Laden Sie eine Lead-CSV-Datei in ChatGPT hoch Google Maps auslesen, dann Lass die KI die Arbeit erledigen

Füttern Sie Ihre KI mit echten Geschäftsdaten

Große Sprachmodelle sind nur so nützlich wie die Daten, die man ihnen gibt. Fragt man ChatGPT nach „Zahnärzten in Madrid“, wird es raten oder ablehnen. Gibt man ihm hingegen eine echte Datei mit Zahnärzten, die man beispielsweise von Google Maps erfasst hat, kann es diese plötzlich sortieren, Muster erkennen und für jeden eine erste E-Mail verfassen. Das Modell findet die Daten nicht. Sie finden sie, und dann verarbeitet es sie.

Genau darum geht es bei dem Workflow auf dieser Seite. Sie extrahieren Daten von den Unternehmen, die Sie interessieren, mit dem kostenlosen Tool Vonsel-Erweiterung, Exportieren Sie eine strukturierte Datei und laden Sie diese in die KI Ihrer Wahl hoch. Keine API-Schlüssel, keine Skripte, kein mühsames Kopieren und Einfügen einzelner Zeilen.

Weil die Erweiterung exportiert CSV, Excel und JSON, Sie sind nicht auf ein einziges Tool beschränkt. CSV und Excel eignen sich ideal für den schnellen Upload von Chatdaten. JSON behält verschachtelte Felder (Bewertungen, Social-Media-Profile, Öffnungszeiten) für umfangreichere Analysen bei Claude Code oder Ihre eigene Pipeline.

Sammeln Sie die Leads und exportieren Sie anschließend die Datei

Öffnen Sie Google Maps und suchen Sie wie gewohnt, zum Beispiel nach „Cafés in Barcelona“ oder „Klempner in meiner Nähe“. Während das Vonsel-Pop-up geöffnet ist, erfassen Sie die Suchergebnisse beim Scrollen. Die Erweiterung sammelt Name, Adresse, Telefonnummer, Website, Bewertung, Anzahl der Rezensionen und mehr in einer übersichtlichen Liste. Eine vollständige Anleitung finden Sie in unserem Leitfaden Google Maps-Daten in CSV exportieren.Die.

Wenn die Aufnahme Ihren Vorstellungen entspricht, filtern Sie alle unerwünschten Elemente heraus und klicken Sie auf „Exportieren“. Wählen Sie das Format, das für Ihren nächsten Schritt geeignet ist:

Was ist besser, CSV oder JSON? Für eine einmalige Analyse in einem Chatfenster punktet CSV aufgrund seiner Einfachheit. Bei allem mit Überprüfungen oder wiederholter Verarbeitung sorgt JSON für eine übersichtliche Struktur. Wir gehen im Folgenden näher darauf ein JSON vs. CSV für die KI-Analyse.Die.

Laden Sie die CSV-Datei in ChatGPT hoch und starten Sie den Vorgang

Öffnen Sie ChatGPT, klicken Sie auf das Anhangssymbol im Nachrichtenfeld und wählen Sie Ihre exportierte CSV-Datei aus. ChatGPT liest die Kopfzeile, erkennt Ihre Spalten und kann die Daten direkt analysieren. Wenn Sie wissen möchten, wie das Modell mit Ihren Texten und Dateien arbeitet, … OpenAI-Textleitfaden ist die maßgebliche Referenz.

Der Schlüssel zum Erfolg liegt in der Formulierung der Fragestellung. Eine vage Frage führt zu einer vagen Antwort. Seien Sie präzise bei der Angabe der Spaltennamen und des gewünschten Ergebnisses. Hier sind einige Beispiele für Fragen, die sich für den Lead-Export über Google Maps bewährt haben:

Claude-Code, wenn die Datei groß wird

Ein Chat-Upload eignet sich perfekt für einige hundert Zeilen. Wenn Sie jedoch mit Tausenden von Unternehmen arbeiten oder einen wiederholbaren Prozess benötigen, Claude Code ist das leistungsfähigere Werkzeug. Es läuft in Ihrem Terminal, liest die Datei direkt von der Festplatte und kann ein kleines Skript schreiben, um die Daten zu filtern, anzureichern und erneut zu exportieren, ohne dass Sie eine Tabellenkalkulation bearbeiten müssen.

Exportieren Sie die Leads als JSON, damit verschachtelte Bewertungsdaten erhalten bleiben, legen Sie die Datei in einem Ordner ab und öffnen Sie Claude Code dort. Eine Eingabeaufforderung wie „leads.json lesen, jedes Unternehmen nach Opportunity bewerten und das sortierte Ergebnis in score.csv schreiben“ genügt, um eine reproduzierbare Pipeline zu erstellen. Die Spalten werden über mehrere Durchläufe hinweg gespeichert, sodass Sie die Logik verfeinern können, anstatt die Daten jedes Mal neu hochzuladen.

Sie möchten lieber alles lokal auf Ihrem Rechner speichern? Ein lokales Modell, erstellt mit einem Runner wie Ollama oder LM Studio, kann dieselbe CSV-Datei offline verarbeiten - besonders wichtig bei sensiblen Daten. Und wenn Sie in einem Entwickler-Workflow arbeiten, können Tools wie Codex die Datei direkt im Editor anreichern. Das Dateiformat ist in beiden Fällen identisch, weshalb sich der Export bereinigter Daten im Vorfeld auszahlt.

Von einer einfachen CSV-Datei zu einer Datenbank können Sie arbeiten

Das Hochladen einer CSV-Datei in ChatGPT ist ein guter erster Schritt. Doch ein Chatfenster vergisst Informationen, und eine Tabellenkalkulation weiß weder, wann Sie einen Lead angerufen haben, noch was die Bewertungen über ihn aussagen. Genau hier kommt es darauf an, dass die Erweiterung ein Mittel zum Zweck und nicht der Zweck selbst ist. Die exportierte Datei ist so konzipiert, dass sie zu einer Mehrwertdatenbank, kein Wegwerftisch.

Im Inneren Vonsel-Dashboard, Die gleichen Leads landen in einem zugeordneten CRM-System. Bewertungen werden auf Schwachstellen analysiert, eine KI-gestützte E-Mail wird für jedes Unternehmen erstellt, und Sie können einen vorherigen Abruf erneut öffnen, um weitere Ergebnisse hinzuzufügen oder Bewertungen bereits erfassten Unternehmen zuzuordnen. Die KI-gestützte Arbeit in ChatGPT wird zum Kontext, der mit dem Lead verbunden bleibt, anstatt beim Schließen des Tabs zu verschwinden.

Betrachten Sie den CSV-Upload also als Erkundungsebene und das Dashboard als zentrales Datensystem. So erhalten Sie die Geschwindigkeit eines Chats und die Speicherkapazität eines CRM-Systems. Um mehr darüber zu erfahren, wie Sie Erfassungen in Kontextdaten umwandeln, lesen Sie weiter Füttern Sie Ihre KI mit Geschäftsdaten.Die.

Noch ein praktischer Hinweis: Die exportierten Felder entsprechen denselben Attributen, die Google bereitstellt. Wenn Sie wissen möchten, was die einzelnen Spalten bedeuten, finden Sie die entsprechende Dokumentation von Google in der Dokumentation Referenz auf Datenfelder von Orten, was Ihnen dabei hilft, dem Modell präzise Spaltennamen vorzugeben.