La prospection à froid (cold outreach) et la génération de Leads sont devenues beaucoup plus difficiles ces dernières années, et nous ne voyons aucun changement jusqu'à présent. Cela est dû à l'essor et à l'adoption généralisée de la personnalisation avancée par l'IA depuis 2023, et cela deviendra encore plus difficile avec le temps. Cependant, il existe encore plusieurs techniques éprouvées qui peuvent générer constamment des Leads en suivant les principes fondamentaux de la prospection à froid, même sans utiliser la dernière personnalisation par IA.
L'une d'elles est de toujours nettoyer les noms des entreprises.
De nouveaux outils LLM comme ChatGPT simplifient le nettoyage des noms d'entreprises. Cependant, traiter des milliers de noms peut être coûteux. Une alternative économique consiste à utiliser ChatGPT pour générer un script, que vous pouvez exécuter gratuitement sur des centaines de milliers de noms.
Dans cet article, je vais aborder ces 2 façons de tirer parti de l'IA pour le nettoyage des noms d'entreprises :
- Comment nettoyer les noms d'entreprises avec l'IA générative (ChatGPT)
- Comment nettoyer les noms d'entreprises avec un code JavaScript généré par IA
- Les différences entre les deux méthodes et quand utiliser chacune
Méthode 1 : Nettoyer les noms d'entreprises avec l'IA générative.
La première méthode utilise l'IA Générative (ChatGPT) pour nettoyer automatiquement les noms d'entreprises. Cette approche est idéale pour les listes de moins de 20 000 enregistrements et offre une grande précision, même pour les noms internationaux.
Datablist fournit un modèle dédié Nettoyeur de Noms d'Entreprises qui supprime les formes juridiques comme LLC, Inc., GmbH, SAS, et plus encore. Il utilise l'API d'OpenAI pour nettoyer et standardiser intelligemment les noms en masse.
Voyons étape par étape comment utiliser cette méthode.
Tout d'abord, importez vos noms d'entreprises dans un fichier CSV ou Excel.
Mon fichier ne contient que des noms d'entreprises à des fins de démonstration, mais vous pouvez télécharger un fichier standard avec plusieurs propriétés/colonnes, et cela fonctionnera de la même manière.
Ensuite, sélectionnez l'option “Enrichir”.
Puis sélectionnez les Modèles d'Enrichissement.
Choisissez le “Nettoyeur de Noms d'Entreprises”.
Ensuite, modifiez le prompt et sélectionnez la colonne qui contient les noms d'entreprises en utilisant {{Nom}} ou /Nom.
Passez à l'étape suivante pour configurer vos sorties.
Vous pouvez soit créer une nouvelle propriété pour vos sorties, soit la mapper à une propriété existante dans votre collection.
Dans mon cas, j'en ai créé une nouvelle.
Datablist crée également automatiquement une propriété "Statut d'Exécution". Cela aide à suivre quels noms ont été traités, et le coût pour chaque traitement.
Vous pouvez maintenant configurer vos paramètres d'exécution en choisissant parmi ces options :
- Exécuter en mode Async (dans le cloud)
- Tester sur les 10 premiers éléments
- Exécuter uniquement sur les 10 premiers éléments, les 100 premiers éléments, ou configurer le nombre d'éléments que vous souhaitez nettoyer.
J'ai configuré mes paramètres d'exécution, et maintenant je peux lancer mon enrichissement.
C'est la dernière étape avant de passer à la deuxième partie de l'enrichissement.
J'ai choisi d'exécuter l'enrichissement en mode Async sur les 100 premiers éléments.
Après 30 secondes, j'ai reçu les noms d'entreprises nettoyés.
Voici une vidéo du processus de nettoyage des Noms d'Entreprises
Méthode 2 : Nettoyer les Noms d'Entreprises avec un code JavaScript généré par IA.
Si vous avez besoin de nettoyer de grandes listes de noms d'entreprises sans dépenser de crédits OpenAI, cette méthode est pour vous. Au lieu d'utiliser l'IA directement pour chaque nom, nous l'utilisons une seule fois pour générer un script JavaScript qui effectue le nettoyage.
Cette approche est parfaite pour le traitement en masse et assure la cohérence sur les listes structurées. Une fois le script généré, vous pouvez l'exécuter gratuitement sur des centaines de milliers de noms d'entreprises.
Voici comment faire étape par étape.
Tout d'abord, importez vos noms d'entreprises dans Datablist. Utilisez un fichier CSV ou Excel.
Mon fichier ne contient que des noms d'entreprises pour cette démonstration, mais vous pouvez télécharger un fichier avec plusieurs propriétés/colonnes. Votre fichier peut contenir des centaines de milliers de lignes. Datablist est efficace pour ouvrir de gros fichiers CSV.
Sélectionnez l'option "Modifier" puis choisissez la fonctionnalité "Édition IA".
Voici le prompt à utiliser avec la propriété contenant les noms d'entreprises comme référence :
Je veux que vous nettoyiez et normalisiez tous les noms d'entreprises.
Pour ce faire, vous devez supprimer toutes les formes juridiques.
