Enrichir Entreprise

Outil

Lisez 05_Departements/Go-to-Market/OUTILS.md. Priorité apify comme api : Unipile GET /api/v1/linkedin/company/{id} d'abord (page LinkedIn lue avec le compte de l'utilisateur, résolution par nom si l'URL manque), puis Crustdata GET /screener/company?company_domain= pour ce que LinkedIn n'a pas (offres ouvertes, CA estimé, stade de financement). Secours : Apify harvestapi/linkedin-company (0,004 $ par entreprise, par URL LinkedIn ou par nom, sans compte LinkedIn). Rien de branché : dites lequel manque, renvoyez vers connecter-outils, ne simulez rien.

| --source | Outil | Coût | Apporte | |---|---|---|---| | unipile (défaut) | Unipile page entreprise | abonnement | nom, site, secteur, effectif et tranche, siège, abonnés, année, type, spécialités, description | | crustdata | Crustdata screener/company | 1 crédit (cache) ou 4 (temps réel) par entreprise | idem + nb_offres_emploi, chiffre_affaires_estime, stade_financement | | apify | harvestapi/linkedin-company | 0,004 $ par entreprise | même contenu que la page LinkedIn, sans compte | | ocean | Ocean.io POST /api/public_api/v2/lookup/companies, par domaine, 1 000 par appel | crédits Ocean par entreprise trouvée (creditsUsed) | nom, page LinkedIn, siège, secteurs fins, taille, CA, année, description, technos du site, téléphone : la voie la plus rapide pour poser linkedin_entreprise_url sur une liste de domaines | | prospeo | Prospeo POST /bulk-enrich-company, par site, page LinkedIn ou nom, 50 par appel | 1 crédit par entreprise trouvée, 0 sinon, 0 si déjà enrichie sous 90 jours | page LinkedIn, siège, industrie, taille, CA, année, description, mots-clés, technos, financement, téléphone du siège |

Les sources se cumulent (--source unipile,crustdata) : chacune ne remplit que ce qui est vide.

Entrée

Un CSV normalisé d'entreprises avec entreprise et, si possible, linkedin_entreprise_url ou domaine. Sans les deux, Unipile et Apify cherchent par nom (risque d'homonyme, à relire).

Sortie

Listes-prospection/enrichir-entreprise__.csv, mêmes lignes que l'entrée, colonnes normalisées complétées (entreprise, domaine, linkedin_entreprise_url, ville, pays, secteur, effectif) plus effectif_tranche, site_web, abonnes, annee_creation, type, specialites, telephone_entreprise, tagline, description, nb_offres_emploi, chiffre_affaires_estime, stade_financement, unipile_id, date_enrichissement_entreprise, erreur_enrichissement_entreprise ; avec --posts, posts_recents (les 5 derniers posts de la page via Unipile, séparés par || ).

Procédure

1. Dry-run : python3 scripts/enrichir_entreprise.py --in --dry-run (par défaut Unipile,

ou Unipile puis Crustdata si priorite: api). Le script ne traite que les lignes sans date_enrichissement_entreprise.

1. Annoncez le nombre de lignes et le coût (Crustdata et Apify seulement), attendez le oui.
2. Lancez. Exemples :

python3 scripts/enrichir_entreprise.py --in python3 scripts/enrichir_entreprise.py --in --source unipile,crustdata --max 100 python3 scripts/enrichir_entreprise.py --in --source apify python3 scripts/enrichir_entreprise.py --in --source ocean (une liste de domaines vers leurs pages LinkedIn, en un appel) python3 scripts/enrichir_entreprise.py --in --source prospeo (par site, page ou nom, 50 par appel)

1. Relisez les lignes enrichies par nom (sans URL ni domaine en entrée) : comparez site_web et

domaine d'origine, un écart signale un homonyme.

1. Lien cliquable, compteur par source, un seul next step : qualifier-liste (le score ICP a

besoin du secteur et de l'effectif) ou trouver-personnes si la liste est déjà qualifiée.

Pour un signal de recrutement chiffré (delta d'offres entre deux runs), passez plutôt par scraper-offres-emploi, qui tient un historique par entreprise.

