今天看到一個網(wǎng)站，提供的服務(wù)是替別人回復(fù)郵件。

服務(wù)售價還挺貴的，標(biāo)準(zhǔn)套餐需要每月兩千美金。這不得不讓我開始再次思考，能不能將 AI 的能力引入進來，來替代在郵件回復(fù)過程中的大量人力。

舉個很簡單的例子，我們做詢盤站點的小伙伴每天都能收到不少產(chǎn)品咨詢郵件（也即詢盤郵件）。其實這些郵件的內(nèi)容大體相同，就是客戶就某款產(chǎn)品，提供相應(yīng)的定制標(biāo)準(zhǔn)，然后詢問相應(yīng)的價格。

說實話每天回復(fù)這些郵件需要花費業(yè)務(wù)人員不少時間，且有時候精心準(zhǔn)備的一封郵件回復(fù)過去，客戶還不一定回復(fù)。且我們自己的站點，這種初次就不回復(fù)郵件的客戶比例還挺高的。

畢竟詢盤客戶的心態(tài)，可能就是看下價格，當(dāng)不符合心理預(yù)期的時候，便自然略過不去處理了。

所以我前段時間一直在思考，能不能將我們「詢盤郵件的初次回復(fù)」這個過程給流程化、標(biāo)準(zhǔn)化。并將 AI 的能力引入進去，加快初次郵件回復(fù)的效率。

比如使用 AI 去閱讀客戶的詢盤郵件，當(dāng)所有的報價要素都完善時，將其流轉(zhuǎn)到詢盤郵件的報價流程。而一旦郵件中有報價要素不完善，則生成一封郵件要求補充詢價信息并回復(fù)過去。

至于在報價流程的郵件，我們可以結(jié)合過往的業(yè)務(wù)數(shù)據(jù)整理一個報價表。當(dāng)客戶需要 A 屬性時，這個產(chǎn)品報價是什么樣的，當(dāng)客戶需要 B 屬性時，這個產(chǎn)品報價是什么樣的，等等。

等報價信息計算出來后，再將所有信息整合一下，輸出成一封回復(fù)郵件。我們自己人工審核一下沒什么問題后，再回復(fù)給客戶。

其實這樣的一個郵件回復(fù)過程，在技術(shù)處理上并不難。且我們可以多整理一些過往的郵件回復(fù)歷史，交給 AI 消化并將其訓(xùn)練成專屬的產(chǎn)品報價回復(fù)助手。

這樣的一套操作流程，我之前是有在我們自己的站點上實驗過。但是效果不是特別好，只能做一些比較初級的優(yōu)化。

后來也反思了一下原因，主要不足的點還是我們的報價要素有點多。

比如客戶主體的需求描述清楚了，但是有一些小細節(jié)沒交代清楚。那此時如果交由 AI 去處理，可能 AI 直接就打回去不報價了。

而這樣的報價需求，在業(yè)務(wù)人員看來沒什么太大的問題。至于那些沒交代清楚的小細節(jié)，業(yè)務(wù)人員則會采用一個默認(rèn)的配置，給價格報出去了（并在郵件中做相應(yīng)的說明）。

所以后續(xù)干脆停掉了這部分流程的優(yōu)化，干脆只是讓 AI 進行「淺參與」。比如所有的信息都整理好了，讓 AI 來幫我優(yōu)化下郵件內(nèi)容，或者檢查下語法錯誤，亦或者幫我將郵件內(nèi)容翻譯成某種小語種。

那還是回到開始的那個點，如果我們的業(yè)務(wù)邏輯足夠明了（數(shù)據(jù)清楚，業(yè)務(wù)邏輯不復(fù)雜），我覺得讓 AI 深度參與到我們的郵件信息回復(fù)，這件事做成的概率還是挺大的。