Cómo scraper Google Maps en un país entero: guía completa

Google Maps contiene millones de fichas de empresas locales: direcciones, teléfonos, correos electrónicos, calificaciones, horarios. Es una base de datos comercial gratuita, accesible para todos. Pero ¿cómo scraper Google Maps en un país entero sin pasar días programando? Esta guía compara dos enfoques: el método técnico (Python, Octoparse, pandas) y el método sin código a través de una base preindexada. Resultado: mismo objetivo, pero diferencias considerables en tiempo y volumen.

---

Por qué Google Maps es una mina de oro para la prospección B2B

Google Maps enumera cientos de millones de establecimientos en todo el mundo. Cada ficha contiene datos estructurados: nombre, categoría, dirección, teléfono, calificación, número de reseñas, sitio web, horarios.

Para un comercial, un growth marketer o una agencia, es un directorio de empresas locales listo para usar. El targeting es preciso: buscamos "fontanero" en Francia, obtenemos todos los fontaneros referenciados.

¿El problema? Extraer unas pocas cientos de fichas manualmente es factible. Extraer 50,000, 100,000 o 140,000 fichas en un país entero es otra historia.

---

El límite de 120 resultados en Google Maps

Antes de hablar de métodos, hay que entender una limitación técnica fundamental: Google Maps solo muestra un máximo de 120 resultados por búsqueda.

Busca "restaurante París" en Google Maps: obtienes 120 fichas, no más. A pesar de que París tiene miles de restaurantes.

Por lo tanto, para scraper un país entero, es necesario dividir la búsqueda en subzonas geográficas. En Francia, esto significa realizar una búsqueda por municipio: alrededor de 36,000 municipios a tratar uno por uno.

Ahí es donde el método técnico se vuelve complejo.

---

Método 1: scraper Google Maps con herramientas técnicas

Este enfoque es adecuado para perfiles técnicos que quieren tener todo bajo control. Se desarrolla en varias etapas.

Etapa 1: recuperar la lista de municipios

Imposible realizar 36,000 búsquedas a mano. Primero hay que construir la lista de todos los municipios franceses.

Un sitio como communes.fr enumera todos los municipios por departamento. Se puede crear un scraper — con Octoparse, por ejemplo — para extraer automáticamente los nombres y códigos postales.

La configuración del scraper requiere crear dos bucles anidados:

• Un bucle sobre los 101 departamentos
• Un bucle sobre los municipios de cada departamento

Expresiones XPath permiten afinar la selección de elementos HTML. La limpieza de datos (eliminación de la palabra "municipio" delante de cada nombre, formateo de los códigos postales) se realiza luego con Python y la biblioteca pandas.

Tiempo de ejecución para esta sola etapa: 48 minutos en la nube, 1h05 en local. Resultado: alrededor de 36,000 líneas distribuidas en dos archivos CSV (Excel no supera las 20,000 líneas por archivo).

Etapa 2: construir las palabras clave de búsqueda

La lista de municipios no es suficiente. Hay que transformar cada municipio en una consulta de Google Maps.

"Belley" se convierte en "restaurante cerca de Belley". Se añade un prefijo a cada línea. Con pandas, unas pocas líneas de código son suficientes, pero primero hay que fusionar los dos archivos CSV, eliminar duplicados y luego aplicar la transformación.

import pandas as pd

df1 = pd.read_csv("communes_part1.csv")
df2 = pd.read_csv("communes_part2.csv")
df = pd.concat([df1, df2]).drop_duplicates(subset=["commune"])
df["keyword"] = "restaurante cerca de " + df["commune"]
df.to_csv("keywords.csv", index=False)

Etapa 3: lanzar el scraping de Google Maps

Con la lista de palabras clave lista, se utiliza una plantilla de Octoparse para scraper Google Maps. Se insertan las palabras clave, se define un tamaño de página (número de resultados por búsqueda) y se lanza.

Restricción: Octoparse está limitado a 10,000 palabras clave por tarea. Para 36,000 municipios, hay que crear 4 tareas distintas.

Tiempo de ejecución total: 2 días y 15 horas.

Etapa 4: limpiar y fusionar los resultados

Cuatro tareas producen cuatro archivos. Hay que fusionarlos y luego eliminar duplicados, no en todas las columnas, sino en el nombre del establecimiento y su localización (un mismo restaurante puede aparecer en varias búsquedas de municipios vecinos).