Voici les formes juridiques que vous devez supprimer mais seulement si elles se trouvent après le nom de l'entreprise
SA, SARL, SAS, SASU, EURL, SNC, SCS, SCIC, SCM, SEL, SELARL, SELAS, SELAFA, SELCA, SEP, GIE, EI, EIRL, AERL, ENO, SCOP, SCIC, SC, SICA, CAE, SARL de famille, SAS de famille, SELURL, SELASU, SELAFAU, SELCAU, SEPU, GIEU, EIU, EIRLU, AERLU, ENOU, SCOPU, SCICU, SCU, SICAU, CAEU, SARL de familleU, SAS de familleU, SELURLU, SELASUU, SELAFAUU, SELCAUU, SEPUU LLC, Inc., Corp., Co., LLP, LP, PLLC, PA, PC, DBA, S Corp, C Corp, B Corp, Nonprofit, Sole Proprietorship, Partnership, Joint Venture, Cooperative, Trust, Estate, Fund, Association, Society, Union, Syndicate, Consortium, Holdings, Group, Foundation, Institute, Limited, LTD, GP, LP, LLP, LLC, C Corp, S Corp, PC, B Corp, Ltd, PLC, CIC, GbR, OHG, KG, PartG, GmbH, UG, AG, eG, SNC, SCS, SARL, SA, SAS, EURL, Pty Ltd, OPC, VOF, CV, BV, NV, KG, KGaA, JV, GmbH & co. kg, company
Utilisez {{company_name}} comme référence et supprimez toutes les formes juridiques.
Notes : Si vous souhaitez utiliser le même prompt, n'oubliez pas d'utiliser une propriété comme référence en utilisant des accolades courbes ({{Propriété}}).
Une fois que l'IA a généré le script, vous pouvez examiner vos résultats et améliorer votre prompt si nécessaire.
Une fois que vous avez cliqué sur "Exécuter sur les éléments".
Quelle est la différence entre les deux méthodes ?
Le Nettoyage par IA Générative (Méthode 1) utilise directement l'IA pour nettoyer les noms d'entreprises, tandis que la Méthode 2 (JavaScript Généré par IA) utilise l'IA pour créer un script JavaScript qui effectue le nettoyage.
Le Nettoyage par IA Générative (Méthode 1) offre une précision plus élevée, fonctionne bien pour les listes internationales et est idéal pour les jeux de données de moins de 20 000 enregistrements. Cependant, il consomme des crédits OpenAI pour chaque nom d'entreprise.
Avec le JavaScript généré par IA (Méthode 2), ChatGPT est utilisé une seule fois pour créer un script de nettoyage, qui peut ensuite être exécuté gratuitement sur de grands jeux de données. Cette méthode est excellente pour le traitement de masse et évite les coûts d'API récurrents, mais elle fonctionne mieux pour les listes structurées avec un formatage prévisible.
Les deux méthodes automatisent le nettoyage des noms d'entreprises, mais le choix dépend de la taille de votre liste, de votre budget et de vos besoins en matière de précision.
Quand devriez-vous utiliser la Méthode 1 par rapport à la Méthode 2 ?
Nettoyage par IA Générative (Méthode 1)
- Listes de moins de 20 000 enregistrements
- Lorsque la précision est nécessaire
- Listes internationales
JavaScript Généré par IA (Méthode 2)
- Listes très volumineuses
- Pas de budget pour les crédits OpenAI
- Listes qui suivent la même structure
Foire Aux Questions (FAQ) sur le Nettoyage des Noms d'Entreprises
Comment nettoyer automatiquement les noms d'entreprises pour ma génération de Leads B2B ?
Deux méthodes principales sont disponibles : utiliser un modèle ChatGPT dédié au nettoyage de noms d'entreprises (Méthode 1) ou utiliser les fonctionnalités d'édition par IA (Méthode 2). Le choix dépend de la taille de votre liste, de votre budget et de vos exigences en matière de précision. Pour les listes de moins de 20 000 enregistrements, exécuter ChatGPT pour chaque nom offre une meilleure précision, tandis que l'utilisation d'un script JavaScript généré est idéale pour les jeux de données plus importants sans coûts supplémentaires.
Quelle est la meilleure façon de supprimer les entités juridiques des noms d'entreprises à grande échelle ?
Pour de grands volumes, l'approche la plus efficace est d'utiliser la fonctionnalité d'édition par IA (Méthode 2), qui peut traiter de grands volumes de noms d'entreprises sans nécessiter de crédits. Elle supprime automatiquement les formes juridiques courantes comme LLC, Inc., GmbH, et bien d'autres tout en préservant le nom principal de l'entreprise. Pour un nettoyage plus précis, en particulier avec des entreprises internationales, le nettoyeur de noms d'entreprises dédié (Méthode 1) offre une précision supérieure.
L'IA peut-elle nettoyer les noms d'entreprises de différents pays et langues ?
Oui, les deux méthodes de nettoyage prennent en charge les noms d'entreprises internationaux. La Méthode 1 est spécifiquement optimisée pour le support multilingue et reconnaît les formes juridiques de divers pays. La Méthode 2 peut être personnalisée via l'ingénierie de prompt pour gérer des exigences linguistiques spécifiques et des formats d'entités juridiques internationales.
Combien de temps faut-il pour nettoyer 1000 noms d'entreprises en utilisant l'IA ?
En utilisant la Méthode 1 (modèle de nettoyage de noms d'entreprises), il faut environ 2 minutes pour traiter 1000 noms d'entreprises en mode Async. La Méthode 2 (édition IA) traite généralement le même volume plus rapidement mais peut nécessiter un temps de révision supplémentaire pour garantir la précision. Les deux méthodes offrent des capacités de traitement par lots pour optimiser l'efficacité du nettoyage.