Enriquece tus listas de contactos con IA ChatGPT, Claude Code y Códice, alimentado con datos reales

Alimenta tu IA con datos, no con intuiciones

Si le pides a cualquier modelo que te dé una lista de 50 dentistas en Madrid con sus correos electrónicos, te generará una lista plausible. Los nombres parecen reales, pero los números de teléfono son ficticios. Los modelos de lenguaje están diseñados para predecir texto, no para conocer el número de teléfono actual de una clínica. Esta limitación es la razón por la que el enriquecimiento de datos comienza con una fuente de información fidedigna.

La solución es simple: primero captura las empresas y luego entrega ese archivo estructurado a la IA. Cuando un modelo lee una columna de calificaciones reales, recuentos de reseñas, categorías y sitios web, deja de adivinar y comienza a razonar. Esta es toda la premisa detrás de Alimenta tu IA con datos empresariales..

El Vonsel La extensión es el medio para obtener ese archivo. Se realiza una búsqueda en Google Maps, se capturan los resultados y se exportan. La inteligencia artificial es donde se produce el enriquecimiento. La extensión es la fuente, tu herramienta de IA es el taller y el panel de control de Vonsel es donde los clientes potenciales finalizados entran en acción.

Exporta un archivo limpio desde la extensión

Abre Google Maps, busca algo como "techadores en Austin" o "peluquerías en Barcelona" y deja que la ventana emergente de Vonsel capture los listados. Cada negocio viene con nombre, dirección, teléfono, sitio web, categoría, calificación y número de reseñas. Puedes elegir el formato que mejor se adapte a tu herramienta de IA desde Opciones de exportación en formato CSV, XLSX y JSON..

Regla general: utilice CSV o Excel cuando planeas subir el archivo a ChatGPT y usar JSON cuando Claude Code o Codex lo lean, porque los campos anidados sobreviven mejor. Si eres nuevo en esto, el formatos de exportación para la guía de IA cubiertas cuando cada una brilla.

Una fila de encabezado limpia y coherente es más importante que el volumen. Las columnas bien estructuradas permiten que un modelo compare la "calificación" con el "número de reseñas" y analice los datos. Los volcados de texto sin formato producen respuestas en texto sin formato. Estructura de entrada, estructura de salida.

ChatGPT: sube el archivo y solicita que se cargue

Para la mayoría de las personas, ChatGPT es la ruta más rápida. Abra un nuevo chat, adjunte su archivo CSV o Excel exportado y describa lo que desea. Su modo de análisis de datos lee la hoja de cálculo directamente, por lo que puede hacer preguntas en lenguaje sencillo y obtener un archivo enriquecido descargable. OpenAI documenta el comportamiento subyacente en su guía de generación de texto..

Buenas sugerencias iniciales una vez que se adjunta el archivo:

• "Califica a cada empresa del 1 al 5 según la probabilidad de que necesiten un nuevo sitio web, utilizando la valoración, el número de reseñas y si ya tienen un sitio web."
• "Añade una columna que etiquete cada cliente potencial según su tamaño: individual, pequeño o consolidado, inferido a partir del número de reseñas."
• "Identifica negocios con una buena calificación pero pocas reseñas. Son negocios poco conocidos y fáciles de promocionar."
• "Redacta un breve correo electrónico de presentación personalizado de una sola línea para cada fila, basándote en su categoría y ciudad."

El flujo de trabajo se cubre de principio a fin en Subir un archivo CSV de clientes potenciales a ChatGPT y en Analizando listas de clientes potenciales con ChatGPT. Mantén los lotes con menos de unos pocos cientos de filas por chat para que el modelo siga siendo preciso, y luego combina las piezas.

Código Claude: enriquece una carpeta completa en tu máquina

Cuando un archivo se convierte en cincuenta, la ventana de chat de ChatGPT se convierte en un cuello de botella. Código Claude Se ejecuta en tu terminal, por lo que puede leer una carpeta de exportaciones, recorrer miles de filas y guardar los resultados enriquecidos en el disco. Es la diferencia entre hacer una pregunta y ejecutar un proceso repetible.

Coloca tus exportaciones JSON o CSV en una carpeta, abre Claude Code allí e indícale directamente: "Lee todos los archivos en ./leads, agrega una columna lead_score y una columna website_gap a cada uno, y guarda los resultados en ./enriched". Como funciona con archivos locales, no se trunca nada y puedes volver a ejecutar la misma instrucción en el scraping de la semana siguiente. Los detalles se encuentran en Analizando clientes potenciales con Claude Code..

Aquí también puedes crear indicaciones reutilizables. Guarda una instrucción de enriquecimiento bien redactada una vez y aplícala a cada exportación futura. Un conjunto inicial se recopila en Claude Code solicita información sobre bases de datos de clientes potenciales..

Códice y modelos locales para trabajos con guion o privados

Algunos equipos quieren que el enriquecimiento esté integrado en el código en lugar de ejecutarse manualmente Interfaz de línea de comandos de Codex Encaja perfectamente aquí. Indícale el archivo exportado y pídele que escriba un pequeño script que limpie los formatos de teléfono, elimine los duplicados por dirección y añada una columna de puntuación. Revisa el script, ejecútalo y ya tienes un paso de enriquecimiento repetible en tu repositorio.

Si los datos son confidenciales o simplemente prefiere mantenerlos fuera de la nube, un modelo local funciona con el mismo archivo exportado. Nada sale de su computadora portátil y la exportación JSON sigue siendo exactamente la misma entrada. Ver utilizando LLM locales con datos de clientes potenciales para esa ruta. El hilo conductor común entre ChatGPT, Claude Code, Codex y un modelo local es el mismo archivo limpio subyacente.

Desde un archivo enriquecido hasta una canalización funcional

El enriquecimiento no es la línea de meta. Un archivo CSV calificado que está en su escritorio aún tiene que convertirse en conversaciones y reuniones. Ese es el papel del Panel de control de Vonsel: Un CRM estructurado donde se ubican tus negocios registrados, con información sobre ventas, reseñas y correo electrónico integrada. El enriquecimiento mediante IA que realizaste previamente se convierte en la segmentación y la priorización que aplicas posteriormente.

Dentro del panel de control, se genera un correo electrónico de IA por negocio y las bases de datos se contextualizan con los puntos débiles que se revelan en las reseñas. Así, la etiqueta "website_gap" que produjo su modelo se corresponde perfectamente con un ángulo de contacto real. Una exportación sin procesar es un punto de partida; una base de datos de valor añadido es el producto final, como se argumenta en Base de datos de valor añadido frente a CSV sin procesar..

Otro hábito que vale la pena conservar: extraer datos de forma responsable y trabajar únicamente con datos de contacto empresariales. Una lectura rápida de Si es legal extraer datos de Google Maps Mantén tus listas enriquecidas sobre bases sólidas antes de enviar un correo electrónico a cualquier persona.

No permita que el modelo invente los datos