Agenti di intelligenza artificiale per la ricerca di potenziali clienti Alimenta la tua IA con dati reali di Google Maps

Gli agenti di intelligenza artificiale sono affamati di dati reali

Chiedete a ChatGPT "50 dentisti a Chicago con i relativi numeri di telefono" e otterrete un elenco apparentemente corretto, ma per lo più errato. I modelli linguistici su larga scala prevedono il testo, ma non analizzano il mercato locale. Senza un set di dati reale a supporto, gli agenti di intelligenza artificiale si inventano aziende, numeri di telefono e valutazioni fittizie.

La soluzione non è un prompt migliore. La soluzione è dati reali. Una volta consegnato a un agente un file di aziende verificate, estratto direttamente da Google Maps, tutto il resto (punteggio, segmentazione, testi per le comunicazioni) si basa sulla realtà. Il modello smette di fare supposizioni e inizia a ragionare sui fatti di cui sei a conoscenza.

Questa è l'idea alla base di "alimenta la tua IA con i dati". Tu raccogli i dati con uno scraper, l'IA pensa Alimenta la tua IA con dati aziendali Il manuale illustra la mentalità da adottare. Questo post descrive il flusso pratico: come ottenere il file e come utilizzarlo con i due agenti che la maggior parte delle persone usa effettivamente.

Cattura ed esporta il file

Apri Google Maps, effettua una ricerca come "installatori di tetti a Denver" e lascia che il pop-up di Vonsel acquisisca i risultati. Al termine dell'acquisizione, puoi esportare i dati con un solo clic. L'estensione offre tre formati: CSV per i fogli di calcolo, Eccellere per una cartella di lavoro formattata e JSON per qualsiasi cosa programmatica.

Il formato da scegliere dipende dall'agente. Una regola generale: CSV o Excel per ChatGPT, JSON per Claude Code e agenti basati sul codice Opzioni di esportazione in formato CSV, XLSX e JSON la guida spiega quando ognuno vince e esportare lead per l'IA mostra come dare forma alle colonne prima di consegnarle.

I campi sono più importanti del formato. Ogni esportazione include nome dell'attività, categoria, indirizzo completo, telefono, sito web, valutazione, numero di recensioni e testo delle recensioni. Questi sono esattamente i segnali di cui un agente ha bisogno per ragionare sull'adeguatezza e l'intento, e provengono da Google Maps anziché da un elenco obsoleto acquistato. Per la differenza che questo comporta, vedere Dati di Google Maps contro liste acquistate..

Lavora con l'elenco utilizzando ChatGPT

ChatGPT è il modo più veloce per iniziare perché legge i fogli di calcolo in modo nativo. Trascina il tuo file CSV o l'esportazione Excel in una chat e ChatGPT lo analizza in una tabella che può analizzare, ordinare e filtrare. La sua analisi dei dati integrata esegue Python in background, quindi gestisce migliaia di righe senza che tu debba scrivere alcun codice. Vedi OpenAI documentazione degli strumenti per il funzionamento dell'input dei file e dell'esecuzione del codice.

Una volta caricato il file, i prompt svolgono la ricerca al posto tuo. Eccone alcuni che si rivelano molto utili:

Valuta la lista: "Classifica queste attività in base alla priorità di contatto. Un punteggio elevato significa una valutazione inferiore a 4,2 con più di 40 recensioni e un sito web funzionante. Aggiungi una colonna per il punteggio e una breve descrizione del motivo." Questa semplice indicazione trasforma un elenco statico in una pipeline classificata.

Segmentazione in base al dolore: "Leggi il testo delle recensioni e raggruppa queste attività in tre categorie: reclami per servizio lento, reclami per prezzi e reclami per il personale. Crea una tabella con il nome dell'attività e la categoria di appartenenza." Ora sai come comportarti prima ancora di prendere il telefono.

Bozza di attività di sensibilizzazione: "Per le dieci aziende con il punteggio più alto, scrivi un'apertura di due frasi per un'email a freddo che faccia riferimento a uno schema specifico nelle loro recensioni." Poiché le recensioni sono reali, le aperture risultano accurate e non generiche. Per una versione più approfondita, leggi analizza gli elenchi di lead con ChatGPT..

