Steg 2: konfigurera AI-generering av stad och kategori

Två AI-steg genererar stadlistor och klassificerar tjänstetypen. Varje agent använder en ansluten Anthropic-modell.

1. Öppna City LLM Provider och välj er Anthropic-modell. Inloggningsuppgift krävs: anslut era anthropicApi-inloggningsuppgifter.
2. Öppna Generate City Roster och ställ in Prompt till det befintliga uttrycket: =Provide a list of cities or sub areas located inside the Location of {{ $json.State }}, within the country {{ $json.Country }}. This data will be used to search on Google maps for businesses in that region. The output should be a plain text list, without bullets, numbering, or any special characters. Do not include any introduction, explanation, or concluding text—only the list of city names.
3. Öppna Category LLM Provider och välj er Anthropic-modell. Inloggningsuppgift krävs: anslut era anthropicApi-inloggningsuppgifter.
4. Öppna Classify Service Type och ställ in Prompt till: =Determine the appropriate category based on the following input: "{{ $('Intake Form Trigger').item.json.Service }}" The output must contain only the category name that best describes the given service. Examples of categories include but are not limited to: Electronics, Healthcare, Education, Food & Beverage, Automotive, Finance, Real Estate, etc.

City LLM Provider är ansluten som språkmodell för Generate City Roster och Category LLM Provider är ansluten till Classify Service Type — säkerställ att inloggningsuppgifter är tillagda i dessa provider-noder (inte i agent-noderna).

Steg 3: dela upp och batcha stadsposter

Arbetsflödet omvandlar AI-stadlistan till strukturerade objekt och batchar dem för vidare bearbetning.

1. Öppna Split Records by City och behåll befintlig JavaScript som läser Service, State, Country och AI-stadlistan för att bygga objekt per stad.
2. Säkerställ att Batch Cities Iterator är ansluten efter Split Records by City för att bearbeta städer i hanterbara batchar.
3. Bekräfta körvägen: Classify Service Type → Split Records by City → Batch Cities Iterator.

Batch Cities Iterator skickar utdata till både Retrieve Sheet Records och Maps Data Scraper parallellt.

Steg 4: konfigurera dubbletthantering i Google Sheets

Det här avsnittet söker efter dubbletter och tar bort befintliga rader innan nya leads läggs till.

1. Öppna Retrieve Sheet Records och ställ in Document ID till YOUR_GOOGLE_SHEET_ID och Sheet Name till gid=0. Inloggningsuppgift krävs: anslut era googleSheetsOAuth2Api-inloggningsuppgifter.
2. I Detect Duplicate Records behåller ni JavaScript-koden som jämför Business Name, Phone Number, Address och Google Maps URL för att skicka ut dubbletter.
3. Öppna Locate Duplicate Row och bekräfta filtren: Address använder ={{ $json.Address }} och Google Maps URL använder ={{ $json['Google Maps URL'] }}. Inloggningsuppgift krävs: anslut era googleSheetsOAuth2Api-inloggningsuppgifter.
4. Öppna Remove Duplicate Row och ställ in Operation till delete med Start Index ={{ $json.row_number }}. Inloggningsuppgift krävs: anslut era googleSheetsOAuth2Api-inloggningsuppgifter.

Steg 5: konfigurera scraping och statuspollning

Arbetsflödet scrapar Google Maps via Bright Data och pollar tills resultaten är klara.

1. Öppna Maps Data Scraper och behåll URLs-uttrycket: =[ { "url": "https://www.google.com/maps/search/{{ $json.name }}+in+{{ $json.city }} {{ $json.state }}", "category": "{{ $json.category }}", "country_name": "{{ $json.country }}", "sample": false } ] . Inloggningsuppgift krävs: anslut era brightdataApi-inloggningsuppgifter.
2. Öppna Verify Scrape Response och behåll villkoret som kontrollerar att ={{ $json.message }} finns.
3. Öppna Query Collection Progress och ställ in URL till =https://api.brightdata.com/datasets/v3/progress/{{ $json.snapshot_id }}. Inloggningsuppgift krävs: anslut era httpHeaderAuth-inloggningsuppgifter.
4. Öppna Throttle Pause och ställ in Amount till 25 sekunder för att styra pollningsfrekvensen.
5. Öppna Confirm Data Readiness och behåll statuskontrollen att ={{ $json.status }} är lika med ready.
6. Öppna Download Scrape Results och ställ in URL till =https://api.brightdata.com/datasets/v3/snapshot/{{ $json.snapshot_id }} med frågeparametern format=json. Inloggningsuppgift krävs: anslut era httpHeaderAuth-inloggningsuppgifter.

Steg 6: lägg till resultat i Google Sheets

Scrapade resultat mappas till era kalkylarksfält.

1. Öppna Append Leads to Sheet och bekräfta att Operation är append. Inloggningsuppgift krävs: anslut era googleSheetsOAuth2Api-inloggningsuppgifter.
2. Verifiera att kolumnmappningarna använder uttryck som City ={{ $('Split Records by City').item.json.city }}, Business Name ={{ $json.name }} och Google Maps URL ={{ $json.url }}.
3. Bekräfta flödet Download Scrape Results → Append Leads to Sheet → Batch Cities Iterator för att fortsätta bearbeta återstående städer.

Steg 7: testa och aktivera ert arbetsflöde

Kör ett manuellt test för att validera formulärinmatning, AI-utdata, scraping och uppdateringar i kalkylarket innan ni aktiverar.

1. Klicka på Execute Workflow och skicka in Intake Form Trigger med en känd tjänst (t.ex. Laptop Store) och plats.
2. Följ att data skickas korrekt från Generate City Roster och Classify Service Type till Split Records by City.
3. Bekräfta att Download Scrape Results returnerar JSON och att Append Leads to Sheet lägger till rader med stad, företagsnamn, adress och URL:er.
4. När allt är verifierat, växla arbetsflödet till Active för att ta emot formulärinsändningar i drift.