Potansiyel müşteri listelerini yapay zeka ile zenginleştirin ChatGPT, Claude Code ve Codex, gerçek verilerle besleniyor

Yapay zekânızı titreşimlerle değil, verilerle besleyin

Herhangi bir modele "bana Madrid'de e-posta adresleriyle birlikte 50 diş hekimi ver" deyin, akla yatkın bir liste oluşturacaktır. İsimler gerçek gibi görünür, telefon numaraları ise kurgudur. Dil modelleri metni tahmin etmek için tasarlanmıştır, bir kliniğin güncel telefon numarasını bilmek için değil. İşte bu boşluk, zenginleştirmenin gerçek bir doğruluk kaynağıyla başlamasının nedenidir.

Çözüm basit: önce işletmeleri yakalayın, ardından bu yapılandırılmış dosyayı yapay zekaya verin. Bir model gerçek derecelendirmeler, yorum sayıları, kategoriler ve web sitelerinden oluşan bir sütunu okuduğunda, tahmin etmeyi bırakır ve akıl yürütmeye başlar. İşte tüm bu yaklaşımın temelinde yatan prensip budur Yapay zekânızı işletme verileriyle besleyin..

O Vonsel Uzantı, o dosyayı elde etmenin yoludur. Google Haritalar'da arama yaparsınız, sonuçları yakalarsınız ve dışa aktarırsınız. Zenginleştirme işlemi yapay zekada gerçekleşir. Eklenti kaynak görevi görüyor, yapay zeka aracınız atölye, Vonsel kontrol paneli ise tamamlanmış potansiyel müşterilerin işleme alındığı yer.

Uzantıdan temiz bir dosya dışa aktarın

Google Haritalar'ı açın, "Austin'deki çatı ustaları" veya "Barselona'daki kuaför salonları" gibi bir arama yapın ve Vonsel açılır penceresinin listeleri yakalamasına izin verin. Her işletme, isim, adres, telefon, web sitesi, kategori, puan ve yorum sayısı ile birlikte gelir. Yapay zeka aracınıza uygun formatı seçebilirsiniz CSV, XLSX ve JSON dışa aktarma seçenekleri..

Genel kural: kullanın CSV veya Excel Dosyayı ChatGPT'ye yüklemeyi planladığınızda ve kullandığınızda JSON Claude Code veya Codex bunu okuduğunda, iç içe alanlar daha iyi korunacağı için sorun yaşanacaktır. Eğer bu konuda yeniyseniz Yapay zeka kılavuzu için dışa aktarma formatları Her biri parladığında kapaklar.

Temiz ve tutarlı bir başlık satırı, hacimden daha önemlidir. İyi yapılandırılmış sütunlar, bir modelin "puanı" "yorum sayısı" ile eşleştirmesine ve bunlar hakkında çıkarımlar yapmasına olanak tanır. Ham metin dökümleri, ham metin yanıtları üretir. Yapılandırılmış girdi, yapılandırılmış çıktı.

ChatGPT: dosyayı yükleyin ve komut istemini başlatın

Çoğu kişi için ChatGPT en hızlı yoldur. Yeni bir sohbet açın, dışa aktardığınız CSV veya Excel dosyasını ekleyin ve ne istediğinizi açıklayın. Veri analizi modu, elektronik tabloyu doğrudan okur, böylece sorularınızı sade bir dille sorabilir ve indirilebilir, zenginleştirilmiş bir dosya alabilirsiniz. OpenAI, altta yatan davranışı kendi dokümanında açıklıyor metin oluşturma kılavuzu..

Dosya eklendikten sonra verilebilecek iyi başlangıç komutları:

• "Her işletmenin yeni bir web sitesine ne kadar ihtiyaç duyduğunu, derecelendirme, yorum sayısı ve web sitesinin mevcut olup olmaması kriterlerini kullanarak 1 ile 5 arasında puanlayın."
• "İnceleme sayısından yola çıkarak her bir potansiyel müşteriyi büyüklüğüne göre etiketleyen bir sütun ekleyin: bağımsız, küçük veya köklü."
• "Yüksek puan alan ancak çok az yorumu olan işletmeleri işaretleyin. Bunlar yeterince tanınmıyor ve tanıtımını yapmak daha kolay."
• "Her satır için, kategorisine ve şehrine göre kişiselleştirilmiş, tek satırlık bir soğuk e-posta açılış metni taslağı hazırlayın."

İş akışı baştan sona şu şekilde ele alınmıştır ChatGPT'ye potansiyel müşteri CSV dosyasını yükleme ve içinde ChatGPT ile potansiyel müşteri listelerini analiz etmek. Modelin doğru kalması için her sohbet için birkaç yüz satırdan az veri içeren gruplar oluşturun, ardından parçaları birleştirin.

