Los datos de reseñas de Google proporcionan señales sólidas para la puntuación de clientes potenciales B2B. Una empresa con muchas reseñas recientes y una calificación moderada a menudo necesita ayuda para mejorar la experiencia del cliente. Una empresa con una calificación alta y un crecimiento constante de las reseñas es una sólida perspectiva de asociación. Este tutorial muestra cómo crear un sistema de puntuación de clientes potenciales que utiliza datos de reseñas de Google para priorizar la divulgación. Creará un modelo de puntuación que combine calificación, recuento de reseñas y patrones de respuesta en una única puntuación de calidad.
Requisitos previos
- Python 3.8+ instalado
- solicita biblioteca instalada
- Una clave API de Scavio de scavio.dev
- Una lista de empresas o categorías potenciales para calificar
Guia paso a paso
Paso 1: Obtener datos de reseñas para empresas
Consulta Google Maps para empresas y extrae datos de reseñas para puntuar.
import os, requests, json
API_KEY = os.environ["SCAVIO_API_KEY"]
def get_businesses(query):
resp = requests.post("https://api.scavio.dev/api/v1/search",
headers={"x-api-key": API_KEY},
json={"platform": "google", "query": query, "type": "maps"})
return resp.json().get("local_results", [])Paso 2: Construir el modelo de puntuación
Cree una función de puntuación que sopese la calificación, el volumen de reseñas y la calidad de las reseñas.
def score_lead(business):
rating = float(business.get("rating", 0))
reviews = int(business.get("reviews", 0))
rating_score = max(0, (5 - rating) * 25)
volume_score = min(reviews / 2, 100)
combined = round(rating_score * 0.5 + volume_score * 0.5)
return {
"name": business.get("title", ""),
"rating": rating,
"reviews": reviews,
"rating_score": round(rating_score),
"volume_score": round(volume_score),
"lead_score": combined,
"priority": "high" if combined >= 60 else "medium" if combined >= 30 else "low",
}Paso 3: Enriquecer obtuvo clientes potenciales
Agregue datos de contacto y del sitio web a los clientes potenciales mejor puntuados.
def enrich_scored_lead(lead):
resp = requests.post("https://api.scavio.dev/api/v1/search",
headers={"x-api-key": API_KEY},
json={"platform": "google", "query": f"{lead['name']} contact website"})
results = resp.json().get("organic_results", [])[:2]
lead["website"] = results[0].get("link", "") if results else ""
return leadPaso 4: Exportar clientes potenciales puntuados
Guarde los clientes potenciales puntuados y enriquecidos para priorizar la divulgación.
import csv
def export_scored(leads, filename):
with open(filename, "w", newline="") as f:
fields = ["name", "rating", "reviews", "lead_score", "priority", "website"]
w = csv.DictWriter(f, fieldnames=fields, extrasaction="ignore")
w.writeheader()
w.writerows(leads)
print(f"Exported {len(leads)} scored leads to {filename}")Ejemplo en Python
import os, requests
API_KEY = os.environ["SCAVIO_API_KEY"]
resp = requests.post("https://api.scavio.dev/api/v1/search",
headers={"x-api-key": API_KEY},
json={"platform": "google", "query": "restaurants in Denver CO", "type": "maps"})
for b in resp.json().get("local_results", [])[:5]:
r = float(b.get("rating", 0))
score = round((5 - r) * 25 * 0.5 + min(int(b.get("reviews",0))/2, 100) * 0.5)
print(f"{b['title']}: score={score}, rating={r}")Ejemplo en JavaScript
const H = {"x-api-key": process.env.SCAVIO_API_KEY, "Content-Type": "application/json"};
const r = await fetch("https://api.scavio.dev/api/v1/search", {
method: "POST", headers: H,
body: JSON.stringify({platform: "google", query: "restaurants in Denver CO", type: "maps"})
});
(await r.json()).local_results.slice(0,5).forEach(b => {
const score = Math.round((5-parseFloat(b.rating||0))*25*0.5 + Math.min(parseInt(b.reviews||0)/2,100)*0.5);
console.log(b.title, "score:", score);
});Salida esperada
A scored list of B2B leads ranked by review-based quality score, with contact enrichment and priority classification for outreach campaigns.