Phương pháp tạo khách hàng tiềm năng theo cách truyền thống giữa các doanh nghiệp thường dựa vào việc mua các danh mục tĩnh hoặc danh sách ngành để xác định tiềm năng theo lãnh thổ. Tuy nhiên, các tập dữ liệu tĩnh về địa điểm yêu thích (POI) này gần như ngay lập tức trở nên lỗi thời. Vì thường thiếu thông tin cập nhật về trạng thái hoạt động hoặc thông tin phân loại chi tiết về loại địa điểm, nên các nhóm bán hàng tại chỗ có nguy cơ lãng phí thời gian quý báu để theo đuổi những doanh nghiệp đã đóng cửa vĩnh viễn, bị phân loại sai hoặc không liên quan đến hồ sơ khách hàng lý tưởng của họ.
Hướng dẫn này cung cấp một quy trình để thu hẹp khoảng cách đó bằng cách sử dụng Thông tin chi tiết về địa điểm và Places API. Bằng cách liên kết danh sách doanh nghiệp hiện tại của bạn với Place ID, bạn có thể dùng BigQuery để tách biệt mọi doanh nghiệp đang hoạt động trong một lãnh thổ chưa có trong cơ sở dữ liệu quản lý mối quan hệ khách hàng (CRM) của bạn. Hướng dẫn này sẽ hướng dẫn bạn cách xây dựng công cụ loại trừ đó để cung cấp danh sách khách hàng tiềm năng được xác minh và nhắm đến siêu mục tiêu cho nhân viên đại diện tại hiện trường.
Ứng dụng mẫu
Hãy xem xét một nhà cung cấp Điểm bán hàng (POS) đang lên kế hoạch mở rộng hoạt động bán hàng tại hiện trường ở Thành phố New York. Thông thường, tổ chức này sẽ lấy báo cáo về tổng số cơ sở kinh doanh thực phẩm và đồ uống theo mã bưu chính. Phương pháp này có nguy cơ khiến nhân viên bán hàng dựa vào dữ liệu lỗi thời, chẳng hạn như những địa điểm đã đóng cửa vĩnh viễn hoặc khách hàng tiềm năng không liên quan, chẳng hạn như một nhà bếp phục vụ tiệc tư nhân không có mặt tiền cửa hàng.
Thay vào đó, hãy tưởng tượng một phương pháp hiện đại hoá bằng cách sử dụng Thông tin chi tiết về địa điểm, tận dụng quy mô toàn cầu và dữ liệu mới nhất của Google Maps được xác thực trên nhiều nguồn.
Thông tin chi tiết về địa điểm hỗ trợ gần 500 danh mục địa điểm và hơn 70 thuộc tính, cho phép bạn tinh chỉnh khách hàng tiềm năng với độ chính xác cao dựa trên các loại hình kinh doanh cụ thể (chẳng hạn như scandinavian_restaurant), giờ hoạt động của cửa hàng và các dịch vụ cung cấp (chẳng hạn như accepts_credit_cards). Bằng cách tham chiếu chéo Thông tin chi tiết về địa điểm với CRM nội bộ, bạn có thể cung cấp cho nhóm bán hàng danh sách khách hàng tiềm năng chưa được liên hệ có tiềm năng cao và được nhắm đến một cách siêu cụ thể.
Quy trình giải pháp
Hướng dẫn này cung cấp một khung kỹ thuật để tạo "Bản đồ khách hàng tiềm năng" linh hoạt, tự động lọc ra danh sách khách hàng hiện tại, chỉ để lại khách hàng tiềm năng mới, có thể hoạt động để nhóm bán hàng của bạn theo đuổi.
Kiến trúc gồm 4 bước
- Xác định các loại địa điểm mục tiêu: Lập bản đồ hồ sơ khách hàng lý tưởng của bạn với các loại địa điểm.
- Xác định các khu vực có tiềm năng cao: Thực hiện các hàm Đếm địa điểm trong BigQuery để tạo bản đồ nhiệt mật độ của các doanh nghiệp mục tiêu đang hoạt động.
