AI 回复询盘信息

分享一些提升效率的方法，聊聊如何在回复询盘的过程中，将 AI 的能力引进来。

我们现在的几个网站，经过过去一年的内容运营，其流量水平已经稳定到了一定阶段，且询盘量已经稳定在了一定的水平。这就导致我们团队在回复询盘的过程中，有时候人力根本忙不过来。

尤其是当我们业务小伙伴，既要维护过往的客户资源，又要跟进正在生产的订单，且还要每天固定跟进新的客户线索时，就更忙不过来。

说实话目前这种状态，我们还没有考虑去招人扩团队。因为新招进来的人，根本不熟悉我们的产品，要出成绩可能需要很久的时间。

所以更佳的一个做法，就是努力提升我们工作流程的整体效率。这也就要求我们，在询盘回复的过程中、在客户维护的过程中，尽可能将 AI 的能力引进来提升人效。

就拿初次回复询盘而言，我们的 AI 介入流程一般分为三个步骤，分别是前期的资料整理、询盘信息读取，以及最终的回复邮件加工。

而前期的资料整理又分为两个过程，一是过往询盘邮件历史的整理，二是产品报价信息的整理。

做「询盘邮件历史的整理」这件事，原因其实很简单，就是让 AI 去学习我们业务小伙伴是怎么写邮件的，以及告诉 AI 什么样的询盘邮件才是合格的。

那后续 AI 在生成回复邮件时，便能参考这些历史信息，甚至是直接引用这些信息，来生成相应的邮件内容。

报价信息的整理，这个就非常简单了，毕竟 AI 得根据报价单来生成一个初步的报价表，对吧。

第一步的信息整理做完，后续两个步骤其实就非常简单了。且目前这个阶段，我没打算做全自动的信息处理流程，还是打算做成半自动的流程，且借力目前已经存在的产品。

比如 Google Sheets 这款产品（或者 Cursor），将资料整理到表格中，然后将相应的自动化处理代码放在 Scripts 中。如此一个基础的自动化写作流程，便能完工了。

那 AI 消化完信息后，便能根据我们 Prompt 的输出要求，去生成相应的回复邮件（甚至根据目标客户的语言做针对性的语种翻译），并输出详细的「为什么这样输出」的理由。

结果出来之后，业务小伙伴只需要简单看一眼，便能知道这封邮件是否合格，以及要不要做进一步的处理。

其实上面这个流程，我去年年底就已经开发完成了。只不过因为过年的缘故，还没有进行集中测试。正好这段时间我们人手忙不过来，刚好可以将整体测试这件事提上日程。

且我们自己经验，很多询盘信息过来的目的就是咨询下大致的价格，如果不满意基本就不会回复。而这类客户也不是我们的意向，毕竟亏本的生意不能做。

那这套流程正好可以加快这段信息处理的速度，帮我们快速过滤掉这种客户，加快整体的办公效率。