問題是語言和時間
每天早上打開電郵時，我都有同樣的想法。「又是100多封。」經營B2B業務時收到的買家詢問大多相似(規格確認、最低訂單量、運輸條件、樣品要求)，但卻用英文、中文、西班牙文、葡萄牙文混雜而來。
團隊成員每次都重複同樣的流程：
1. 閱讀電郵並判斷提問內容
2. 在Notion中搜索預先準備的回應範本
3. 修改內容並發送回覆
4. 手動記錄到試算表中
每天耗時1.5小時。一個月超過30小時。回應率也隨著延遲而下降。
計畫：讓機器學習模式
「如果Google試算表能讀取進來的電郵，判斷其性質，並自動指定合適的回應範本呢？」
起初看起來太複雜了。但我們從簡單的規則開始。
第一步：將範本資料化
我們在Google試算表中整理了5種基本範本。
┌─────────────┬──────────────┐
│ 範本類型 │ 英文關鍵字 │
├─────────────┼──────────────┤
│ 規格詢問 │ specification│
│ MOQ詢問 │ minimum order│
│ 運輸條件 │ shipping │
│ 樣品要求 │ sample │
│ 價格協商 │ price, quote │
└─────────────┴──────────────┘
第二步：用Claude Code製作判斷邏輯
我們給Claude Code一個簡單的提示：
「閱讀進來的電郵正文，判斷它屬於上述5種中的哪一種。支持英文、中文、西班牙文。同時提供可信度。」
Claude為每份詢問標註了範本類型和可信度(0～100%)。
第三步：用Google Apps Script自動連接
編寫了一個腳本，當Google試算表中出現新行(新詢問)時，根據Claude Code的結果自動填入範本欄位。可信度70%以上標記為「自動選擇」，以下標記為「需手動確認」。
結果：80%的時間回來了
改革前
• 每天100份詢問處理需要1.5小時(含回覆完成)
• 重複回答相同問題導致疲勞感高
• 語言混亂錯誤(例如將英文範本發給中文詢問者)每月2～3次
• 回覆延遲導致回應率下降
改革後
• 需手動確認的詢問在5分鐘內處理(佔整體的25～30%)
• 其餘70～75%只需按下「批准」按鈕即自動發送
• 語言混亂錯誤幾乎為零
• 首次回應時間平均縮短至2小時以內
意外收穫
一個月後，有趣的事發生了。Claude在學習模式時，開始自動偵測「實際上是混合兩個或多個類別的詢問」。
例如某位買家在一封電郵中問「規格如何、最低訂單量是多少、能收到樣品嗎？」起初我們只按一個類別分類，但Claude自動標記了全部三種，讓我們能夠在一個回覆中整合多個範本內容。
剩下的是什麼？
團隊的角色改變了。從「尋找錯誤的人」變成「深化客戶關係的人」。不再花時間在基本問題回答上，而有時間處理特殊要求和複雜談判。
這只是個小改變，但那80%的時間讓我們變得更有人性。