- Chuẩn hoá dữ liệu CRM thành Mã địa điểm: Xử lý các bản ghi CRM không có cấu trúc thông qua quy trình làm sạch dữ liệu, sử dụng Xác thực địa chỉ, mã hoá địa lý và Places API để tìm Mã địa điểm cho khách hàng hiện tại của bạn.
- Thực hiện loại trừ khoảng trắng: Kết hợp mã địa điểm trong CRM với dữ liệu Thông tin chi tiết về địa điểm trong BigQuery để lọc động khách hàng hiện tại và xuất danh sách khách hàng tiềm năng hoàn toàn mới.
Điều kiện tiên quyết
Trước khi bắt đầu, hãy đảm bảo bạn có những thông tin sau:
Dự án trên Google Cloud:
- Một dự án trên Google Cloud đã bật tính năng thanh toán.
Quyền truy cập vào dữ liệu:
- Gói thuê bao Thông tin chi tiết về địa điểm trong BigQuery.
- Tập dữ liệu CRM của riêng bạn (ví dụ: bảng BigQuery) chứa tên và địa chỉ doanh nghiệp của khách hàng hiện tại để đóng vai trò là danh sách loại trừ.
Google Maps Platform:
- Một Khoá API.
- Các API sau đây được bật cho khoá của bạn:
Quyền IAM:
- Đảm bảo rằng tài khoản người dùng hoặc tài khoản dịch vụ của bạn có các vai trò IAM sau đây để thực thi các truy vấn và quản lý tập dữ liệu của bạn:
Vai trò ID Người chỉnh sửa dữ liệu BigQuery roles/bigquery.dataEditorNgười dùng BigQuery roles/bigquery.user
- Đảm bảo rằng tài khoản người dùng hoặc tài khoản dịch vụ của bạn có các vai trò IAM sau đây để thực thi các truy vấn và quản lý tập dữ liệu của bạn:
Nhận biết chi phí:
- Hướng dẫn này sử dụng các thành phần có tính phí của Google Cloud. Hãy lưu ý đến các khoản phí có thể phát sinh liên quan đến:
- BigQuery: Tính phí cho các vị trí điện toán đã sử dụng hoặc dữ liệu được xử lý trong quá trình thực thi truy vấn.
- Thông tin chi tiết về địa điểm: Tính phí dựa trên mức sử dụng truy vấn.
- Google Maps Platform: Tính phí theo yêu cầu đối với API Xác thực địa chỉ, API Mã hoá địa lý và API Tìm kiếm văn bản.
- Hướng dẫn này sử dụng các thành phần có tính phí của Google Cloud. Hãy lưu ý đến các khoản phí có thể phát sinh liên quan đến:
Bước 1: Xác định các loại địa điểm mục tiêu
Thông tin chi tiết về địa điểm hỗ trợ gần 500 danh mục địa điểm và hơn 70 thuộc tính (chẳng hạn như giờ hoạt động của cửa hàng, hình thức thanh toán và trạng thái hoạt động). Việc truy vấn toàn bộ tập dữ liệu một cách bừa bãi là không hiệu quả và tốn kém.
Là một bước cơ bản, hãy sử dụng một LLM như Gemini để dịch hồ sơ khách hàng nội bộ của bạn thành Place Types (Loại địa điểm), được dùng khi tạo một truy vấn cho Thông tin chi tiết về địa điểm. Định nghĩa phân loại ở cấp độ vĩ mô này đảm bảo các cụm từ tìm kiếm BigQuery tiếp theo của bạn có độ nhắm mục tiêu cao, giúp giảm chi phí xử lý điện toán.
Ví dụ: nếu đang thiết kế quy trình làm việc cho hệ thống điểm bán hàng, bạn có thể cung cấp cho Gemini danh sách các loại Địa điểm và sử dụng câu lệnh sau:
"Đóng vai một nhà phân tích thị trường. Trong số các loại địa điểm được Google Maps hỗ trợ, đâu là mục tiêu chính của nhà cung cấp hệ thống điểm bán hàng? Hãy giải thích quyết định của bạn."
