Scraper Google Maps entreprises : ce que l'export vous donne vraiment

Scraper Google Maps entreprises : ce que contient vraiment une fiche

Une fiche d'établissement n'est pas un enregistrement homogène. C'est un petit paquet de champs remplis à des moments différents, par des personnes différentes, avec des niveaux de soin très différents. Le gérant a saisi le nom et la catégorie. Google a produit les coordonnées et l'identifiant de lieu. Les clients ont produit la note et le nombre d'avis. Personne n'a confronté tout cela à un registre officiel.

Cette origine compte, parce que les champs ne méritent pas la même confiance. Les trier selon la manière dont ils ont été produits est la chose la plus utile que vous puissiez faire avant d'importer quoi que ce soit.

La règle pratique qui en découle : joignez sur le niveau machine, segmentez sur le niveau foule, et traitez le niveau gérant comme une déclaration qu'il faudra parfois vérifier. Un numéro de téléphone sur une fiche non revendiquée est une piste, pas un fait. Le même numéro sur une fiche revendiquée avec 300 avis est quasi certain.

Un champ mérite un avertissement à lui seul. L'URL du site est celui sur lequel la plupart des gens bâtissent tout leur processus, et c'est aussi celui qui manque le plus souvent. Les commerces indépendants fonctionnent très souvent avec une page sociale et une ligne téléphonique. Si la suite de votre traitement suppose un nom de domaine, une large part de la liste sort du tunnel avant même que vous l'ayez regardée.

Est-ce autorisé, et que donne la voie officielle à la place

La question arrive avant la première ligne extraite, et la plupart des guides y répondent par un haussement d'épaules. La réponse honnête tient en trois volets, qui ne posent pas la même question.

La donnée est publique. Une fiche d'établissement est publiée pour que les clients trouvent le commerce. Un nom, une adresse, un téléphone et des horaires affichés sur une page publique ne sont pas des données personnelles au sens des coordonnées d'un particulier, et les collecter pour de la prospection entre entreprises relève de la recherche commerciale ordinaire. Cela dit, dès que vous rattachez une personne nommée à un enregistrement, les obligations européennes de protection des données la suivent : vous lui devez une information sur le traitement et un moyen de s'y opposer, et il vous faut une base légale que vous savez formuler.

Les conditions d'utilisation de Google sont une question contractuelle, pas une question de légalité. La collecte automatisée sort de ce à quoi le produit grand public vous invite, et la conséquence pratique est technique plutôt que judiciaire : limitation de débit, blocages, vérifications. C'est la vraie raison pour laquelle la plupart des équipes renoncent à coder leur propre extracteur. Le problème n'est pas de le construire. C'est que le maintenir en vie est un travail d'entretien permanent que personne n'avait budgété.

Il existe une voie officielle, et elle répond à un autre besoin. L'API Places est le moyen sanctionné de lire cette donnée par programme. Elle est conçue pour interroger un lieu que vous avez déjà identifié : excellente pour vérifier et enrichir une fiche, faible pour vous livrer tous les établissements d'une catégorie sur un territoire, ce qui est précisément ce qu'exige la construction de listes. Sa facturation est à la requête et ses conditions encadrent ce que vous pouvez stocker et pendant combien de temps.

Quelle que soit la voie, deux habitudes vous évitent les ennuis : ne collecter que les champs dont vous avez un usage concret, et honorer rapidement une demande de suppression quand elle arrive. Aucune des deux ne coûte quoi que ce soit, et les deux sont ce que fait un opérateur raisonnable.

Le plafond de résultats qui tronque votre liste en silence

Voici l'échec qui abîme le plus de listes locales. Vous lancez une recherche sur une catégorie à l'échelle d'une ville, vous récupérez quelques centaines de lignes, et vous en concluez que c'est le marché. Ce n'en est pas un. Maps ne renvoie pas tout ce qui correspond. Il renvoie ce qu'il juge le plus pertinent pour la zone demandée, et en pratique une recherche unique plafonne autour de 100 à 120 fiches.

Ce chiffre n'est pas publié par Google : traitez-le comme un plafond observé et non comme une limite documentée. Lancez la même catégorie sur une ville puis sur ses codes postaux et comparez les comptes. Tous les guides sérieux du domaine rapportent un plafond dans cette bande, et l'arithmétique de n'importe quelle grille que vous construirez vous-même le confirmera.

