JSON vs. CSV für die KI-Analyse Welcher Export eigentlich Füttert das Ihre KI besser?

CSV für schnelle Tabellen, JSON für die Struktur

Beide Formate enthalten dieselben Google Maps-Daten: Firmenname, Adresse, Telefonnummer, Website, Bewertung, Anzahl der Rezensionen, Kategorie und Koordinaten. Der Unterschied liegt in der Form. JSON Verschachtelt und strukturiert seine Werte, während CSV ein flaches Raster aus Zeilen und Spalten ist.

Bei den meisten Verkaufsfragen, die man stellt ChatGPT, Eine CSV-Datei ist ideal. Sie ist kompakt, wird vom Modell wie eine Tabellenkalkulation gelesen und verbraucht weniger Tokens. Wenn Ihre Leads eine Liste von Bewertungen pro Unternehmen, zwei Telefonnummern oder eine verschachtelte Antwort des Inhabers enthalten, bleiben diese Informationen dank JSON erhalten, sodass nichts in einer einzigen unübersichtlichen Zelle zusammengeführt wird.

Exportieren Sie beides aus derselben Aufnahme und wählen Sie pro Aufgabe aus. Genau das ist der Sinn der Optionen in der Erweiterung: Man entscheidet über das Format erst, wenn man die Frage kennt, nicht vorher.

JSON vs. CSV für die Lead-Analyse

Faustregel: Wenn das Ergebnis in eine Tabellenkalkulation passt, verwenden Sie CSV. Wenn das Ergebnis von der Struktur innerhalb der einzelnen Datensätze abhängt, verwenden Sie JSON. Eine detailliertere Beschreibung aller Optionen der Erweiterung finden Sie hier CSV-, XLSX- und JSON-Exportoptionen.Die.

ChatGPT eine CSV-Datei zuweisen

Dies ist der schnellste Weg und deckt etwa acht von zehn Fragen ab, die ein Vertriebsmitarbeiter stellt. Erfassen Sie Ihre Leads mit der Erweiterung, klicken Sie auf „Exportieren“ und wählen Sie CSV oder Excel. Öffnen Sie anschließend die Datei ChatGPT, Hängen Sie die Datei an und geben Sie eine klare Aufforderung.

Prompts, die auf einem flachen Bleitisch gut funktionieren:

"„Sortieren Sie diese Unternehmen nach ihrer Bewertung und kennzeichnen Sie anschließend alle Unternehmen ohne Website in einer neuen Spalte."

"Gruppieren Sie die Kunden nach Kategorien und teilen Sie mir mit, welche Nische die meisten Leads mit weniger als 20 Bewertungen aufweist."

"„Nennen Sie die 15 Unternehmen, die am ehesten eine Website-Neugestaltung benötigen, und begründen Sie jeweils in einem Satz, warum."

ChatGPT liest die Spalten, führt die Logik aus und liefert eine übersichtliche Tabelle zurück, die Sie direkt in Ihre Kontaktliste kopieren können. Für zuverlässige Ergebnisse sollte die Datei nur wenige Tausend Zeilen umfassen. Unsere Schritt-für-Schritt-Anleitung dazu finden Sie hier Hochladen einer Lead-CSV-Datei in ChatGPT deckt die Grenzfälle ab, und Analyse von Lead-Listen mit ChatGPT bietet mehr schnelle Rezepte.

Arbeiten mit JSON und Claude Code

Wenn Ihre Aufgabe wiederholbar, programmatisch oder mit verschachtelten Prüfdaten verbunden ist, exportieren Sie sie als JSON-Datei und übergeben Sie sie an Claude Code in Ihrem Terminal. Claude Code kann die Datei analysieren, Transformationen durchführen und sogar ein kleines Skript schreiben, das Sie für die Aufzeichnung nächste Woche wiederverwenden können.

Legen Sie die JSON-Datei in einen Ordner, öffnen Sie dort Claude Code und fragen Sie:

"„Lesen Sie leads.json, entfernen Sie Duplikate anhand der Telefonnummer und schreiben Sie leads_clean.json mit einem hinzugefügten Feld review_count."

"„Bewerten Sie jedes Unternehmen als potenziellen Webdesign-Auftragnehmer auf einer Skala von 0 bis 100, basierend auf der Bewertung, der Anzahl der Rezensionen und dem Vorhandensein einer Website. Geben Sie eine sortierte CSV-Datei aus."

"Erstellen Sie eine einfache HTML-Seite, die alle Leads anhand der Koordinaten in dieser JSON-Datei auf einer Karte darstellt."

Da JSON Typen und Verschachtelungen beibehält, muss Claude Code nie raten, wo ein Feld beginnt und endet. Das ist besonders wichtig, wenn jedes Unternehmen eine Reihe von Bewertungen enthält und Sie Stimmungen oder Probleme pro Datensatz extrahieren möchten. Siehe Lead-Analyse mit Claude Code vollständige Befehlsbeispiele.

Codex- und lokale Modelle

Die gleichen Dateien funktionieren überall. Wenn Sie Codex oder einen anderen Codierungsassistenten verwenden, ist JSON die bevorzugte Eingabe, da es sich klar auf eine Datenstruktur abbilden lässt, die das Modell durchlaufen kann. Wenn Sie aus Datenschutzgründen ein lokales Modell auf Ihrem eigenen Rechner ausführen, hält eine kleine CSV-Datei das Kontextfenster übersichtlich und die Antworten schnell.

Das Prinzip ändert sich mit dem Werkzeug nicht: flache Fragen wie CSV, strukturierte Fragen wie JSON. Unabhängig davon, auf welche Datei Sie verweisen, hat die Dateierweiterung sie bereits in einem sauberen, gültigen Format geschrieben, sodass sich das Modell auf Ihre Frage konzentriert und nicht auf die Reparatur beschädigter Zeilen.

Die Datei ist das Mittel zum Zweck, nicht der Zweck

Das Exportieren einer Datei und die Abfrage einer KI ist eine hervorragende Methode, um eine einmalige Frage zu beantworten. Eine Tabelle in einem Chatfenster vergisst jedoch alle Daten, sobald man den Tab schließt. An diesem Punkt bricht der Export ab und die Vonsel-Dashboard beginnt.

Senden Sie die erfassten Daten an Vonsel, und jeder Lead landet in einem zugeordneten CRM-System, mit dem Sie monatelang arbeiten können. Die Bewertungsanalyse liest die Bewertungstexte und identifiziert die Schwachstellen der einzelnen Unternehmen. Die E-Mail-Analyse erstellt für jeden Lead eine maßgeschneiderte Kaltakquise-E-Mail. Die Vertriebsanalyse bewertet und segmentiert die Liste. Sie können einen Datenabruf später erneut öffnen, um weitere Unternehmen hinzuzufügen, Bewertungen mit den erfassten Leads zu verknüpfen und den vollständigen Verlauf Ihrer Datenabrufe zu verfolgen.

Anders ausgedrückt: Die CSV- oder JSON-Datei ist das Rohmaterial. Die angereicherte, kontextbezogene Datenbank ist das fertige Produkt. Die dahinterstehende Philosophie finden Sie hier Mehrwertdatenbank vs. unformatierte CSV-Datei und die weiter gefasste Idee von Füttern Sie Ihre KI mit Geschäftsdaten.Die.

Welches für welchen Job