Dựa trên câu lệnh này, Gemini sẽ phân tích hệ thống phân loại và trả về một tập hợp con nhắm đến mục tiêu gồm các loại địa điểm có liên quan để sử dụng trong bộ lọc types của BigQuery:
| Danh mục chính | Lý giải | Các loại địa điểm chính |
|---|---|---|
| Đồ ăn và đồ uống | Yêu cầu xử lý giao dịch nhanh, quản lý bàn, phát hành vé đặt hàng và xử lý tiền boa. | restaurant, bar, cafe, coffee_shop |
| Mua sắm | Cần có tính năng theo dõi kho hàng, quét mã vạch, xử lý trường hợp trả lại hàng và tích hợp chương trình khách hàng thân thiết mạnh mẽ. | clothing_store, grocery_store, supermarket, convenience_store |
| Dịch vụ, sức khoẻ và lối sống lành mạnh | Yêu cầu tích hợp tính năng đặt lịch hẹn, lên lịch, hồ sơ khách hàng và theo dõi hoa hồng. | hair_salon, beauty_salon, spa, massage |
| Giải trí, giải trí và thể thao | Đòi hỏi phải xử lý nhanh chóng lượng khách hàng đổ xô đến, quét vé kỹ thuật số và bán hàng nhanh tại quầy nhượng quyền. | movie_theater, amusement_park, bowling_alley, stadium |
Trong hướng dẫn này, chúng ta sẽ tập trung vào các loại địa điểm được đề xuất cho danh mục Đồ ăn và thức uống.
Bước 2: Trích xuất số lượng doanh nghiệp để xác định các khu vực có tiềm năng cao
Để xác định chính xác các cơ hội, trước tiên, bạn cần có một cái nhìn tổng quan về mật độ doanh nghiệp. Bạn có thể đạt được mục tiêu này bằng cách thực thi các hàm Đếm số địa điểm (chẳng hạn như PLACES_COUNT_PER_H3 hoặc PLACES_COUNT_PER_GEO) trong BigQuery.
Mặc dù bạn có thể truy vấn trực tiếp tập dữ liệu, nhưng các hàm Đếm địa điểm là các truy vấn SQL được xác định trước và tối ưu hoá, không bắt buộc ngưỡng tổng hợp tiêu chuẩn là tối thiểu 5 địa điểm (Các truy vấn trực tiếp tiêu chuẩn sẽ bỏ qua các hàng có từ 1 đến 4 doanh nghiệp; tuy nhiên, các hàm này cho phép bạn biết chính xác vị trí của ngay cả một khách hàng tiềm năng). Điều quan trọng là các hàm này trả về một mảng gồm tối đa 250 mã địa điểm cho mỗi khu vực địa lý bằng cách sử dụng cột sample_place_ids. Điều này cung cấp cả bản đồ nhiệt thống kê cho người lập kế hoạch lãnh thổ và các giá trị nhận dạng cơ bản cần thiết để tạo khách hàng tiềm năng.
Truy vấn sau đây minh hoạ cách truy xuất động một đa giác phức tạp (toàn bộ ranh giới của Thành phố New York) bằng cách sử dụng một tập dữ liệu công khai, rồi truyền dữ liệu địa lý đó vào hàm Places Count. Bằng cách sử dụng chỉ mục không gian H3 ở độ phân giải rộng hơn (8) trên toàn thành phố, bạn có thể tạo bản đồ mật độ ở cấp độ vĩ mô.
Ngoài ra, bằng cách chọn tất cả các cột (SELECT *), hàm sẽ trả về cột geography, một đa giác đại diện cho ô H3. Nhờ đó, bạn có thể nhập ngay kết quả BigQuery vào các công cụ thông tin doanh nghiệp (như Looker Studio) để tạo hình ảnh trực quan về bản đồ được điền sẵn, cho thấy các điểm nóng trên thị trường.
