Nutzen Sie lokale LLMs mit Bleidaten Exportieren Sie dann aus Google Maps Füttere deine KI

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 nur raten. Gibt man ihm eine leere Datei mit … echte Unternehmen, die Sie selbst erfasst haben, Mit Namen, Telefonnummern, Webseiten, Bewertungen und Rezensionstexten wird es zu einem echten Analysten.

Das ist der ganze Sinn der Sache Vonsel Chrome-Erweiterung. Sie führen eine Suche in Google Maps durch, erfassen die Ergebnisse und exportieren sie als CSV-, Excel- oder JSON-Datei. Diese Datei dient als Schnittstelle zwischen der Karte und jedem beliebigen Datenmodell, auf das Sie zugreifen möchten. Keine API-Schlüssel, kein Web-Scraping, kein Kopieren und Einfügen.

In diesem Leitfaden konzentrieren wir uns auf die beiden Tools, die am häufigsten verwendet werden: ChatGPT und Claude Code. Anschließend behandeln wir Codex und lokale LLMs für alle, die private oder skriptgesteuerte Läufe durchführen möchten. Eine ausführlichere Einführung in das Konzept finden Sie hier Füttern Sie Ihre KI mit Geschäftsdaten.Die.

Exportieren Sie das richtige Format aus der Erweiterung

Öffnen Sie Google Maps, suchen Sie nach einer Kategorie und einem Gebiet und lassen Sie Vonsel die Einträge erfassen. Nach Abschluss der Erfassung wählen Sie ein Format. Jedes Format eignet sich für unterschiedliche KI-Anwendungen; wählen Sie daher passend zum Zielort.

Eine nützliche Faustregel: CSV oder Excel, wenn ein Mensch oder ein Chatfenster die Daten liest, JSON, wenn ein Skript dies tut. Wenn Sie eine detaillierte Aufschlüsselung der jeweiligen Stärken wünschen, lesen Sie JSON vs. CSV für die KI-Analyse und die praktische Exportchancen für KI Schritt-für-Schritt-Anleitung.

ChatGPT: Datei hochladen und fragen

Hier beginnen die meisten, und das aus gutem Grund. Öffnen Sie ChatGPT, fügen Sie Ihre CSV- oder Excel-Exportdatei hinzu und behandeln Sie die Datei wie eine Tabelle, die das Modell direkt lesen kann. Die Datenanalysetools können gruppieren, sortieren und bewerten, ohne dass Sie eine Formel schreiben müssen. Siehe OpenAI Entwicklerdokumentation für die Art und Weise, wie es strukturierte Eingaben verarbeitet.

Gute erste Hinweise, sobald die Datei hochgeladen ist:

1. Segment. "„Gruppieren Sie diese Unternehmen nach Bewertungskategorien (unter 3,5, 3,5 bis 4,2, über 4,2) und zählen Sie, wie viele in jeder Kategorie keine Website haben.“ Dadurch werden die potenziellen Webdesign-Kunden in Ihrer Liste sofort sichtbar.

2. Punktzahl. "Ordnen Sie jede Zeile danach, wie wahrscheinlich es ist, dass ein Unternehmen Marketingunterstützung benötigt. Nutzen Sie dabei niedrige Bewertungszahlen und fehlende Websites als Indikatoren. Geben Sie die Top 25 mit einer kurzen Begründung aus. So erhalten Sie ein Anrufprotokoll, keine Tabellenkalkulation.

3. Entwurf. "„Verfassen Sie eine kurze, prägnante Einleitung für eine Kaltakquise-E-Mail an jeden der Top 10 und beziehen Sie sich dabei auf etwas Konkretes aus deren Daten.“ Sie füttern die KI, und die KI liefert Ihnen Einleitungen, die Sie tatsächlich versenden können.

Eine detaillierte Schritt-für-Schritt-Anleitung dazu finden Sie hier Laden Sie eine Lead-CSV-Datei in ChatGPT hoch Der Leitfaden erklärt die einzelnen Klicks detailliert.

