MCP HubMCP Hub
Volver a habilidades

backfill-geo-data

TomGranot
Actualizado 2 days ago
7 vistas
33
11
33
Ver en GitHub
Otroautomationdata

Acerca de

Esta habilidad completa los datos geográficos faltantes (país, estado, ciudad) en contactos y empresas de HubSpot utilizando flujos de trabajo, APIs externas o geolocalización por IP. Está diseñada para desarrolladores con el fin de habilitar la asignación de territorios, los informes regionales y la gestión de cumplimiento. Úsela después de estandarizar los valores geográficos existentes para enriquecer los registros donde faltan datos de ubicación.

Instalación rápida

Claude Code

Recomendado
Principal
npx skills add TomGranot/hubspot-admin-skills -a claude-code
Comando PluginAlternativo
/plugin add https://github.com/TomGranot/hubspot-admin-skills
Git CloneAlternativo
git clone https://github.com/TomGranot/hubspot-admin-skills.git ~/.claude/skills/backfill-geo-data

Copia y pega este comando en Claude Code para instalar esta habilidad

Documentación

Backfill Geographic Data

Fill in missing country, state, and city values on contacts and companies. Geographic data enables territory assignment, regional reporting, and compliance (GDPR, state privacy laws).

Prerequisites

  • HubSpot API token in .env
  • Python with hubspot-api-client installed via uv
  • Standardized geo values already in place (run /standardize-geo-values first)

Enrichment Methods

Method 1: HubSpot Workflow Enrichment (Simplest)

Use HubSpot's built-in Operations Hub data quality tools or Breeze Intelligence (if available on your plan) to auto-fill geographic fields.

  1. Create a workflow triggered by: country is unknown AND email is known
  2. Use the "Enrich contact" action (Operations Hub Professional+) or Breeze Intelligence enrichment
  3. If enrichment fills country/state, the workflow completes
  4. If enrichment fails, branch to flag for manual review

Method 2: Company Domain Lookup (API-based)

For contacts with a company domain but no geo data, look up the company's geographic information:

from hubspot import HubSpot
from hubspot.crm.contacts import PublicObjectSearchRequest

api_client = HubSpot(access_token=os.getenv("HUBSPOT_API_TOKEN"))

# Find contacts missing country but with company association
search = PublicObjectSearchRequest(
    filter_groups=[{
        "filters": [
            {"propertyName": "country", "operator": "NOT_HAS_PROPERTY"},
            {"propertyName": "associatedcompanyid", "operator": "HAS_PROPERTY"}
        ]
    }],
    properties=["email", "associatedcompanyid"]
)

Copy country/state/city from the associated company to the contact (same pattern as /enrich-company-name).

Method 3: External Data Provider

Integrate with a third-party enrichment service (Clearbit, ZoomInfo, Apollo, etc.):

  1. Export contacts missing geo data
  2. Run through enrichment provider
  3. Import enriched data back via CSV or API

Step-by-Step Instructions

Stage 1: Before — Assess the Gap

  1. Count contacts missing country, state, and city.
  2. Segment by source — which lead sources tend to have missing geo data?
  3. Choose the enrichment method based on volume and budget.

Stage 2: Execute — Run Enrichment

  1. Apply the chosen method (or combine methods for maximum coverage).
  2. Process in batches of 100 to respect rate limits.
  3. Validate enriched values against the standardized geo format from /standardize-geo-values.

Stage 3: After — Verify

  1. Re-count contacts missing geographic fields. Calculate improvement percentage.
  2. Spot-check 20-30 enriched contacts for accuracy.
  3. Set up the new-contact hygiene workflow to prevent future gaps.

Stage 4: Rollback

  • If enrichment data is inaccurate, filter contacts updated by the enrichment process (use hs_lastmodifieddate range) and clear the geo fields.
  • Keep a backup export of the original data before running enrichment.

Tips

  • IP-based geolocation (from form submissions) is already captured by HubSpot in ip_city, ip_state, ip_country. Copy these to the standard fields if the standard fields are empty.
  • Do not overwrite manually-entered geo data with enrichment data — always check "if empty" before writing.

Repositorio GitHub

TomGranot/hubspot-admin-skills
Ruta: skills/backfill-geo-data
0

Habilidades relacionadas

llamaguard

Otro

LlamaGuard es el modelo de Meta de 7-8B parámetros para moderar las entradas y salidas de LLM en seis categorías de seguridad como violencia y discurso de odio. Ofrece una precisión del 94-95% y puede implementarse usando vLLM, Hugging Face o Amazon SageMaker. Utiliza esta skill para integrar fácilmente filtrado de contenido y barreras de seguridad en tus aplicaciones de IA.

Ver habilidad

cost-optimization

Otro

Esta Skill de Claude ayuda a los desarrolladores a optimizar los costes en la nube mediante el ajuste de tamaño de recursos, estrategias de etiquetado y análisis de gastos. Proporciona un marco para reducir los gastos en la nube e implementar una gobernanza de costes en AWS, Azure y GCP. Úsala cuando necesites analizar los costes de infraestructura, ajustar el tamaño de los recursos o cumplir con restricciones presupuestarias.

Ver habilidad

quantizing-models-bitsandbytes

Otro

Esta habilidad cuantiza LLMs a precisión de 8 o 4 bits utilizando bitsandbytes, logrando una reducción de memoria del 50-75% con pérdida mínima de precisión. Es ideal para ejecutar modelos más grandes en memoria GPU limitada o para acelerar la inferencia, admitiendo formatos como INT8, NF4 y FP4. La habilidad se integra con HuggingFace Transformers y permite entrenamiento QLoRA y optimizadores de 8 bits.

Ver habilidad

dispatching-parallel-agents

Otro

Esta Skill de Claude despliega múltiples agentes para investigar y solucionar 3 o más problemas independientes de forma concurrente. Está diseñada para escenarios que involucran fallos no relacionados que pueden resolverse sin estado compartido o dependencias. Su capacidad principal es la resolución paralela de problemas, asignando un agente por cada dominio problemático independiente para maximizar la eficiencia.

Ver habilidad