手動記錄的日常
三個月前，我們按買家逐一記下寄出電郵的時間和回信時間。寫在筆記本上，再轉到 Google 試算表裡，週末用計算機算經過時間。每週一早上，只是眼睛掃過「誰回得最快」就算了。
機器人開始自動做的事
我給 Claude Code 留下簡單指示。
比較試算表 B 欄（寄出時間）和 C 欄（回信時間），在 D 欄自動計算經過時間。如果沒有時間就標記「等待中」。
從下一週開始，機器人每晚 11 點自動執行：
1. 計算各買家平均回應時間
2. 將遲延回應者（超過 72 小時）排序
3. 按時段統計回應率（上午、下午、晚上）
4. 比較工作日與週末的回應速度
意外發現
看著第一週的數據時，我們驚呆了。我們心目中的「快速買家」和實際數據不符。
• 某個買家在週二下午 2 時至 3 時的回應率達 90%
• 週五下午寄出的電郵往往延遲 72 小時以上才收到回覆
• 不同地區的時段偏好明顯不同
現在我們看著「買家時段檔案」來安排聯繫時間。「啊，這位買家週三上午是黃金時段呢」就是這樣。
Before 和 After
之前（手動記錄時代）
• 每週 5 小時以上的數據整理時間
• 發現延遲買家的速度：1 週
• 回應模式分析：幾乎不可能
• 聯繫時間：隨意的上午或下午
現在（機器人自動追蹤）
• 數據整理時間：0 分鐘（每晚自動）
• 延遲偵測：即時提醒
• 回應模式：每週自動報告確認
• 聯繫時間：基於數據的最優化
小小的啟示
自動化並不總是帶來龐大的系統改進。反而，這樣小小的追蹤在量化我們的業務直覺後，整個團隊的應對速度明顯加快了。機器人每晚安靜地向我們展示我們看不到的模式。