Inhoudsopgave
Het genereren van 100 leads per dag met behulp van AI en Google Maps werkt alleen als de workflow ruwe bedrijfsgegevens omzet in leads die klaar zijn voor outreach. Met een Google Maps-scrape kun je bedrijfsnamen, categorieën, websites, telefoonnummers, beoordelingen, recensies en locaties verzamelen, maar die gegevens zijn nog geen leads. Ze moeten nog worden gefilterd, aangevuld, ontdubbeld, beoordeeld en gekoppeld aan een een op feiten gebaseerde benadering van publieksvoorlichting.
Dat is precies waar de meeste adviezen over leadgeneratie met AI de plank misslaan. Daarin wordt AI behandeld als een magische leaddatabase, terwijl gegevens uit Google Maps vervolgens alleen als ruwe export worden gebruikt. Een betere workflow kent aan elke laag een duidelijke taak toe: Outscraper verzamelt actuele openbare bedrijfsgegevens, verrijking zoekt bruikbare contactkanalen, AI stelt specifieke openingszinnen op basis van zichtbare feiten op, en een medewerker controleert het bericht voordat er contact wordt gelegd.
Wat ‘100 leads per dag’ eigenlijk betekent
100 leads per dag binnenhalen betekent niet dat je zomaar 100 willekeurige rijen uit Google Maps exporteert. Een echte lead is een gekwalificeerde potentiële klant met een bruikbaar contacttraject, een op feiten gebaseerde openingszin en een benaderingsbericht dat klaar is om te worden verzonden of al is verzonden.
De fout is dat er te vroeg wordt geteld. Veel teams vullen een categorie in, exporteren de resultaten en beschouwen de spreadsheet als afgerond, zonder eerst te controleren of de bedrijven actief, relevant, bereikbaar of de moeite waard zijn om contact mee op te nemen. Dat levert weliswaar een lijst op die er compleet uitziet, maar het leidt niet tot een bruikbare pijplijn van leads.
De oplossing is om ruwe gegevens, gekwalificeerde prospects en echte leads van elkaar te scheiden voordat de campagne van start gaat.
Dit artikel gaat over het bereiken van de derde fase. Een bedrijfsnaam is niet voldoende. Een telefoonnummer is niet voldoende. Een potentiële klant heeft een reden nodig om contact op te nemen, en die reden moet gebaseerd zijn op zichtbare bedrijfsgegevens.
Waarom één zoekopdracht in Google Maps al snel geen resultaten meer oplevert
Eén zoekopdracht op Google Maps levert meestal niet langdurig elke dag 100 nieuwe leads op. Een segment op basis van stad en categorie lijkt in eerste instantie misschien groot, maar zodra je criteria zoals beoordelingsbereik, aantal recensies, websitestatus, bedrijfsstatus en bereikbaarheid toepast, wordt de bruikbare groep aanzienlijk kleiner.
Een segment als bijvoorbeeld “HVAC-aannemers in Austin met een beoordeling van 3,0 tot 4,2, 20 tot 300 beoordelingen, zonder website en die actief zijn” levert mogelijk slechts een beperkt aantal daadwerkelijke treffers op. Dat is geen probleem met de scraper. Het is een aanbodprobleem. De lokale markt telt nu eenmaal maar een beperkt aantal bedrijven die aan de exacte criteria voldoen.
Dit is de reden waarom de aanpak “gewoon elke ochtend Google Maps scrapen” niet werkt. Als dezelfde zoekopdracht steeds opnieuw wordt uitgevoerd, neemt de workflow uiteindelijk opnieuw contact op met dezelfde bedrijven, herhaalt hij eerdere benaderingen en daalt de kwaliteit van de campagne. De oplossing is segmentrotatie: houd elke stad, categorie, filter en het aantal benaderingen bij, zodat je weet welke segmenten nog over nieuwe leads beschikken.
Het doel is niet om nog intensiever te scrapen. Het doel is om te voorkomen dat we dezelfde markt opnieuw doorzoeken nadat de bruikbare gegevens al verdwenen zijn.
Stap 1: Bouw het filter en bepaal vervolgens de afmetingen van het zwembad
De eerste stap is het opzetten van een duidelijk filter voor Google Maps-gegevens en het uitvoeren van een verkennende zoekopdracht voordat je een segment definitief kiest. Zo kom je te weten hoeveel bedrijven daadwerkelijk aan je criteria voldoen, voordat je het dagelijkse aantal leads voor die markt gaat plannen.
