Автоматизация поиска клиентов: парсинг, AI-аудит и отчётность

Разработать систему, которая автоматизирует полный цикл первичного поиска потенциальных клиентов для digital-услуг.

До автоматизации специалисту приходилось вручную искать компании, открывать карточки и сайты, собирать контакты, проверять наличие сайта, оценивать его состояние, отсекать неподходящие организации и переносить информацию в таблицу.

Основные требования:

• автоматический поиск компаний по заданным нишам и регионам;

• сбор сайтов, телефонов, e-mail и других доступных контактов;

• исключение дублей и сетевых компаний;

• анализ найденных сайтов и выявление потенциальных проблем;

• использование AI для подготовки краткого аудита и рекомендаций;

• разделение компаний по заданным критериям;

• экспорт структурированных результатов в Excel / Google Sheets;

• подготовка данных для дальнейшей коммуникации с потенциальным клиентом.

Главная цель — объединить несколько ручных операций в единый автоматизированный процесс и сократить время от начала поиска компании до получения готовой карточки потенциального клиента.

Разработано desktop-приложение на Python, объединяющее парсинг, обработку данных, браузерную автоматизацию и AI-анализ.

1. Автоматизирован поиск компаний
Система получает заданную нишу, регион и необходимое количество результатов, после чего автоматически собирает подходящие организации из открытых источников.

2. Реализован сбор и обогащение данных
Для каждой компании система получает доступные контакты, сайт, социальные сети и дополнительную информацию. Данные приводятся к единой структуре для дальнейшей обработки.

3. Добавлена фильтрация и дедупликация
Система автоматически исключает повторяющиеся результаты и организации, не соответствующие заданным критериям. Отдельно предусмотрена фильтрация компаний с несколькими точками.

4. Реализован автоматический анализ сайтов
Найденный сайт проверяется системой, после чего выделяются технические и пользовательские проблемы, которые могут быть потенциальной точкой роста для бизнеса.

5. Подключён AI-анализ
LLM получает собранную информацию и формирует краткий клиентский аудит с наиболее значимыми рекомендациями. Это позволяет автоматически персонализировать дальнейшее предложение под конкретную компанию.

6. Создана система отчётности
Результаты автоматически структурируются и выгружаются в Excel / Google Sheets. Для каждой компании сохраняется информация, необходимая для дальнейшей работы: контакты, сайт, результаты анализа и статус обработки.

В результате в единой системе объединено 6 последовательных этапов работы: поиск → сбор данных → фильтрация → анализ → AI-аудит → подготовка результата.

Стек: Python, Playwright, Pandas, Requests, BeautifulSoup, Excel/Google Sheets, LLM/Groq, API-интеграции.

Архитектура позволяет масштабировать решение: подключать дополнительные источники данных, новые критерии фильтрации, CRM, Telegram, автоматическую отправку материалов и другие сценарии.

В результате разработана единая система, которая автоматизирует 6 последовательных этапов работы с потенциальными клиентами:

Поиск → сбор данных → фильтрация → анализ → AI-аудит → подготовка результата.

Что удалось реализовать:

• автоматизирован поиск компаний по нише, региону и заданному количеству результатов;
• сбор контактов, сайтов и другой доступной информации из нескольких открытых источников;
• автоматическая фильтрация неподходящих компаний и удаление дублей;
• проверка и анализ сайтов найденных организаций;
• AI-анализ каждой компании с формированием персонализированных рекомендаций;
• формирование краткого клиентского аудита с до 3 ключевых рекомендаций вместо перегруженного технического отчёта;
• структурирование результатов в Excel / Google Sheets;
• сохранение статусов для дальнейшей работы с каждым потенциальным клиентом;
• возможность масштабирования системы за счёт подключения новых источников, API, CRM и каналов коммуникации.

Итог в цифрах:

6 этапов объединены в один автоматизированный процесс;
3+ типа источников данных могут использоваться для поиска и обогащения информации;
до 3 персонализированных AI-рекомендаций формируются для потенциального клиента;
1 единая база вместо разрозненного ручного поиска и таблиц;
Python + Playwright + LLM + API + Excel/Google Sheets объединены в одном решении.

Система превратила многоэтапный ручной процесс поиска и первичной квалификации клиентов в управляемый программный конвейер и создала основу для дальнейшей автоматизации лидогенерации.