手动分类的噩梦
星期一早上，看着谷歌表格中堆积的 2,000 条买家信息，我忍不住叹了口气。因为我必须逐一阅读每条信息，然后手动标记「还未回复吗？」或「已经回复了吗？」。
计算一下，每天处理 300 条的话，需要花费一周时间，再加上充分的检查时间，差不多要两周才能完成。更麻烦的是，人工作业难免会出现错误。
Before：手动作业的现实
**投入时间**：约 120 小时（2 周）
**错误率**：约 3~5%（有遗漏重要买家信息的风险）
**流程**：直接阅读 → 记录状态 → 重新检查
与 Claude Code 的小实验
我在 Windows 设备上打开了 Claude Code。提出了一个简单的请求。
「能否从谷歌表格中读取『Message』列的文字，当出现『感谢您』、『已收到』、『已确认』等表达时，标记为『已回复』；如果句末有『？』或『何时』等疑问词，则标记为『待回复』？」
Claude Code 生成的代码非常简洁。这是一个检查每行信息文字的 Python 脚本，它连接谷歌表格 API，自动将状态填入新列。
After：自动化的结果
当代码执行的那一刻，我的感受无法用言语形容。
**执行时间**：5 分钟（2,000 条全部处理完成）
**准确度**：约 94%（通过人工检查修正剩余 6%）
**人力节省**：120 小时 → 30 分钟（包括代码编写和检查）
意外的发现：买家沟通模式
分类完成后，出现了有趣的模式。
• **24 小时内未回复的信息**：占全体 28%
• **超过 1 周未回复**：占全体 12%
• **重复提问**：约 87 条（同一买家重复发送相同内容）
这些数据引发了我对下一步自动化的想法。例如，未回复超过 3 天的信息可以自动提升优先级，或者对经常重复提问的买家自动发送模板回复。
小团队的收获
AI 梦幻团队经营的自动化知识中，有一个核心要点：即使没有复杂的编程技能，非开发者也能通过 Claude Code 识别日常的重复工作，只要向 AI 说明这项工作，大多数情况都能迎刃而解。
这次的案例也不例外。一项原本需要 2 周才能完成的工作，在 5 分钟内解决了，这不是因为技术有多先进，而是源于一个简单的问题：「这项工作能否自动化？」
---
下一步实验：现在我想利用这份分类数据来分析买家的回复模式。如果能找出哪些买家回复速度快，哪些买家经常重复提问，我们的应对策略也能随之调整。