Een zwakke workflow begint met een te breed gedefinieerde doelgroep en geen meetbare doelgroep, zoals “lokale bedrijven die meer klanten nodig hebben”. Met zo’n doelgroepbepaling kun je niet vaststellen of het segment 40 bruikbare prospects telt of 400.
Gebruik de Outscraper Google Maps Scraper API wanneer je wilt dat deze targetinglogica zich gedraagt als een echte zoekopdracht in plaats van een handmatige zoekopdracht. Gebruik voor de eerste test een filter zoals dit: loodgieters in Austin, TX, beoordeling 3,0–4,2, 20–300 beoordelingen, geen website, alleen actieve bedrijven, maximum 50.
Tel, voordat je het segment opschaalt, het aantal bruikbare records. Verwijder verkeerde categorieën, dubbele vermeldingen, afgesloten advertenties en records zonder contactgegevens. Als het gefilterde segment 42 gekwalificeerde prospects oplevert, is het wellicht geschikt voor een test van twee dagen, maar niet als bron voor een hele maand. Als het 420 oplevert, is er ruimte voor meer rotatie.
Dat aantal adresseerbare pools vormt het eerste concrete bewijspunt in de workflow.
Gebruik Outscraper om eerst een gefilterd Google Maps-segment op te halen en bepaal vervolgens of de markt je dagelijkse leaddoelstelling aankan.
Stap 2: Zet ruwe gegevens om in potentiële klanten waarmee contact kan worden opgenomen
Een vermelding op Google Maps is handig, maar daaruit blijkt niet altijd wie je kunt benaderen. Om van ruwe gegevens naar gekwalificeerde prospects te komen, heb je voor elk record gegevensverrijking, contactvalidatie en een beslissing over de verdere afhandeling nodig.
Dit is waar veel leadworkflows verborgen verspilling veroorzaken. Een vermelding kan wel een telefoonnummer bevatten, maar geen e-mailadres. Er kan wel een website bij staan, maar geen gepubliceerde contactpagina. Op basis van de categorie lijkt het misschien relevant, maar na nadere controle blijkt het om het verkeerde bedrijfstype te gaan. Als je deze stap overslaat, besteedt het outreach-team tijd aan het opschonen van records in plaats van contact op te nemen met echte potentiële klanten.
Gebruik de ruwe gegevens van Google Maps als eerste laag en vul de gegevens vervolgens aan. De E-mails en contacten scraper kan helpen bij het vinden van openbaar beschikbare e-mailadressen, profielen op sociale media en contactgegevens op de websites die bij de eerste zoekronde zijn verzameld.
Verdeel de records na de verrijking in vier groepen: klaar voor e-mail, eerst telefonisch, handmatige controle en verwijderen. Records die klaar zijn voor e-mail kunnen in een e-mailreeks worden opgenomen. Records die eerst telefonisch moeten worden benaderd, mogen niet gedwongen worden om via e-mail te worden benaderd. Records die handmatig moeten worden gecontroleerd, moeten door een medewerker worden gecontroleerd voordat er een bericht wordt verzonden. Verwijderde records mogen nooit de AI-opener-stap bereiken.
Zo blijft de workflow overzichtelijk. AI mag geen outreach-berichten opstellen voor een bedrijf dat gesloten is, een dubbele vermelding, een vermelding in de verkeerde categorie of een record zonder realistisch contactpad.
Stap 3: Gebruik AI om op feiten gebaseerde inleidingen te schrijven
AI is het nuttigst wanneer het openingszinnen opstelt op basis van specifieke zakelijke feiten, en niet wanneer het algemene teksten voor cold e-mails genereert. De beste bron voor die eerste zin is meestal een zichtbaar signaal uit de gegevens: de tekst van een recensie, de context van een beoordeling, het aantal recensies, de status van de website, de bedrijfscategorie of het contacttraject.
