Lead finder (buscador de leads)

Tres modos. Preguntar cuál corresponde si no queda claro por el pedido:

• Modo A — Búsqueda por rubro en un directorio o sitio: el usuario no tiene lista todavía, pide "buscame clientes de tal rubro".
• Modo B — Enriquecimiento: el usuario ya tiene una lista/Excel de nombres o empresas y le faltan datos de contacto.
• Modo C — Leads nuevos para una campaña que ya tiene Excel: "buscá más leads", "seguí buscando", "llegá a 100". Se busca sin repetir lo que ya está en el Excel, se verifica el rubro, se saca el contacto de fuentes propias, se controla cada dato y se entrega un CSV. El rubro y los países cambian en cada búsqueda: lo fijo es el método.

Ningún modo envía nada ni publica nada — el resultado siempre se entrega para que el usuario lo revise antes de usarlo en outreach (ver la campaña ya existente en memoria: mail/IG de autopartes ML).

Modo A — Búsqueda por rubro

1. Pedir rubro + ciudad/zona. Sin zona el universo es demasiado amplio. Si el usuario ya lo dio en el mismo mensaje, no volver a preguntar.
2. Elegir el sitio. Mirar references/sitios-por-rubro.md primero. Si el rubro no está ahí, proponer 1-2 sitios candidatos (directorio del rubro, cámara de comercio, Google Maps) y decir cuál se va a usar antes de scrapear.
3. Inspeccionar la página real antes de escribir el scraper. Los selectores de references/sitios-por-rubro.md no están hardcodeados en ningún script porque cada sitio cambia su HTML — hay que mirarlo en el momento:
   • python scripts/fetch.py "<url_listado>" --stealth (usar --stealth salvo que el sitio sea claramente simple/sin JS) para ver el texto visible y ubicar el patrón de cada resultado (nombre, teléfono, dirección, link).
   • Si con el texto no alcanza para ver la estructura, repetir con --html y revisar las clases/selectores reales antes de armar el .css(...).
4. Escribir un script chico ad-hoc (no reusar uno de otro rubro/sitio sin adaptar los selectores) que recorra el listado con Fetcher/StealthyFetcher, extraiga nombre + contacto + link de cada resultado, y respete la paginación. Avisar antes de lanzarlo cuántas páginas/resultados va a traer — no scrapear de más sin avisar.
5. Para cada resultado, si el listado no trae ya el contacto completo, correr scripts/extract_contacts.py <url_del_resultado> sobre la página propia de ese negocio para sacar mail/whatsapp/instagram/sitio si los tiene públicos.
6. Entregar la lista en el chat (tabla o JSON) y, si el usuario lo pide, exportarla con scripts/export_csv.py. No mandar nada a ningún Excel de campaña sin que el usuario lo pida explícitamente — el destino final (a qué archivo va) lo decide él.

Regla dura: nunca scrapear Instagram/LinkedIn/Facebook como fuente del listado inicial en forma masiva y rápida (bloquean) — solo como enriquecimiento puntual de un lead ya encontrado, o a través de lo que un buscador (Brave/Yahoo) ya indexó (Modo C).

Modo B — Enriquecimiento de contactos

1. Confirmar la fuente. Si el usuario no dio la ruta, preguntar qué archivo/lista hay que completar. Para el caso ya conocido de vendedores de Mercado Libre, la fuente de verdad es G:\Unidades compartidas\Aurelio\leads_aurelio.xlsm (hoja "Leads"; el archivo tiene solo dos pestañas, Leads y Seguimientos) — editar ese mismo archivo (Python/openpyxl con keep_vba=True), nunca crear una copia ni pestañas nuevas.
2. Para vendedores de Mercado Libre, seguir el flujo exacto de references/contacto-mercadolibre.md — explica por qué mail/teléfono casi nunca es público ahí y de dónde sí puede salir (perfil ML, WhatsApp de alguna publicación, búsqueda web del nombre de la tienda).
3. Para cualquier otra lista (no ML), el patrón es el mismo: por cada nombre/empresa, ubicar su página propia (sitio, ML, red social) y correr scripts/extract_contacts.py <url> --stealth sobre ella; si falta algo, buscar el nombre con WebSearch para encontrar su sitio/Instagram propio y sacarlo de ahí. Para completar muchos leads de una vez, usar scripts/pipeline/completar_datos.py (Modo C).
4. No completar nunca un campo sin fuente real. Si después de perfil + búsqueda web no aparece mail o teléfono público, esa celda queda vacía con una nota tipo "no público" — no rellenar con nada inventado ni aproximado.
5. Mostrar al usuario, antes de guardar en el Excel, qué se encontró y de dónde (para que pueda revisar), salvo que ya haya pedido que se guarde directo.

