L’IA spatiale pour les entreprises multi-sites relie les fiches de succursales officielles, les stocks, les horaires d'ouverture, la zone de desserte et le contexte de déplacement afin qu'un produit puisse recommander une succursale pertinente plutôt que la plus proche. Le modèle de langage interprète les intentions complexes, comme « un article en stock sur le chemin du retour ». Les systèmes de localisation, de stock et d'itinéraire restent la référence pour l'identité, les stocks, les horaires et les déplacements. L'IA spatiale classe ensuite les succursales pertinentes et affiche le résultat sur la carte.
Les sections ci-dessous distinguent l'identité de l'organisation des enregistrements de succursales, puis abordent l'éligibilité, le classement des déplacements, la cartographie Kaleidr, la mesure et un projet pilote ciblé. Voir également AI Store Locator With Map Chat, Store-Aware Shopping AI et Location Intelligence Customer Experience. Les équipes qui associent déjà des conversations à une cartographie de succursales existante peuvent passer directement à la cartographie Kaleidr; celles qui définissent encore les limites du catalogue doivent commencer par les enregistrements de localisation canoniques.
Principes fondamentaux de l'IA spatiale multi-sites
- Un identifiant par lieu: Chaque succursale, propriété, clinique ou point de service nécessite un identifiant de localisation stable.
- Les données restent la propriété des détenteurs: Les horaires, les stocks, la capacité et les prix ne sont jamais issus d'un modèle.
- La proximité est la priorité: Le tri par proximité n'est pas recommandé.
- Éligibilité avant classement: Les emplacements fermés, en rupture de stock, hors zone ou non autorisés sont retirés en premier.
- Évaluer le lieu: La sélection, l’itinéraire, la prise en charge et la géolocalisation (en cas d’absence de résultat) sont plus importants que la simple durée de la conversation.
L’IA spatiale multi-sites détermine quelle succursale éligible répond aux besoins du client, et non pas simplement quelle est la plus proche.
Pourquoi l’IA spatiale pour les entreprises multi-sites constitue-t-elle un problème d’architecture spécifique?
Une seule boutique en ligne peut souvent afficher une seule épingle, un seul horaire d'ouverture et une seule action. Une entreprise possédant des dizaines, voire des milliers de succursales, a un objectif différent: le client connaît déjà la marque et cherche à savoir quelle succursale peut l'aider immédiatement. La réponse dépend des capacités de la succursale, de son état opérationnel en temps réel, de ses horaires d'ouverture, de sa zone de desserte, de sa proximité et des règles commerciales, et non pas uniquement de l'affichage des marqueurs.
Kaleidr présente actuellement sa plateforme autour des parcours clients, reliant données commerciales, informations de géolocalisation et systèmes existants. Elle décrit également une base de connaissances commerciales géolocalisées pour les réponses de l'IA (AI-Powered Map Experiences for Business). La page AI Map Chat for Customer Discovery décrit l'intégration de la recherche et des recommandations aux cartes déjà exploitées par la plateforme, notamment pour le commerce de détail. Ces pages font autorité quant au positionnement de Kaleidr. Elles ne prouvent cependant pas que Kaleidr exploite un système natif de gestion des stocks, de CRM, de flux d'horaires ou d'annuaire de franchises.
L'article sur la localisation de magasins décrit l'outil de recherche destiné aux clients: liste, carte, filtres et messagerie instantanée via un annuaire. L'article sur les achats aborde la gestion des références et des stocks dans un magasin spécifique. Le présent guide décrit l'architecture d'entreprise relative à ces parcours: identifiants canoniques, critères d'éligibilité, classement et analyses géolocalisées sur l'ensemble du réseau. Il est important de bien distinguer ces trois problématiques dans le produit, même si une carte affiche les mêmes points de vente.
Quel enregistrement d'emplacement canonique chaque point de vente doit-il conserver?
Une marque peut représenter une seule organisation. Ses établissements ne constituent pas une seule fiche. Chaque succursale peut différer par ses coordonnées, son adresse, ses horaires d'ouverture, ses services, son stock, les compétences de son personnel, son accessibilité, sa zone de desserte, son statut opérationnel et ses prochaines actions. Les systèmes d'annuaires publics prennent déjà en compte cette distinction: Google recommande actuellement aux entreprises de ne pas créer plus d'une page de profil par établissement, de veiller à la cohérence des noms et des catégories entre les établissements et de distinguer les points de vente physiques des entreprises de services (Guidelines for representing your business on Google, 2026). Pour les chaînes suffisamment importantes pour gérer les profils en masse, Google documente les procédures d'ajout, de vérification et de gestion en masse pour les entreprises possédant 10 établissements ou plus (Bulk location management overview, 2026). Ces pages d'aide décrivent le contrat d'annuaire public de Google. Elles ne constituent pas un schéma de localisation Kaleidr.