Het probleem met standaardberichten over AI is dat ze weliswaar netjes klinken, maar niets bewijzen. Een zin als “Ik ben op uw bedrijf gestuit en wilde even contact opnemen” zou naar elk willekeurig bedrijf in elke willekeurige stad kunnen worden gestuurd. Hieruit blijkt niet dat de afzender de gegevens heeft bekeken, het profiel heeft gecontroleerd of iets specifieks heeft opgemerkt.
Een op feiten gebaseerde openingszin werkt anders. Deze maakt uitsluitend gebruik van zichtbare gegevens en zet die gegevens om in een eenvoudige reden om contact op te nemen. Voor een nog betere personalisatie, de Google Maps beoordelingen schraper kan de tekst van klantrecensies ophalen, zodat de AI een zin kan opstellen op basis van een echt recensiepatroon in plaats van een verondersteld pijnpunt.
Een zwakke opener zegt:
“Ik ben op uw bedrijf gestuit en wilde even contact met u opnemen.”
Een sterkere inleiding maakt gebruik van een duidelijk feit:
“Ik las in een recensie dat er drie telefoontjes nodig waren om teruggebeld te worden. Dat wijst meestal op een tekortkoming in de opvolging van gemiste oproepen, niet op een probleem met de kwaliteit van de dienstverlening.”
Die tweede zin is geen toverformule. Ze is gebaseerd op een daadwerkelijke beoordeling. De ondernemer kan zich in de situatie herkennen, en in het contact wordt niet gedaan alsof men op de hoogte is van de particuliere inkomsten, de personeelsbezetting, het budget of de interne bedrijfsvoering.
Dit is een taak die zich niet goed laat opschalen als je het met de hand doet. Iemand kan met de hand 10 specifieke openingszinnen schrijven. Misschien lukt het om er 25 te schrijven voordat de kwaliteit achteruitgaat. Bij 100 per dag wordt het werk meestal teruggebracht tot sjablonen, tenzij AI het eerste concept op basis van echte gegevens opstelt en een mens dit controleert voordat het wordt verzonden.
Stap 4: Breng segmenten in kaart, zodat je niet opnieuw dezelfde markt aanboort
Een segmentlogboek voorkomt dat dezelfde bedrijven opnieuw worden geselecteerd en benaderd. Dit is geen ingewikkelde automatisering. Het is een basisregel die ervoor zorgt dat de campagne niet dubbel wordt uitgevoerd.
De gebrekkige workflow past elke week dezelfde stad, categorie en filter toe, zonder rekening te houden met wat er al is gebeurd. Daardoor worden bedrijven herhaaldelijk benaderd die het eerste bericht al hebben genegeerd. Bovendien komt de afzender hierdoor onzorgvuldig over, omdat het systeem geen onderscheid kan maken tussen een nieuwe potentiële klant en een uitgeput segment.
Houd één eenvoudig logboek bij met de datum van de gegevensopvraging, de categorie, de regio, het filter, het aantal opgehaalde records, het aantal gekwalificeerde records, het aantal gecontacteerde personen en de volgende actie. AI kan helpen bij het samenvatten van het logboek of het voorstellen van het volgende segment, maar het mechanisme zelf is een spreadsheet.
Dit zorgt ervoor dat het dagelijkse aantal reproduceerbaar is. Zonder het logboek is de workflow afhankelijk van het geheugen. Met het logboek kan het team zien welke segmenten nog actueel zijn, welke bijna uitgeput zijn en welke nog niet opnieuw mogen worden gebruikt.
Hoe je in de praktijk 100 leads per dag kunt genereren met behulp van AI en Google Maps
Het aantal van 100 leads per dag is afkomstig uit meerdere kleine segmenten, niet uit één eindeloze zoekopdracht op Google Maps. Een haalbare dagelijkse hoeveelheid kan bestaan uit vijf segmenten die elk 15 tot 25 gekwalificeerde, aangevulde en ontdubbelde potentiële klanten opleveren.
Dit is het onderdeel dat de workflow realistisch maakt. Eén zoekopdracht kan snel opgedroogd zijn, maar vijf afwisselende segmenten kunnen voldoende materiaal opleveren voor een dagelijkse batch. Elk segment levert een overzichtelijk aantal potentiële klanten op, en elke potentiële klant doorloopt nog steeds de stappen van filtering, verrijking, het genereren van AI-openers en menselijke beoordeling.
