KeyFrame內部研究專用

Make.com Automation for Beginners: Your First Automation in 10 Minutes

AI Workflow Lab4 min中文
觀看原始影片

三句話摘要

教導如何使用 Make 平台無需程式碼即可自動化表單回應到試算表和電子郵件的流程。 Make 透過拖拽模組建立「觸發-組織-通知」的自動化模式,讓任何人都能在不寫程式碼的情況下消除重複的手動工作。 Make 的核心是「情景」(Scenario) 概念,由多個模組組成,每個模組執行一個應用程式的單一工作。當第一個應用程式中發生事件時,Make 自動將資料傳遞到下一個應用程式,就像一個從不睡眠也不遺忘的數位助手。

重點整理

  1. Make 的核心是「情景」(Scenario) 概念,由多個模組組成,每個模組執行一個應用程式的單一工作。當第一個應用程式中發生事件時,Make 自動將資料傳遞到下一個應用程式,就像一個從不睡眠也不遺忘的數位助手。

  2. 映射 (Mapping) 是自動化的核心。使用者需要明確告訴 Make 每筆資料應該放在哪裡,確保表單欄位正確對應到試算表的列,以及郵件內容能夠動態插入客戶資訊。

  3. 所有自動化都遵循「觸發-組織-通知」的通用模式:某個事件觸發流程、資料被組織到試算表、使用者收到即時通知。改變應用程式和欄位,模式本質保持不變。

  4. 免費方案的限制(15 分鐘檢查間隔、月 1000 次操作)對大多數小型企業來說已經足夠開始實踐,提供了低風險的自動化入門。

實用技巧與重點

  • 平台資訊
  • 平台名稱:Make
  • 連接應用數量:2000+ 個應用
  • 免費方案檢查頻率:每 15 分鐘檢查一次新資料
  • 免費方案操作限額:每月 1000 次操作
  • 示範使用的應用
  • 觸發:Google Forms(監看回應)
  • 組織:Google Sheets(新增列)
  • 通知:Gmail(傳送電子郵件)
  • 示範表單欄位
  • 名稱、電子郵件、服務、偏好日期
  • 核心概念與步驟
  • 情景 (Scenario):自動化流程
  • 模組 (Module):每個應用程式執行的單一工作
  • 映射 (Mapping):指定資料流向的位置

結論

Make 透過拖拽模組建立「觸發-組織-通知」的自動化模式,讓任何人都能在不寫程式碼的情況下消除重複的手動工作。

完整解析

傳統上,當客戶填寫線上表單時,企業主必須手動將回應複製到試算表。如果沒有人主動查看,可能要延遲數小時才能發現新提交。Make 是一個連接超過 2000 個應用程式的自動化平台,透過拖拽模組的方式讓任何人都可以建立「情景」——一段自動化流程。每個模組代表一個應用程式執行的單一工作,當第一個應用程式中發生事件時,Make 會自動將資料傳遞到下一個應用程式,就像一個從不睡眠也不遺忘的數位助手。

這個教學展示了最簡單的自動化模式:觸發、組織、通知。講者首先建立了一個簡單的 Google 表單,包含客戶的姓名、電子郵件、所需服務和偏好日期等欄位。表單提交時會成為自動化的觸發事件。在 Make 中,使用者連接 Google Forms 模組來監看新回應。重要的是,自動化的核心在於「映射」——明確指定每筆資料應該流向哪裡。例如,表單中的「名稱」欄位需要對應到試算表的「名稱」欄位。

第二步是透過 Google Sheets 模組新增一列,使用映射將表單的每個欄位放在試算表的正確列中。第三步則是使用 Gmail 模組發送通知電子郵件,郵件內容可以動態插入客戶的名稱、服務和日期資訊。在免費方案下,Make 每 15 分鐘檢查一次新資料,月限額為 1000 次操作,對於大多數小型企業來說已經足夠開始使用。

講者透過實際測試驗證了自動化的運作。填寫表單後,系統自動將資料新增到試算表,並發送通知電子郵件。這個模式可以應用到各種場景:電子商務店鋪的訂單自動進入試算表並通知手機、自由工作者的詢問變成客戶列表、小型團隊的支援請求被記錄並立即宣佈。重要的是,這種「觸發-組織-通知」的模式幾乎是所有自動化的基礎,改變應用程式和具體欄位,核心邏輯保持不變。

編輯精選
企業管理英文11月21日

What Anthropic's $900 Billion Bet Means for You

Nate Herk看原片 ↗
  • 訂閱用戶成為上市公司的收益基礎:4000 萬名小客戶(含 Claude Pro、Max、Ultra 或 API 用戶)合計貢獻 25% 的收入,形成 Wall Street 下注的對象。用戶每次訂閱續約都直接影響 Anthropic 股價,
  • 循環融資制造生態系統性風險:Amazon、Google、Broadcom 與 Nvidia 等公司既是投資者、又是運算服務提供商,同時採購 Anthropic 服務,形成相互依賴的閉環。若任一環節需求放緩,所有參與者將同時受創,系統風險無法
編輯精選
AI 技術英文11月20日

6 Lessons I Learned From Installing AI in a $10M Business

Liam Ottley看原片 ↗
  • AI 負責前 80% 工作,人的品味決定最後 20% — 系統一開始生成的提案很基礎,直到 Isaac 的設計師介入決定風格、選擇產品後,品質才大幅提升。需要將品味優秀的員工的規則和案例提供給 AI,讓初版更接近他們的標準。
  • 聚焦單一瓶頸,不要全面改造 — 分析發現提案環節是最大痛點:每月 15-20 張圖、每張 10 小時、成本 $500-1000、9 成無結果。選擇同時改善速度、成本、品質的用例,才是 AI 真正發揮價值的地方。
AI 技術英文11月20日

How to build an agent that builds the culture — Zach Bruggeman, Ramp

AI Engineer看原片 ↗
  • 消除信息孤島,降低組織成本 — 當每個人花 15 分鐘設置工具,乘以團隊規模就是大量浪費。Ramp 提供統一的 Inspect 作為所有人的基線,當工程師發現更好的做法時,可立即推廣到整個公司,無需強制,自然而然就會被採用。
  • 透明化工作流建立信任 — 採用代理驅動編碼需要工程師逐漸相信 AI 生成的程式碼。Ramp 通過將每個 Inspect 會話預設公開、展示完整對話過程、工具使用記錄、驗證代理的測試影片等,讓知識共享變得自然,而非形式化培訓。