Ce plafond est silencieux. Rien dans l'export n'indique une troncature. Vous obtenez un fichier propre, il a l'air complet, et il lui manque l'essentiel de la longue traîne, c'est-à-dire précisément les établissements que personne n'a encore appelés.

Le remède est la segmentation géographique. Au lieu d'une requête par ville, vous lancez de nombreuses requêtes sur des zones plus petites : codes postaux, quartiers, ou une grille de coordonnées. Chaque subdivision dispose de son propre quota, donc le total atteignable croît avec le nombre de mailles au lieu d'être figé à l'échelle de la ville.

Deux conséquences en découlent, et les deux se planifient avant de commencer. D'abord, votre nombre de requêtes se multiplie : le modèle de coût est piloté par les mailles, pas par les villes. Ensuite, la segmentation fabrique des doublons par construction, puisqu'un établissement proche d'une limite apparaît dans plusieurs mailles. Ce n'est pas un défaut de la méthode. C'est le prix de l'exhaustivité, et c'est la raison d'être de la section suivante.

Scraper Google Maps entreprises sans fabriquer un tas de doublons

Presque tous les guides sur le sujet s'arrêtent à l'export. C'est pourtant là que le vrai travail commence, parce qu'une extraction segmentée est dupliquée par construction et que la clé de dédoublonnage évidente est la mauvaise.

Ne dédoublonnez pas sur le nom. Le nommage local est chaotique. Le même restaurant apparaît sous sa marque, sous sa marque suivie du quartier, et sous sa marque avec une forme juridique. Pendant ce temps, deux établissements réellement différents de la même ville partagent un nom générique du type Pharmacie du Centre. La comparaison par nom fusionne des lignes qu'il fallait garder et garde des lignes qu'il fallait fusionner, dans la même passe.

Dédoublonnez sur l'identifiant de lieu quand vous l'avez. C'est la clé générée par la machine, elle est stable, et deux lignes qui la portent sont la même fiche. Cela règle instantanément le recouvrement aux limites de grille, sans aucun jugement à porter.

Repliez-vous sur adresse normalisée plus téléphone. Quand l'identifiant manque, ce couple est la clé composite la plus fiable disponible. Normalisez avant de comparer : retirez les accents, réduisez les espaces multiples, passez tout en minuscules, ramenez les types de voie à une forme unique, et stockez les numéros au format international sans espaces ni séparateurs. Comparer des chaînes brutes échouera sur le seul formatage et vous laissera convaincu d'avoir deux fois le marché que vous avez réellement.

La cascade en trois passes

1. Passe 1. Rapprochement sur l'identifiant de lieu. Exact, sans jugement, règle le recouvrement de grille.
2. Passe 2. Rapprochement sur adresse normalisée plus téléphone normalisé, pour les lignes sans identifiant.
3. Passe 3. Envoyez le reste dans une file de revue manuelle plutôt que de deviner.

Enchaînez ces passes dans cet ordre et arrêtez-vous au premier succès. La cascade suffit pour de la donnée locale, et le résidu dépasse rarement 2 % des lignes. Si vous vous demandez jusqu'où pousser la normalisation avant que deux enregistrements soient comparables, notre guide sur quel champ vient de quelle entrée traite le même problème sur des fiches entreprise.

Chaînes, franchises et le piège du multi-établissement

Le dédoublonnage a un jumeau maléfique, et il attrape ceux qui ont réussi la première étape. Une fois vos clés au point, vous allez commencer à fusionner des lignes réellement distinctes.

Un réseau de franchise, ce sont plusieurs entreprises. Chaque point de vente a son propriétaire, son décideur, son budget et souvent ses propres contrats fournisseurs. Réduire quarante points de vente à une ligne parce qu'ils partagent une enseigne détruit la liste. À l'inverse, une société unique avec un siège et deux showrooms est un seul compte à trois adresses, et la traiter comme trois prospects revient à faire appeler la même personne par trois commerciaux.

La distinction n'est pas visible dans les données de la fiche, et c'est exactement pour cela qu'on la manque. Ce qui sépare les deux cas, c'est l'entité juridique derrière l'adresse, et celle-ci vit dans un registre d'entreprises, pas sur une carte. En France, le numéro attaché à chaque établissement tranche directement, puisque sa structure encode l'entreprise mère et le site précis. Notre guide sur ce que le numéro SIRET casse dans une base couvre le format et les pièges.

