Aby wyczyścić nazwy firm na liście leadów, najpierw określ oczekiwany rezultat: usuwaj oznaczenie formy prawnej, jeśli jest wyraźnie oddzielone od marki, ujednolicaj odstępy i wielkość liter oraz zachowuj słowa będące częścią nazwy marki. Na przykład Acme, Inc. można zmienić na Acme, ale The Limited nie powinno być automatycznie skracane do The.
Datablist oferuje dwa sposoby stosowania tych reguł do kolumny w pliku CSV. Company Name Cleaner przetwarza każdy wiersz za pomocą AI, natomiast AI Editing generuje transformację JavaScript, której podgląd możesz sprawdzić przed zastosowaniem jej do całej kolekcji. Zachowaj oryginalną nazwę w osobnej właściwości, aby przed rozpoczęciem Outboundu lub deduplikacji móc porównać i poprawić wynik.
Aby najpierw sprawdzić kilka nazw, użyj bezpłatnego Company Name Cleaner. Wklej maksymalnie dziesięć nazw i porównaj wartości oryginalne z oczyszczonymi, zanim zastosujesz tę samą metodę do całego pliku CSV.
W tym poradniku omawiamy:
- Jak czyścić nazwy firm za pomocą generatywnej AI (ChatGPT)
- Jak czyścić nazwy firm za pomocą kodu JavaScript wygenerowanego przez AI
- Różnice między obiema metodami i sytuacje, w których warto ich używać
Zasady czyszczenia nazw firm
Zdecyduj, czy potrzebujesz naturalnej nazwy do komunikacji Outbound, czy ustandaryzowanej nazwy do dopasowywania rekordów. Wyniki mogą się różnić. Zacznij od poniższych zasad i przeanalizuj wyjątki:
- Usuwaj formy prawne, takie jak
Inc.,LLClubGmbH, tylko wtedy, gdy występują jako osobne przyrostki. - Ujednolicaj powtarzające się spacje i zbędne znaki interpunkcyjne, nie zmieniając rozpoznawalnej nazwy marki.
- Zachowuj słowa takie jak
Group,HoldingsczyLimited, jeśli są częścią marki lub nie można tego ustalić na podstawie samej nazwy. - Nazwy budzące wątpliwości pozostaw do ręcznej weryfikacji, zamiast zgadywać tożsamość firmy.
| Dane wejściowe | Sugerowany wynik | Co sprawdzić |
|---|---|---|
| Acme, Inc. | Acme | Inc. jest osobnym oznaczeniem formy prawnej. |
| Acme GmbH | Acme | Upewnij się, że niemiecka forma prawna jest oddzielona od marki. |
| The Limited | The Limited | Nie usuwaj słowa, które może być nazwą samej marki. |
Metoda 1: Czyszczenie nazw firm za pomocą generatywnej AI
Pierwsza metoda wykorzystuje AI do przetwarzania każdej nazwy firmy. Wybierz ją, gdy nazwy mają różne formaty i zależy Ci na weryfikacji wyników uwzględniających kontekst, zamiast utrzymywania stałej listy przyrostków.
Datablist udostępnia dedykowany enrichment Company Name Cleaner. Przed uruchomieniem go na dużej liście sprawdź konfigurację i zużycie kredytów.
Jeśli preferujesz pracę z kodem, możesz czyścić nazwy firm w Pythonie za pomocą API.
Zobaczmy krok po kroku, jak skorzystać z tej metody.
Najpierw zaimportuj nazwy firm z pliku CSV lub Excel.
W celach demonstracyjnych mój plik zawiera wyłącznie nazwy firm, ale możesz przesłać standardowy plik z wieloma właściwościami lub kolumnami — proces będzie wyglądał tak samo.
Następnie wybierz opcję „Enrich”.
Potem wybierz Enrichment Templates.
Wybierz Company Name Cleaner.
Następnie edytuj prompt i wskaż kolumnę zawierającą nazwy firm, używając {{Name}} lub /Name.
Przejdź do następnego kroku, aby skonfigurować dane wyjściowe.
Możesz utworzyć dla wyników nową właściwość albo przypisać je do właściwości już istniejącej w kolekcji.
W moim przypadku została utworzona nowa właściwość.
