Segment führt mit KI Exportieren Sie aus der Erweiterung und lassen Sie dann ChatGPT und Claude Code sortieren jede Zeile

Füttern Sie Ihre KI mit echten Geschäftsdaten

Eine unstrukturierte Liste mit 800 Unternehmen ist keine Strategie. Sie ist wie eine Mauer aus Zeilen. Der Wert zeigt sich erst, wenn man diese Mauer in Segmente unterteilt, mit denen man tatsächlich arbeiten kann: Zahnärzte mit weniger als 20 Bewertungen in einem Segment, Vier-Sterne-Restaurants ohne Website in einem anderen, stark frequentierte Fitnessstudios in einem dritten.

Diese Aufteilung ist genau das, was ein Sprachmodell gut kann. Der Haken dabei ist, dass KI saubere, strukturierte Eingaben benötigt. Und genau hier setzt die Vonsel Chrome-Erweiterung Das Programm erfasst Unternehmen direkt aus Google Maps und exportiert sie als übersichtliche CSV-, Excel- oder JSON-Datei. Die Dateiendung ist bedeutet. Die Segmentierung der Daten ist der Ausgangspunkt der Arbeit.

Wenn Sie einen umfassenderen Überblick darüber erhalten möchten, was es bedeutet, einem Modell Ihre eigenen Daten zu übergeben, anstatt es raten zu lassen, lesen Sie Füttern Sie Ihre KI mit Geschäftsdaten. Dieser Beitrag ist die praktische Version: Datei rein, Segmente raus.

Exportieren Sie eine Datei, die die KI lesen kann

Öffnen Sie Google Maps, suchen Sie nach Ihrem Themengebiet und Ihrer Region und lassen Sie die Erweiterung die Ergebnisse erfassen. Beim Export wählen Sie das Format. Jedes Format eignet sich für ein anderes nachgelagertes Tool, und die Erweiterung erstellt alle drei Formate aus derselben Erfassung. Siehe CSV-, XLSX- und JSON-Exportoptionen für die Einzelheiten.

CSV ist das einfache Textformat, definiert durch RFC 4180, Deshalb verarbeitet es jedes KI-Tool problemlos. Sie sind sich nicht sicher, welches Tool Sie für eine bestimmte Aufgabe wählen sollen? Unser Hinweis dazu JSON vs. CSV für die KI-Analyse erklärt es genauer. In der Regel gilt: CSV für ChatGPT, JSON für Claude Code.Die.

Segment mit ChatGPT: Hochladen und Aufforderung

ChatGPT ist der schnellste Weg für eine einzelne Datei. Öffnen Sie einen Chat, klicken Sie auf das Anhangssymbol und laden Sie die von der Erweiterung bereitgestellte CSV-Datei hoch. Sobald diese geladen ist, beschreiben Sie die gewünschten Segmente in Klartext, und das Modell übernimmt die Sortierung. Dies entspricht dem Ablauf in unserer Anleitung zu Hochladen einer Lead-CSV-Datei in ChatGPT.Die.

Eine Eingabeaufforderung, die beim Export von Google Maps gut funktioniert, sieht folgendermaßen aus:

"Hier ist eine CSV-Datei mit Unternehmen, die ich aus Google Maps erfasst habe. Segmentieren Sie die Zeilen nach (1) Bewertungskategorie (unter 4,0, 4,0 bis 4,5, über 4,5), (2) Anzahl der Bewertungen (unter 20, 20 bis 100, über 100) und (3) Vorhandensein einer Website. Geben Sie jedem Segment eine kurze Bezeichnung, die Anzahl der Bewertungen und einen Satz mit einer Beschreibung des weiteren Vorgehens. Geben Sie eine Tabelle zurück."

ChatGPT liest jede Zeile, wendet Ihre Regeln an und liefert übersichtliche Kategorien. Anschließend können Sie die Einstellungen verfeinern: Lassen Sie sich beispielsweise Unternehmen mit schwachen Bewertungen und vielen Rezensionen kennzeichnen (Reputationsmanagement) oder alle Einträge ohne Website in einer separaten Liste anzeigen. Wenn Sie innerhalb eines Segments statt nur einer Gruppe ranken möchten, kombinieren Sie dies mit … Punkte erzielen mit ChatGPT.Die.

Eine lohnenswerte Gewohnheit: Lassen Sie sich von ChatGPT jedes Segment als separate, herunterladbare CSV-Datei ausgeben. So wird jeder Bucket zu einer eigenen Arbeitsliste, mit der Sie Kampagnen für Kampagne bearbeiten können.

