Wzbogacanie danych i weryfikacja kontaktów
Handlowcy kupują lub scrapują tanie bazy kontaktów, po czym natychmiast wgrywają je do narzędzi mailingowych. Rezultat? Bounce rate na poziomie 18%, domena trafia na czarne listy Spamhaus i Google Workspace, a 40% maili odbija się z powodu nieistniejących skrzynek. Dodatkowo handlowcy dzwonią na ogólne numery centrali (reception desk) zamiast na bezpośrednie komórki decydentów.
Wprowadź 3-stopniowy Proces Kaskadowego Wzbogacania i Higieny Danych (Data Waterfall):
1. Krok 1: Normalizacja i Czyszczenie (Data Hygiene z AI). Modele językowe doskonale radzą sobie z czyszczeniem surowych danych: usuwają formy prawne (zmieniają 'ACME POLSKA SPÓŁKA Z O.O. W LIKWIDACJI' na czyste 'Acme'), wyciągają imiona z maili i poprawiają odmianę imion w wołaczu (Panie Marku, Pani Mario).
2. Krok 2: Kaskadowy Dobór Maila (Waterfall Enrichment). Łącz narzędzia w kaskadę: jeśli Apollo nie znajdzie maila, odpytaj Kaspr, Datagma lub Hunter. Zawsze sprawdzaj status serwera pocztowego.
3. Krok 3: Twarda Weryfikacja SMTP. Nigdy nie wysyłaj wiadomości na adresy bez weryfikacji MX i testu hand-shake (BounceBan / ZeroBounce). Adresy typu 'Catch-all' wysyłaj wyłącznie w małych partiach z domen zapasowych.
Surowy rekord z bazy: 'P.P.H.U. JANUSZPOL JAN KOWALSKI SP. JAWNA, email: biuro@januszpol.pl, telefon: 22 123 45 67'.
Po przetworzeniu z AI i enrichmentem:
- Firma: 'Januszpol'
- Imię decydenta: 'Jan'
- Forma wołacza: 'Panie Janie'
- Rola: 'Współwłaściciel / Dyrektor Zarządzający'
- Zweryfikowany e-mail bezpośredni: 'j.kowalski@januszpol.pl' (Status: Deliverable)
- Telefon bezpośredni: '+48 601 234 567' (Zweryfikowany komórkowy)
- Zastosowane technologie: Subiekt GT, PrestaShop 8.1.
Rola: Data Operations Engineer & Lead Enrichment Specialist. Oto surowa tabela z danymi 10 firm wyeksportowana z rejestru/katalogu: [WKLEJ SUROWE DANE CSV LUB TABELĘ: NAZWA FIRMY, ADRES, NIP, OSOBA KONTAKTOWA, EMAIL OGÓLNY] Zadanie: 1. Oczyść i znormalizuj nazwy firm (usuń formy prawne: Sp. z o.o., S.A., Sp.k., P.P.H.U., wielkie litery zamień na Title Case). 2. Dla każdej osoby wygeneruj poprawną formę zwrotu grzecznościowego w języku polskim w wołaczu (np. Tomasz -> Panie Tomaszu, Agnieszka -> Pani Agnieszko). 3. Na podstawie adresu domeny zaproponuj 3 najbardziej prawdopodobne schematy adresów e-mail do decydenta (np. imie.nazwisko@, pierwszalitera.nazwisko@, imie@). 4. Zwróć dane w czytelnej tabeli Markdown gotowej do wklejenia do CRM.
Warianty i alternatywne scenariusze
Weryfikacja Catch-All: Przygotowanie reguły scoringowej dla leadów z domen serwerów akceptujących całą pocztę.
Scraping Danych z WWW: Prompt analizujący stopkę strony i podstronę kontaktu w poszukiwaniu bezpośrednich numerów komórkowych.
Ćwiczenie praktyczne
Weź surowy eksport 10 kontaktów ze swojego CRM. Przepuść go przez powyższy prompt czyszczący i sprawdź, o ile bardziej profesjonalnie wyglądają znormalizowane nazwy firm i wołacze imion.