手動分類的惡夢
星期一早上，看著 Google 試算表中堆積的 2,000 筆買家訊息，我忍不住嘆了口氣。因為我必須逐一閱讀每條訊息，然後手動標記「還未回覆嗎？」或「已經回覆了嗎？」。
計算一下，每天處理 300 筆的話，需要花費一週時間，再加上充分的檢查時間，差不多要兩週才能完成。更麻煩的是，人工作業難免會出現錯誤。
Before：手動作業的現實
**投入時間**：約 120 小時（2 週）
**錯誤率**：約 3~5%（有遺漏重要買家訊息的風險）
**流程**：直接閱讀 → 記錄狀態 → 重新檢查
與 Claude Code 的小實驗
我在 Windows 設備上打開了 Claude Code。提出了一個簡單的請求。
「能否從 Google 試算表中讀取『Message』欄的文字，當出現『感謝您』、『已收到』、『已確認』等表達時，標記為『已回覆』；如果句末有『？』或『何時』等疑問詞，則標記為『待回覆』？」
Claude Code 生成的代碼非常簡潔。這是一個檢查每行訊息文字的 Python 腳本，它連接 Google 試算表 API，自動將狀態填入新欄位。
After：自動化的結果
當代碼執行的那一刻，我的感受無法用言語形容。
**執行時間**：5 分鐘（2,000 筆全部處理完成）
**準確度**：約 94%（通過人工檢查修正剩餘 6%）
**人力節省**：120 小時 → 30 分鐘（包括代碼編寫和檢查）
意外的發現：買家溝通模式
分類完成後，出現了有趣的模式。
• **24 小時內未回覆的訊息**：佔全體 28%
• **超過 1 週未回覆**：佔全體 12%
• **重複提問**：約 87 筆（同一買家重複發送相同內容）
這些數據引發了我對下一步自動化的想法。例如，未回覆超過 3 天的訊息可以自動提升優先級，或者對經常重複提問的買家自動發送模板回覆。
小團隊的收穫
AI 夢幻團隊經營的自動化知識中，有一個核心要點：即使沒有複雜的編程技能，非開發者也能透過 Claude Code 識別日常的重複工作，只要向 AI 說明這項工作，大多數情況都能迎刃而解。
這次的案例也不例外。一項原本需要 2 週才能完成的工作，在 5 分鐘內解決了，這不是因為技術有多先進，而是源於一個簡單的問題：「這項工作能否自動化？」
---
下一步實驗：現在我想利用這份分類數據來分析買家的回覆模式。如果能找出哪些買家回覆速度快，哪些買家經常重複提問，我們的應對策略也能隨之調整。