Scrapik: čistý seznam kontaktů místo hodin hledání
Interní nástroj, který pomáhá připravit a vyčistit seznam firemních kontaktů z veřejných zdrojů. Výstup lze stáhnout do CSV nebo zapsat do Notionu.
Seznam, který se dá poslat
Pro Walio potřebujeme přehled kaváren, restaurací a kadeřnictví po městech. Ruční hledání znamenalo hodinu práce na dvacet kontaktů a velká část údajů byla neaktuální.
Zadání proto nebylo „stáhni co nejvíc adres“, ale „dej mi seznam, který jde použít bez ručního čištění“. Kvalita dat rozhoduje víc než jejich počet.
Šest částí nástroje
Sběr přes oficiální API
Podniky hledáme přes Google Places API po městských částech, ne scrapováním Maps. Odpovědi se cachují, takže opakovaný běh nepálí kredit.
Dohledání e-mailu
Když na webu podniku e-mail není, zkusí se další veřejný zdroj, například firmy.cz. Čte i zamlžené adresy typu „info [at] domena“.
IČO a právní forma z ARES
Ke každému podniku se dohledá IČO a právní forma z veřejného rejstříku. Záznam v seznamu se tak dá spárovat s konkrétní firmou.
Validace a čištění
Placeholdery, šablonové weby a nesouhlasné adresy padnou. E-mail projde jen tehdy, když má doména platný MX záznam, takže v seznamu nezůstanou adresy na nefunkčních doménách.
Web pro netechnického kolegu
Formulář, živý log průběhu a stažení CSV s vybranými sloupci. API klíč zůstává na serveru, kolega ho nevidí.
Zápis do Notionu
Výsledky jdou vedle CSV rovnou do Notion databáze. Sloupce se párují podle názvů a stejný podnik se nepřidá dvakrát.
Dvě rozhodnutí, která drží data použitelná
Oficiální API, ne scrapování Maps
Podniky hledáme přes oficiální Google Places API, ne scrapováním Map. Je to dražší, ale nástroj se nerozbije při každé změně stránky.
Radši prázdné pole než špatný údaj
E-mail projde jen s funkční doménou a shodou s názvem podniku, IČO se ověřuje kontrolní číslicí. Pokrytí e-mailů je díky tomu nižší, zato se seznam dá použít bez ručního čištění.
Od skriptu k nástroji pro tým
Ruční sběr jako výchozí bod
Kontakty na podniky jsme dřív hledali po jednom. Hodinu práce na dvacet adres, z nichž řada byla nefunkční.
Zpracování podle jasných pravidel
Vyhledání, detaily, doplnění, kontrola, výstup. Každý krok se dá pustit zvlášť a má vlastní testy.
Přísná validace
Nejdřív jsme hnali objem, pak jsme zjistili, že rozhoduje kvalita. Přidali jsme MX kontrolu a shodu názvu s e-mailem.
Rozhraní pro celý tým
Aby nástroj nezůstal jen u vývojáře, dostal jednoduché rozhraní v prohlížeči a nasazení na Render.
Node, žádný framework
Dlouhoběžící úloha, takže klasický server, ne serverless funkce.
Rozsah řešení
Řešíte něco podobného?
Napište nám, kde vám mizí hodiny. Ozveme se do dvou pracovních dnů.
Co jsme dělali dál
Walio: věrnostní systém pro podnikyKarta v peněžence, terminál pro obsluhu i portál s reportingem.
Branuál: brand manuál jako web, ne PDFStránky, bloky a knihovna assetů s publikováním. Vlastní produkt studia.
Layered: web, který prodá kurz a odbaví účastníkaRezervace s kapacitou, platba a potvrzení na jednom místě.