Utilizzare LLM locali con dati di lead Esporta da Google Maps, quindi alimenta la tua IA

Alimenta la tua IA con dati aziendali reali

I modelli linguistici di grandi dimensioni sono utili solo nella misura in cui lo sono i dati che gli fornisci. Chiedi a ChatGPT di "trovare dentisti a Madrid" e farà una supposizione. Forniscigli un file pulito di aziende reali che hai catturato tu stesso, con nomi, numeri di telefono, siti web, valutazioni e testo delle recensioni, e diventa un vero e proprio analista.

Questo è il punto fondamentale del Estensione Vonsel per Chrome. Esegui una ricerca su Google Maps, acquisisci i risultati ed esportali in formato CSV, Excel o JSON. Il file funge da ponte tra la mappa e qualsiasi modello tu voglia collegarvi. Nessuna chiave API, nessun codice di scraping, nessun copia e incolla.

In questa guida ci concentriamo sui due strumenti più utilizzati, ChatGPT e Claude Code, per poi trattare Codex e gli LLM locali per chi desidera esecuzioni private o tramite script. Per un'introduzione più approfondita al concetto, vedere Alimenta la tua IA con dati aziendali..

Esporta nel formato corretto dall'estensione

Apri Google Maps, cerca una categoria e un'area e lascia che il pop-up di Vonsel acquisisca le informazioni. Al termine dell'acquisizione, scegli un formato. Ogni formato è adatto a un diverso tipo di lavoro di intelligenza artificiale, quindi scegli tenendo presente l'obiettivo.

Una regola pratica utile: CSV o Excel quando un essere umano o una finestra di chat leggono i dati, JSON quando lo fa uno script. Se vuoi la ripartizione completa di quando ognuno brilla, leggi JSON vs CSV per l'analisi dell'IA e il pratico opportunità di esportazione per l'IA procedura dettagliata.

ChatGPT: carica il file e chiedi

È da qui che la maggior parte delle persone inizia, e per una buona ragione. Apri ChatGPT, allega il tuo file CSV o l'esportazione Excel e tratta il file come una tabella che il modello può leggere direttamente. I suoi strumenti di analisi dei dati possono raggruppare, ordinare e assegnare punteggi senza che tu debba scrivere una formula. Vedi OpenAI documentazione per sviluppatori per come gestisce gli input strutturati.

Ottimi suggerimenti iniziali una volta caricato il file:

1. Segmento. "Raggruppa queste aziende per fascia di valutazione (inferiore a 3,5, da 3,5 a 4,2, superiore a 4,2) e conta quante in ogni fascia non hanno un sito web." Questo permette di individuare immediatamente i potenziali clienti per la progettazione di siti web nascosti nella tua lista.

2. Punteggio. "Classifica ogni riga in base alla probabilità che necessitino di supporto marketing, utilizzando come indicatori un basso numero di recensioni e la mancanza di siti web. Restituisci i primi 25 risultati con una breve descrizione." Ora hai un elenco di contatti, non un foglio di calcolo.

3. Bozza. "Scrivi una breve e specifica frase di apertura per un'email a freddo da inviare a ciascuno dei primi 10 contatti, facendo riferimento a qualcosa di concreto tratto dai loro dati." Tu fornisci i dati all'IA, e l'IA ti restituisce frasi di apertura che puoi effettivamente inviare.

Per una versione passo passo di questo, il nostro carica un file CSV di un lead su ChatGPT La guida illustra nel dettaglio i clic da effettuare.

Claude Code: esegui script sul tuo JSON

Quando una finestra di chat non è sufficiente, Claude Code trasforma la tua esportazione in un dataset funzionante. Poiché funziona nel tuo terminale e può leggere i file, eccelle nell'esportazione JSON in cui ogni attività commerciale contiene recensioni annidate, orari e link ai social. Indicagli il file e scriverà ed eseguirà il codice per te Codice Claude L'agente si occupa dell'analisi sintattica, quindi non dovrai mai intervenire sulla libreria.

Cose che sono banali nel Codice Claude e complicate da fare a mano:

Per ricette più elaborate, vedere Analizza i lead con Claude Code. Insieme, ChatGPT per domande rapide e Claude Code per lavori basati su script coprono la stragrande maggioranza delle attività che si possono svolgere con un elenco estratto tramite scraping.

Codex e LLM locali per esecuzioni offline

Quando la privacy o l'automazione sono le priorità, entrano in gioco altri due aspetti. Codice funziona in modo molto simile a Claude Code, un agente nel tuo terminale che legge l'esportazione e scrive gli script di arricchimento. Se il tuo team vive già in quella toolchain, il nostro Arricchisci le liste di contatti con Codex La guida riprende da lì.

I LLM locali sono la soluzione quando si preferisce non caricare affatto i contatti aziendali su un servizio ospitato. Un runtime come Ollama Consente di eseguire un modello aperto sul proprio computer, per poi alimentarlo con gli stessi dati in formato CSV o JSON. I dati non lasciano mai il computer portatile, un aspetto importante se si gestiscono settori regolamentati o elenchi di clienti soggetti ad accordi rigorosi.

I modelli locali sono più piccoli e più lenti rispetto ai giganti ospitati, quindi mantieni le attività focalizzate: classifica una colonna, riepiloga un gruppo di recensioni, etichetta i lead per nicchia. Esegui i ragionamenti più complessi in ChatGPT o Claude Code e riserva il modello locale per le esecuzioni che desideri mantenere completamente offline. Dal punto di vista legale, lo scraping di dati aziendali pubblici è generalmente difendibile, ma leggi sempre È legale estrarre dati da Google Maps prima di costruire una pipeline su di essa.

L'esportazione è il mezzo, la dashboard è il fine

L'elaborazione di un file estratto tramite scraping con un LLM è potente, ma la trascrizione di una chat non è un sistema di vendita. Le informazioni visualizzate in un terminale non fissano appuntamenti. Ecco perché l'estensione è solo la porta d'accesso a Vonsel.

Tutto ciò che catturi confluisce anche nel cruscotto Vonsel, Un CRM mappato in cui i lead risiedono su una mappa, non in un file CSV disperso. Qui, vendite, recensioni e analisi delle email si occupano dell'analisi: le recensioni vengono analizzate automaticamente per individuare i punti critici e per ogni azienda viene creata un'email basata sull'intelligenza artificiale, tenendo conto del suo contesto specifico. Il database contestualizzato e a valore aggiunto viene costruito man mano che si raccolgono i dati, non aggiunto in un secondo momento.

Quindi, usa ChatGPT e Claude Code liberamente per esplorare e sperimentare. Quando sei pronto a lavorare concretamente sulla pipeline, riapri una raccolta dati per aggiungere altre aziende o allegare recensioni a quelle acquisite e lascia che la dashboard gestisca i lead dalla prima linea al primo incontro. L'IA è il luogo in cui impari. Vonsel è il luogo in cui vendi.