Segment mit Claude Code: skriptfähig und wiederholbar

Wenn die Liste groß ist, sich über mehrere Exporte erstreckt oder wöchentlich aktualisiert wird, wird ein Chatfenster schnell lästig. Claude Code ist hierfür besser geeignet. Es läuft in Ihrem Terminal, liest Dateien direkt von der Festplatte und schreibt echten Code, sodass es Tausende von Leads segmentieren und die Ergebnisse speichern kann, ohne dass Sie etwas manuell kopieren müssen.

Legen Sie Ihre exportierte JSON- oder CSV-Datei in einen Ordner, öffnen Sie dort Claude Code und beschreiben Sie den Auftrag:

"Lesen Sie die Datei leads.json in diesem Ordner. Gruppieren Sie die Unternehmen nach Kategorie und Bewertungsanzahl in Segmente. Erstellen Sie für jedes Segment eine separate CSV-Datei mit einem Dateinamen wie category_tier.csv im Ordner /out und geben Sie eine Zusammenfassungstabelle mit der Anzahl pro Segment aus."

Claude Code schreibt das Skript, führt es aus, prüft die Ausgabe und behebt Fehler selbstständig, falls eine Spalte fehlt oder ein Wert leer ist. Beim nächsten Export eines neuen Batches über die Erweiterung führen Sie dasselbe Skript erneut aus und erhalten sofort dieselbe Segmentierung. Unsere Anleitung dazu finden Sie hier Lead-Analyse mit Claude Code geht weiter in diese Schleife hinein.

Das ist der eigentliche Unterschied zwischen den beiden Tools: ChatGPT-Segmente Das Datei, einmalig. Claude Code erstellt eine Segmentierung, die Sie ausführen können bei jedem zukünftigen Export ohne die Aufgabenstellung noch einmal zu überdenken.

Codex und lokale LLMs für private Listen

ChatGPT und Claude Code decken die meisten Bedürfnisse ab, aber zwei weitere Optionen eignen sich für spezielle Situationen.

Codierungsassistenten im Codex-Stil Die Funktionsweise ähnelt der von Claude Code: Geben Sie einfach Ihre exportierte Datei an und fordern Sie ein Segmentierungsskript an. Wenn Ihr Team bereits mit einem bestimmten Codierungsassistenten arbeitet, besteht kein Grund zum Wechseln. Die Ausgabe der Erweiterung erfolgt im einfachen CSV- und JSON-Format und lässt sich daher problemlos in alle gängigen Formate einlesen.

Lokale LLMs Es spielt eine Rolle, wenn die Liste Ihren Rechner nicht verlassen darf. Wenn Sie eine Kundendatenbank verwalten und keine Daten in einen Cloud-Dienst hochladen möchten, führen Sie ein lokales Modell aus und verwenden Sie dieselbe CSV-Datei. Sie tauschen zwar etwas Logik gegen vollständige Vertraulichkeit ein, was bei sensiblen B2B-Daten oft die richtige Entscheidung ist. Da die Datei klein und strukturiert ist, kann selbst ein einfaches lokales Modell Zeilen problemlos nach Kategorie und Bewertung gruppieren.

Unabhängig vom Motor ist das Muster identisch: Exportieren Sie die Datei aus der Erweiterung, übergeben Sie die Datei, fordern Sie Segmente an.Die.

Von Segmenten zu einer funktionierenden Pipeline

Die Segmentierung einer Datei mithilfe von KI ist ein vielversprechender erster Schritt, doch ein Ordner mit CSV-Dateien ist noch lange kein Vertriebsinstrument. Die Segmente befinden sich in Ihren Downloads und sind somit nicht mit dem Ort verbunden, an dem die eigentliche Kundenansprache stattfindet.

Das ist die Rolle des Vonsel-Dashboard. Es nutzt die erfassten Unternehmen und wandelt sie in ein kartografisches CRM um. So wird jedes Segment zu einem Gebiet, das auf einer Karte dargestellt werden kann, zu jedem Unternehmen wird eine KI-generierte E-Mail erstellt und die Datenbank mit Kontextinformationen zu Bewertungen und den Problemen hinter jedem Eintrag angereichert. Die Erweiterung speist die Daten ein. Im Dashboard werden aus Segmenten Deals.

Sie können weiterhin ausschließlich mit ChatGPT und Claude Code arbeiten, wenn Ihnen eine einfache Schleife genügt. Wenn die Segmente jedoch an einem Ort gespeichert werden sollen, an dem sie tatsächliche Folgeaktionen auslösen, ist das Dashboard das Ziel des gesamten Workflows. Stöbern Sie im Rest des Dashboards KI-Workflows In dieser Artikelreihe finden Sie weitere Möglichkeiten, Ihre exportierten Daten sinnvoll zu nutzen.