Générez des séquences de communication avec l'IA Nourrissez votre IA avec prospects extraits de Google Maps

Les données d'abord, puis laissez le modèle écrire

L'efficacité d'une séquence de prospection dépend de son contexte. Une série générique de trois e-mails finit dans les spams. Une séquence qui mentionne la catégorie, la ville et le site web du prospect donne l'impression d'avoir été conçue sur mesure, car c'est le cas. L'astuce consiste à fournir à votre IA de véritables données commerciales plutôt que de lui demander d'inventer des détails.

C'est tout l'intérêt de Nourrissez votre IA avec des données Cette approche consiste à extraire une liste propre d'entreprises locales, puis à transmettre le fichier à un modèle qui générera la séquence Extension Vonsel Il gère la première moitié : vous ouvrez Google Maps, vous effectuez une recherche comme « dentistes à Austin », et il capture chaque résultat dans un tableau structuré que vous pouvez exporter.

Chaque ligne contient les champs dont un modèle de langage a besoin pour la personnalisation : nom de l’entreprise, catégorie, adresse, ville, téléphone, site web et profils sur les réseaux sociaux. Le grattage est la matière première, pas la campagne finie. C’est ce que vous construisez par-dessus qui prend toute sa valeur.

Exportez les prospects depuis l'extension

Une fois la capture terminée, ouvrez le panneau et choisissez votre format. CSV et Excel sont idéaux pour l'importation dans une fenêtre de chat. JSON est le format le plus propre lorsqu'un script doit parcourir les enregistrements champ par champ. En cas de doute, consultez notre guide sur Options d'exportation CSV, XLSX et JSON passe en revue les compromis.

Avant d'exporter, filtrez la liste. Limitez-la au segment que vous souhaitez contacter afin que l'IA n'envoie pas d'appels à des restaurants et des cabinets d'avocats simultanément. Un fichier plus concis produit une séquence plus concise et réduit la consommation de jetons lors de son intégration dans un modèle.

Rédigez une séquence dans ChatGPT

ChatGPT est la méthode la plus rapide pour obtenir des résultats. Ouvrez une nouvelle conversation, joignez votre fichier CSV ou Excel et fournissez une brève description. Le chargement de fichiers permet au modèle de lire l'intégralité du tableur, et ses sorties structurées sont suffisamment robustes pour générer une séquence prête à l'emploi, comme le fait OpenAI guide de génération de texte décrit.

Une invite qui fonctionne bien ressemble à ceci:

"Ci-joint un fichier CSV contenant les entreprises locales que je souhaite contacter. Rédigez une séquence de prospection en quatre étapes pour chaque entreprise : e-mail 1 : introduction, e-mail 2 : proposition de valeur, e-mail 3 : étude de cas, e-mail 4 : conclusion. Personnalisez la première phrase en utilisant le nom de l’entreprise, sa catégorie et sa ville. Chaque e-mail doit faire moins de 90 mots et le résultat doit être présenté sous forme de tableau, une ligne par entreprise."

Comme le modèle peut analyser chaque colonne, il ancre chaque introduction dans une entreprise réelle plutôt que dans un texte générique. Vous pouvez ensuite affiner le ton dans un message de suivi : plus court, plus informel ou spécifique à votre secteur d’activité. Pour une analyse plus approfondie de la rédaction, voir Comment rédiger des e-mails de prospection avec ChatGPT à partir de données collectées..

La fenêtre de chat a ses limites. Avec 40 entreprises, ça fonctionne. Avec 2 000, le modèle est tronqué, des colonnes disparaissent ou le chat devient lent. C'est là qu'il faut opter pour une approche par script.

Générez en masse avec Claude Code

Lorsque vous avez un dossier rempli d'exportations, Code Claude est un outil plus performant. Il s'exécute dans votre terminal, lit les fichiers directement sur le disque et peut en écrire de nouveaux. Autrement dit, il ne se contente pas d'une seule réponse : il peut parcourir chaque enregistrement de votre JSON et générer une séquence personnalisée pour chaque entreprise, enregistrée dans un fichier distinct.

Une instruction de travail à Claude Code se lit simplement comme suit:

"Lisez le fichier leads.json dans ce dossier. Pour chaque entreprise, générez une séquence de 4 e-mails de prise de contact personnalisée avec son nom, sa catégorie et sa ville. Enregistrez chaque séquence dans un fichier portant le nom de l'identifiant de l'entreprise, dans un dossier /outreach. Adoptez un ton B2B chaleureux et concis, et limitez chaque e-mail à moins de 90 mots."

Claude Code parcourt les enregistrements, conserve la même structure éprouvée pour chacun d'eux et vous fournit un dossier de brouillons bien organisé. Comme il fonctionne avec JSON, aucune donnée n'est tronquée et aucune colonne n'est supprimée. Vous pouvez le relancer avec une tonalité légèrement modifiée en quelques secondes. Pour aller plus loin, consultez notre tutoriel sur Analyser les prospects avec Claude Code montre comment analyser et segmenter le même fichier avant de le générer.

Ces deux outils sont parfaitement complémentaires. Créez un prototype de la séquence dans ChatGPT, verrouillez le format, puis transmettez ce format à Claude Code pour qu'il l'applique à toute la liste. Cette division couvre l'essentiel du processus.

Codex et modèles locaux pour le dernier kilomètre

Deux options mineures complètent le flux de travail. Des assistants de codage de type Codex peuvent enrichir l'exportation avant la génération : dédupliquer les lignes, normaliser les formats téléphoniques ou diviser un fichier volumineux en lots par ville, afin que la génération de séquences commence à partir d'une entrée plus propre.

Un modèle local exécuté sur votre machine se justifie lorsque la liste contient des données que vous préférez ne pas envoyer à une API hébergée. Certes, la qualité est légèrement inférieure, mais le fichier reste entièrement hors ligne et vous obtenez tout de même une première ébauche exploitable que vous pouvez modifier manuellement. Pour la plupart des utilisateurs, il s'agit de cas particuliers : ChatGPT et Claude Code prennent en charge la majeure partie du travail.

ChatGPT contre Claude Code pour les séquences

Quels que soient les projets de modèles, n'oubliez pas que les démarches auprès des entreprises doivent toujours respecter les règles. Les États-Unis Guide de conformité CAN-SPAM Ce document couvre tous les besoins essentiels de chaque e-mail commercial, et il est important de vérifier que votre processus de collecte et d'envoi est bien configuré en consultant notre note à ce sujet La question de la légalité du scraping de Google Maps..

Là où le tableau de bord Vonsel prend le relais

Un dossier de brouillons d'IA est un excellent point de départ, mais il ne s'agit toujours que de texte. À l'intérieur du Tableau de bord Vonsel, Les mêmes prospects capturés sont ensuite intégrés à un CRM. L'analyse des e-mails génère des e-mails personnalisés par IA pour chaque entreprise, tandis que l'analyse des avis révèle les points faibles dissimulés dans les avis publics, permettant ainsi à votre séquence de commencer par un élément qui intéresse réellement le prospect.

Voilà la différence entre un traitement ponctuel de brouillons et un système reproductible. Vous pouvez relancer une extraction de données pour ajouter des entreprises, intégrer le contexte des avis, suivre les réponses et gérer les suivis. L'extension alimente le système. Le tableau de bord est le système. Pour une vue d'ensemble de la transformation d'un fichier brut en valeur ajoutée, consultez la documentation Nourrissez votre IA avec des données d'entreprise et Comment rédiger un e-mail IA pour chaque entreprise..