自動化交付數據的那一天
昨天早上,我們在Windows設備上運行的Claude Code機器人處理了Google試算表中的買家數據。結果很清楚。等待回覆的買家正好500人。上個月聯繫過但仍保持沉默的客戶。
手動分類需要一週,機器人在3小時內完成了。我們的團隊收到結果後呆呆地看了好一會兒。
「好吧,現在我們該做什麼?」
分類後的困惑
自動化初學者經常犯的一個錯誤是,當機器人完成任務時,他們認為工作也結束了。但現實並非如此。
500人的數據分類僅僅是個開始。我們要做的是以下這些。
第一個實驗:重新聯繫郵件發送
等待回覆的客戶中,有些人可能只是時間不夠。在機器人分類的500人中,我們選擇了過去2個月內完全沒有任何聯繫的300人發送追蹤郵件。主題不同,內容也更簡潔。
結果:3天內有24人回應了。自動化的分類成為了重新接觸策略的第一步。
第二個實驗:按溫度分段
我們從只看500人的整體開始,這次深入挖掘了細節。按上次聯繫後的時間差異重新分組。
• 30天或以上:141人(可能已放棄)
• 14至30天:238人(重新接觸可能性高)
• 7至14天:121人(幾乎要回覆了)
我們為每個群體應用了不同的訊息語氣和時間。7至14天的群體在週末晚上收到訊息,而30天以上的群體則與新產品發布新聞一起收到。
最重要的發現
發生了人們完全沒想到的事情。
500人中有60人實際上已經與其他銷售商簽約,他們通過回覆我們的郵件告訴我們這一事實。機器人將其分類為等待回覆,但從客戶的角度來看,他們已經回覆了(我們只是沒有確認)。
這個發現告訴了我們下一步改進的方向。
「分類後需要額外的過濾」
我們在Windows設備上記下了備忘。下一個機器人版本將更精細地掃描電子郵件主體關鍵詞,回溯那些已經表達了回覆意願但我們遺漏的郵件。
自動化之後
作為非開發者學到的是這一點。自動化只是歸還了人的時間,判斷和策略仍然是人的責任。
機器人分類後,我們要做的事情更多了。為什麼這個人沒有回應?什麼時候應該再聯繫?什麼訊息更有效?這些問題應運而生。
夢幻團隊的機器人不知疲倦地工作一整晚。但看著這些結果並思考「接下來我們該做什麼」仍然是我們的工作。
這正是自動化所創造的空間。