DatenScout

Der DatenScout ist nützlich für neue Portale, die Eintragsdaten brauchen und auch für bestehende Portale, die mehr Einträge importieren wollen (oder zum Beispiel Öffnungszeiten automatisch ergänzen möchten).

Leider können wir den Dienst nicht gänzlich kostenfrei anbieten, da uns die Abfrage direkt in Rechnung gestellt wird. Es werden nur die tatsächlichen Abfragen in Rechnung gestellt. Sprecht uns an, wir schicken dazu gerne ein Angebot.

Alternativen sind Dienstleister wie z.B. Fiverr, die das Daten-Scraping übernehmen.

Der DatenScout eignet sich für alle Unternehmen, die man auch auf Google Maps finden kann. Im Grunde sucht er die Unternehmen über ein Scraping-Tool (DataForSEO), welches die Daten von Google Maps erhält.

Feature aktivieren

Zunächst muss das Feature aktiviert werden, damit es im Management sichtbar ist. Dafür einfach eine Mail an support@discoverize.com schicken:

Allgemeines

Im oberen Bereich sieht man einen Link, der spezifisch für das jeweilige Portal die aktuelle Ansicht zeigt. Das funktioniert aber erst nachdem man den Import angestoßen hat:

Außerdem hat man dort die Möglichkeit, die Tabelle zu leeren, da sonst nach einem erneuten Import die Daten angehängt werden. Das hätte auch beim erneuten Import der E-Mails Nachteile, da für alle Einträge, für die keine E-Mail gefunden wurde, erneut E-Mails gesucht werden, was unnötige Kosten verursacht.
Desweiteren macht die Suche nach E-Mails nur für einen Eintragstyp Sinn, da sonst Keywords unterschiedlich sind, die bei der Suche berücksichtigt werden müssen (dazu später mehr beim E-Mail-Import).

Folgende Daten können über den DatenScout abgerufen werden:

Name des Eintrags
E-Mail-Adresse für Anfragen
Telefonnummer
Straße mit Hausnummer
Postleitzahl
Ort
Ortsteile
Homepage
Öffnungszeiten (im richtigen Format!)
Breitengrad
Längengrad
Google Place Id
Ja-Nein-Eigenschaft für jeden eingegebenen Eintragstyp in der Eintragssuche (siehe unten)

Eintrags-Suche

Beim Eintrags-Import müssen folgende Felder ausgefüllt werden:

Orte: Hier muss eine Liste von Orten eingetragen werden, die man in der Google-Maps-Suche nutzen möchte. Postleitzahlen und Regionen funktionieren genauso, da man bei Google Maps auch für „Friseur 04229“ Ergebnisse bekommt. Der Ort wird also immer an den Eintragstyp (2) angehängt. Alle Orte müssen im gleichen Land liegen.
Eintragstypen: Hier kann man unterschiedliche Begriffe eingeben, wie z. B. Herrenfriseur und Damenfriseur. Beide Begriffe sind im Portal einem Eintragstyp zuzuordnen, man kann hier aber später zwei Ja-Nein-Eigenschaften für Herrenfriseur und Damenfriseur importieren. Die Suche macht generell nur für einen Eintragstyp Sinn (in diesem Fall Friseursalon). Im Normalfall reicht es auch, hier einfach den Eintragstyp einzutragen und sich keine Gedanken zu machen, wie man es weiter unterteilen möchte.
Land: Die Orte müssen alle im gleichen Land liegen und hier trägt man dann das Land auf Englisch ein.

Anschließend kann der Import gestartet werden und über den Link verfolgt werden.

