Before: 用手指做資料分類
每天早上,同樣的工作不斷重複。
這封郵件真的有交易可能嗎?還是垃圾郵件?或者只是要資訊?
每天50多封進來的訊息一一閱讀,然後手動輸入到Excel並標記分類。3小時是基本,還有很多錯誤。同樣的買家資訊進來好幾次,重要訊息也常被忽略。
After: Claude Code成為「過濾器」
新方法很簡單。
1. Google表單自動將所有詢問記錄到Google試算表
2. Claude Code自動分析郵件內容(提取公司名稱、感興趣的產品、交易急迫度)
3. AI自動附加3階段優先順序標籤(「立即回應」、「後續檢查」、「資訊性」)
4. 每週只檢查排序後的清單
結果:
• 工作時間: 3小時 → 10分鐘(每週檢查1次)
• 買家回應率: 平均上升35%
• 重複記錄: 消除99%
• 團隊精神狀態: 無限改善(笑)
實施的小挫折與恢復
第一次嘗試失敗了。Claude Code讀懂了郵件文本,但在語言混合(英文+中文+韓文)的情況下,優先順序分類完全亂套。
所以我們修改了提示詞。
從詢問內容中提取以下內容:
1. 公司規模線索(「100人以上」→ 優先順序高)
2. 是否首次交易(確認特定關鍵字)
3. 回應時間限制(「3天內」、「緊急」→ 立即回應)
這樣具體化後,準確度上升到85%以上。
夢想團隊的小發現
機器人分類為「資訊性」的訊息中,有些其實是交易前的客戶教育問題。後來我們才發現這一點。所以我們創建了每月一次與團隊一起檢查分類規則的時間。
自動化只是便利工具,最終判斷仍在團隊。這種平衡是這個小實驗的核心。
下一步
現在嘗試的是買家別「交易週期預測」機器人。連結過去交易記錄和目前詢問,找出「這個買家通常在幾個月後重新訂購」這樣的模式。
非開發者製作的自動化不必完美。只要能運作、能學習、能改進,反覆循環就能改變一切。