Modo C — Leads nuevos de uno o más rubros y países, sin repetir (método de references/metodo-busqueda-leads.md)

Es el modo principal y está pensado para dejarlo automatizado: el usuario invoca la skill, elige rubros y países en un menú y la búsqueda arranca sola. Esta skill solo busca: el envío de mensajes y el seguimiento los hace otra skill. Leer references/metodo-busqueda-leads.md antes de empezar (reglas completas, generalizadas para cualquier rubro).

1. Mostrar el menú de selección (desplegables) con AskUserQuestion, salvo que el pedido ya diga rubro y país ("buscá clientes de inmobiliarias en Argentina"). Leer scripts/pipeline/rubros.json y scripts/pipeline/paises.json y armar, en una sola llamada, estas preguntas, todas con multiSelect: true:
   • Rubros 1/3, 2/3 y 3/3: los rubros de rubros.json de a 4 por pregunta, en el orden del archivo (primero los probados). La descripción de cada opción sale de descripcion y estado del rubro.
   • Países: México, Argentina, Colombia y Chile; el usuario puede escribir otros en "Otro" (Perú, Uruguay, Ecuador, Paraguay, Bolivia, Panamá, Costa Rica: están todos en paises.json).
   • Si el usuario escribe en "Otro" un rubro que no está en la lista, crearlo: copiar rubros/<un rubro parecido>.json, cambiar sub-rubros, palabra, instagram.bio_regex, excluir_regex y descartes, agregarlo a rubros.json con estado "propuesto, sin probar" y mostrarle al usuario lo que se armó antes de buscar.
   • No preguntar nada más: ni "¿confirmás?", ni el Excel (es el de la memoria, G:\Unidades compartidas\Aurelio\leads_aurelio.xlsm), ni el nombre de los archivos.
2. Chequear Scrapling y su navegador (los scripts lo hacen solos al empezar). Si falta, pedirle OK al usuario y correr python -m patchright install chromium.
3. Arrancar, sin esperar respuesta: correr python scripts/pipeline/buscar_todo.py --rubros <ids separados por coma> --paises <códigos> --excel "<Excel>" --salida-dir <carpeta> --trabajo <carpeta> en segundo plano y avisar el avance por hitos. Antes de lanzarlo, correr el mismo comando con --estimar y decirle al usuario en una línea cuántas consultas son y cuánto tarda. Si son más de 6 horas, empezar con --limite-consultas 150 por rubro (una primera pasada de unos 60 minutos por rubro, repartida entre todos los países) y avisar que se puede correr completa después. El proceso hace solo, rubro por rubro: buscar candidatos, verificar el rubro, sacar los contactos de fuentes propias, completar lo que falte (Google Maps, Facebook, directorios, webs), controlar cada dato y dejar un CSV por rubro. --prueba hace una corrida chica para probar la configuración.
4. El objetivo es el contacto más completo posible de cada negocio: web, Instagram, mail, WhatsApp y teléfono, para que el usuario pueda escribirles o llamarles después. Cada CSV marca en "Estado" qué le falta a cada uno y en "De_donde_sale" la fuente de cada dato.
5. Entregar los CSV (mandarlos con SendUserFile si el usuario está desde el celular) con: cantidad por rubro y país, cuántos tienen Instagram / mail / WhatsApp, cuántos están completos y cuántos solo tienen Instagram, qué se descartó y por qué.
6. Cargar al Excel: por defecto se pregunta una sola vez al final ("¿Cargo estos N leads al Excel?"). Si el usuario pidió cargar en el mismo mensaje ("y cargalos"), correr buscar_todo.py con --cargar. cargar_excel.py agrega las filas al final de Leads con la columna Rubro, sin tocar nada existente: trabaja en una copia temporal, comprueba que nada existente cambió y recién ahí reemplaza el original. Si el Excel está abierto, pedirle al usuario que lo cierre (nunca cerrarlo vos).
7. Los pasos sueltos siguen disponibles para casos puntuales: buscar_leads.py, completar_datos.py, verificar_datos.py y cargar_excel.py (todos con --rubro y --paises).

