ChatGPT fordert Lead-Listen an Füttern Sie Ihre KI mit reale Geschäftsdaten

Erst die Daten, dann die Eingabeaufforderungen

Alle wollen, dass ChatGPT Kaltakquise-E-Mails schreibt und ihre Pipeline bewertet. Was dabei oft übersehen wird: Ein KI-Modell hat keine Ahnung, wer Ihre potenziellen Kunden in der Region sind, solange Sie ihm keine echte Liste zur Verfügung stellen. Die Aufgabenstellung ist der einfache Teil. Die Daten hingegen entscheiden darüber, ob das Ergebnis brauchbar ist.

Hier kommt ein Screenshot von Google Maps ins Spiel Vonsel Chrome-Erweiterung Es extrahiert Firmennamen, Adressen, Telefonnummern, Websites, Kategorien, Bewertungen und Rezensionsanzahl direkt aus einer Suche und exportiert diese als bereinigte Datei. Diese Datei dient als Grundlage für das Modell. Falls Sie noch nie eine Datenerfassung durchgeführt haben, bietet Ihnen unser Service eine hilfreiche Anleitung Wie man Google Maps ausliest Der Leitfaden führt Sie mit wenigen Klicks durch den Prozess.

Die Erweiterung ist das Mittel zum Zweck. Das Ergebnis ist eine bearbeitete Liste: dedupliziert, bewertet, segmentiert und bereit zur Weiterverarbeitung, unabhängig davon, ob Sie dies innerhalb Ihrer Anwendung tun Vonsel-Dashboard oder in einem Chatfenster mit Ihrem Lieblingsmodel.

Exportieren Sie die richtige Datei und laden Sie sie anschließend hoch

Aus einer fertigen Aufnahme liefert die Erweiterung drei Formate. Wählen Sie das Format je nach Aufgabe, nicht nach Gewohnheit. Unser Hinweis dazu CSV-, XLSX- und JSON-Exportoptionen Die Abwägungen werden behandelt, und es gibt einen ausführlicheren Artikel dazu JSON vs. CSV für die KI-Analyse.Die.

In ChatGPT ziehen Sie die Datei einfach in den Chat oder verwenden die Upload-Funktion. Das Modell liest sie dann direkt ein. Bei CSV-Dateien mit weniger als einigen hundert Zeilen können Sie auch den reinen Text einfügen. Eine vollständige Anleitung finden Sie hier Wie lade ich eine Lead-CSV-Datei in ChatGPT hoch. Egal welchen Weg Sie wählen, geben Sie dem Modell immer zuerst Ihre genauen Spaltennamen an, damit die Ausgabe mit Ihrer Datei übereinstimmt. Siehe OpenAI Schneller technischer Leitfaden und warum konkrete Anweisungen vagen Anweisungen vorzuziehen sind.

Fünf ChatGPT-Prompts, die ihren Platz in der Community verdienen

1. Bereinigen und Duplikate entfernen. "Hier ist eine CSV-Datei mit Unternehmen und den Spalten Name, Adresse, Telefonnummer, Website, Kategorie, Bewertung und Rezensionen. Entfernen Sie exakte und nahezu identische Zeilen, normalisieren Sie Telefonnummern auf E.164, korrigieren Sie uneinheitliche Groß- und Kleinschreibung in Namen und Adressen und geben Sie eine bereinigte CSV-Datei sowie eine kurze Zusammenfassung der vorgenommenen Änderungen zurück. Mehr dazu in [Link einfügen Saubere Lead-Daten mit ChatGPT.Die.

2. Vergleiche deine Punktzahl mit deinem ICP. "Bewerten Sie jedes Unternehmen als potenziellen Kunden für eine Webdesign-Agentur mit 0 bis 100 Punkten. Gewichtung: keine Website (40), Bewertung unter 4,0 (20), weniger als 30 Rezensionen (20), Relevanz für die Kategorie (20). Fügen Sie eine Spalte für die Bewertung und eine kurze Begründung hinzu und sortieren Sie die Ergebnisse absteigend. Die Bewertungsmatrix ermöglicht die Wiederholbarkeit. Siehe ChatGPT führt im Punktevergleich.Die.

3. Segmentierung nach Nische und Region. "„Gruppieren Sie diese Leads nach Kategorie und Stadtbezirk. Geben Sie für jedes Segment die Anzahl, die durchschnittliche Bewertung und eine kurze, prägnante Beschreibung Ihres Marketingansatzes an.“ Eine hervorragende Vorbereitung, bevor Sie die Arbeit aufteilen.

4. Entwurf der Öffentlichkeitsarbeit. "Verfassen Sie eine dreizeilige Kaltakquise-E-Mail für die ersten zehn Zeilen. Gehen Sie gegebenenfalls auf deren Branche und die Tatsache ein, dass sie keine Website haben. Halten Sie sich unter 70 Wörtern und vermeiden Sie übertriebene Werbung Kaltakquise per E-Mail mit ChatGPT anhand von gesammelten Daten.Die.

