自动化交付数据的那一天
昨天早上,我们在Windows设备上运行的Claude Code机器人处理了Google表格中的买家数据。结果很清楚。等待回复的买家正好500人。上个月联系过但仍保持沉默的客户。
手动分类需要一周,机器人在3小时内完成了。我们的团队收到结果后呆呆地看了好一会儿。
「好吧,现在我们该做什么?」
分类后的困惑
自动化初学者经常犯的一个错误是,当机器人完成任务时,他们认为工作也结束了。但现实并非如此。
500人的数据分类仅仅是个开始。我们要做的是以下这些。
第一个实验:重新联系邮件发送
等待回复的客户中,有些人可能只是时间不够。在机器人分类的500人中,我们选择了过去2个月内完全没有任何联系的300人发送追踪邮件。主题不同,内容也更简洁。
结果:3天内有24人回应了。自动化的分类成为了重新接触策略的第一步。
第二个实验:按温度分段
我们从只看500人的整体开始,这次深入挖掘了细节。按上次联系后的时间差异重新分组。
• 30天或以上:141人(可能已放弃)
• 14至30天:238人(重新接触可能性高)
• 7至14天:121人(几乎要回复了)
我们为每个群体应用了不同的消息语气和时间。7至14天的群体在周末晚上收到消息,而30天以上的群体则与新产品发布新闻一起收到。
最重要的发现
发生了人们完全没想到的事情。
500人中有60人实际上已经与其他销售商签约,他们通过回复我们的邮件告诉我们这一事实。机器人将其分类为等待回复,但从客户的角度来看,他们已经回复了(我们只是没有确认)。
这个发现告诉了我们下一步改进的方向。
「分类后需要额外的过滤」
我们在Windows设备上记下了备忘。下一个机器人版本将更精细地扫描电子邮件主体关键词,回溯那些已经表达了回复意愿但我们遗漏的邮件。
自动化之后
作为非开发者学到的是这一点。自动化只是归还了人的时间,判断和策略仍然是人的责任。
机器人分类后,我们要做的事情更多了。为什么这个人没有回应?什么时候应该再联系?什么消息更有效?这些问题应运而生。
梦幻团队的机器人不知疲倦地工作一整晚。但看着这些结果并思考「接下来我们该做什么」仍然是我们的工作。
这正是自动化所创造的空间。