Ekstraktor danych ze stron do kompletnych rekordów firm
Wystarczy wkleić lub zaimportować listę domen albo użyć stron znalezionych przez inne źródła. Map Extract sprawdza każdą stronę, czyta robots.txt, przeszukuje najważniejsze podstrony i zapisuje publiczne kontakty, dane strukturalne firmy, identyfikatory prawne i sygnały technologiczne, a następnie szuka pasującego wpisu w Maps i profili social media.
Co Państwo otrzymują
Trzy poziomy przeszukiwania
Fast, Balanced lub Deep, z podstronami priorytetowymi na początku, odczytem mapy witryny i renderowaniem w przeglądarce jako rozwiązaniem zapasowym dla stron zbudowanych wyłącznie w skryptach. Strony zaparkowane, nieaktywne i zablokowane są zapisywane i odkładane na bok, a nie traktowane jako dane.
Dane firmy i technologia
Typy JSON-LD, numery spółki i VAT, CMS, platforma e-commerce, hosting, data wygaśnięcia SSL, piksele analityczne i reklamowe oraz typ strony, np. działająca firma, sklep, wydawca lub blog.
Wzbogacanie AI z dowodami
Opcjonalne wyszukiwanie AI uzupełnia brakujący opis, kategorię, lokalizację lub publiczny kontakt w kwalifikujących się polach, tam gdzie dostępne są dowody. Zaakceptowane wartości zachowują adres URL źródła i fragment, który je potwierdza.
Przeznaczenie skrzynki i kontrola e-maili
Każdy adres otrzymuje etykietę przeznaczenia (zapytania, sprzedaż, rezerwacje, wsparcie), a skrzynki ds. prywatności, nadużyć i no-reply są wykluczane z kontaktu. Weryfikacja raportuje składnię, routing poczty oraz, jeśli są włączone, testy skrzynki.
Stany weryfikacji przed eksportem
Rekordy są oznaczane jako zebrane, wzbogacone, wstrzymane do weryfikacji lub gotowe do wysłania. Eksport do CSV, XLSX lub JSONL albo do prostych list e-maili podzielonych według wyniku weryfikacji.
Layer 3 i tłumaczenia na angielski
Layer 3 dodaje dodatkowe fakty podane na stronie, każdy powiązany z cytowanym fragmentem. Kwalifikujące się opisy w językach obcych otrzymują wersję angielską, a oryginalne brzmienie jest zachowane.
Jak to działa
Przeszukiwanie każdej strony
Każda domena jest sprawdzana pod kątem DNS i dostępności. Podstrony zablokowane w robots.txt są pomijane. Fast czyta stronę główną, Balanced czyta menu, stopkę i kluczowe podstrony (do 15), a Deep przechodzi dwa poziomy linków (domyślnie 20, maksymalnie 50). Najpierw odwiedzane są podstrony kontakt, o nas, usługi, rezerwacje, cennik i zasady.
Dopasowanie źródeł
Zaczynając od strony internetowej, Map Extract planuje do siedmiu wyszukiwań w Maps na podstawie dowodów z samej strony (domena, nazwa z kodem pocztowym lub miastem, telefon, adres) i akceptuje wpis tylko wtedy, gdy domena jego strony jest zgodna. Następnie kwalifikujące się profile Facebook i Instagram są sprawdzane względem tej samej firmy.
Uzupełnianie brakujących pól
Opcjonalne wyszukiwanie AI uzupełnia luki w kwalifikujących się polach tam, gdzie dostępne są dowody. Każda zaakceptowana wartość zachowuje adres URL źródła i potwierdzający fragment; sugestie bez potwierdzenia pozostają puste. Layer 3 może dodać dodatkowe fakty podane na stronie, a opisy w językach obcych otrzymują wersję angielską obok oryginału.
Weryfikacja rekordu
Należy sprawdzić każdy rekord, jego źródła i stan: zebrany, wzbogacony, wstrzymany do weryfikacji lub gotowy do wysłania. Każdy adres e-mail ma przeznaczenie skrzynki, np. sprzedaż lub rezerwacje, oraz wynik weryfikacji wskazujący, które testy zostały wykonane.
Eksport lub przekazanie
Zatwierdzone rekordy można wyeksportować jako CSV, XLSX lub JSONL, z filtrami jakości, źródła i daty, albo przekazać do modułu kontaktu. Moduł kontaktu ma własne kontrole zgód, listy wykluczeń i etapy zatwierdzania.
Ekstraktor danych ze stron: najczęstsze pytania
Czego potrzebuję na start?
Listy domen lub adresów URL (wklejonej lub zaimportowanej), Map Extract na komputerze z Windows i połączenia z internetem. Obsługę duplikatów, filtry subdomen oraz listy zablokowanych e-maili i domen ustawia się przed uruchomieniem.
Czy narzędzie respektuje robots.txt?
Tak. Plik robots.txt jest odczytywany, a zablokowane podstrony są pomijane. Strony z polityką prywatności i regulaminem mogą być mimo to odczytane, aby zapisać dane prawne. Strona, która blokuje dostęp lub wyświetla CAPTCHA, jest zapisywana jako zablokowana, a domeny w kwarantannie są ponawiane tylko na Państwa życzenie.
Czy można dopasować brytyjskie spółki do Companies House?
Tak, jako brytyjski proces. Numer lub nazwa spółki znalezione na stronie mogą posłużyć do wyszukania dopasowania w rejestrze, które zapisuje siedzibę rejestrową, status i historię statusu. Korzystanie z API Companies House wymaga własnego bezpłatnego klucza API.
Czy potrzebuję klucza AI?
Nie. Zbieranie danych, przeszukiwanie stron, dopasowanie i eksport działają bez AI. Wzbogacanie AI, Layer 3 i tłumaczenia na angielski wymagają skonfigurowanego dostawcy, np. własnego klucza API Gemini, lokalnego modelu LM Studio lub ścieżki AI w przeglądarce, przy czym obowiązują warunki i opłaty tego dostawcy.
Jak dokładne są rekordy?
Map Extract zapisuje to, co publikuje każde źródło, i przechowuje obok link do źródła. Wpisy są dołączane na podstawie zgodnych domen stron, wyniki z niewłaściwego obszaru są oznaczane, a wartości AI wymagają potwierdzającego fragmentu przed zapisaniem. Źródła się zmieniają i mogą być niekompletne, dlatego przed oparciem się na rekordach należy je sprawdzić.
Gdzie są przechowywane moje rekordy i co jest udostępniane?
Projekty są przechowywane lokalnie na komputerze z Windows w bazie SQLite, a to Państwo decydują, co eksportować. Uruchomienia wysyłają zapytania do włączonych źródeł, a po włączeniu AI Państwa polecenie i wybrany kontekst trafiają do wybranego dostawcy AI. Publiczne wyniki dotyczące firm i social media zebrane przez aplikację są automatycznie przesyłane na serwery Map Extract, gdy aplikacja jest licencjonowana i uruchomiona; wyjaśnia to informacja o prywatności.
Na początek jedno małe uruchomienie, które można sprawdzić
Warto przeczytać przewodnik po Website Data Extractor, sprawdzić status bezpłatnego demo i wymagania systemowe, a następnie wybrać licencję na swój komputer z Windows.