Options techno et pubs

Deux enrichissements de plus, sur le même CSV, sans skill séparé :

| Option | Verbe | Ce que ça ajoute | Actor Apify | Coût | |---|---|---|---|---| | --techno | detectertechno | une colonne par catégorie (cms, ecommerce, analytics, marketing, chat, crm, paiement, hebergement, framework), technos, techno_cible avec --cherche, et le mode --diff (ajouts, retraits depuis le dernier run). Avec --techno-source theirstack : technos tirées des offres d'emploi (outils internes compris), datées (first_date_found), avec confiance et nombre d'offres, 3 crédits par entreprise ; avec --techno-source predictleads : détections datées (first_seen_at) ; dans les deux cas --recentes-jours 60 sort une ligne techno_ajout par techno vue pour la première fois depuis 60 jours, sans attendre deux runs | scrapemint/website-tech-stack-detector ; PredictLeads companies/{domaine}/technology_detections | 0,01 $ par domaine détecté ; PredictLeads sur quota mensuel | | --pubs | scraperpubs | une ligne par pub active : plateforme, dates, texte, CTA, page d'atterrissage | curious_coder/facebook-ads-library-scraper, s-r/linkedin-ads-library | 0,00075 $ (Meta) et 0,005 $ (LinkedIn) par pub |

python3 scripts/enrichir_entreprise.py --in  --techno --cherche "hubspot,pipedrive" --dry-run
python3 scripts/enrichir_entreprise.py --in  --sans-base --pubs --plateforme meta --dry-run
python3 scripts/enrichir_entreprise.py --in 05_Departements/Go-to-Market/Signaux/comptes-suivis.csv --sans-base --techno --diff
python3 scripts/enrichir_entreprise.py --in 05_Departements/Go-to-Market/Signaux/comptes-suivis.csv --sans-base --techno --techno-source theirstack --recentes-jours 60
python3 scripts/enrichir_entreprise.py --in 05_Departements/Go-to-Market/Signaux/comptes-suivis.csv --sans-base --techno --techno-source predictleads --recentes-jours 60
python3 scripts/enrichir_entreprise.py --in  --posts

--sans-base saute l'enrichissement de base et ne fait que l'option. Chaque option écrit son propre CSV (enrichir-entreprise_techno_..., enrichir-entreprise_pubs_...). Procédure détaillée, lecture des colonnes, garde-fous et erreurs : techno.md et pubs.md dans ce dossier. Règle commune : on ne déduit jamais une absence ("ils n'utilisent pas X", "ils ne font pas de pub"), seulement ce qui a été vu.

Garde-fous

• Ne relance que si vide : aucune valeur existante n'est écrasée, --force seulement sur demande.
• Unipile : une lecture par entreprise depuis le compte de l'utilisateur, pause 1 s, 300 par jour

au plus, --max pour découper.

• Crustdata facture au résultat : dry-run obligatoire au-delà de 50 lignes, solde affiché.
• Une entreprise introuvable garde sa ligne avec erreur_enrichissement_entreprise : rien n'est

deviné, ni effectif ni secteur.

• effectif reçoit le nombre exact quand il existe, sinon la tranche ("11-50") : les deux sont

lisibles par qualifier-liste.

Erreurs fréquentes

| Symptôme | Cause | Fix | |---|---|---| | Unipile 404 même après recherche | nom trop générique ou page inexistante | fournir linkedin_entreprise_url, ou passer --source apify avec le nom exact | | Effectif LinkedIn très différent du réel | profils rattachés à la page, pas l'effectif déclaré | lire effectif_tranche (déclarée) pour le scoring | | Crustdata : ligne ignorée | pas de domaine | enrichir d'abord avec Unipile (donne site_web), relancer Crustdata | | Apify : "non trouvee par l'actor" | URL renommée ou page fusionnée | vérifier dans un navigateur, corriger l'URL | | Deux lignes pour la même entreprise après enrichissement | doublons en entrée (nom et URL différents) | dedoublonner avant d'enrichir |

Source & license

This open-source skill is cataloged on AgentStack and links to its original source — we do not rehost the code.

• Author: hugrowth98
• Source: hugrowth98/superfounder-os
• License: MIT

Install and usage instructions live in the source repository linked above.