-- Illustrative logic: Extracting target business counts per H3 cell across New York City
DECLARE geo GEOGRAPHY;
-- Get the geography for New York City using the Overture Maps public dataset
SET geo = (SELECT geometry FROM `bigquery-public-data.overture_maps.division_area`
WHERE country = 'US' AND subtype = 'locality' AND names.primary = 'New York' LIMIT 1);
SELECT *
FROM `YOUR_PROJECT_NAME.places_insights___us.PLACES_COUNT_PER_H3`(
JSON_OBJECT(
'geography', geo,
'h3_resolution', 8,
'types',['restaurant', 'bar', 'cafe', 'coffee_shop'],
'business_status', ['OPERATIONAL']
)
)
ORDER BY count DESC;
Như bạn thấy trong hình ảnh trực quan thu được, có những khu vực mật độ cao rõ rệt của các doanh nghiệp mục tiêu trên khắp Manhattan. Trong phần còn lại của tài liệu này, chúng ta sẽ tập trung vào một trong những khu vực có tiềm năng cao này để nỗ lực tạo khách hàng tiềm năng: khu vực gần Quảng trường Union.
Bước 3: Chuẩn hoá dữ liệu CRM thành mã địa điểm
Để thực hiện phân tích loại trừ, trước tiên, bạn cần chuyển đổi các bản ghi CRM thành Mã địa điểm. Vì dữ liệu CRM thường không có cấu trúc, nên việc truyền văn bản thô vào các API tìm kiếm sẽ mang lại tỷ lệ khớp thấp. Sử dụng quy trình gồm 2 bước này để làm sạch địa chỉ, tính đến phạm vi phủ sóng API theo khu vực và đảm bảo bạn trích xuất đúng mã địa điểm của cơ sở cho BigQuery.
Giả sử bạn có 5 khách hàng nhà hàng sau đây trong hệ thống CRM ở Thành phố New York:
| Tên Địa điểm | Địa chỉ |
|---|---|
| Boucherie Union Square | 225 Park Ave S, New York, NY 10003, Hoa Kỳ |
| Gramercy Tavern | 42 E 20th St, New York, NY 10003, Hoa Kỳ |
| Barn Joo Union Square | 35 Union Square W, New York, NY 10003, Hoa Kỳ |
| LOS TACOS No.1 | 200 Park Ave S, New York, NY 10003, Hoa Kỳ |
| Union Square Cafe | 101 E 19th St, New York, NY 10003, Hoa Kỳ |
Vì các bản ghi này bao gồm văn bản không có cấu trúc, nên bạn không thể kết hợp trực tiếp các bản ghi này với dữ liệu Thông tin chi tiết về địa điểm trong BigQuery. Thay vào đó, hãy xử lý từng hàng thông qua quy trình sau để chuẩn hoá văn bản và trích xuất Mã địa điểm.
Bước 3a: Chuẩn hoá địa chỉ và so khớp trực tiếp
Trước tiên, hãy chuẩn hoá dữ liệu địa chỉ của bạn. Chọn API dựa trên quốc gia mục tiêu:
Lựa chọn 1: Address Validation API
Đối với các khu vực được hỗ trợ, hãy truyền Tên và Địa chỉ doanh nghiệp trên CRM được nối vào API. Kiểm tra mảng result.geocode.placeTypes của phản hồi:
- Kết quả trùng khớp với cơ sở lưu trú: Nếu chứa
establishmenthoặcpoint_of_interest, tức là API đã phân giải thành công doanh nghiệp. ThêmplaceIdnày vào tập dữ liệu của bạn rồi chuyển sang bản ghi CRM tiếp theo. Bạn không cần thực hiện thêm lệnh gọi API nào cho mục nhập này. - Không khớp với cơ sở: Nếu không chứa các loại hình doanh nghiệp đó, thì API không thể xác nhận chắc chắn thực thể doanh nghiệp. Mã địa điểm được trả về đại diện cho một đối tượng địa lý (chẳng hạn như toà nhà, đường phố hoặc thành phố). Không sử dụng Mã địa điểm này cho BigQuery, vì thao tác này sẽ khiến các phép kết hợp loại trừ của bạn không thành công. Thay vào đó, hãy lưu
result.address.formattedAddressvà chuyển sang Bước 3b.
