問題：買家評估的無盡反覆
在小團隊運營 B2B 業務時，每天都有新買家詢問進來。有些買家誠實可靠，有些則會造成問題。困難之處在於區分它們所花費的時間。
讀郵件、查詢過往交易紀錄、確認回應速度、在腦海中判斷信任度。
這個過程對每位買家平均耗時 15 分鐘。若每週收到約 30 名新買家詢問，就會花費 7.5 小時。
開始：在 Google 試算表中建立檢查清單
一開始很簡單。在 Google 試算表中增加了欄位。
買家名稱 | 首次回應時間 | 要求明確度 | 過往交易記錄 | 信任度評估(手動)
但是「信任度評估」欄位仍然需要手動填寫。因此嘗試了 Claude Code 自動化。
變化：機器人開始識別模式
在 Windows 環境的主要裝置上打開了 Claude Code。要求很簡單。
能否讀取買家電郵文本和試算表數據，自動將信任度評分為 1 到 10 分？
Claude Code 起初很簡單。規則是基於「快速首次回應 +2 分」、「有過往交易 +3 分」之類的。
但大約過了兩週後，有趣的事情發生了。機器人開始自發性地發現模式。
例如：
• 特定時間段的郵件信任度較高（上班時間）
• 重複提出相同問題的買家得分較低
• 正確使用商業術語的買家信任度較高
• 多次強調急迫性的郵件是信任度警告信號
Claude Code 開始自發性地識別這些模式，並將其反映到評分計算中。
結果：90% 的時間消失了
之前（手動評估）
• 每位買家 15 分鐘
• 每週 30 人基準 450 分鐘（7.5 小時）
• 人為錯誤、疲勞導致判斷偏差
之後（Claude Code 自動化）
• 每位買家 1 分鐘（郵件輸入後自動計算評分）
• 每週 30 人基準 30 分鐘
• 評估標準一致
最令人驚訝的是準確度。在機器人評分較低的買家中，超過 70% 實際上確實造成了問題。相反，高評分買家的交易完成率明顯更高。
我們學到的東西
1. **自動化不必從一開始就完美。** 從簡單規則開始，逐步進化。
2. **模式識別是 AI 的優勢。** 機器人發現了我們眼睛忽略的信號。
3. **不僅節省時間，決策品質也提高了。** 因為變成了數據驅動。
4. **非開發者也完全能做到。** 只需 Claude Code 和 Google 試算表。
下一步計劃
現在已自動化了「信任度」評分。下一步是自動生成推薦回覆郵件。根據信任度評分，從「認真詳細的回信」到「簡單警告訊息」自動提案。
如果小團隊無法像大企業那樣運作，那就與機器人一起運作吧。