Une heuristique utilisable quand vous n'avez pas de registre sous la main : enseigne identique avec numéros de téléphone distincts et gérants distincts signifie en général des points de vente indépendants, donc on les garde. Enseigne identique partageant un seul numéro sur plusieurs adresses signifie en général une société à plusieurs sites, donc on fusionne en conservant les adresses dans une table fille. Marquez les cas ambigus plutôt que de deviner : une fusion erronée coûte un compte perdu, une séparation erronée coûte un prospect agacé.

La note et le nombre d'avis comme indicateur de taille

Tous les outils du domaine listent la note et le nombre d'avis parmi les champs extractibles, puis plus personne n'en fait rien. Ce sont les colonnes les plus sous-utilisées de l'export, parce qu'on les lit comme une note de qualité alors qu'elles mesurent la taille et la maturité.

La note en étoiles vous apprend peu de chose en prospection. Les notes locales se concentrent dans une bande étroite en haut de l'échelle, donc l'écart entre un bon établissement et un moyen est mince et bruité. Le nombre d'avis est le chiffre intéressant. Il croît avec le passage, avec l'ancienneté réelle de l'activité, et avec le fait que quelqu'un gère activement la fiche.

Lu comme une tranche plutôt que comme une valeur, il découpe une liste locale brute en groupes qui appellent des traitements différents :

Deux colonnes dérivées valent le calcul pendant que la donnée est ouverte. Le nombre d'avis divisé par les années écoulées depuis le premier avis approxime l'activité plutôt que l'ancienneté accumulée, ce qui évite qu'un établissement endormi depuis longtemps ressorte comme actif. Et la présence de réponses du gérant aux avis indique fortement que quelqu'un lit réellement les notifications de cette fiche, ce qui va de pair avec un téléphone qui décroche.

Une fois ces tranches posées, le secteur devient le second axe et la segmentation devient réellement utile. Si les libellés de catégorie de Maps sont trop grossiers pour vous, notre guide sur l'identification du secteur d'activité traite la mise en correspondance de libellés flous avec une vraie nomenclature.

Quels champs survivent à un import CRM

La tentation après une grosse extraction est de pousser toutes les colonnes dans le CRM. Résistez. La donnée de fiche se périme à des vitesses très différentes, et un CRM plein de champs que personne ne rafraîchit devient un CRM auquel personne ne se fie.

Importez les champs stables et réellement utilisés : nom, adresse, téléphone, site, catégorie, identifiant de lieu, et votre tranche d'avis dérivée. Gardez les coordonnées si vous faites de la sectorisation. Laissez les horaires, le nombre de photos et la gamme de prix hors du CRM, parce qu'ils changent souvent, que personne ne les met à jour, et que leur seule utilité réelle se situe au moment de la construction de la liste.

Deux règles évitent beaucoup de douleur ensuite. Stockez l'identifiant de lieu sur la fiche compte même si aucun commercial ne le regardera jamais, parce que c'est lui qui vous permettra de réinterroger la fiche dans six mois et de mettre à jour la ligne au lieu d'en créer une seconde. Et horodatez chaque ligne importée avec la date de l'extraction, pour que celui qui lit la fiche sache s'il regarde quelque chose de la semaine dernière ou de l'an dernier.

Scraper Google Maps entreprises à grande échelle : Sheets, MCP ou API

Ce travail prend trois formes, et se tromper de forme est l'endroit où les équipes perdent des semaines. La question n'est pas de savoir quelle surface est la meilleure. C'est de savoir laquelle correspond à la manière dont le travail arrive.

La plupart des équipes devraient commencer dans le tableur, parce qu'il permet de vérifier la couverture et le taux de doublons sur de vraies lignes avant que quiconque écrive du code. La segmentation en grille de la partie deux y est triviale : une ligne par maille, un appel par ligne, et les résultats s'accumulent là où vous voyez le recouvrement que vous vous apprêtez à dédoublonner.

L'API et le serveur MCP sont la bonne réponse dès que l'extraction devient récurrente, par exemple un rafraîchissement mensuel d'un territoire pour capter les ouvertures et les fermetures. Chez Derrick, ces deux surfaces sont incluses à partir du plan STANDARD à 20 euros par mois, aux côtés de PLUS à 47,5 euros, PRO à 175 euros et SCALE à 320 euros. Quelle que soit la surface, l'opération sous-jacente et son coût sont identiques : vous pouvez prototyper dans un tableur puis passer à l'API sans refaire le budget.

