Marquez des leads avec ChatGPT Nourrissez votre IA avec les données, Laissez-le classer la liste

Nourrissez votre IA avec de véritables données commerciales

Auparavant, le lead scoring impliquait la création d'une formule dans un tableur ou le recours à une plateforme d'enrichissement payante. Désormais, il suffit de fournir une liste brute à un modèle et de lui demander de classer les lignes. La seule condition préalable est de disposer de données propres et structurées, et c'est précisément ce qu'offre une extension de navigateur.

Le Extension Vonsel Ce script s'appuie sur Google Maps, capture les données des entreprises lors d'une recherche (nom, catégorie, note, nombre d'avis, téléphone, site web, adresse) et permet d'exporter l'ensemble des données aux formats CSV, Excel ou JSON. Le processus de récupération des données s'effectue par extraction de données. Le résultat final est une liste notée et priorisée sur laquelle vous pouvez réellement travailler.

Voici la procédure pratique : exporter le fichier, ouvrir ChatGPT ou Claude Code, lui attribuer une grille d’évaluation, puis consulter le tableau de classement. Cet article se concentre principalement sur ces deux outils, car ils couvrent la grande majorité des cas d’utilisation, avec une brève mention de Codex et des modèles locaux en conclusion.

Exportez la liste au format compatible avec votre IA

Lancez une recherche sur Google Maps (« dentistes à Austin », « salles de sport à Berlin »), laissez la fenêtre Vonsel s'afficher pour capturer les résultats, puis exportez-les. Le format choisi dépendra de la destination finale du fichier.

Si vous souhaitez connaître l'ensemble des raisons justifiant le choix d'un format, consultez notre guide sur JSON vs CSV pour l'analyse IA Il détaille la procédure. Pour obtenir des instructions étape par étape sur l'extraction du fichier, consultez Exporter les prospects au format CSV, Excel ou JSON pour l'IA. Le format CSV lui-même suit une structure simple et bien définie décrite dans RFC 4180, C’est pourquoi les modèles l’analysent avec une telle fiabilité.

Évaluez la liste dans ChatGPT

Ouvrez ChatGPT, joignez votre fichier CSV ou Excel exporté et attribuez-lui une grille d'évaluation. La fonction d'analyse de données du modèle lit directement les fichiers téléchargés, comme décrit dans la documentation FAQ sur le chargement de fichiers OpenAI. Une invite qui fonctionne bien ressemble à ceci:

"Voici un fichier CSV d'entreprises locales avec les colonnes suivantes : nom, catégorie, note, nombre d'avis, présence d'un site web et numéro de téléphone. Attribuez à chaque entreprise un score de 0 à 100 en tant que prospect potentiel pour une agence web. Valorisez les entreprises sans site web, avec une note correcte et au moins 10 avis. Pénalisez les entreprises sans numéro de téléphone. Retournez un tableau trié par ordre décroissant, avec une brève explication pour chaque entreprise."

L'essentiel est de donner au modèle votre critères, Il ne s'agit pas seulement du fichier. Indiquez-lui les caractéristiques d'un bon prospect pour votre offre, et il appliquera ces critères de manière cohérente à chaque ligne. Vous pouvez itérer (« pondérer davantage le nombre d'avis », « supprimer tout ce qui est inférieur à 3,5 étoiles ») et le système recalcule le score instantanément.

Pour plus de suggestions prêtes à l'emploi, consultez notre ChatGPT propose des listes de prospects, et si vous n'avez jamais téléchargé de fichiers auparavant, commencez par Comment importer un fichier CSV de prospects dans ChatGPT..

Passez à l'échelle supérieure avec Claude Code

ChatGPT est idéal pour une liste ponctuelle. Lorsque vos exportations atteignent des centaines ou des milliers de lignes, ou lorsque vous souhaitez appliquer la même logique de notation chaque semaine, passez à une autre solution Code Claude. Il s'exécute dans votre terminal, lit votre fichier exporté et génère un script de notation que vous pouvez réutiliser.

Une première suggestion pourrait être: "Lisez leads.json. Écrivez un script Python qui attribue un score à chaque entreprise en tant que prospect pour la conception de sites web : +40 si has_website est faux, +1 par avis jusqu’à 30, +20 si la note est de 4,0 ou plus, -15 si le numéro de téléphone est manquant. Générez un fichier CSV trié nommé scoring_leads.csv avec une colonne « score » et une colonne « reason."

Claude Code écrit le script, l'exécute et affiche le résultat classé. Contrairement à ChatGPT, la logique est désormais enregistrée dans un fichier. La semaine suivante, vous exportez une nouvelle liste depuis l'extension, vous la placez dans le même dossier et vous relancez le script. Votre système de notation devient un processus reproductible au lieu d'une discussion que vous devez refaire.

Pour approfondir ce sujet, consultez notre guide sur Analyser les prospects avec Claude Code Elle comprend le nettoyage, la suppression des doublons et l'enrichissement au cours d'une même séance.

ChatGPT contre Claude Code pour le calcul du score

Là où le système de notation rencontre le tableau de bord Vonsel

L'attribution d'un score à un fichier CSV dans ChatGPT est un excellent début, mais elle vous laisse avec un fichier plat et une liste de tâches à accomplir Tableau de bord Vonsel C'est là qu'une liste classée se transforme en véritable pipeline. Vos entreprises cibles sont intégrées à un CRM cartographié, vous permettant ainsi de visualiser les prospects les plus prometteurs sur une carte territoriale plutôt que dans une simple ligne de tableau.

À partir de là, la plateforme ajoute des éléments qu'une simple extraction de données ne peut fournir : Reviews Intelligence analyse les véritables plaintes des clients, Email Intelligence rédige un message personnalisé pour chaque entreprise et Sales Intelligence met en évidence les signaux d'achat pertinents. La base de données à valeur ajoutée est contextualisée en fonction des véritables problématiques de chaque prospect, et non pas seulement d'une note et d'un numéro de téléphone.

Vous pouvez également rouvrir une capture précédente, ajouter des entreprises et intégrer de nouveaux avis aux prospects déjà enregistrés, afin que votre liste de prospects qualifiés s'améliore continuellement. Pour une vue d'ensemble de la transformation des exportations brutes en données contextualisées, consultez la documentation Nourrissez votre IA avec des données d'entreprise et, une fois que vous serez prêt à rédiger des messages de sensibilisation, Rédigez des e-mails de prospection avec ChatGPT à partir de données extraites..