Lựa chọn 2: Geocoding API
Đối với những khu vực không được hỗ trợ bởi Xác thực địa chỉ, chỉ truyền Địa chỉ CRM vào Geocoding API. Đừng thêm tên doanh nghiệp, vì Geocoding API có thể trả về kết quả không dự đoán được. Trích xuất formattedAddress thu được và chuyển sang Bước 3b.
Cấu trúc nâng cao: Xử lý dữ liệu không có cấu trúc bằng LLM
Nếu dữ liệu CRM của bạn rất kém, chẳng hạn như tên và địa chỉ doanh nghiệp được trộn lẫn vào một trường ghi chú văn bản tuỳ ý duy nhất, hãy xử lý trước các bản ghi bằng một LLM như Gemini. Bạn có thể ra lệnh cho Gemini phân tích cú pháp tên doanh nghiệp một cách rõ ràng từ vị trí trước khi đưa tên doanh nghiệp vào quy trình này.
Bước 3b: Giải quyết vấn đề về Pháp nhân
Nếu Bước 3a chỉ trả về một địa chỉ đã được làm sạch, hãy nối địa chỉ đó với Tên doanh nghiệp ban đầu trong CRM rồi truyền địa chỉ đó đến API Tìm kiếm văn bản. Việc chuẩn hoá địa chỉ trước tiên sẽ giúp cải thiện đáng kể tỷ lệ khớp.
Để tối ưu hoá hiệu suất và chi phí, hãy sử dụng Mặt nạ trường (X-Goog-FieldMask:
places.id) và đặt "pageSize": 1 để đảm bảo chỉ trả về Mã địa điểm có tỷ lệ trùng khớp cao nhất.
Ví dụ về yêu cầu tìm kiếm văn bản:
curl -X POST -d '{
"textQuery" : "Gramercy Tavern 42 E 20th St, New York, NY 10003-1324, USA",
"pageSize": 1
}' \
-H 'Content-Type: application/json' -H 'X-Goog-Api-Key: YOUR_API_KEY' \
-H 'X-Goog-FieldMask: places.id' \
'https://places.googleapis.com/v1/places:searchText'
Đầu ra của quy trình
Sau khi xử lý các bản ghi CRM thông qua quy trình gồm 2 bước này, cho dù mã nhận dạng được trích xuất thành công ở Bước 3a hay được phân giải bằng tính năng Tìm kiếm văn bản ở Bước 3b, mục tiêu cuối cùng của bạn là thêm một cột place_id mới vào tập dữ liệu. Bây giờ, bạn đã sẵn sàng tải bảng kết quả này lên BigQuery dưới dạng danh sách loại trừ.
| Tên Địa điểm | Địa chỉ | Mã địa điểm |
|---|---|---|
| Boucherie Union Square | 225 Park Ave S, New York, NY 10003, Hoa Kỳ | ChIJc1Vf7KFZwokR1YL2Rn9oxi8 |
| Gramercy Tavern | 42 E 20th St, New York, NY 10003, Hoa Kỳ | ChIJvSQIgqFZwokRFYQbJdzceSs |
| Barn Joo Union Square | 35 Union Square W, New York, NY 10003, Hoa Kỳ | ChIJQ7XpyqNZwokRQpVfvGEViWM |
| LOS TACOS No.1 | 200 Park Ave S, New York, NY 10003, Hoa Kỳ | ChIJFZh0PABZwokRVzoJu0o-mLY |
| Union Square Cafe | 101 E 19th St, New York, NY 10003, Hoa Kỳ | ChIJxTHke6JZwokRCLWVd99eDBw |
Bước 4: Thực hiện Phân tích loại trừ khoảng trắng trong BigQuery
Khi khách hàng hiện tại của bạn được liên kết với Mã địa điểm, hãy sử dụng các hàm Số lượng địa điểm để tìm khách hàng tiềm năng mới.