Reglas duras (todos los modos)

• Nunca enviar mensajes, publicar ni contactar a nadie desde esta skill — solo busca y entrega datos. El envío es de la campaña de outreach (memoria outreach-aurelio-mail-ig), que es un paso posterior y separado.
• Nunca inventar un dato de contacto. Si no está publicado en ningún lado encontrado, se reporta como no disponible.
• Cada dato de contacto sale de una fuente propia de la empresa (su web, la bio de su Instagram, su linktree, su página de Facebook, su ficha de Google Maps con el mismo nombre). El resultado suelto de un buscador no es fuente. El CSV y el Excel dicen de dónde salió cada dato.
• Verificar que cada dato corresponda a su empresa y al país pedido antes de entregar (verificar_datos.py).
• No sacar números de la columna de teléfono / WhatsApp por suposición (el usuario lo rechazó): si no se sabe si un teléfono tiene WhatsApp, queda como está.
• El usuario trabaja con un solo archivo. No crear pestañas, copias, backups ni archivos sueltos en sus carpetas salvo que lo pida; los intermedios van en la carpeta de trabajo de la sesión. Los scripts viven en la skill, no en una carpeta temporal.
• Instagram: solo lectura pública. No forzar el contacto de negocio de Instagram (bloquea con error 429 y arriesga la cuenta de la empresa); probarlo con el Chrome logueado solo avisando antes al usuario y de a pocos perfiles.
• Revisar términos de servicio del sitio antes de scrapear algo nuevo; evitar patrones agresivos (recorrer página por página con pausas, no todo en loop cerrado).
• Si un sitio bloquea con Fetcher simple, escalar a StealthyFetcher (navegador real) antes de descartar la fuente. Scrapling es obligatorio: si no arranca, se arregla el entorno; no se reemplaza por otra herramienta. Buscadores: Brave y Yahoo (Google da captcha y Bing devuelve resultados sin relación).

Referencias

• references/metodo-busqueda-leads.md — el método completo para buscar leads nuevos (cualquier rubro), reglas de calidad, errores y mejoras pendientes.
• references/sitios-por-rubro.md — sitios candidatos por rubro, se va ampliando.
• references/contacto-mercadolibre.md — flujo detallado de enriquecimiento para ML.
• scripts/fetch.py — bajar una página para inspeccionar antes de armar selectores.
• scripts/extract_contacts.py — sacar mail/whatsapp/instagram/sitio de una página.
• scripts/export_csv.py — exportar una lista de resultados a CSV.
• references/rubros-y-paises.md — los rubros y países disponibles, el servicio de Aurelio Agency que encaja con cada rubro, y cómo sumar uno nuevo.
• scripts/pipeline/ — el proceso del Modo C: buscar_todo.py (corre todo para los rubros y países elegidos), buscar_leads.py, completar_datos.py, verificar_datos.py, cargar_excel.py, leads_common.py (funciones compartidas), rubros.json + rubros/ (un archivo por rubro) y paises.json (prefijo de teléfono, zonas, directorios y Mercado Libre de cada país).