Schema.org définit actuellement LocalBusiness comme un établissement physique ou une succursale d'une organisation (LocalBusiness, 2026). branchCode est un code court identifiant un point de vente de manière unique; ce code est généralement attribué par l'organisation mère (branchCode, 2026). parentOrganization désigne l'organisation à laquelle appartient une succursale (parentOrganization, 2026). Google Search Central recommande aux éditeurs de définir chaque établissement local comme un type LocalBusiness, d'utiliser le sous-type le plus précis possible et de fournir name et address comme propriétés obligatoires (Google Search Central, 2026). Ces types illustrent l'identité sous forme de données structurées, et ils sont à jour dans Schema.org version 30.0 (Schema.org Releases, 2026). Ce vocabulaire n'est pas utilisé dans le schéma du catalogue Kaleidr, et les données structurées pour la recherche publique ne remplacent pas les conditions d'éligibilité internes pour le retrait, la réservation ou l'accès spécifique au compte.
L'identité de localisation stable permet aux cartes, à l'IA, aux opérations et à l'analyse de communiquer sur la même succursale dans les flux de travail d'IA spatiale.
La liste exacte des champs est spécifique au produit. Le contrat principal est un locationId unique et stable couvrant le site web, la carte, l'IA spatiale, l'inventaire, l'analyse, le CRM, la réservation et le support, avec un ID d'organisation parent à côté et non en remplacement. Ne pas utiliser l'adresse comme identifiant. Ne pas regrouper toutes les succursales sous une seule marque sous prétexte que le logo est partagé. Les données organisationnelles telles que le nom de la marque et les marques de paiement peuvent être héritées. Les données de localisation telles que les coordonnées, les horaires et le numéro de téléphone local doivent rester propres à chaque succursale. Un troisième niveau, l'état opérationnel, contient l'inventaire, la capacité et les fermetures temporaires avec un updatedAt explicite, car le stock de la veille n'est pas un critère de classement.
Pourquoi la succursale la plus proche ne suffit-elle généralement pas ?
Une carte de proximité indique les agences situées autour d'un repère. Un service multi-agences indique quelle agence peut répondre à la demande du client dans le temps imparti. Cette distinction est importante car l'agence la plus proche peut être fermée, en rupture de stock, hors zone de desserte, ne pas proposer le service requis ou ne pas correspondre à un arrêt déjà prévu sur le trajet. Une agence plus éloignée peut être la seule ouverte, autorisée et accessible avant le prochain rendez-vous.
La proximité est une fonctionnalité de recherche. La recommandation commence une fois les emplacements potentiels identifiés: le produit doit déterminer si le client peut se rendre en agence, effectuer sa tâche et atteindre son prochain arrêt. L’article sur l’expérience client mentionné ci-dessus décrit le même processus Découvrir → Comparer → Agir. Découvrir permet de récupérer les agences disponibles. Comparer permet de vérifier les horaires, les stocks et le temps de trajet. Agir consiste à fournir un itinéraire, à retirer l’article, à réserver ou à effectuer une prise en charge. Classer une agence fermée ou vide simplement parce qu’elle est plus proche de quelques centaines de mètres inverse l’ordre de classement.
Les agences inutilisables sont d’abord filtrées; ensuite, l’IA spatiale classe les agences pouvant effectivement répondre à la demande.
Comment filtrer les emplacements selon l'éligibilité avant le classement?
Les contraintes strictes sont binaires et relèvent de la responsabilité des responsables des emplacements, des stocks et des itinéraires avant le classement. Un emplacement fermé, des horaires inconnus alors que le produit nécessite des horaires connus, une rupture de stock pour la variante demandée, un emplacement hors zone de service, un service requis manquant ou une autorisation manquante doivent éliminer le candidat. Les préférences souples, telles que le voisinage, le niveau de fidélité ou une distance légèrement plus courte à parcourir, permettent ensuite de classer les emplacements valides restants. Un magasin phare fermé ne doit pas être prioritaire du seul fait de sa notoriété.
Le modèle de langage peut transformer une requête telle que « Trouver cet article en stock à un endroit sur mon chemin du retour » en champs inspectables: origine, destination, article, exigence d'ouverture, mode de retrait ou de visite, et limite de déplacement. Ces champs correspondent à des requêtes adressées aux systèmes qui possèdent déjà les informations, et non à des valeurs inventées. La structure de chaque exemple est illustrative. L'important est que le langage vague devienne un état que le client peut corriger sans recommencer la conversation.
