Before: 無謂地等待的日子
每週發送 50 封買家電子郵件，但不知道何時會收到回覆。我們浪費時間追蹤沒有回應的郵件。團隊成員只能憑經驗和直覺回答「這個買家有可能回應嗎？」的問題。
After: 評分表說出的信號
我們收集了過去 3 個月的電子郵件元數據（主旨長度、正文單詞數、發送日期、買家業種）以及實際回應情況，並訓練 Claude Code 學習。現在發送新郵件時會自動產生評分。
買家回應預測評分系統
━━━━━━━━━━━━━━━━━━━━━━━━━
80 分以上：48 小時內有回應可能 (集中追蹤)
50~79 分：1 週內回應 (定期檢查)
50 分以下：冷卻待機 (2 週後重新發送)
實際改變的事項
1. 聯繫時機變得準確
平日上午發送的郵件傾向於獲得高分，週六發送則分數較低。團隊現在集中在週二至週三上午發送。
2. 快速區分無反應的買家
持續獲得 40 分的買家表示對我們產品沒有興趣。這是一個無聲的提示，告訴我們停止追蹤並轉向新目標。
3. 團隊心理的改變
以前對所有買家施加相同壓力，現在團隊會想「為什麼這個 75 分的客戶還沒回覆？」並開始測試更好的電子郵件文案。
有趣的發現
• 不同業種有不同的回應模式。某些類別在首次聯繫時有 80% 回應率，而其他行業只在第二封郵件才有反應。
• 如果買家名稱中包含特定地區名稱，回應概率會提升 10 分。
• 正文過長（300 字以上）時，預測分數會下降 15 分。
下一步計畫
谷歌試算表的評分自動化運作良好，但仍有部分需要手動計算。我們計劃使用 Claude Code 將此流程轉變為 Windows 環境的背景任務，這樣每天清晨 6 點所有昨天的郵件都會自動獲得評分。
最令人驚訝的是，機器人比我們更早發現模式。我們現在正在學習如何解讀這些信號。