Trong ví dụ này, chúng ta sẽ tìm kiếm các doanh nghiệp mục tiêu đang hoạt động (nhà hàng, quán bar, quán cà phê và quán cà phê) trong bán kính 850 mét tính từ Quảng trường Union (40.73595, -73.99043). Để có chế độ xem thật chi tiết hơn cho việc định tuyến ở cấp đường phố, chúng tôi sẽ tăng hàm PLACES_COUNT_PER_H3 lên độ phân giải 10.
Vì hàm này trả về mã địa điểm dưới dạng một mảng trong cột sample_place_ids, nên chúng ta phải UNNEST mảng để đặt từng doanh nghiệp tiềm năng trên hàng riêng. Sau đó, chúng tôi thực hiện một LEFT JOIN đối với các Place ID đã biết của khách hàng.
Để chứng minh logic loại trừ hoạt động cho bản minh hoạ này, truy vấn bên dưới sử dụng câu lệnh CASE để gắn cờ kết quả thay vì lọc hoàn toàn.
Thao tác này cũng sắp xếp rõ ràng những khách hàng hiện tại lên đầu bảng kết quả để bạn có thể xác minh rằng họ đã được so khớp thành công.
Truy vấn SQL
WITH existing_customers AS (
-- 1. Simulate the uploaded CRM table
SELECT * FROM UNNEST([
'ChIJc1Vf7KFZwokR1YL2Rn9oxi8', -- Boucherie Union Square
'ChIJvSQIgqFZwokRFYQbJdzceSs', -- Gramercy Tavern
'ChIJQ7XpyqNZwokRQpVfvGEViWM', -- Barn Joo Union Square
'ChIJFZh0PABZwokRVzoJu0o-mLY', -- LOS TACOS No.1
'ChIJxTHke6JZwokRCLWVd99eDBw' -- Union Square Cafe
]) AS place_id
),
target_area_businesses AS (
-- 2. Query Places Insights for target businesses in the radius
SELECT
h3_cell_index,
place_id
FROM `places_insights___us.PLACES_COUNT_PER_H3`(
JSON_OBJECT(
'geography', ST_GEOGPOINT(-73.99043, 40.73595),
'geography_radius', 850,
'h3_resolution', 10,
'types',['restaurant', 'bar', 'cafe', 'coffee_shop'],
'business_status', ['OPERATIONAL']
)
),
UNNEST(sample_place_ids) AS place_id
)
-- 3. The "Proof" Output: Flag them instead of filtering them out
SELECT
t.h3_cell_index,
t.place_id,
-- Flag whether the LEFT JOIN found a match in the CRM table
CASE
WHEN e.place_id IS NOT NULL THEN 'Existing Customer (To Be Excluded)'
ELSE 'Net-New Lead'
END AS lead_status,
CONCAT('https://www.google.com/maps/search/?api=1&query=Place&query_place_id=', t.place_id) AS actionable_maps_url
FROM target_area_businesses t
LEFT JOIN existing_customers e
ON t.place_id = e.place_id
ORDER BY
-- Explicitly sort the existing customers to the top (0 comes before 1)
CASE WHEN e.place_id IS NOT NULL THEN 0 ELSE 1 END ASC;
Kết quả truy vấn
Sau đây là một đoạn trích của kết quả truy vấn, cho thấy cách xác định và tách biệt thành công khách hàng hiện tại với khách hàng tiềm năng hoàn toàn mới trong cùng một ô H3 chi tiết.
Lưu ý cách truy vấn sử dụng câu lệnh CONCAT để tạo URL Maps nhiều nền tảng, bằng cách sử dụng place_id. Thao tác này sẽ tự động tạo cột actionable_maps_url, cung cấp cho nhóm bán hàng của bạn một đường liên kết có thể nhấp ngay lập tức để tải chính xác doanh nghiệp trong ứng dụng di động Google Maps hoặc một trình duyệt.