Claude Code: Bilgisayarınızdaki tüm bir klasörü zenginleştirin

Bir dosya elliye dönüştüğünde, ChatGPT'nin sohbet penceresi darboğaz haline gelir. Claude Kodu Terminalinizde çalışır, bu nedenle dışa aktarılan dosyaların bulunduğu bir klasörü okuyabilir, binlerce satırı döngüye alabilir ve zenginleştirilmiş sonuçları diske geri yazabilir. Bu, bir soru sormak ile tekrarlanabilir bir işlem hattı çalıştırmak arasındaki farktır.

JSON veya CSV dışa aktarımlarınızı bir klasöre bırakın, orada Claude Code'u açın ve doğrudan şu komutu verin: "./leads klasöründeki her dosyayı oku, her birine lead_score ve website_gap sütunlarını ekle ve sonuçları ./enriched klasörüne kaydet." Yerel dosyalarda çalıştığı için hiçbir şey kırpılmaz ve aynı komutu gelecek haftaki veri çekme işleminde tekrar çalıştırabilirsiniz. Ayrıntılar şurada yer almaktadır Claude Code ile potansiyel müşterileri analiz etmek..

Burada ayrıca yeniden kullanılabilir yönlendirmeler oluşturabilirsiniz. İyi formüle edilmiş bir zenginleştirme talimatını bir kez kaydedin ve gelecekteki her dışa aktarma işlemine uygulayın. Başlangıç seti burada toplanmıştır Claude Code, potansiyel müşteri veritabanları için istekler iletiyor..

Kod ve yerel modeller, senaryo tabanlı veya özel çalışmalar için

Bazı ekipler, zenginleştirme özelliklerinin elle çalıştırılması yerine kodun içine entegre edilmesini tercih ediyor Codex CLI Buraya uyuyor. Dışa aktardığınız dosyayı gösterin ve telefon formatlarını temizleyen, adrese göre yinelenen kayıtları kaldıran ve bir puanlama sütunu ekleyen küçük bir komut dosyası yazmasını isteyin. Komut dosyasını inceleyin, çalıştırın ve artık deponuzda yer alan tekrarlanabilir bir zenginleştirme adımına sahip olacaksınız.

Veriler hassas ise veya bulutta saklamak istemiyorsanız, yerel model aynı dışa aktarılan dosya üzerinde çalışır. Hiçbir şey dizüstü bilgisayarınızdan ayrılmaz ve JSON dışa aktarımı tam olarak aynı girdi olarak kalır. Bkz Öncü verilerle yerel LLM'leri kullanmak Bu yol için. ChatGPT, Claude Code, Codex ve yerel bir modelin ortak noktası, altta yatan aynı temiz dosyadır.

Zenginleştirilmiş bir dosyadan çalışan bir işlem hattına

Zenginleştirme, bitiş çizgisi değildir. Masaüstünüzde duran puanlanmış bir CSV dosyası, yine de konuşmalara ve toplantılara dönüşmelidir. İşte bu noktada zenginleştirmenin rolü devreye giriyor Vonsel kontrol paneli: Yakalanan işletmelerinizin bulunduğu, satış, yorum ve e-posta zekası katmanlarıyla desteklenmiş haritalandırılmış bir CRM. Yukarı akışta yaptığınız yapay zeka zenginleştirmesi, aşağı akışta uygulayacağınız segmentasyon ve önceliklendirme haline gelir.

Kontrol panelinin içinde, her işletme için yapay zeka tarafından oluşturulmuş bir e-posta üretilir ve veritabanları, incelemelerde ortaya çıkan sorun noktalarıyla bağlamlandırılır. Böylece modelinizin ürettiği "website_gap" işareti, gerçek bir iletişim açısıyla mükemmel bir şekilde eşleşir. Ham bir dışa aktarım bir başlangıç noktasıdır; katma değerli bir veritabanı ise, daha önce de belirtildiği gibi, nihai üründür Katma değerli veritabanı ile ham CSV arasındaki fark..

Bir diğer önemli alışkanlık da şudur: Veri kazıma işlemini sorumluluk bilinciyle yapın ve yalnızca kurumsal iletişim bilgilerinizle çalışın. Kısa bir özet Google Haritalardan veri kazımanın yasal olup olmadığı E-posta göndermeden önce zenginleştirilmiş listelerinizin sağlam bir zeminde olmasını sağlar.

Modelin verileri uydurmasına izin vermeyin