--- name: weg-b-storeleads description: Weg B des Datenbeschaffungs-Pakets, consulting-only path — StoreLeads filter strategy for e-commerce target lists (technology, revenue and traffic filters, CSV export). This skill advises and processes the user's export; it never scrapes. Invoked by the datenbeschaffung master; never triggered directly by the user. --- # Weg B (StoreLeads) — Beratung statt Scrape StoreLeads ist eine fertige Datenbank für Onlineshops (Shopify, WooCommerce, Shopware, Magento und weitere) mit über 13 Millionen aktiven Stores. Was sie liefert, bekommt kein Scrape zusammen: installierte Apps, eingesetzte Technologien, geschätzter Umsatz und Traffic, Plattform-Wechsel- Historie, Social-Profile, Kontaktdaten. **Dieser Skill scrapt nicht.** Er berät zur Filterstrategie, der Nutzer exportiert selbst, und danach übernimmt der Skill den Export und bringt ihn in das Listenformat. Es entstehen keine Apify-Kosten. ## Schritt 0 — Die Geldfrage zuerst, vor jeder Filterarbeit Der Export als CSV ist **nur im Pro-Plan zu 250 $/Monat** enthalten. Der günstigere Plan (75 $) erlaubt ausschließlich die Nutzung der Oberfläche — er ist ein Nachschlagewerk, für Leadlisten wertlos. Deshalb: - **Empfehlen nur, wenn E-Commerce die dauerhafte Zielgruppe des Kunden ist.** Ein einmaliges E-Com-Projekt rechtfertigt die 250 $ nicht — dann `weg-b-ecom-google` nehmen. - Zwei Sparvarianten aus dem Kurs: (a) Abo einen Monat laufen lassen, alles exportieren, kündigen und alle drei bis vier Monate wiederholen; (b) jemanden mit eigenem Zugang beauftragen, rund 50 $ je Liste — günstiger, aber unflexibel, weil das Nachschärfen der Filter jedes Mal über Dritte läuft. - Die Entscheidung ausdrücklich bestätigen lassen. Erst danach beginnt die Filterarbeit. ## Schritt 1 — Pflichtfilter (ohne die ist jede Liste unbrauchbar) | Filter | Einstellung | Warum | |---|---|---| | Status | **aktiv** | Passwortgeschützte Shops sind im Aufbau und geben ohnehin keine Kontaktdaten her | | Plattform | im Pro-Plan zwei wählbare (meist Shopify + WooCommerce; Custom Cart möglich) | Vor der Buchung festlegen — der Slot ist begrenzt | | Land | eine Region je Durchlauf | wie in allen Wegen | | Geschätzter Monatsumsatz | **mindestens 50.000 $** | sortiert Hobby-Shops aus | Größenkorridor je nach Angebot: 50.000–200.000 $ trifft kleinere, gut erreichbare Shops; 100.000–5 Mio. $ die etablierten Marken mit längerem Entscheidungsweg. Für den Erstkontakt ist der kleinere Korridor meist der bessere. ## Schritt 2 — ICP in die Datenbank-Dimensionen übersetzen Nach `../datenbeschaffung-referenzen/references/icp.md`, hier mit den Feldern, die es nur in dieser Datenbank gibt: | ICP-Dimension | Filter in StoreLeads | |---|---| | Branche | Kategorie und Unterkategorie (hunderte, z. B. Sporting Goods, Health/Nutrition/Supplements) | | Größe | geschätzter Monatsumsatz, Traffic, Mitarbeiterzahl, Produktanzahl | | Region | Land, Stadt | | Trigger | installierte Apps, eingesetzte Technologien, Plattform-Wechsel-Historie, Review-Zahlen | | Anti-ICP | Kategorien und Technologien ausschließen; Filter lassen sich mit „und"/„oder" verknüpfen | ## Schritt 3 — Die vier Anknüpfungspunkte, die diesen Weg rechtfertigen 1. **Plattform-Migration** — über „Last Platform Change" Shops finden, die kürzlich gewechselt sind (etwa Magento → Shopify). Sie haben offene Baustellen und oft keinen Dienstleister mehr. 2. **Competitor-Takedown** — nach der installierten Konkurrenztechnologie filtern und die eigene Lösung dagegenstellen. 3. **Review-Callout** — Shops mit einer Mindestzahl an Bewertungen filtern und die wiederkehrende Schwachstelle (Lieferzeit, Retouren) als Aufhänger nutzen. 4. **Tech-Use-Callout** — auf eine fehlende Technologie zielen, etwa Shops ohne TikTok-Ads in einer Kategorie, in der alle anderen sie schalten. Diese Signale sind hier zunächst **Filter**. Ob sie in der Mail auch genannt werden, entscheidet die Copy und nicht die Datenbeschaffung — `icp.md` warnt aus gutem Grund davor, Trigger unreflektiert im Text auszubreiten. ## Schritt 4 — Export Im Export-Dialog die Felder auswählen, die die Liste wirklich braucht: Domain, Kategorie, Stadt, Land, E-Mail, Telefon, Mitarbeiterzahl, geschätzter Monatsumsatz, Plattform, installierte Apps, Social-Profile. Vorher ein Sample ziehen und ansehen. Ehrlich einordnen: Die gelieferten Adressen sind überwiegend Service- und Info-Adressen des Shops. **Persönliche Entscheider-Adressen sind nicht dabei** — die kommen erst aus Schritt 6. ## Schritt 5 — Roh-CSV bauen Den Export in das eine Format aus `csv-spalten.md` überführen: Zeilen als JSON mit den generischen Schlüsseln (`email`, `company`, `website`/`domain`, `phone`, `city`, `kategorie`) ablegen, dann ``` python3 ../datenbeschaffung-referenzen/scripts/build_csv.py --in storeleads.json \ --quelle "storeleads " --land --out leads---.csv ``` Zusatzspalten behalten: `plattform`, `umsatz_geschaetzt`, `apps`, `instagram_url`, `linkedin_url` — sie sind der Personalisierungs-Stoff dieses Wegs. ## Schritt 6 — Anreicherung Rollen-Adressen sind erlaubt (Trichter-Prinzip), aber der Hebel liegt beim Entscheider: `impressum-enrichment` über die Shop-Domains (DACH) für Geschäftsführername, Adresse und Registerdaten. Für die Spitze der Liste danach optional `enrichment-waterfall`. ## Schritt 7 — Übergabe An `listen-qualitaet` — immer, ohne Ausnahme. ## Bekannte Fallen - **Filterarbeit vor der Plan-Entscheidung.** Ohne Pro-Plan gibt es keinen Export; die schönste Trefferliste bleibt dann in der Oberfläche stehen. - **Status-Filter vergessen** → Shops im Aufbau ohne Kontaktdaten in der Liste. - **Umsatzuntergrenze vergessen** → Hobby-Shops ohne Budget. - **Umsatz und Traffic sind Schätzwerte.** Sie taugen zum Sortieren und Filtern, nicht als Tatsachenbehauptung in der Mail. - **Zwei Plattform-Slots** im Pro-Plan: vor der Buchung festlegen, welche zwei es sein sollen.