但要確認交付團隊真實位置

對內部團隊的負擔

• SaaS 自建：最高。需要一位有 ownership 的內部負責人，否則系統會荒廢
• BPO：中。需要持續提供知識庫與品質抽查
• AI Agent：中。需要人維護知識庫與檢視錯誤回覆
• 混合託管：最低，但代價是你對日常營運的可見度取決於報表質素

退出成本

• SaaS 自建：低。WABA 在你名下，換平台換 BSP 即可
• BPO：中。知識在人腦，人走了就走了
• AI Agent：中高。知識庫格式往往專有
• 混合託管：最高。務必在合約列明 WABA 擁有權、對話紀錄匯出格式、流程文件交付

最重要的一條：無論選邊種，堅持 WhatsApp Business Account（WABA）與已驗證的電話號碼登記在你公司名下。Meta 允許 WABA 在 BSP 之間遷移，但若號碼一開始就登記在供應商名下，遷移就變成一場談判。

按規模的實際建議

每月訊息量 3,000 條以下

選 SaaS 自建，配一名兼職內部負責人。這個量級的自動化投資回報偏低，先把範本、快速回覆、營業時間外自動訊息做好，已經解決大部分痛點。加一個處理 FAQ 的輕量 AI 層是可選項，不是必須。

每月 3,000–20,000 條，單一市場

這是最尷尬的區間：內部一兩個人做到窒息，請多一個又未夠量。合理做法是 SaaS ＋ AI Agent 處理重複查詢，內部人手專注例外處理。若粵語為主、流程穩定，這個組合的性價比通常最好。

每月 20,000 條以上，或多市場多語言

混合託管開始有結構性優勢。原因不是便宜，而是排班、語言、SLA、AI 調優這四件事同時管理，內部團隊很難兼顧。此時要比較的不是月費，而是 SLA 條款的實質：首次回覆時間中位數（而非平均數）、覆蓋時段、未達標的補償機制。

海外品牌以亞洲為營運樞紐

對美國、英國、歐盟品牌而言，把 WhatsApp 客服的營運中心放在香港或新加坡，實際好處是覆蓋歐洲早上到美國下午的重疊時區，加上 WhatsApp 在印度、巴西、印尼、馬來西亞的高滲透率。根據 DataReportal 的《Digital 2024》系列報告，WhatsApp 在多個亞洲與拉美市場是滲透率最高的訊息應用之一。以亞洲為 hub 服務全球 WhatsApp 用戶，是地理上合理的安排，不是成本套利。

供應商評估：值得問的七條問題

1. Meta 訊息費是原價轉付還是有加成？請書面列明百分比。
2. WABA 與電話號碼登記在誰名下？合約結束時如何遷移？
3. AI 升級到真人的觸發條件有哪些？坐席接手時看到完整對話上下文嗎？
4. SLA 用中位數還是平均數計？未達標的補償是什麼？
5. 對話紀錄儲存在哪個地區？保留多久？如何回應單一資料主體的刪除要求？
6. 粵語坐席實際在哪裡？是全職還是共享資源池？
7. 每月報表包含哪些欄位？能否匯出原始數據而非只有 PDF？

第 7 條最容易被低估。拿不到原始數據，你就無法驗證第 4 條。

一個落地案例的形狀

Branch8 曾為一間香港多品牌餐飲集團設計 WhatsApp 訂座與查詢流程。挑戰不在技術，而在於各品牌的營業時間、訂座規則與語調完全不同，但共用同一組客服人手。

做法是在 respond.io 之上建立分品牌的路由與範本庫，以 WhatsApp Cloud API 接入預訂系統查詢即時枱位，並用 LLM 層處理「今晚八點四位有無位」這類自然語言查詢，轉譯成結構化查詢後回覆；一旦涉及大枱、包場或投訴，即時轉真人並附上完整對話上下文。設計重點是每個品牌獨立的 prompt 與知識庫版本控制，令營運同事可以自行更新營業資訊而毋須改動程式碼。

這種「多品牌共用一組人手」的形狀，在香港零售與餐飲業非常普遍，也是純 SaaS 或純 BPO 方案最容易失手的地方。

結論：2026 年的選擇邏輯

訊息量決定架構，語言與合規決定交付地點，合約條款決定你三年後有沒有選擇權。

三千條以下不要過度工程；兩萬條以上不要靠人肉硬撐；中間的區間，AI 處理重複、真人處理例外，是目前性價比最穩定的組合。無論走哪條路，WABA 擁有權、資料匯出權、SLA 中位數這三項寫進合約，比省下每月幾百美元重要得多。

如果你正在評估 WhatsApp 客服方案，或現有安排已經追不上訊息量，Branch8 在香港、新加坡、台北與東南亞的團隊可協助拆解你的實際用量數據、比較供應商報價結構，並設計 AI 與人手混編的營運模型。歡迎聯絡我們討論你的具體場景。

Sources

• Meta — WhatsApp Business Platform Pricing
• Meta — WhatsApp Cloud API Documentation
• PCPD Hong Kong — Office of the Privacy Commissioner for Personal Data
• Gartner — Newsroom
• Zendesk — CX Trends Report
• DataReportal — Global Digital Reports
• Hong Kong Census and Statistics Department
• respond.io — Documentation