Before: 用手指做数据分类
每天早上,同样的工作不断重复。
这封邮件真的有交易可能吗?还是垃圾邮件?或者只是要信息?
每天50多封进来的信息一一阅读,然后手动输入到Excel并标记分类。3小时是基本,还有很多错误。同样的买家信息进来好几次,重要信息也常被忽略。
After: Claude Code成为「过滤器」
新方法很简单。
1. 谷歌表单自动将所有询问记录到谷歌表格
2. Claude Code自动分析邮件内容(提取公司名称、感兴趣的产品、交易急迫度)
3. AI自动附加3阶段优先顺序标签(「立即回应」、「后续检查」、「信息性」)
4. 每周只检查排序后的清单
结果:
• 工作时间: 3小时 → 10分钟(每周检查1次)
• 买家回应率: 平均上升35%
• 重复记录: 消除99%
• 团队精神状态: 无限改善(笑)
实施的小挫折与恢复
第一次尝试失败了。Claude Code读懂了邮件文本,但在语言混合(英文+中文+韩文)的情况下,优先顺序分类完全乱套。
所以我们修改了提示词。
从询问内容中提取以下内容:
1. 公司规模线索(「100人以上」→ 优先顺序高)
2. 是否首次交易(确认特定关键字)
3. 回应时间限制(「3天内」、「紧急」→ 立即回应)
这样具体化后,准确度上升到85%以上。
梦想团队的小发现
机器人分类为「信息性」的信息中,有些其实是交易前的客户教育问题。后来我们才发现这一点。所以我们创建了每月一次与团队一起检查分类规则的时间。
自动化只是便利工具,最终判断仍在团队。这种平衡是这个小实验的核心。
下一步
现在尝试的是买家别「交易周期预测」机器人。连接过去交易记录和目前询问,找出「这个买家通常在几个月后重新订购」这样的模式。
非开发者制作的自动化不必完美。只要能运作、能学习、能改进,反复循环就能改变一切。