Klasyfikacja odpowiedzi i reakcje workflow
Automation 12 min
0/21
Problem biznesowy
Gdy kampania rośnie, skrzynka tonie: 30 odpowiedzi dziennie, każda wymaga decyzji — kto jest zainteresowany, kto pyta, kto się wypisuje. Bez klasyfikacji handlowiec czyta wszystko po kolei i najważniejsze odpowiedzi (INTERESTED) leżą najdłużej. Bez automatyzacji klasa odpowiedzi gubi się między mailem a notatnikiem.
Sprawdzona metoda
Workflow klasyfikacji w 3 krokach:
- POBRANIE: odpowiedź (przez API maila lub tool emailowy) trafia do systemu,
- KLASYFIKACJA: AI czyta odpowiedź i zwraca JSON: {
category
:INTERESTED
,confidence
: 0.95,summary
:chce demo, pyta o cenę
,next_action
:scheduling
} — kategorie: INTERESTED (chcą dalej), NOT_INTERESTED (odmowa), QUESTION (pytają), OBJECTION (obiekcja), OUT_OF_OFFICE (pauza), UNSUBSCRIBE (wypisują się), WRONG_PERSON (nie ta osoba), REFERRAL (polecenie), - REAKCJA: workflow na bazie kategorii: INTERESTED → alert + powiadomienie + opcjonalnie link do kalendarza; QUESTION → AI draft odpowiedzi → human approval → wyślij; OBJECTION → AI propozycja odpowiedzi wg biblioteki obiekcji → human; OUT_OF_OFFICE → pauza sekwencji na [X] dni; UNSUBSCRIBE → usuń z kampanii + oznacz; WRONG_PERSON → AI proponuje właściwą rolę → task researchu; REFERRAL → podziękowanie + poproś o kontakt. Zasady:
- confidence w JSON (niski confidence < 0.7 → zawsze człowiek),
- NOT_INTERESTED traktuj z szacunkiem (może być 'nie teraz' — oznacz do nurtury zamiast agresywnej sprzedaży),
- human-in-the-loop: odpowiedź zawsze zatwierdza człowiek przed wysyłką (nawet AI draft),
- klasyfikacja bez akcji jest bezużyteczna — każda kategoria ma zdefiniowaną reakcję.
Przykład z rynku
- ZŁY
- Ręczne, niespójne wykonywanie kroków lub chaotyczna automatyzacja bez walidacji danych.
- DOBRY
- Odpowiedź: 'Cześć, dzięki za maila. Tak, chcielibyśmy zobaczyć demo. Ile to kosztuje?' → AI: {
category
:INTERESTED
,confidence
: 0.97,summary
:prosi o demo i cenę
,next_action
:scheduling
}. Workflow: alert do handlowca + draft odpowiedzi ('świetnie, [link] do kalendarza, cena od X zł — chętnie omówię w trakcie demo') + task 'umów demo'. Odpowiedź: 'Jestem na urlopie do 20' → {category
:OUT_OF_OFFICE
,confidence
: 0.99, ...} → pauza sekwencji 14 dni. Odpowiedź: 'Nie, dziękuję' → NOT_INTERESTED → oznacz + nurture za 90 dni.
Gotowy prompt do skopiowania
Jesteś architektem klasyfikacji odpowiedzi. Kontekst: Mam kampanię: [PRODUKT]. Otrzymuję [X] odpowiedzi/dzień. Moje kategorie: [LISTA — użyj 8 z kursu]. Tool emailowy: [TOOL]. CRM: [CRM]. Zadanie: Zaprojektuj system klasyfikacji: 1. JSON schema: kategorie (8) + confidence + summary + next_action (z typami) 2. Prompt klasyfikacji: jak prosić AI o kategorię (reguły: co znaczy każda kategoria, na co uważać) 3. Progi confidence: co robić przy niskiej pewności (< 0.7) 4. Reakcje workflow: tabela kategoria → akcja (alert/draft/pauza/usuń/research) 5. NOT_INTERESTED: jak traktować (nurture vs usunięcie) — zasada 6. Human-in-the-loop: które odpowiedzi wymagają człowieka przed wysyłką 7. Test: 6 przykładowych odpowiedzi → kategorie (przećwicz) Format: 7 sekcji.
Model rekomendowany: Claude 3.5 Sonnet / GPT-4o Skopiuj i wklej do ChatGPT, Claude lub Perplexity
ALTERNATYWNE SCENARIUSZE
Warianty i alternatywne scenariusze
Wersja podstawowa: 4 kategorie (interested/not/question/ooo).
Wersja pełna: 8 kategorii + confidence + automatyzacja reakcji.
Ćwiczenie praktyczne
Napisz JSON schema klasyfikacji (8 kategorii). Zdefiniuj reakcję workflow dla każdej kategorii (tabela). Przetestuj na 6 przykładowych odpowiedziach (symuluj AI).
Zapisano w przeglądarce