Before: 手動閱讀語言,逐一尋找範本
每天早上,團隊進入 Google 表單查看買家詢問。
「英文啊,要找英文範本」
「中文。中文版本在哪裡?」
「韓文。簡單的案子,但很耗時」
用三種語言的範本複製貼上,每個詢問平均需要 3 分鐘。一天 20 個詢問,就是 1 小時。
After: 表單回應送達的瞬間,語言就定好了
用 Claude Code 建立腳本,連接到 Google 試算表。表單回應一送達:
1. 分析詢問文字 → 自動判別語言(韓文/英文/中文)
2. 根據語言指定匹配的範本行
3. 向團隊的 Slack 通知「英文,使用範本第 3 行」
4. 回復草稿已備妥
同樣的工作現在只需 30 秒。
出乎意料的發現: 中文感知最準確
初期測試出現意外結果。
• 韓文感知: 90% 準確度(混合表記時有誤)
• 英文感知: 88% 準確度(縮寫或產品名稱原因)
• 中文感知: 98% 準確度(漢字特性)
團隊邊笑邊說:「AI 最會讀漢字」
團隊變化: 定型化作業消失了
響應時間不只縮短。
過去: 尋找範本、貼上、檢查拼字 → 發送回復(重複)
現在: 確認草稿、加一句個人化訊息 → 發送回復
同一個人做事,但工作品質提升了。因為把範本作業時間用在編寫買家專屬訊息上。
為何可行: Claude Code 的「理解上下文」能力
單純告訴 AI 「區分語言」,成功率 50%。Claude 不同。
• 產品詢問出現「specifications」→ 英文
• 「库存」出現 → 中文
• 「納期」或「樣本」出現 → 韓文
不只讀單字,連業務術語、敬語、句子結構都讀,所以準確度高。
下一步: 語言別庫存資訊也自動添加
團隊目前在實驗的:
買家用英文提問時,回復自動加上「Available quantity in stock: [數量]」。
中文就放「现货库存: [数量]」。
完成後,買家讀訊息時所有資訊都已備妥。