Before: 무작정 기다리던 날들
매주 50건의 바이어 이메일을 발송했는데, 어디서부터 연락이 올지 알 수 없었습니다. 응답 없는 메일을 계속 추적하느라 시간만 낭비했죠. 팀원들은 「이 바이어는 응답 확률이 높을까?」라는 질문에만 경험과 감으로 답했습니다.
After: 점수표가 말해주는 신호
지난 3개월간 수집한 이메일 메타데이터(제목 길이, 본문 단어 수, 발송 요일, 바이어 업종)와 실제 응답 여부를 Claude Code에 학습시켰습니다. 이제 새 메일을 발송하면 자동으로 점수가 매겨집니다.
바이어 응답 예측 점수 체계
━━━━━━━━━━━━━━━━━━━━━━━━━
80점 이상: 48시간 내 응답 가능성 높음 (집중 추적)
50~79점: 1주일 내 응답 (정기 점검)
50점 미만: 냉각 대기 (2주 후 재발송)
실제로 달라진 일들
1. 연락 타이밍이 정확해졌다
평일 오전에 발송한 메일이 높은 점수를 받는 경향이 생겼고, 토요일 발송은 점수가 낮게 나옵니다. 팀이 이제 화요일-수요일 오전에 집중해서 발송하게 되었습니다.
2. 응답 없는 바이어를 빨리 구분했다
점수 40점대가 계속 나오는 바이어는 우리 제품에 관심 없는 신호입니다. 무한정 쫓지 말고 새로운 타겟으로 넘어가라는 조용한 안내가 되어줍니다.
3. 팀의 심리 변화
이전엔 모든 바이어에게 같은 강도로 집중했는데, 이제 「점수 75점인 이 고객이 왜 아직 답장이 없지?」라며 그 이유를 궁금해하기 시작했습니다. 더 나은 이메일 문구를 시험하게 된 거죠.
흥미로운 발견
• 업종별로 응답 패턴이 다릅니다. 특정 카테고리는 첫 연락에 80% 응답하지만, 다른 업종은 2번째 메일에서만 반응합니다.
• 바이어명이 특정 지역 이름(예: 회주, 성도)이면 응답 확률이 10점 올라갑니다.
• 본문이 너무 길면(300단어 이상) 예측 점수가 15점 떨어집니다.
다음 단계
구글 시트의 점수 자동화는 잘 작동하지만, 아직 손으로 계산하는 부분이 있습니다. Claude Code로 이 프로세스를 Windows 환경의 백그라운드 작업으로 만들 계획입니다. 그러면 매일 새벽 6시에 어제의 모든 메일에 자동으로 점수가 붙어있을 겁니다.
가장 놀라운 건, 봇이 우리보다 먼저 패턴을 본다는 것입니다. 우리는 지금 그 신호를 읽는 법을 배우고 있습니다.