Füttere deine KI mit Geschäftsdaten von Google Maps

Ihre KI ist nur so gut wie ihre Eingaben

Jeder möchte eine KI auf seinen Markt anwenden und eine Rangliste der potenziellen Ansprechpartner erhalten. Der Haken dabei ist, dass Modelle wie ChatGPT und Claude keine Karten öffnen, keine Stadt erkunden oder Bewertungsseiten lesen können. Sie analysieren lediglich den von Ihnen bereitgestellten Text. Füttere deine KI mit sauberen Geschäftsdaten, und sie wird wirklich nützlich. Gib ihr unstrukturierte Daten, und sie halluziniert.

Google Maps ist die weltweit umfangreichste öffentliche Quelle für lokale Unternehmensdaten: Namen, Kategorien, Bewertungen, Anzahl der Rezensionen, Telefonnummern, Websites und Adressen von zig Millionen Unternehmen. Das Problem waren nie die Daten selbst, sondern die Übertragung dieser Daten aus der Karte in ein Format, das Ihre KI auch tatsächlich lesen kann.

Das ist die gesamte Aufgabe dieses Workflows. Erfassen Sie die Unternehmen, die Ihrer Zielgruppe entsprechen, exportieren Sie sie in einem strukturierten Format und übergeben Sie die Datei Ihrem Model mit einer klaren Anweisung. Der Rest ist reine Anleitung.

Chrome-Erweiterung hinzufügen

Kostenloser Download. Keine Testversion, keine Kreditkarte erforderlich.

CSV, Excel oder JSON: Welches Format sollten Sie Ihrer KI übergeben

Alle drei Formate enthalten dieselben Geschäftsdaten, eignen sich aber für unterschiedliche Aufgaben. Als Faustregel gilt: CSV für logisches Denken, Excel für Menschen, JSON für strukturierte Daten. Im Folgenden wird der Vergleich der Formate aus der Perspektive eines KI-Modells erläutert.

Für die meisten Menschen ist die Antwort CSV. Es handelt sich um reinen Text, jedes Modell kann ihn problemlos verarbeiten, und man kann ihn anhängen oder einige hundert Zeilen direkt in eine Konversation einfügen Das CSV-Format ist ein dokumentierter Standard, und genau deshalb lässt es sich so gut zwischen verschiedenen Werkzeugen übertragen.

Verwenden Sie JSON, wenn ein einzelnes Unternehmen eine Liste enthält, beispielsweise zehn aktuelle Bewertungen oder Öffnungszeiten. JSON erhält diese Struktur, sodass das Modell nicht raten muss, wo eine Bewertung endet und die nächste beginnt. Vonsel exportiert alle drei Datentypen aus derselben Suche, sodass Sie die Daten nie manuell umstrukturieren müssen.

Von der Karte zum Modell in vier Schritten

Hier ist der vollständige Ablauf, so wie ihn ein Vertriebsmitarbeiter oder eine Agentur in der Praxis handhabt. Kein Code erforderlich, keine zu überwachenden Scraping-Skripte.

Welche Fragen sollte man stellen, sobald die Daten vorliegen

Sobald Ihre Datei angehängt ist, wird das Modell zu einem unermüdlichen Analysten. Einige Tipps, die sich sofort auszahlen:

Punktzahl und Rang. "Hier ist eine CSV-Datei mit Restaurantdaten. Bewerten Sie jedes Restaurant auf einer Skala von 1 bis 10 hinsichtlich seines Potenzials für eine Website-Neugestaltung. Gewichten Sie dabei eine niedrige Bewertung, eine hohe Anzahl an Rezensionen und das Fehlen einer Website. Geben Sie die Top 20 als Tabelle aus. Das Modell liest Ihre Spalten und wendet die Logik auf jede Zeile an.

Automatische Segmentierung. "„Gruppieren Sie diese Unternehmen anhand der Anzahl und Bewertung in drei Kategorien und beschreiben Sie die Marketingstrategie für jede Kategorie.“ So wird aus einer einfachen Liste in Sekundenschnelle ein Plan.

Entwurfs-Outreach. "„Verfassen Sie für jedes Unternehmen der obersten Kategorie einen zweisätzigen Einleitungstext, der auf seine Kategorie und Bewertung Bezug nimmt.“ Da die Daten strukturiert sind, personalisiert das Modell die Daten auf Zeilenebene, anstatt eine generische Vorlage zu verwenden.

Wenn Sie noch einen Schritt weiter gehen und dies als wiederholbare Pipeline ausführen möchten, finden Sie in unserem Leitfaden weitere Informationen dazu Lead-Analyse mit Claude Code zeigt, wie man einen gesamten Export programmatisch durch ein Modell iteriert. Falls Sie wissen möchten, woher diese Felder stammen, finden Sie die entsprechende Dokumentation von Google Places-API-Referenz, derselbe Katalog von Geschäftsattributen, den Sie dem Modell übergeben.

Chrome-Erweiterung hinzufügen

Kostenlose Installation. Keine Testversion, keine Kreditkarte erforderlich.

Saubere Daten rein, nützliche Antworten raus

Der Unterschied zwischen einer hilfreichen und einer falschen KI-Antwort liegt meist im Export, nicht in der Eingabeaufforderung. Einige wenige Gewohnheiten sorgen dafür, dass Ihr Datenmodell stets einsatzbereit ist.

Auf die für die Aufgabe benötigten Felder zuschneiden. Wenn Sie die Bewertung anhand der Anzahl von Rezensionen und Bewertungen vornehmen, müssen Sie dem Modell nicht für jede Zeile die vollständige Adresszeichenfolge übermitteln. Weniger, übersichtlichere Spalten liefern präzisere Ergebnisse und benötigen weniger Token.

Halten Sie die Überschriften einheitlich. Eine Kolumne mit dem Titel Bewertung in einem Export und Sterne Im nächsten Schritt wird ein Modell, das zwei Dateien vergleicht, verwirrt. Ein Export mit nur einem Klick aus einem einzigen Tool sorgt für eine stabile Namensgebung, was wichtiger ist, als die meisten annehmen.

Beachten Sie die Quelle und die Regeln. Die Erfassung öffentlich zugänglicher Geschäftsdaten birgt im Allgemeinen ein geringes Risiko, doch die Art und Weise ihrer Speicherung und Kontaktaufnahme unterliegt dem Datenschutzrecht DSGVO-Übersicht ist lesenswert, und wir gehen in unserem Leitfaden auf die Einzelheiten ein ob das Auslesen von Google Maps legal ist. Wenn Sie verstehen möchten, warum frische, selbst erhobene Daten gekaufte Listen übertreffen, siehe Google Maps-Daten vs. gekaufte Listen.Die.

Sie können die Rohdaten jederzeit exportieren und woanders analysieren oder den Hin- und Rückweg komplett überspringen Vonsel Die erfassten Unternehmen verfügen bereits über KI-analysierte Rezensionen und E-Mail-Entwürfe pro Unternehmen, sodass der KI-Schritt auf Basis der Daten ohne manuelle Übergabe erfolgt.