← Portafolio
Propietario

Inteligencia de prospectos para postgrados en la UAI

Rubro
Educación ejecutiva
Tipo de trabajo
Datos de prospectos y recomendación
Período
2021

Arquitectura

LinkedIn perfiles públicos PhantomBuster extracción SQLite perfiles + historial Contactos base comercial Record linkage perfil ↔ persona Avances ascensos ycambios de empresa Qué ofrecer programa porprospecto Python · SQLite · actualización periódica

Objetivo

El equipo comercial de diplomados y magísteres tenía miles de contactos, pero sabía poco de ellos. La idea era tener una ficha viva de cada prospecto (cargo, empresa, trayectoria) y usarla para ofrecer el programa adecuado cuando la persona estuviera lista para darlo.

Lo que hice

  • Diseñé y construí la plataforma en Python, con SQLite como almacén de perfiles e historial.
  • Automaticé la extracción de perfiles públicos de LinkedIn con PhantomBuster.
  • Implementé record linkage para unir cada perfil con su persona en la base de contactos, aunque nombres, correos o empresas no calzaran exacto.
  • Guardé la evolución de cada profesional (ascensos, cambios de empresa o de área) para detectar el momento de ofrecer algo.
  • Crucé cargo y trayectoria con la oferta de programas para sugerir qué ofrecerle a cada prospecto.

Stack

PythonSQLitePhantomBusterrecordlinkagepandas