用 AI 建本地潜在客户名单：
100 家牙科诊所、验证过的邮箱、每条线索的成本

奥斯汀有多少家牙科诊所可以通过邮件联系到？这些地址质量如何？每条可用线索要花多少钱？

其余约 $0.03 是模型调用的费用。线索工具会搜索 Google Maps，并访问每家诊所的网站获取邮箱、电话和社交媒体链接，所以一次调用得到的就是一份已经补全信息的名单。

电话好找，邮箱难找。 100 家诊所中有 99 家在 Google Maps 上留了电话，而且全都链接了社交媒体主页。只有 67 家在网站上列出了邮箱，而这 67 家共用 44 个地址：一家口腔外科集团的 14 个分店都用同样的两个邮箱。如果按地点而不是按邮箱计数，名单会被夸大一半。

一半邮箱有风险。 44 个地址中，22 个可送达，19 个有风险，3 个无效。有风险的大多是 catch-all 域名（13 个），这类域名接收任何地址的邮件，所以你无法判断是否有人在看；另外是没有响应的邮件服务器（9 个）。44 个中有 22 个是 info@ 或 office@ 这类职能邮箱，对小诊所来说很正常。

真正能联系上的诊所有 21 家。 按诊所算：31 家有可送达的邮箱，34 家只有有风险的邮箱，2 家只有无效邮箱，33 家没有邮箱。按不重复的商家算，有 21 家拥有可送达的邮箱：从 100 家的搜索结果中得到一份干净、真实的名单规模。

每条验证过的线索成本：不到 1¢。 整次运行 $0.19，即每家拥有可送达邮箱的商家 $0.009，个性化开场白也包括在内。

我们请 gpt-5.6-luna 这个快速又便宜的模型为每家诊所写一句话，只用它数据中的一个真实细节，别的什么都不加。只有 Maps 上的商家信息可用时，它写得准确但平淡：

"[Practice] is listed in [neighborhood] with a 4.9 rating across 258 reviews."（[诊所] 位于 [街区]，258 条评论平均评分 4.9。）

于是我们为五家诊所补充了各自最新的五条 Google 评论（$0.017），再问一次，并要求优先使用与预约、排期或前台有关的内容，因为那正是卖家关心的。差别如下：

"A recent review says your staff accommodated a fast-track appointment for emergency treatment."（最近一条评论说，你们的员工为急诊治疗安排了快速通道预约。）

"A patient said booking a last-minute appointment online was very easy."（一位患者说，在线预约临时号非常方便。）

"A patient praised your entire front office and clinical team for creating an atmosphere of ease and assurance."（一位患者称赞你们整个前台和诊疗团队营造了轻松、安心的氛围。）

我们把每一句都和对应的评论核对过：全部忠实于评论者所写的内容。

API 密钥放在 LOVELY_API_KEY 中，使用市场调研案例里的 run_tool 和 ask 辅助函数：

places = run_tool("google-maps-leads", {"searchTerms": ["dentist"], "location": "Austin, TX, USA", "radius": 15, "maxResults": 100, "websiteFilter": "withWebsite"}, 100)

emails = sorted({e.strip().lower() for p in places for e in (p.get("emails") or [])})
checked = {r["email"]: r["status"] for r in run_tool("email-verify", {"emails": emails}, len(emails))}

leads, seen = [], set()
for p in places:
    good = [e.strip().lower() for e in (p.get("emails") or []) if checked.get(e.strip().lower()) == "good"]
    if good and good[0] not in seen:
        seen.add(good[0])
        leads.append({"id": len(leads), "name": p["title"], "email": good[0], "rating": p.get("rating"), "reviews": p.get("reviewCount"), "categories": p.get("categories")})

lines = ask("One sentence per practice using one true detail from its data. Return a JSON array of {id, line}.", leads, model="gpt-5.6-luna")

换掉搜索词和城市，就能用于任何本地市场。想要一份保存为 CSV 的分步版本，请看把 Google Maps 线索导出为 CSV；背后用到的工具见潜在客户开发。