MCP HubMCP Hub
스킬 목록으로 돌아가기

backfill-geo-data

TomGranot
업데이트됨 Yesterday
33
11
33
GitHub에서 보기
기타automationdata

정보

이 스킬은 워크플로우, 외부 API 또는 IP 지리 위치 정보를 활용하여 HubSpot 연락처와 회사 레코드에 누락된 지리적 데이터(국가, 주, 도시)를 보충합니다. 영역 할당, 지역별 보고 및 규정 준수 관리를 가능하게 하도록 개발자용으로 설계되었습니다. 기존 지리적 값을 표준화한 후 위치 데이터가 없는 레코드를 보강하기 위해 사용하세요.

빠른 설치

Claude Code

추천
기본
npx skills add TomGranot/hubspot-admin-skills -a claude-code
플러그인 명령대체
/plugin add https://github.com/TomGranot/hubspot-admin-skills
Git 클론대체
git clone https://github.com/TomGranot/hubspot-admin-skills.git ~/.claude/skills/backfill-geo-data

Claude Code에서 이 명령을 복사하여 붙여넣어 스킬을 설치하세요

문서

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.

GitHub 저장소

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

연관 스킬

llamaguard

기타

LlamaGuard는 폭력 및 혐오 발언 등 6가지 안전 범주에서 LLM 입력과 출력을 조정하기 위한 Meta의 70-80억 파라미터 모델입니다. 94-95% 정확도를 제공하며 vLLM, Hugging Face 또는 Amazon SageMaker를 사용해 배포할 수 있습니다. 이 기술을 사용하여 AI 애플리케이션에 콘텐츠 필터링 및 안전 가드레일을 손쉽게 통합하세요.

스킬 보기

cost-optimization

기타

이 Claude Skill은 리소스 적정화, 태깅 전략, 지출 분석을 통해 개발자들이 클라우드 비용을 최적화할 수 있도록 지원합니다. AWS, Azure, GCP에서 클라우드 비용을 절감하고 비용 거버넌스를 구현하기 위한 프레임워크를 제공합니다. 인프라 비용을 분석하거나, 리소스를 적정화하거나, 예산 제약을 충족해야 할 때 사용하세요.

스킬 보기

quantizing-models-bitsandbytes

기타

이 스킬은 bitsandbytes를 사용하여 LLM을 8비트 또는 4비트 정밀도로 양자화하며, 최소한의 정확도 손실로 50-75%의 메모리 감소를 달성합니다. 제한된 GPU 메모리에서 더 큰 모델을 실행하거나 추론을 가속화하는 데 이상적이며, INT8, NF4, FP4와 같은 형식을 지원합니다. 이 스킬은 HuggingFace Transformers와 통합되어 QLoRA 학습 및 8비트 옵티마이저를 가능하게 합니다.

스킬 보기

dispatching-parallel-agents

기타

이 Claude Skill은 3개 이상의 독립적인 문제를 동시에 조사하고 해결하기 위해 다중 에이전트를 배치합니다. 공유 상태나 의존성 없이 해결 가능한 무관련 장애 시나리오에 맞게 설계되었습니다. 핵심 기능은 병렬 문제 해결로, 각 독립 문제 영역마다 하나의 에이전트를 할당하여 효율성을 극대화합니다.

스킬 보기