Scalalo con il codice Claude

ChatGPT è ottimo per un singolo elenco in una finestra di chat. Quando hai venti esportazioni, o vuoi che la stessa analisi venga eseguita ogni settimana, hai bisogno di un agente che risieda accanto ai tuoi file. Questo è Codice Claude, un agente terminale che legge la cartella in cui si trovano i tuoi file JSON e CSV esportati e agisce direttamente su di essi.

Il flusso di lavoro è semplice. Basta inserire i file esportati da Vonsel in una cartella di progetto, aprire Claude Code al suo interno e descrivere il lavoro in parole semplici. Il programma scrive ed esegue lo script, quindi restituisce il risultato. Niente copia e incolla, nessun limite di caricamento, nessuna perdita di filo anche con elenchi lunghi.

Le richieste reali si presentano così: "Unisci tutte le esportazioni JSON in questa cartella, elimina le aziende duplicate in base al numero di telefono e crea un singolo file CSV classificato." Oppure: "Per ogni azienda con un sito web, contrassegna quelle le cui recensioni menzionano problemi di prenotazione o di programmazione e salvale nel file hot-leads.csv." Claude Code trasforma queste frasi in codice ripetibile che puoi eseguire di nuovo il mese successivo con nuovi dati.

Poiché è programmabile, il lavoro si moltiplica. Una volta che esiste una routine di punteggio, ogni nuova estrazione segue la stessa logica in pochi secondi Analizza i lead con Claude Code la guida illustra l'intera configurazione e Dalla raccolta dati al flusso di lavoro CRM basato sull'intelligenza artificiale lo integra nella tua pipeline.

ChatGPT contro Claude Code per la ricerca di lead

La maggior parte delle persone inizia con ChatGPT e passa a Claude Code man mano che le proprie liste crescono. Nessuno dei due sostituisce l'altro. Si esplora un nuovo scraping in ChatGPT e si automatizza il lavoro ricorrente in Claude Code.

Codex e modelli locali

Se vivi in un editor di codice, Codice OpenAI Svolge la stessa funzione di Claude Code dal terminale o dal tuo IDE. Basta indicargli il file JSON esportato e descrivere la trasformazione. È la soluzione ideale se il tuo team sviluppa già strumenti per la gestione dei dati dei lead.

Per elenchi sensibili o volumi elevati, un modello locale mantiene tutto sulla tua macchina. Gli strumenti che eseguono modelli aperti sul tuo hardware leggono esattamente gli stessi file CSV e JSON esportati, senza che alcun dato lasci il tuo laptop e senza costi per token. Il compromesso è un contesto più piccolo e una configurazione più complessa utilizzare LLM locali con dati di lead Questa guida illustra quando la privacy è un fattore importante.

Qualunque agente tu scelga, l'input è identico: un'esportazione pulita da un'estensione gratuita del browser. Lo scraper rimane lo stesso, il livello di IA è tuo da cambiare. Vedi il documentazione delle estensioni di Chrome per capire come funziona internamente l'acquisizione basata su browser.

Dove la ricerca si trasforma in profitto

Un agente basato sull'intelligenza artificiale fornisce un elenco classificato, segmentato e annotato. Si tratta di un ottimo risultato di ricerca, ma non ancora di una strategia di vendita efficace. Per gestire concretamente i lead, è necessario uno strumento che permetta di visualizzarli su una mappa, monitorarne lo stato e contattarli su larga scala.

Questo è il lavoro del cruscotto Vonsel. L'estensione alimenta le aziende acquisite in un CRM mappato. L'intelligenza artificiale di Vonsel, basata sulle recensioni, valuta i punti critici e crea email personalizzate per ogni azienda, trasformando così la ricerca svolta dall'agente esterno in dati contestualizzati e a valore aggiunto, utilizzabili internamente. Lo scraper e l'agente esterno sono il mezzo. La dashboard è il fine.

È possibile utilizzare entrambi i percorsi contemporaneamente: esportare i dati nel proprio sistema di intelligenza artificiale preferito per un'analisi esplorativa e mantenere la pipeline di lavoro in Vonsel, dove il CRM mappato e l'email di intelligenza artificiale specifica per ogni azienda chiudono il cerchio. Gli stessi dati alimentano contemporaneamente la tua intelligenza artificiale e il tuo processo di vendita.