Datablist automatycznie tworzy też właściwość „Run Status”. Ułatwia ona śledzenie, które nazwy zostały przetworzone, oraz kosztu każdej operacji.
Teraz możesz skonfigurować ustawienia uruchomienia, wybierając jedną z następujących opcji:
- Uruchomienie w trybie Async (w chmurze)
- Test na pierwszych 10 elementach
- Uruchomienie tylko na pierwszych 10 lub 100 elementach albo określenie własnej liczby nazw do wyczyszczenia
Ustawienia są już skonfigurowane, więc mogę uruchomić enrichment.
To ostatni krok przed przejściem do drugiej części procesu.
Enrichment zostanie uruchomiony w trybie Async dla pierwszych 100 elementów.
Po zakończeniu enrichmentu wynik pojawi się we właściwości wyjściowej. Porównaj próbkę z oryginalnymi nazwami, uwzględniając krótkie nazwy, zagraniczne formy prawne oraz nazwy zawierające słowa takie jak Group czy Limited.
Poniższy film przedstawia proces czyszczenia nazw firm.
Metoda 2: Czyszczenie nazw firm kodem JavaScript wygenerowanym przez AI
W przypadku listy o przewidywalnym formatowaniu AI Editing generuje transformację JavaScript na podstawie instrukcji i maksymalnie 10 przykładowych elementów. Przed napisaniem skryptu narzędzie nie odczytuje każdej nazwy firmy w kolekcji. W prompcie podaj potrzebne formy prawne i wyjątki, a następnie sprawdź podgląd wygenerowanego kodu na reprezentatywnych nazwach, zanim uruchomisz go dla całej listy.
Dzięki temu nie trzeba wywoływać modelu AI dla każdego wiersza, ale wygenerowana reguła nadal może usunąć niewłaściwe słowo. Zachowaj kolumnę źródłową i najpierw przetestuj trudne przypadki.
Oto instrukcja krok po kroku.
Najpierw zaimportuj nazwy firm do Datablist. Użyj pliku CSV lub Excel.
Na potrzeby tej prezentacji mój plik zawiera wyłącznie nazwy firm, ale możesz przesłać plik z wieloma właściwościami lub kolumnami. Może on zawierać setki tysięcy wierszy. Datablist świetnie sprawdza się przy otwieraniu dużych plików CSV.
Wybierz Edit, a następnie AI Editing.
Napisz prompt definiujący reguły i odwołaj się w nim do właściwości zawierającej nazwy firm. Rozszerz listę przyrostków o formy prawne stosowane w krajach obecnych w Twoim pliku — nie zakładaj, że pierwsze przykładowe elementy będą zawierać wszystkie warianty:
Wygeneruj kod JavaScript, który odczytuje {{company_name}} i zapisuje wyczyszczoną nazwę w osobnej właściwości. Użyj jawnie zdefiniowanej listy oznaczeń form prawnych, bez rozróżniania wielkości liter: Inc., Incorporated, LLC, L.L.C., Ltd., Limited, Corp., Corporation, LLP, PLC, GmbH, GmbH & Co. KG, AG, B.V., N.V., S.A., S.A.R.L., SAS, S.r.l., Pty Ltd, Pte Ltd oraz Co., Ltd. Dopasowuj wyłącznie pełne oznaczenie na końcu nazwy, oddzielone od marki spacją lub znakiem interpunkcyjnym. Obsługuj oznaczenia wielowyrazowe przed krótszymi i uwzględniaj popularne warianty zapisu kropek oraz odstępów. Usuń wyłącznie oznaczenie końcowe, a następnie zbędne przecinki, kropki i spacje. Nie usuwaj tych słów ze środka nazwy ani nie skracaj nazwy do ogólnego słowa, takiego jak „The”. Zachowaj Group i Holdings, jeśli są częścią marki. Jeśli oznaczenie jest niejednoznaczne, pozostaw nazwę bez zmian. Przykłady: „Acme, Inc.” -> „Acme”; „Acme GmbH & Co. KG” -> „Acme”; „The Limited” -> „The Limited”; „Limited Partners Group” -> „Limited Partners Group”. Zastosuj te same reguły do każdego wiersza, a nie tylko do przykładowych elementów.