Hier volgt de eenvoudige rekensom:
Dit is geen belofte dat elke markt hetzelfde aantal oplevert. Het is het werkmodel. Je bepaalt eerst de omvang van de pool, wisselt segmenten af, verwijdert dubbele vermeldingen, vult contacttrajecten aan en telt een record pas als lead mee als het klaar is om benaderd te worden.
Gebruik Outscraper om actuele bedrijfsgegevens uit Google Maps te verzamelen, contacttrajecten uit te breiden en AI de informatie te geven die nodig is om gerichte openingszinnen te schrijven.
Stap 5: Gebruik AI-connectoren wanneer je geen API-code wilt schrijven
De connector-workflow is handig wanneer je gestructureerde Outscraper-resultaten wilt verkrijgen binnen een AI-assistent zonder verzoekcode te hoeven schrijven. Deze workflow is bij uitstek geschikt voor het testen van segmenten, het controleren van uitvoer en het omzetten van instructies in gewone taal naar een bruikbare lead-workflow.
Een marketeer of medewerker van een bureau wil misschien niet speciaal API-verzoeken schrijven om alleen maar een stad en categorie te testen. Met de ChatGPT-connector of de Claude-connector, kan de zoekopdracht in een conversatiestijl worden geformuleerd en toch gestructureerde bedrijfsgegevens uit Outscraper opleveren.
Voorbeeldopdracht:
@Outscraper zoek loodgieters in Austin, TX, met een beoordeling van 3,0–4,2, zonder website, maximaal 50
Die prompt volgt nog steeds dezelfde werkwijze: het segment definiëren, gestructureerde Google Maps-gegevens ophalen, de output controleren, het contacttraject aanvullen, de AI vragen de resultaten te beoordelen en op feiten gebaseerde openingszinnen opstellen voor menselijke controle
Wat zorgt er nu eigenlijk voor dat deze workflow niet goed verloopt?
De workflow van 100 leads per dag loopt meestal vast vanwege kwaliteitscontrole, niet vanwege de snelheid van het scrapen. Verkeerde categorietoewijzingen, ontbrekende contacttrajecten, dubbele records, verouderde exports en onjuiste AI-aannames kunnen er allemaal toe leiden dat een workflow met een hoog volume uitmondt in een campagne van lage kwaliteit.
Het eerste risico is dat gegevens in de verkeerde categorie zijn ondergebracht. De categorieën van Google Maps kunnen nogal rommelig zijn, en sommige bedrijven verschijnen in zoekresultaten waar ze eigenlijk niet thuishoren. Zorg dat je dat vóór de verrijking opmerkt, en niet pas nadat de AI al inleidingen heeft geschreven.
Het tweede risico is het missen van contactkanalen. Niet elk bedrijf heeft een e-mailadres dat kan worden geëxtraheerd, en niet elk telefoonnummer moet op dezelfde manier worden behandeld. Records die geschikt zijn voor e-mail, records waarbij het telefoonnummer voorop staat en records die handmatig moeten worden beoordeeld, moeten worden gescheiden in plaats van in één enkel contactkanaal te worden ondergebracht.
Het derde risico is dat dubbele gegevens niet worden verwijderd. Als een bedrijf in meerdere segmenten voorkomt, moet het segmentlogboek dit opmerken voordat er een tweede contactmoment plaatsvindt. Zonder die controle begint de workflow zich te herhalen en neemt de kwaliteit af.
Het vierde risico is dat AI dingen gaat verzinnen. AI mag geen aannames doen over omzet, personeelsaantal, eigendomsverhoudingen, budget of vertrouwelijke bedrijfsproblemen. Het mag alleen informatie verwerken op basis van zichtbare feiten in het dossier, zoals beoordeling, aantal recensies, status van de website, categorie, locatie en de tekst van de recensies.
Het vijfde risico is dat je een oude export gebruikt alsof deze nog actueel is. Lokale bedrijfsgegevens veranderen: bedrijven sluiten, websites veranderen, nummers veranderen en beoordelingen worden bijgewerkt. Haal actuele gegevens op voordat je contact opneemt, in plaats van maandenlang hetzelfde oude CSV-bestand te hergebruiken.
Checklist voor een snelle start
Voor een workflow van 100 leads per dag is een herhaalbare checklist nodig voordat de batch wordt geteld. Het doel is niet om meer rijen op te halen. Het doel is om betere, ontdubbelde en op feiten gebaseerde benaderingen te versturen op basis van actuele Google Maps-gegevens.