h3_cell_index |
place_id |
lead_status |
actionable_maps_url |
|---|---|---|---|
| 8a2a100d2767fff | ChIJQ7XpyqNZwokRQpVfvGEViWM | Khách hàng hiện tại (Cần loại trừ) | https://www.google.com/maps/search/?api=1&query=Place&query_place_id=ChIJQ7XpyqNZwokRQpVfvGEViWM |
| 8a2a100d20effff | ChIJvSQIgqFZwokRFYQbJdzceSs | Khách hàng hiện tại (Cần loại trừ) | https://www.google.com/maps/search/?api=1&query=Place&query_place_id=ChIJvSQIgqFZwokRFYQbJdzceSs |
| 8a2a100d2397fff | ChIJc1Vf7KFZwokR1YL2Rn9oxi8 | Khách hàng hiện tại (Cần loại trừ) | https://www.google.com/maps/search/?api=1&query=Place&query_place_id=ChIJc1Vf7KFZwokR1YL2Rn9oxi8 |
| 8a2a100d2397fff | ChIJFZh0PABZwokRVzoJu0o-mLY | Khách hàng hiện tại (Cần loại trừ) | https://www.google.com/maps/search/?api=1&query=Place&query_place_id=ChIJFZh0PABZwokRVzoJu0o-mLY |
| 8a2a100d23b7fff | ChIJxTHke6JZwokRCLWVd99eDBw | Khách hàng hiện tại (Cần loại trừ) | https://www.google.com/maps/search/?api=1&query=Place&query_place_id=ChIJxTHke6JZwokRCLWVd99eDBw |
| 8a2a1072c96ffff | ChIJ6atD-WRZwokRULgcZ4TWin8 | Khách hàng tiềm năng hoàn toàn mới | https://www.google.com/maps/search/?api=1&query=Place&query_place_id=ChIJ6atD-WRZwokRULgcZ4TWin8 |
| 8a2a1072c96ffff | ChIJ09yg-llZwokRKAgp0jg6TCU | Khách hàng tiềm năng hoàn toàn mới | https://www.google.com/maps/search/?api=1&query=Place&query_place_id=ChIJ09yg-llZwokRKAgp0jg6TCU |
Trực quan hoá khách hàng tiềm năng bằng Places UI Kit
Thay vì cung cấp một URL thô của Maps, bạn có thể truyền place_ids trực tiếp vào Places UI Kit để tạo một trang tổng quan nội bộ phong phú nhằm tạo khách hàng tiềm năng cho nhóm bán hàng của bạn.
Bạn có thể thả các thành phần dựng sẵn cho Web, Android và iOS trên nhiều nền tảng.
Các thành phần này tự động hiển thị dữ liệu POI phong phú, chẳng hạn như ảnh, điểm xếp hạng và giờ hoạt động mà không yêu cầu bạn viết mã giao diện người dùng cho phần hiển thị hoặc xử lý phản hồi API theo cách thủ công.
Giới hạn dữ liệu
Hàm Places Count trả về tối đa 250 mã địa điểm cho mỗi ô địa lý trong mảng sample_place_ids. Nếu một khu vực có mật độ cực kỳ cao, thì danh sách khách hàng tiềm năng được tạo cho ô cụ thể đó sẽ bị giới hạn ở mức 250. Để đảm bảo bạn thu thập được tất cả khách hàng tiềm năng ở những thị trường có mật độ cao, hãy cân nhắc những chiến lược sau:
- Sử dụng bộ lọc truy vấn cụ thể: Thay vì nhóm nhiều loại thành một truy vấn (như ví dụ ở trên), hãy chạy các truy vấn riêng biệt cho từng loại địa điểm riêng lẻ.
- Giảm phạm vi không gian: Giảm diện tích tìm kiếm tổng thể bằng cách sử dụng
geography_radiusnhỏ hơn hoặc chia diện tích thành các nhóm nhỏ hơn, chi tiết hơn bằng cách tăng độ phân giải H3 (tối đa là độ phân giải 11). - Điều chỉnh độ phân giải theo mật độ: Khi phân tích các lãnh thổ có mật độ dân số khác nhau, hãy điều chỉnh kích thước tìm kiếm một cách linh hoạt để tránh vượt quá giới hạn 250 Mã địa điểm. Sử dụng độ phân giải H3 rộng hơn (ví dụ: 6 hoặc 7) hoặc
geography_radiuslớn hơn ở các vùng nông thôn nơi các doanh nghiệp nằm rải rác. Ngược lại, hãy sử dụng độ phân giải có độ chi tiết cao (ví dụ: 10 hoặc 11) ở các khu vực đô thị đông đúc để đảm bảo bạn thu thập mọi khách hàng tiềm năng mà không làm danh sách của bạn bị cắt bớt.