Les signaux sont le complément naturel d'une extraction de fiches, car une liste locale figée vieillit sans bruit. L'actualité d'une entreprise vous donne une raison d'appeler ce mois-ci plutôt que le trimestre prochain, et le Google News Scraper de Derrick la renvoie à 1 crédit par actualité, en fonctionnalité payante.

Scraper Google Maps entreprises : le coût par ligne réellement utile

Le prix affiché d'une extraction de fiches est trompeur, parce que vous ne payez pas les lignes que vous gardez. Vous payez les lignes renvoyées, puis vous en jetez une partie à l'étape de dédoublonnage. Le chiffre qui compte est le coût par ligne utile, et il dépend presque entièrement de l'agressivité de votre segmentation.

Le Google Maps Scraper de Derrick facture 1 crédit par établissement renvoyé. Le crédit coûte 0,00225 euro sur MINI et 0,0016 euro sur SCALE, qui est le prix par crédit le plus bas. Une extraction de 5 000 établissements coûte donc entre 8,00 euros sur SCALE et 11,25 euros sur MINI. Si le recouvrement de votre grille fait que 20 % de ces lignes sont des doublons, le vrai coût par ligne utile est ce montant divisé par 4 000 et non par 5 000, ce qui rend chaque ligne conservée 25 % plus chère que ne le laisse croire le prix affiché.

C'est ce calcul que tout le monde saute, et c'est pourquoi l'estimateur ci-dessous vous demande votre taux de recouvrement au lieu de le supposer.

Là où s'arrête la fiche et où commence le travail de contact

Une table de fiches dédoublonnée et segmentée est un bon actif, et un actif incomplet. Elle vous donne une entreprise, une catégorie, une localisation, un indicateur de taille et un numéro de standard. Ce qu'elle ne vous donne pas, c'est une personne, et pour la plupart des offres le numéro d'une fiche aboutit à un accueil plutôt qu'à celui qui décide.

C'est un problème réellement différent, avec ses propres méthodes et ses propres taux de réussite, et c'est là que beaucoup de prospection locale échoue en silence. Passer d'une fiche à une boîte mail dépend entièrement de ce que l'établissement expose : un site, une page sociale seulement, ou rien d'autre que la ligne téléphonique que vous avez déjà. Chacun de ces cas a sa route et son coût, et celui que personne n'anticipe est le troisième.

Si votre liste est faite de comptes plus gros que des commerces indépendants, le travail se déplace de nouveau vers des dirigeants nommés et de la recherche de compte. Nos guides sur l'identification du dirigeant depuis un nom ou un domaine et sur la recherche d'informations sur une entreprise prennent le relais.

La checklist des champs avant l'import

Passez-la avant que quoi que ce soit touche votre CRM. Elle prend dix minutes et elle attrape les erreurs coûteuses à défaire.

• Avez-vous segmenté ? Si une seule recherche a couvert toute une ville, votre liste est tronquée et vous ignorez de combien. Relancez sur des zones plus petites avant de juger la taille du marché.
• Avez-vous dédoublonné sur la bonne clé ? Identifiant de lieu d'abord, adresse normalisée plus téléphone ensuite, nom jamais.
• Avez-vous cherché les chaînes ? Même enseigne et même téléphone sur plusieurs adresses signifie un seul compte. Même enseigne et téléphones différents signifie des points de vente indépendants.
• Avez-vous normalisé les téléphones ? Format international, sans séparateurs, avant toute comparaison et avant qu'un automate d'appel les voie.
• Avez-vous mis les avis en tranches ? C'est la segmentation la moins chère disponible et elle est déjà dans votre export.
• Avez-vous écarté les champs volatils ? Horaires, nombre de photos et gamme de prix ont leur place dans le fichier de travail, pas dans le CRM.
• Avez-vous horodaté l'extraction ? Une fiche locale sans date est une fiche à laquelle personne ne pourra se fier dans six mois.
• Connaissez-vous votre coût par ligne utile ? Pas par ligne renvoyée. Les deux diffèrent de tout votre taux de doublons.

La donnée de fiche est la donnée entreprise la moins chère et la plus large disponible sur les marchés locaux, et c'est une très bonne matière première. Elle n'est simplement pas une liste de prospects le jour où elle arrive. Ce qui sépare un export d'une liste exploitable par un commercial, c'est le dédoublonnage, la segmentation, et un regard honnête sur ce que vaut réellement chaque champ.