分享一些提升效率的方法，聊聊如何在回復詢盤的過程中，將 AI 的能力引進來。

我們現在的幾個網站，經過過去一年的內容運營，其流量水平已經穩定到了一定階段，且詢盤量已經穩定在了一定的水平。這就導致我們團隊在回復詢盤的過程中，有時候人力根本忙不過來。

尤其是當我們業務小伙伴，既要維護過往的客戶資源，又要跟進正在生產的訂單，且還要每天固定跟進新的客戶線索時，就更忙不過來。

說實話目前這種狀態，我們還沒有考慮去招人擴團隊。因為新招進來的人，根本不熟悉我們的產品，要出成績可能需要很久的時間。

所以更佳的一個做法，就是努力提升我們工作流程的整體效率。這也就要求我們，在詢盤回復的過程中、在客戶維護的過程中，盡可能將 AI 的能力引進來提升人效。

就拿初次回復詢盤而言，我們的 AI 介入流程一般分為三個步驟，分別是前期的資料整理、詢盤信息讀取，以及最終的回復郵件加工。

而前期的資料整理又分為兩個過程，一是過往詢盤郵件歷史的整理，二是產品報價信息的整理。

做「詢盤郵件歷史的整理」這件事，原因其實很簡單，就是讓 AI 去學習我們業務小伙伴是怎么寫郵件的，以及告訴 AI 什么樣的詢盤郵件才是合格的。

那后續 AI 在生成回復郵件時，便能參考這些歷史信息，甚至是直接引用這些信息，來生成相應的郵件內容。

報價信息的整理，這個就非常簡單了，畢竟 AI 得根據報價單來生成一個初步的報價表，對吧。

第一步的信息整理做完，后續兩個步驟其實就非常簡單了。且目前這個階段，我沒打算做全自動的信息處理流程，還是打算做成半自動的流程，且借力目前已經存在的產品。

比如 Google Sheets 這款產品（或者 Cursor），將資料整理到表格中，然后將相應的自動化處理代碼放在 Scripts 中。如此一個基礎的自動化寫作流程，便能完工了。

那 AI 消化完信息后，便能根據我們 Prompt 的輸出要求，去生成相應的回復郵件（甚至根據目標客戶的語言做針對性的語種翻譯），并輸出詳細的「為什么這樣輸出」的理由。

結果出來之后，業務小伙伴只需要簡單看一眼，便能知道這封郵件是否合格，以及要不要做進一步的處理。

其實上面這個流程，我去年年底就已經開發完成了。只不過因為過年的緣故，還沒有進行集中測試。正好這段時間我們人手忙不過來，剛好可以將整體測試這件事提上日程。

且我們自己經驗，很多詢盤信息過來的目的就是咨詢下大致的價格，如果不滿意基本就不會回復。而這類客戶也不是我們的意向，畢竟虧本的生意不能做。

那這套流程正好可以加快這段信息處理的速度，幫我們快速過濾掉這種客戶，加快整體的辦公效率。