Resultados del método técnico

Para los restaurantes en toda Francia:

Indicador	Resultado
Líneas brutas	68,389
Después de deduplicación	52,658
Columnas	7
Tiempo total	~3 días

Las 7 columnas obtenidas: categoría, título, calificación, número de reseñas, localización, horarios de apertura (solo el primer intervalo), teléfono.

Sin correo electrónico. Sin sitio web. Sin redes sociales. Los horarios son incompletos: solo se recupera el primer intervalo mostrado, no la cuadrícula completa de la semana.

---

Las limitaciones reales del método técnico

Seamos directos sobre lo que este método no hace.

Sin enriquecimiento. Los datos brutos de Google Maps no contienen correos electrónicos. Para obtenerlos, habría que visitar cada sitio web individualmente, un paso adicional que multiplica el tiempo de procesamiento.

Datos incompletos. Los horarios de apertura, las fotos, las reseñas detalladas, las redes sociales: nada de eso se extrae correctamente con un scraper genérico.

Mantenimiento constante. Google modifica regularmente la estructura de sus páginas. Un scraper que funciona hoy puede romperse en 3 semanas. Hay que monitorear, corregir y relanzar.

Habilidades requeridas. Python, pandas, XPath, gestión de entornos virtuales, manipulación de archivos CSV grandes. No está al alcance de todos.

Riesgo de bloqueo. Google detecta comportamientos automatizados. Sin rotación de proxies y gestión de tiempos, el scraper es bloqueado.

---

Método 2: una base preindexada para exportar en unos minutos

La alternativa al método técnico es utilizar una base de datos ya construida. Ese es el principio de IBLead.

IBLead ya ha scrapeado e indexado más de 50M de negocios de Google Maps en 37 países. Todo está preprocesado, enriquecido y actualizado cada semana. El usuario no scrapea, filtra y exporta.

Cómo funciona concretamente

1. Elegir una categoría (ej: "restaurante")
2. Seleccionar la zona geográfica: ciudad, departamento, región o país entero
3. Aplicar filtros
4. Exportar en CSV

Sin código. Sin esperar varios días. La exportación es instantánea.

Los filtros disponibles

IBLead permite filtrar por:

• Calificación de Google: apuntar solo a los establecimientos con 4+ estrellas, o al contrario, los mal calificados (oportunidad comercial)
• Número de reseñas: distinguir los establecimientos establecidos de los nuevos entrantes
• Presencia de un sitio web: indispensable para ofrecer servicios digitales
• Presencia de un correo electrónico: para campañas de emailing directo
• Tecnologías detectadas: más de 160 tecnologías analizadas — CMS (WordPress, Shopify, Wix), píxeles publicitarios (Facebook Pixel, Google Ads), herramientas de emailing (Mailchimp, HubSpot), soluciones de pago (Stripe, PayPal)
• Número de teléfono: móvil o fijo
• Ficha reclamada o no en Google Maps

Este último filtro es particularmente útil para las agencias: una ficha no reclamada indica un propietario que no gestiona activamente su presencia en línea, una puerta de entrada para ofrecer servicios.

Los datos incluidos en cada exportación

Donde el método técnico produce 7 columnas, IBLead exporta más de 50 campos por ficha:

• Nombre, dirección completa, teléfono (móvil/fijo diferenciados), correo electrónico enriquecido desde el sitio web
• Sitio web, categorías de Google Maps, calificación promedio, número de reseñas
• Reseñas de Google: texto completo, calificación, fecha, autor — hasta 500 reseñas por ficha
• Redes sociales (Facebook, Instagram, YouTube, LinkedIn, Twitter)
• Horarios completos (7 días), fotos, coordenadas GPS
• Tecnologías detectadas (más de 160 tecnologías)
• ID de lugar de Google, CID
• SIRET, SIREN, código APE, nombre del director (solo en Francia)

Resultados comparados

Para los restaurantes en toda Francia:

Indicador	Método técnico	IBLead
Líneas	52,658	~140,000
Columnas	7	50+
Correos electrónicos	No	Sí
Tecnologías	No	Sí (160+)
Reseñas detalladas	No	Sí (hasta 500)
Tiempo	~3 días	Unos minutos
Habilidades requeridas	Python, XPath, pandas	Ninguna

Cuánto cuesta

44€ por 10,000 leads, es decir, 0,004€ por contacto enriquecido con correo electrónico, tecnologías, reseñas y datos SIRET.