Uwaga: jeśli chcesz użyć tego samego promptu, pamiętaj, aby odwołać się do właściwości za pomocą podwójnych nawiasów klamrowych ({{Property}}).
AI Editing wykorzystuje próbkę do wygenerowania skryptu i pokazania jego podglądu — nie czyści każdego wiersza za pomocą LLM. Przed wygenerowaniem skryptu wybierz lub odfiltruj reprezentatywne wiersze, tak aby podgląd obejmował nazwy z wielowyrazowymi formami prawnymi, marki zawierające Limited lub Group oraz nazwy bez oznaczenia formy prawnej. Sprawdź zarówno wygenerowany kod JavaScript, jak i podgląd. Jeśli skrypt pomija dane oznaczenie lub usuwa słowo należące do marki, dodaj do promptu konkretną regułę albo wyjątek i wygeneruj go ponownie przed uruchomieniem na całej liście.
Gdy podgląd będzie prawidłowy, kliknij Run on items i porównaj większą próbkę wyników z oryginalną właściwością.
W przypadku małej listy bezpłatny proces czyszczenia nazw firm pokazuje, jak zweryfikować wyczyszczone nazwy i zachować stałe identyfikatory potrzebne na późniejszym etapie deduplikacji.
Czym różnią się obie metody?
Czyszczenie za pomocą generatywnej AI (metoda 1) wykorzystuje AI bezpośrednio do czyszczenia nazw firm, natomiast metoda 2 (JavaScript wygenerowany przez AI) używa AI do utworzenia skryptu JavaScript, który wykonuje tę operację.
Metoda 1 wykorzystuje AI dla każdego przetwarzanego wiersza i zużywa kredyty. Może lepiej radzić sobie ze zróżnicowanymi formatami, ale jej wyniki nadal wymagają weryfikacji.
Metoda 2 generuje skrypt na podstawie jasno określonych reguł i niewielkiej próbki, a następnie stosuje go do wszystkich wierszy. Najlepiej sprawdza się wtedy, gdy można wymienić odpowiednie formy prawne i przeanalizować nietypowe przypadki przed pełnym uruchomieniem.
Obie metody automatyzują czyszczenie nazw firm, ale wybór zależy od wielkości listy, budżetu i wymaganej dokładności.
Kiedy wybrać metodę 1, a kiedy metodę 2?
Czyszczenie za pomocą generatywnej AI (metoda 1)
- Różne formaty i języki
- Nazwy wymagające decyzji zależnych od kontekstu
- Sytuacje, w których możesz sprawdzić próbkę wyników AI
JavaScript wygenerowany przez AI (metoda 2)
- Listy podlegające spójnym regułom
- Sytuacje, w których możesz sprawdzić podgląd i udoskonalić wygenerowany skrypt
- Gdy chcesz uniknąć wywoływania AI dla każdego wiersza
FAQ: czyszczenie nazw firm
Jak automatycznie czyścić nazwy firm na potrzeby lead generation B2B?
Zaimportuj plik CSV, zachowaj kolumnę z oryginalnymi nazwami i zapisuj wyczyszczone nazwy w nowej właściwości. W przypadku zróżnicowanych nazw użyj Company Name Cleaner, a przy powtarzalnych regułach — AI Editing. Przed eksportem sprawdź przykładowe wyniki.
Jak najlepiej masowo usuwać formy prawne z nazw firm?
Określ, które przyrostki mają zostać usunięte, i zachowaj oryginalną nazwę. Sprawdź podgląd krótkich nazw, nazw firm z różnych krajów oraz tych zawierających elementy marki przypominające oznaczenia form prawnych. Jeśli reguła błędnie zmienia markę, popraw ją.
Czy AI może czyścić nazwy firm z różnych krajów i w różnych językach?
AI może przetwarzać nazwy z różnych krajów, ale formy prawne i konwencje nazewnictwa marek są odmienne. Dodaj przykłady ze swojej listy i weryfikuj niejednoznaczne wyniki, zamiast zakładać, że jedna reguła dotycząca przyrostków sprawdzi się w każdym kraju.
Ile trwa czyszczenie 1000 nazw firm za pomocą AI?
Czas zależy od wybranej metody, wielkości kolekcji i warunków przetwarzania. Przetestuj małą partię, sprawdź wynik i na tej podstawie zaplanuj większe zadanie.