问题的发现
每天收到超过30封买家邮件时，心中一直有个困扰。「谁会快速回应，谁总是迟迟不回」只能靠直觉判断。当库存有限时，想优先考虑决策快的买家，但缺乏客观测量方法。
特别是作为韩国卖家，想区分因时区差异导致的延迟和真正的拖延买家。
Before: 人工作业为主
手动记录收到邮件的时间到 Excel
直接记录回复时间并计算
只凭记忆保留买家的模式
急迫时只能靠「这家买家通常慢3天回」的粗略判断
After: 自动化追踪系统
将 Windows 设备的 Gmail API 与 Google Sheets 连接，利用 Claude Code 自动化以下流程：
第1阶段：自动收集邮件时间戳
Gmail 收信时间 → 自动记录到 Google Sheets
发件人地址 → 正规化(去除重复)
Subject 行分析 → 自动分类「订单相关」vs「常规询问」
第2阶段：计算回应时间
Claude Code 自动计算前一封信与现在信件间的时间差。以「初次询问至首次回应」作为基本 KPI。
第3阶段：自动生成买家统计
为每个买家自动计算下列指标：
• 平均回应时间(小时)
• 最快回应记录
• 最慢回应记录
• 本月回应成功率(回复比例)
第4阶段：智能提醒
回应延迟超过平常 48 小时的买家被标记为「注意」
本月回应率低于 50% 的买家分类为「关系检查」类别
平均 2 小时内回应的买家列为「优先目标」并突出显示
实际结果
发现1：时区误判
欧洲买家 A 公司回应速度出乎意料地快。考虑工作时间后，新增了时间带别自动筛选功能。
发现2：优先顺序重新编排
「大订单买家」和「快速回应买家」并不重叠。反而是决策迅速的小型买家信用度更高。
发现3：自动重新联络提醒
自动生成 6 个月以上未回复的买家清单，区分需要重新联络的账户。
技术栈
• Google Sheets(数据库)
• Gmail API(自动收集邮件)
• Claude Code(统计计算及分类逻辑)
• 简单的 AppsScript 触发器(每日早晨自动更新)
习得的经验
手动作业时看不见的模式在自动化后变得清晰。特别是「回应速度」与购买力无关，但与信誉度有深厚关联。现在库存不足时，我用数据驱动的方式设定优先顺序。