Claude Code: Skripte über Ihr JSON ausführen

Wenn ein Chatfenster nicht ausreicht, wandelt Claude Code Ihren Export in einen nutzbaren Datensatz um. Da es im Terminal ausgeführt wird und Dateien lesen kann, glänzt es besonders beim JSON-Export, bei dem jedes Unternehmen verschachtelte Bewertungen, Öffnungszeiten und Social-Media-Links enthält. Geben Sie einfach die Datei an, und Claude Code schreibt und führt den Code für Sie aus Claude Code Der Agent übernimmt das Parsen, sodass Sie nie eine Bibliothek bearbeiten müssen.

Dinge, die im Claude-Code trivial, von Hand aber mühsam sind:

Für ausführlichere Rezepte siehe Analysiere Leads mit Claude Code. Zusammen decken ChatGPT für schnelle Fragen und Claude Code für skriptbasierte Aufgaben den Großteil dessen ab, was Sie mit einer gescrapten Liste tun werden.

Codex und lokale LLMs für Offline-Läufe

Zwei weitere Wege sind relevant, wenn Datenschutz oder Automatisierung Priorität haben. Kodex Es funktioniert ähnlich wie Claude Code, ein Agent in Ihrem Terminal, der den Export liest und die Anreicherungsskripte schreibt. Wenn Ihr Team bereits mit dieser Toolchain arbeitet, ist unser Bereichern Sie Ihre Lead-Listen mit Codex Der Reiseführer setzt dort ein.

Lokale LLMs sind die Lösung, wenn Sie Ihre Geschäftskontakte gar nicht erst in einen gehosteten Dienst hochladen möchten. Eine Laufzeitumgebung wie Ollama Sie können damit ein offenes Modell auf Ihrem eigenen Rechner ausführen und es anschließend mit derselben CSV- oder JSON-Datei füttern. Die Daten verlassen Ihren Laptop nie, was besonders wichtig ist, wenn Sie regulierte Branchen oder Kundenlisten mit strengen Vereinbarungen bearbeiten.

Lokale Modelle sind kleiner und langsamer als die großen, gehosteten Systeme. Konzentrieren Sie sich daher auf fokussierte Aufgaben: Klassifizieren Sie eine Spalte, fassen Sie eine Reihe von Rezensionen zusammen oder taggen Sie Leads nach Nische. Führen Sie komplexe Analysen in ChatGPT oder Claude Code durch und nutzen Sie das lokale Modell nur für Durchläufe, die Sie komplett offline durchführen möchten. Rechtlich gesehen ist das Scraping öffentlicher Unternehmensdaten in der Regel vertretbar, aber lesen Sie immer die entsprechenden Dokumente Ist es legal, Daten von Google Maps zu extrahieren bevor Sie eine Pipeline darauf aufbauen.

Der Export ist das Mittel zum Zweck, das Dashboard das Ziel

Das Durchlaufen einer extrahierten Datei mit einem LLM ist zwar leistungsstark, aber ein Chatprotokoll ist kein Vertriebssystem. Erkenntnisse, die in einem Terminal gespeichert sind, vereinbaren keine Termine. Deshalb ist die Erweiterung lediglich der Zugang zu Vonsel.

Alles, was Sie erfassen, fließt auch in das Vonsel-Dashboard, Ein CRM-System mit Kartendarstellung, in dem Leads auf einer Karte und nicht in einer einzelnen CSV-Datei gespeichert sind. Vertrieb, Bewertungen und E-Mail-Analyse übernehmen die Auswertung für Sie: Bewertungen werden automatisch auf Schwachstellen hin untersucht, und für jedes Unternehmen wird eine KI-gestützte E-Mail mit dem jeweiligen Kontext erstellt. Die wertvolle, kontextbezogene Datenbank wird während des Datenabrufs aufgebaut und nicht nachträglich hinzugefügt.

Nutzen Sie ChatGPT und Claude Code also nach Belieben zum Erkunden und Experimentieren. Sobald Sie bereit sind, die Pipeline aktiv zu nutzen, öffnen Sie einen neuen Scrape, um weitere Unternehmen hinzuzufügen oder Bewertungen zu erfassten Einträgen anzuhängen. Das Dashboard begleitet die Leads dann vom ersten Kontakt bis zum ersten Meeting. Die KI ist der Ort, wo Sie lernen. Vonsel ist der Ort, wo Sie verkaufen.