Before: 无谓地等待的日子
每周发送 50 封买家电子邮件，但不知道何时会收到回复。我们浪费时间追踪没有回应的邮件。团队成员只能凭经验和直觉回答「这个买家有可能回应吗？」的问题。
After: 评分表说出的信号
我们收集了过去 3 个月的电子邮件元数据（主旨长度、正文单词数、发送日期、买家业种）以及实际回应情况，并训练 Claude Code 学习。现在发送新邮件时会自动产生评分。
买家回应预测评分系统
━━━━━━━━━━━━━━━━━━━━━━━━━
80 分以上：48 小时内有回应可能 (集中追踪)
50~79 分：1 周内回应 (定期检查)
50 分以下：冷却待机 (2 周后重新发送)
实际改变的事项
1. 联系时机变得准确
平日上午发送的邮件倾向于获得高分，周六发送则分数较低。团队现在集中在周二至周三上午发送。
2. 快速区分无反应的买家
持续获得 40 分的买家表示对我们产品没有兴趣。这是一个无声的提示，告诉我们停止追踪并转向新目标。
3. 团队心理的改变
以前对所有买家施加相同压力，现在团队会想「为什么这个 75 分的客户还没回复？」并开始测试更好的电子邮件文案。
有趣的发现
• 不同业种有不同的回应模式。某些类别在首次联系时有 80% 回应率，而其他行业只在第二封邮件才有反应。
• 如果买家名称中包含特定地区名称，回应概率会提升 10 分。
• 正文过长（300 字以上）时，预测分数会下降 15 分。
下一步计划
谷歌表格的评分自动化运作良好，但仍有部分需要手动计算。我们计划使用 Claude Code 将此流程转变为 Windows 环境的背景任务，这样每天清晨 6 点所有昨天的邮件都会自动获得评分。
最令人惊讶的是，机器人比我们更早发现模式。我们现在正在学习如何解读这些信号。