Gebruik deze checklist voordat je gaat opschalen:
- Voer per doelsegment één verkennende pull uit.
- Tel het daadwerkelijke adresseerbare geheugen voordat je het segment vastlegt.
- Stel het filter samen: categorie, regio, beoordelingsbereik, aantal beoordelingen, status van de website en status van het bedrijf.
- Verrijk websites met de e-mail- en contactgegevensscraper.
- Gebruik de tekst uit de beoordeling wanneer de aanbieding een meer gerichte personalisatie vereist.
- Maak een segmentlogboek aan met de categorie, de regio, de datum van opvraging, het aantal gekwalificeerde leads en het aantal gecontacteerde leads.
- Gebruik AI om voor elke gekwalificeerde potentiële klant één op feiten gebaseerde openingszin te schrijven.
- Controleer de inleiding voordat je het verstuurt.
- Verwerk e-mailleads, leads die alleen telefonisch binnenkomen en leads die handmatig moeten worden beoordeeld afzonderlijk.
- Tel een lead pas mee zodra deze in de outreach-fase terechtkomt.
Begin met één categorie, één stad en één filter. Haal de gegevens op, vul de records aan, schrijf op feiten gebaseerde openingszinnen en noteer met wie je contact hebt opgenomen.
Belangrijkste conclusie
Het is alleen mogelijk om met behulp van AI en Google Maps 100 leads per dag te genereren als de workflow een lead correct definieert. Een ruw bedrijfsrecord is geen lead. Een gekwalificeerde prospect is niet automatisch een lead. Een lead is een gekwalificeerde prospect met een bruikbaar contacttraject, een specifieke openingszin en een contactstap die klaar is of al is verzonden.
Daarom bestaat de workflow uit vier lagen: Google Maps-gegevens, verrijking, een door AI geschreven openingszin en segmenttracking. Outscraper verzorgt de openbare bedrijfsgegevens en de verrijkingslaag. AI helpt bij het omzetten van zichtbare bedrijfssignalen in benaderingsinvalshoeken. Het segmentlogboek voorkomt dat de workflow dezelfde markt opnieuw doorzoekt. Door menselijke controle wordt voorkomen dat de benadering verwordt tot schijnbare personalisatie.
De echte werkwijze bestaat niet uit “100 rijen scrapen” of “AI vragen om leads te vinden”. Het is een dagelijkse werkcyclus waarbij actuele Google Maps-gegevens worden omgezet in leads die klaar zijn om te worden benaderd, zonder te doen alsof de spreadsheet al het werk heeft gedaan.
Gebruik Outscraper om bedrijfsgegevens uit Google Maps op te halen, contacttrajecten aan te vullen en de AI de informatie te geven die nodig is om betere openingszinnen te schrijven.
Veelgestelde vragen
Meest voorkomende vragen en antwoorden
Je krijgt 100 leads per dag door gebruik te maken van AI en Google Maps: je wisselt tussen verschillende gefilterde segmenten, verrijkt de contacttrajecten, verwijdert dubbele vermeldingen en gebruikt AI om op feiten gebaseerde openingszinnen te schrijven op basis van echte bedrijfsgegevens, voordat je contact opneemt.
AI mag niet worden beschouwd als de primaire database. Het kan helpen bij het definiëren van filters, het toekennen van scores aan records, het opstellen van specifieke openingszinnen en het samenvatten van segmentlogboeken, maar er zijn actuele Google Maps-gegevens en aanvullende informatie nodig voordat de workflow betrouwbaar wordt.
Een lijst met leads uit Google Maps raakt uitgeput wanneer een segment met een filter op stadscategorie slechts een beperkt aantal relevante bedrijven bevat. Zonder segmentrotatie en ontdubbeling begint de workflow opnieuw contact op te nemen met dezelfde bedrijven.
Laat AI geen benaderingen versturen zonder dat deze door een mens zijn gecontroleerd. Gebruik AI om op feiten gebaseerde openingszinnen op te stellen op basis van echte gegevens, en controleer vervolgens het bericht, het contacttraject en de geschiktheid van het aanbod voordat je het verstuurt.
