aiagentwithdhruv/skills

Extracción y Verificación de Prospectos

Objetivo

Extraer prospectos usando Apify (code_crafter/leads-finder), verificar su relevancia (coincidencia con la industria > 80%) y guardarlos en una hoja de Google. Para extracciones grandes (más de 1000 prospectos), usa extracción paralela para un rendimiento de 3 a 5 veces más rápido.

Entradas

• Industria: La industria objetivo (ej., "Plomeros", "Agencias de Software")
• Ubicación: La ubicación objetivo (ej., "Texas", "Estados Unidos", "California"). Los scripts formatean automáticamente al formato requerido por Apify (los estados de EE. UU. reciben el sufijo ", us" automáticamente).
• Cantidad Total: El número total de prospectos deseados

Scripts

Todos los scripts están en ./scripts/:

• scrape_apify.py - Extracción individual, para <1000 prospectos
• scrape_apify_parallel.py - Extracción paralela, para 1000+ prospectos
• classify_leads_llm.py - Clasificación de prospectos basada en LLM
• enrich_emails.py - Enriquecimiento de correos electrónicos mediante AnyMailFinder
• update_sheet.py - Actualizaciones por lotes de hojas
• read_sheet.py - Leer datos de Google Sheets

Proceso

Extracciones Pequeñas (<1000 prospectos)

1. Extracción de Prueba

   python3 ./scripts/scrape_apify.py --query "INDUSTRIA" --location "UBICACIÓN" --max_items 25 --no-email-filter --output .tmp/test_leads.json
   

2. Verificación

   • Lee .tmp/test_leads.json
   • Verifica que al menos 20/25 (80%) de los prospectos coincidan con la Industria
   • Aprobado: Continúa al paso 3
   • Fallido: Detente y pide al usuario que refine las palabras clave

3. Extracción Completa

   python3 ./scripts/scrape_apify.py --query "INDUSTRIA" --location "UBICACIÓN" --max_items CANTIDAD_TOTAL --no-email-filter --output .tmp/leads.json
   

4. [Opcional] Clasificación con LLM (para nichos complejos)

   python3 ./scripts/classify_leads_llm.py .tmp/leads.json --classification_type product_saas --output .tmp/classified_leads.json
   

5. Subir a Google Sheet

   python3 ./scripts/update_sheet.py .tmp/leads.json --title "Prospectos - INDUSTRIA"
   

6. Enriquecer Correos Faltantes

   python3 ./scripts/enrich_emails.py URL_DE_LA_HOJA
   

Extracciones Grandes (1000+ prospectos)

1. Extracción de Prueba (igual que arriba con 25 elementos)

2. Extracción Completa Paralela

   python3 ./scripts/scrape_apify_parallel.py \
     --query "INDUSTRIA" \
     --total_count 4000 \
     --location "Estados Unidos" \
     --strategy regions \
     --no-email-filter
   

   La partición geográfica es automática:

   • Estados Unidos: 4 vías (Noreste, Sureste, Medio Oeste, Oeste)
   • UE/Europa: 4 vías (Occidental, Meridional, Septentrional, Oriental)
   • Reino Unido: 4 vías (SE Inglaterra, N Inglaterra, Escocia/Gales, SO Inglaterra)
   • Canadá: 4 vías (Ontario, Quebec, Oeste, Atlántico)
   • Australia: 4 vías (NSW, VIC/TAS, QLD, WA/SA)

3. Continúa con los pasos 4-6 de extracciones pequeñas

Salidas

El ÚNICO entregable es la URL de Google Sheet. Los archivos JSON locales en .tmp/ son intermediarios temporales.

Casos Extremos

• No se encontraron prospectos: Pide al usuario que amplíe la búsqueda
• Error de API: Verifica las credenciales en .env
• Clasificaciones de baja calidad: Si >80% "no claro", mejora las palabras clave de extracción

Entorno

Requiere en .env:

APIFY_API_TOKEN=tu_token
GOOGLE_APPLICATION_CREDENTIALS=ruta/a/credentials.json
ANTHROPIC_API_KEY=tu_clave
ANYMAILFINDER_API_KEY=tu_clave

---

Esquema

Entradas

Nombre	Tipo	Requerido	Descripción
industry	string	Sí	Industria objetivo (ej., 'Plomeros', 'Agencias de Software')
location	string	Sí	Ubicación objetivo (ej., 'Texas', 'Estados Unidos')
total_count	integer	Sí	Número total de prospectos deseados
classification_type	string	No	Tipo de clasificación con LLM (ej., 'product_saas')

Salidas

Nombre	Tipo	Descripción
sheet_url	string	URL de Google Sheet con los prospectos extraídos
lead_count	integer	Número de prospectos encontrados

Credenciales

Nombre	Fuente
APIFY_API_TOKEN	.env
GOOGLE_APPLICATION_CREDENTIALS	.env
ANTHROPIC_API_KEY	.env
ANYMAILFINDER_API_KEY	.env

Componible Con

Habilidades que se combinan bien con esta: classify-leads, casualize-names, instantly-campaigns, onboarding-kickoff

Costo

$0.01-0.02 por prospecto + $0.30/1K por clasificación