اگر هر هفته دو ساعت از زمانتان را صرف مرتبکردن اکسلهای طولانی برای یافتن مشتریان احتمالی میکنید، باید بدانید که این فرآیند اکنون به ۳۰ ثانیه کاهش یافته است. طبق گزارش توسعهدهندهی این پروژه، ترکیب ۵۰ خط کد پایتون و قابلیتهای مدل Claude 3.5 Sonnet میتواند گلوگاههای فروش را بهطور کامل حذف کند.
امتیازدهی به لیدها (Lead Scoring) در واقع جداسازی مشتریان واقعی از کنجکاوان است. برای این کار از مدل زبانی بزرگ (LLM) — شبیه کتابخانهداری که میلیاردها صفحه را خوانده و حالا با همان لحن جواب میدهد — استفاده شده است. همانطور که در تحلیل قبلی ما دربارهی Claude Code و تعامل با سیستمهای سطح پایین اشاره کردیم، قدرت واقعی این مدلها در اجرای منطقهای تجاری پیچیده نهفته است.
به نقل از مستندات فنی این پروژه، استفاده از قابلیت استفاده از ابزار (Tool Use) در مدلهای Anthropic، خروجی مدل را به یک ساختار سختگیرانه یا «قرارداد» محدود میکند. این روش برخلاف پرامپتهای معمولی، احتمال خطاهای فرمتی در فایلهای JSON را حذف میکند و باعث میشود استنتاج (Inference) — یعنی همان لحظهای که مدل واقعاً جواب تولید میکند و شبیه به عملِ آشپزی است، نه دورهی آموزش آن — کاملاً قابل پیشبینی باشد.
جزئیات فنی این پیادهسازی به شرح زیر است:
- سیگنالهای تحلیل: مدل تعداد دفعات باز کردن ایمیل، تعداد کلیکها و تاریخ آخرین فعالیت را بررسی میکند.
- قرارداد خروجی: مدل باید دقیقاً یک امتیاز اولویت (۱ تا ۱۰)، دلیل منطقی امتیاز و یک جملهی آغازین شخصیسازی شده برای ایمیل برگرداند.
- پشتهی فنی: زبان پایتون، SDK شرکت Anthropic و کتابخانهی jinja2 برای قالببندی ایمیلها.
این تغییر برای مدیران فروش و توسعهدهندگان به این معناست که دیگر نیازی به نوشتن صدها شرط پیچیدهی if-then ندارند. شما فقط خروجی مورد نیاز را تعریف میکنید و تشخیص اینکه «چه چیزی یک لید را گرم میکند» را به عهدهی مدل میگذارید، در حالی که لولهکشی دادههای شما همچنان قابل اعتماد باقی میماند.
گام بعدی شما
- برای کاهش ۵۰ درصدی هزینهها در حجم بالا، از Anthropic's Message Batches API استفاده کنید.
- اسکریپت خود را در یک اندپوینت FastAPI قرار دهید تا بهمحض ورود لید جدید به CRM، امتیازدهی انجام شود.
- خروجیهای مدل را با یک لایه اعتبارسنجی (مثل Pydantic) چک کنید تا امنیت دادهها تضمین شود.
اما داستان بهینهسازی هزینههای استنتاج در مقیاس هزاران کاربر حتی جذابتر است — به تحلیل ما دربارهی توکنهای حافظه مراجعه کنید.
گفتگو