Truy vấn sản xuất
Sau khi xác minh rằng bạn đã xác định thành công những khách hàng hiện tại, bạn có thể quay lại phiên bản sản xuất của truy vấn. Thay thế khối SELECT cuối cùng bằng mệnh đề WHERE sau đây để lọc vĩnh viễn sổ kinh doanh hiện có của bạn:
SELECT
t.h3_cell_index,
t.place_id,
CONCAT('https://www.google.com/maps/search/?api=1&query=Place&query_place_id=', t.place_id) AS actionable_maps_url
FROM target_area_businesses t
LEFT JOIN existing_customers e
ON t.place_id = e.place_id
WHERE e.place_id IS NULL; -- Filters out the CRM matches
Quản trị và tuân thủ kiến trúc
Để duy trì một hệ thống tuân thủ và có hiệu suất cao hơn, hãy tuân thủ các tiêu chuẩn sau:
- Mã địa điểm làm giá trị nhận dạng cố định: Ngoài mã địa điểm, Điều khoản dịch vụ của Google Maps cấm lưu trữ hoặc lưu vào bộ nhớ đệm dữ liệu từng địa điểm yêu thích được trả về từ Places API (chẳng hạn như số điện thoại và thông tin liên hệ).Hãy sử dụng mã địa điểm làm giá trị nhận dạng cố định để phân tích khoảng trắng định kỳ.
- Đảm bảo thuộc tính luôn mới bằng các lệnh gọi API theo thời gian thực: Sử dụng mã địa điểm để thực hiện các lệnh gọi "vừa kịp lúc" đến Place Details API nhằm đảm bảo nhân viên bán hàng của bạn có thông tin liên hệ và thông tin doanh nghiệp mới nhất cho địa điểm đó. Ngoài ra, như minh hoạ trong đầu ra của truy vấn, bạn có thể tạo động các URL của Google Maps để cung cấp cho nhóm bán hàng các đường liên kết trực tiếp đến trang doanh nghiệp trên Google Maps.
Kết luận
Bằng cách chuẩn hoá Mã địa điểm làm khoá chính, bạn đã thu hẹp thành công khoảng cách giữa phân tích thị trường cấp cao và hoạt động bán hàng có thể thực hiện được ở cấp độ cơ sở. Cấu trúc này bỏ qua những điểm không chính xác của tính năng nhắm mục tiêu dựa trên dân số thông thường, sử dụng kho dữ liệu không máy chủ cho các phép kết hợp tính toán phức tạp và tuân thủ nghiêm ngặt các phương pháp hay nhất về quản lý chi phí và tuân thủ ở lớp API.
Hành động tiếp theo
- Yêu cầu quyền truy cập vào tập dữ liệu mẫu của Thông tin chi tiết về địa điểm.
- Đăng ký tập dữ liệu Thông tin chi tiết về địa điểm bằng cách sử dụng trang thông tin trao đổi dữ liệu BigQuery để truy cập vào dữ liệu mẫu hoặc dữ liệu đầy đủ của quốc gia.
- Xem tài liệu tham khảo về các thông số bộ lọc để tinh chỉnh các truy vấn BigQuery SQL dựa trên các thuộc tính và loại hình doanh nghiệp.
- Triển khai các lượt tìm kiếm linh hoạt bằng Places API trong CRM hoặc ứng dụng định tuyến bán hàng để hiển thị thông tin liên hệ mới nhất, tuân thủ cho các khách hàng tiềm năng mới được tạo.
Người đóng góp
- Henrik Valve | Kỹ sư DevX