Das sieht dann so aus:

E-Mail-Suche (optional)

Wenn die Eintrags-Suche abgeschlossen ist, kann die E-Mail-Suche gestartet werden, dort müssen folgende Felder ausgefüllt werden:

Primäres Keyword: Der Eintragstyp bzw. Überbegriff für alle eingegebenen Eintragstypen, im Beispiel Friseur.
Ignorierte Wörter: Hier müssen häufig benutzte Begriffe im Namen der Unternehmen „ignoriert“ werden bei der Suche. Beispielsweise heißt ein Salon „Hairmes36 Barber Herrenfriseur Berlin Kreuzberg“. Dann wären „Barber“ und „Herrenfriseur“ Begriffe, die häufig im Namen angehängt werden, aber nicht so eine Relevanz für den Unternehmens-Namen selbst haben. Die Stadt Berlin wird automatisch bei jedem Eintrag ignoriert. Lediglich „Harmes36“ ist bei der E-Mail-Suche relevant und muss bei einem Google-Suchergebnis im Titel existieren, damit die E-Mail dem Unternehmen zugeordnet wird. Denn in den Google Suchergebnissen kommen bei „email Hairmes36 Barber Herrenfriseur Berlin Kreuzberg“ auch Suchergebnisse, die nicht zu dem Unternehmen gehören.
Über der Tabelle für die Eintragsdaten sieht man auch eine Liste der meistbenutzten Wörter in den Eintragsnamen. Diese kann man als Orientierung verwenden, um zu ignorierende Wörter herauszufinden. Das Prozentzeichen % kann man verwenden, um alle Wörter, die den Begriff enthalten, zu ignorieren, z. B. %salon% für Herrensalon, Friseursalon, Salon, salonfähig etc. Man sollte aber aufpassen, da sonst auch relevante Namen ignoriert werden könnten, zum Beispiel wenn ein Friseur ein Wortspiel gemacht hat und einfach nur SalonFähig heißt. Dann wird für diesen Eintrag keine E-Mail gefunden.

Algorithmus zum Bestimmen der E-Mails

Auf den Algorithmus bin ich durch das Testen für friseurfinder gekommen und es gibt sicherlich viele Möglichkeiten, ihn zu verbessern.

Folgende Fragen sind beim Suchen der E-Mails aufgetreten:

Was muss man in die Google-Suche eingeben, damit E-Mails in den Beschreibungen der Suchergebnisse sichtbar sind?
Welche E-Mails gehören dann wirklich zum Unternehmen und nicht zu einem anderen Unternehmen?

Zu 1)

Es wird nach „email [Eintragsname]“ gesucht. Das hat sich beim Testen als vielversprechend herauskristallisiert. Wenn der Eintragsname aber nur aus maximal zwei Wörtern besteht und das Hauptkeyword „Friseur“ nicht enthält, wird „Friseur“ bei der Suche angehängt.
Wenn der Eintragname die Stadt nicht enthält, wird auch diese bei der Suche angehängt.

Zu 2)

Standardmäßig werden folgende Wörter im Namen des Eintrags automatisch ignoriert:

Füllwörter: der, die, das, und, and, in, aus
Unternehmenswörter: friends, Frau, Herr, Ihr, Inh, GbR, GmbH
Gebietswörter: Innenstadt, Stadt

Der Ort/die Stadt des Eintrags wird auch ignoriert.

Anschließend werden alle E-Mails aus den Beschreibungen der Google-Suchergebnisse extrahiert.

Diese werden wie folgt gefiltert: Alle E-Mails mit „Jobs@“, „Karriere“ oder „Bewerbung“ werden ausgefiltert und die zwei häufigsten E-Mails werden gemerkt.

Dann werden die „benötigten Wörter“ herausgefunden, die im Titel des Suchergebnisses existieren müssen: Beim Eintragsnamen werden alle Zeichen innerhalb von Klammern (…) gelöscht, Apostrophe werden gelöscht und Sonderzeichen wie „&“ werden in Leerzeichen umgewandelt. Dann werden alle ignorierten Wörter herausgefiltert. Übrig bleiben sollten nur noch relevante Wörter für den Unternehmensnamen. Wenn aber keine Wörter mehr übrig bleiben oder die Wörter in der Summe maximal zwei Buchstaben haben (z. B. ein Wort bleibt übrig „in“), dann wird die Suche abgebrochen.