5. Finde die Muster. "Fassen Sie diese Liste zusammen: Welche Kategorien dominieren, welche Bereiche sind unterversorgt und wo konzentrieren sich die am besten bewerteten Wettbewerber? Eine schnelle Methode, um aus Zeilen einen Marktüberblick zu gewinnen. Weiterführende Informationen folgen Analysieren Sie Lead-Listen mit ChatGPT.Die.

Bei einer langen Liste ist Claude Code die richtige Wahl

ChatGPT eignet sich perfekt für einige hundert Zeilen in einem Chatfenster. Sobald Sie jedoch Tausende von Unternehmen betreuen oder jede Woche die gleiche Behandlung wünschen, wechseln Sie zum Terminal. Claude Code Das Programm greift auf Ihre tatsächlichen Exportdateien auf der Festplatte zu, erstellt ein wiederverwendbares Skript und speichert die bereinigte Ausgabe an dem gewünschten Ort.

Richten Sie es direkt auf die Datei: „Lesen leads.csv Aus dem Vonsel-Export. Duplikate bei Namen und Adresse entfernen, einen booleschen Wert hinzufügen hat_Website Spalte, jede Zeile mit 0 bis 100 bewerten für einen Solaranlageninstallateur, der an Hausbesitzer verkauft, und das Ergebnis in die Spalte schreiben leads_scored.csv." „Weil es Code ausführen kann, verarbeitet es zehntausend Zeilen ohne Abschneiden und zeigt Ihnen das Skript an, sodass Sie es nächsten Monat erneut ausführen können Analysiere Leads mit Claude Code Und Claude Code fordert Lead-Datenbanken an Die Leitfäden gehen noch weiter.

Hier spielen JSON-Exporte ihre Stärken aus. Übergeben Sie Claude Code die JSON-Version Ihrer Daten, und das Programm behält die verschachtelten Bewertungsdaten für jedes Unternehmen bei und erstellt daraus ein kleines Dashboard oder eine Karte, ohne dass Sie eine Tabellenkalkulation bearbeiten müssen.

Welches für welchen Job

Nicht entweder oder. Viele entwickeln einen Prototyp für eine Eingabeaufforderung in ChatGPT und übergeben die fertige Logik dann an Claude Code, um sie skalierbar auszuführen. Wenn Sie die beiden direkt vergleichen möchten, lesen Sie weiter ChatGPT vs. Claude für die Lead-Analyse.Die.

Codex- und lokale Modelle

Wenn Sie bereits mit einer IDE arbeiten, können Codierungsagenten wie Codex eine Lead-Datei genauso anreichern wie Claude Code - direkt im Editor. Dieser Vorgang wird in [Link einfügen] beschrieben Bereichern Sie Ihre Lead-Listen mit Codex.Die.

Sie möchten Ihre Interessentendaten lieber nicht auf Servern von Drittanbietern speichern? Ein lokales Modell auf Ihrem eigenen Rechner kann dieselben Abfragen zur Segmentbereinigung ausführen. Es ist zwar langsamer und weniger präzise als ein Frontier-Modell, aber es verlässt nichts Ihren Laptop. Siehe lokale LLMs mit Bleidaten verwenden. Was auch immer Sie wählen, denken Sie daran, dass es sich um geschäftliche Kontaktdaten handelt: unser Hinweis zu ob das Auslesen von Google Maps legal ist Es lohnt sich, das zu lesen, bevor man sich mit dem Thema Skalierung beschäftigt.

Von der Datenerfassung bis zum CRM können Sie arbeiten

KI-Analysen sind leistungsstark, aber ein Chatprotokoll ist kein Workflow. Nachdem ChatGPT Ihre Liste bewertet und segmentiert hat, benötigen Sie weiterhin eine Möglichkeit, den Status zu verfolgen, Besuche zu planen und Kontakte zu knüpfen. Genau das ist die Aufgabe von [Name der Software/des Tools einfügen Vonsel-Dashboard Bietet: ein abgestimmtes CRM mit Vertriebs-, Bewertungs- und E-Mail-Intelligenz sowie eine KI-gestützte E-Mail-Erstellung pro Unternehmen und kontextbezogene, wertschöpfende Datenbanken, die auf die Probleme jedes potenziellen Kunden zugeschnitten sind.

Die Erweiterung ermöglicht es Ihnen außerdem, eine zuvor erfasste Liste wiederzuverwenden und weitere Unternehmen hinzuzufügen, Bewertungen zu erfassten Datensätzen zu verknüpfen und den Verlauf jedes Abrufs zu speichern, sodass die KI-generierte Liste kontinuierlich wächst und nicht veraltet. Bezüglich des Unterschieds zwischen Rohdaten und nutzbarer Datenbank vergleichen Sie Ihre Erfahrungen mit Google Maps-Daten vs. gekaufte Listen.Die.