Para probar, IBLead ofrece 200 créditos gratuitos (sin tarjeta requerida).

---

Casos de uso: ¿quién necesita scraper un país entero?

Las agencias digitales

Una agencia que prospecta restaurantes sin sitio web o con un mal posicionamiento necesita un volumen importante. Filtrar por "sin sitio web" o "tecnologías obsoletas" en toda Francia produce listas de varios miles de prospectos calificados.

Los editores de software SaaS

Un SaaS que se dirige a peluqueros, fontaneros o abogados puede extraer todo el mercado direccionable en Francia en unos minutos. Filtrar por tecnología incluso permite identificar a los prospectos que ya utilizan un competidor.

Los comerciales de campo

Un comercial que cubre una región puede extraer todos los prospectos de un departamento, filtrar por calificación y número de reseñas, y obtener una lista priorizada en 5 minutos.

Los growth marketers

Construir una lista de 50,000 prospectos enriquecidos con correos electrónicos para una campaña de cold email es el caso de uso central. El CSV se importa directamente en Lemlist, Instantly o cualquier otra herramienta de emailing.

---

Legalidad del scraping de Google Maps

La pregunta surge a menudo. Esto es lo que hay que saber.

Los datos presentes en Google Maps son públicos. Cualquiera puede consultarlos manualmente. El scraping automatizado de datos públicos se considera generalmente legal en la mayoría de las jurisdicciones europeas.

Sin embargo, los términos de uso de Google prohíben el scraping automatizado de sus servicios. Es una distinción importante: legal en términos de derecho, pero potencialmente en contra de los Términos y Condiciones de Google.

Para bases preindexadas como IBLead, la cuestión del scraping en tiempo real no se plantea: los datos ya están recolectados y almacenados.

Sobre el RGPD: los datos de contacto de empresas (correo electrónico profesional, teléfono profesional) se consideran datos B2B, distintos de los datos personales en sentido estricto. La prospección B2B por correo electrónico sigue siendo permitida bajo ciertas condiciones (opción de exclusión disponible, relevancia del mensaje).

---

FAQ: scraper Google Maps en un país entero

¿Cuánto tiempo se necesita para scraper Google Maps en un país entero con Python?

Con Octoparse y pandas, cuenta con aproximadamente 3 días de procesamiento para extraer ~52,000 restaurantes en Francia. Esto incluye la recuperación de los municipios (1h), la construcción de las palabras clave, 4 tareas de scraping (2 días 15h cada una en paralelo) y la limpieza de datos.

¿Por qué Google Maps limita a 120 resultados por búsqueda?

Es un límite técnico impuesto por Google para evitar la sobrecarga de sus servidores y desalentar el scraping masivo. Para sortear este límite, es necesario multiplicar las búsquedas geográficas: una por municipio, por ejemplo.

¿Se puede scraper Google Maps sin programar?

Sí. Bases preindexadas como IBLead permiten exportar miles de fichas sin escribir una línea de código. Se filtra por categoría, zona geográfica y criterios de calidad, y luego se exporta en CSV.

¿Qué datos se pueden extraer de Google Maps?

Con un scraper técnico: nombre, calificación, número de reseñas, localización, teléfono, primer intervalo horario. Con una base enriquecida: nombre, dirección, teléfono, correo electrónico, sitio web, redes sociales, horarios completos, reseñas detalladas, tecnologías del sitio, datos legales (SIRET, director para Francia).

¿Cuánto cuesta la extracción de 10,000 leads de Google Maps?

Con IBLead: 44€ por 10,000 leads enriquecidos. Con el método técnico: gratis en teoría, pero varios días de trabajo y datos menos completos (sin correos electrónicos, sin tecnologías).

---

Conclusión

Scraper Google Maps en un país entero es técnicamente posible con Python, Octoparse y pandas. Pero el costo real — en tiempo, habilidades y calidad de los datos — es alto. Tres días de procesamiento para 52,000 líneas y 7 columnas, sin correos electrónicos ni tecnologías.

Una base preindexada produce 140,000 líneas y más de 50 columnas en unos minutos, con enriquecimiento incluido.

La elección depende de tus recursos. Si tienes un desarrollador disponible y una necesidad puntual muy específica, el método técnico puede funcionar. Si necesitas volumen, regularidad y datos enriquecidos, una base preindexada es más eficaz.

Para probar IBLead en tu sector y país objetivo: créditos gratuitos — 200 créditos incluidos