Wenn die Wörter in der Summe maximal fünf Buchstaben haben und die Stadt nicht leer ist, dann wird die Stadt den benötigten Wörtern hinzugefügt, da sonst das Matching nicht aussagekräftig wäre.

Nun wird aus den zwei gemerkten E-Mails die beste E-Mail bestimmt:

Bei den E-Mails wird nur der Part vor der Top-Level-Domain betrachtet (also nicht das shop in email@example.shop). Auch Sonderzeichen und Leerzeichen im Suchergebnis-Titel werden entfernt, sodass „Yellow Line“ bei der E-Mail „yellowline“ einen Treffer erhalten würde.

Groß- und Kleinschreibung und Akzente wie é werden bei anschließenden Vergleichen ignoriert.

Die E-Mail wird ausgewählt, wenn entweder alle benötigten Wörter in der E-Mail enthalten sind, oder alle folgende Kriterien erfüllt sind:

Alle benötigten Wörter sind im Titel enthalten.
Es gibt mindestens ein benötigtes Wort.
Mindestens ein benötigtes Wort (das mehr als einen Buchstaben hat) ist in der E-Mail enthalten.

Manuelle Arbeiten vor dem Import in das Portal

Der E-Mail-Import dauert länger und verursacht mehr Kosten, da für jeden Eintrag eine einzelne Suche gestartet werden muss.

Wenn dieser abgeschlossen ist, kann die CSV-Datei runtergeladen werden.

GANZ WICHTIG: Wenn E-Mails importiert wurden, sollten diese auf Richtigkeit überprüft werden, da sonst vom Portal eine E-Mail an eine falsche Adresse gesendet werden kann. Wenn man dieses Risiko nicht eingehen will, sollte man lieber ganz auf den E-Mail-Import verzichten und sich die E-Mails manuell über die Google-Suche heraussuchen.

Die CSV-Datei kann man dann z. B. in Microsoft Excel oder in LibreOffice Calc öffnen, im Beispiel verwende ich LibreOffice Calc, da es kostenlos ist:

Beim Öffnen der Datei muss man folgendes einstellen:

Trenner sind nur Semikolons:

Spalten wie Telefonnummer, Postleitzahl, Breitengrad und Längengrad müssen auf „Text“ eingestellt werden, damit Calc keine Zeichen entfernt oder ändert.

Das Portal enthält per Default nicht die Spalte für die Google Place Id. Das könnte aber eine versteckte Eigenschaft werden, die nur für den Portalbetreiber sichtbar ist und für spätere Zwecke nützlich sein kann (zum Beispiel, um zu sehen, was durch den Datenscout dazugekommen ist oder für ein späteres Matching der Einträge, denn jede Google Place Id gibt es nur einmal). Ansonsten kann die Spalte auch gelöscht werden.

Auch für die Spalten „Herrenfriseur“ und „Damenfriseur“ musste ich die Ja-Nein-Eigenschaften anlegen. Ansonsten einfach die Spalte löschen, wenn sowieso nur ein Eintragstyp angegeben wurde.

Wie man Spalten löscht

In LibreOffice Calc hat man die Möglichkeit, bei den Spalten „Hide“ auszuwählen.

Oder einfach Rechtsklick auf die Spalte und „Delete Columns“:

Manuelle Arbeiten sind also folgende:

Einträge überprüfen: Wenn ein Eintrag irrelevant ist, muss die Zeile gelöscht werden.
E-Mails überprüfen: Wenn eine E-Mail nicht zum Unternehmen gehört, muss die E-Mail aus dem Feld gelöscht werden.
Einträge mit gefundenen E-Mails werden automatisch an den Anfang sortiert.
Spalten überprüfen: Wenn eine Spalte nicht importiert werden soll, muss eine Spalte gelöscht werden.