Restaurant-Leads finden, die Apollo nicht erreicht.
Unabhängige Restaurants sind inhabergeführt, nicht LinkedIn-indexiert — Apollos Datenbank ist im Segment dünn. Overwise scrapt Google Maps, TheFork / OpenTable, Instagram und Lokal-Websites und prüft dabei, was auf der Website fehlt (keine Online-Reservierung, kein Online-Bestellsystem, kein Review-Workflow) — die Kriterien legst du fest — und liefert verifizierte Leads mit Multi-Kanal-Kontaktpfaden.
Pick the signals that mean "could use my product".
Erkennt Restaurants, die Buchungen nur per Telefon annehmen — dein Aufhänger, wenn du Reservierungs-, Warteliste- oder Tisch-Management-SaaS verkaufst.
Markiert Seiten ohne Takeaway- oder Delivery-Checkout — nützlich für Direkt-Bestell-Plattformen oder Ghost-Kitchen-Tooling.
Findet Lokale mit öffentlichen Google-/Tripadvisor-Bewertungen, aber ohne Antwortmuster — starker Fit für Reputations-Tooling.
Identifiziert Lokale, die noch auf Papier-Speisekarten oder statischen PDFs arbeiten — Aufhänger für QR-Menü-, Digital-Menü- oder POS-SaaS.
Restaurant-Segment-Quellen, orchestriert.
Restaurants, Cafés, Bistros nach Stadt mit Telefon, Website, Öffnungszeiten, Preisstufe und Anzahl Bewertungen.
Aggregator-gelistete Lokale, die bereits buchungs-affin sind — aber oft nur über den Aggregator, nicht über die eigene Website.
Aktive Restaurant-Seiten mit buchbaren Bio-Links oder DM-only-Reservierungsflows.
Menüs, Öffnungszeiten, Buchungsseiten crawlen — und im tatsächlich gerenderten DOM prüfen, was fehlt, nicht curl-and-grep.
Restaurant-Segment-Fragen, kurz beantwortet.
Wie sieht die Lead-Qualität bei Restaurants aus?
Interne Benchmarks: ~92 % haben eine verifizierte Geschäfts-E-Mail, ~85 % ein Telefon, ~70 % einen Instagram-DM-Pfad. Independents sind auf Instagram-DM responsiver als Ketten. Der Agent fördert beide zutage, aber die Pro-Lead-Begründung zeigt, welcher welcher ist.
Wie vermeide ich, Restaurants zu pitchen, die bereits ein Buchungssystem haben?
Die Probe „kein Online-Reservierungs-Widget" läuft per Headless-Browser gegen die tatsächliche Restaurant-Seite — wenn sie OpenTable, SevenRooms oder eines der gängigen Widgets einbinden, erkennen wir das und schließen sie aus. Die False-Positive-Rate der Buchungs-Probe liegt in internen Benchmarks bei ~4 %.
Kann ich nach Küche, Preisstufe oder Stadt segmentieren?
Ja. Konfiguriere Küchen-Stichwörter („Italienisch", „Vietnamesisch"), Google-Preisstufe ($–$$$$) und Zielstädte in deiner Kampagne. Die Apify-Aktoren filtern Google Maps auf diese Kombination, und der Agent reichert jeden Lead mit öffentlichen Signalen an (Jahre im Geschäft, kürzliche Renovierungen, durchschnittliche Bewertung).
Reagieren Restaurant-Betreiber auf Cold Outbound?
Gemischt. Vom Inhaber geführte Independents antworten besser als ketten-gemanagte Lokale. E-Mail-Antwortraten liegen bei 5–8 % Baseline; Instagram-DMs bei 10–14 % bei spezifischer Ansprache („sehe, Sie haben noch kein Reservierungs-Widget — so haben wir es bei [vergleichbarem Lokal] gelöst"). Weil jede Aussage belegt sein muss, bleibt die Nachricht konkret.
In 5 Minuten startklar. Heute die ersten Leads.
"Set it up in five minutes, no demo gate. First verified list before my coffee was cold — and it sounds exactly like me."