La comparaison suivante est illustrative et ne représente pas un résultat mesuré de Kaleidr ou d'un détaillant. Utilisez-la uniquement pour montrer pourquoi les options nécessitent les mêmes colonnes. Les produits réels devraient renseigner ces colonnes à partir des heures d'ouverture actuelles, des stocks et des réponses d'itinéraire. La requête concerne un article spécifique en stock, un retrait aujourd'hui et une limite de déplacement de 20 minutes depuis le lieu de travail.
| Candidat | Ouvert maintenant | Stock | Trajet domicile-travail | Retrait en magasin |
|---|---|---|---|---|
| Succursale A | Non | En stock | 6 min | Non |
| Succursale B | Oui | Rupture de stock | 9 min | Oui |
| Succursale C | Oui | En stock | 12 min | Oui |
| Succursale D | Oui | En stock | 24 min | Oui |
La succursale A est la plus proche, mais elle est fermée et inutilisable. La succursale B est ouverte et à proximité, mais elle ne peut pas fournir l'article. La succursale C est légèrement plus éloignée, dispose de stock, est ouverte et rentre dans le budget de déplacement; elle est donc recommandée. La succursale D reste disponible, mais plus lente. L’éligibilité est un critère de sélection. Le classement établit un ordre parmi les succursales retenues. L’explication justifie la sélection finale.
Comment le temps de trajet et le contexte de l’itinéraire doivent-ils influencer le classement des succursales?
Une recommandation n'est utile que si le client peut se rendre en agence et accomplir sa tâche. La proximité en ligne droite n'est pas un critère suffisant. Deux magasins peuvent se situer à une distance similaire du lieu de travail, tandis que l'un est à douze minutes en voiture et l'autre à vingt-quatre minutes d'un détour à travers la ville. Le classement doit prendre en compte la distance entre le point de départ et l'agence, les heures d'ouverture restantes et, si le client a indiqué une prochaine étape, la distance entre l'agence et cette destination, comme critère de faisabilité.
La découverte le long d'un itinéraire et la découverte multi-points d'ancrage sont identiques, mais ont une origine différente. Pour trouver le magasin sur le chemin du retour, il faut connaître l'itinéraire complet, et non seulement le rayon autour du lieu de travail. Pour trouver la clinique accessible entre le bureau et le point de retrait, il faut connaître les deux points d'ancrage. Il est inutile de demander au modèle de langage d'inventer les minutes restantes après que le client a déjà spécifié la contrainte. Place Ranking API traite du classement des emplacements encore éligibles, y compris lorsque le prochain arrêt se trouve déjà sur le trajet.
Les entreprises de zone de desserte ont besoin d'une vérification de couverture, et non d'un tri par point de vente le plus proche. Les mêmes directives relatives aux profils Google Business distinguent les entreprises visitées par les clients de celles qui se déplacent chez eux, et autorisent un profil par site avec personnel lorsque les zones de service et le personnel sont distincts. L'IA spatiale propriétaire doit toujours vérifier si l'origine ou la destination du client se situe dans un polygone de couverture autorisé, et si l'équipe peut arriver dans le créneau horaire promis. Un repère dans la ville voisine peut être géographiquement proche, mais hors zone.
Comment Kaleidr s’intègre-t-il à une architecture multi-sites ?
Une implémentation de Kaleidr permet d’ajouter une couche spatiale conversationnelle à la carte et au système de géolocalisation déjà utilisés par l'hôte. Kaleidr décrit actuellement Chat comme un produit qui se superpose à une carte déjà affichée par l'hôte, affiche les lieux localisés et cadre la caméra pendant la conversation, avec détection automatique pour Mapbox, MapLibre, Google Maps et Leaflet (Chat attach). Le contrat d'intégration confirme l'existence d'une conversation prenant en compte la cartographie dans l'interface développeur publique actuelle. La documentation ne mentionne cependant pas de catalogue d'inventaire natif, de moteur de réservation ni de flux d'horaires.
Ces systèmes doivent rester des dépendances de déploiement explicites. Kaleidr peut fournir la couche spatiale conversationnelle et la coordination cartographique, tandis que le déploiement utilise les sources de localisation, d'inventaire et de routage faisant autorité. N'insinuez pas que Kaleidr est l'opérateur du magasin ou le registre des stocks, sauf si une intégration spécifique est documentée pour le déploiement. How to Add AI Chat to Mapbox, Google Maps, and MapLibre couvre les étapes de connexion spécifiques au moteur de rendu. La page Location Intelligence APIs and Map SDK décrit actuellement les SDK, le classement et les analyses pour les produits spatiaux. Considérez la documentation développeur actuelle comme le contrat d'intégration; les pages marketing décrivent le cas d'utilisation, et non la liste des flux d'inventaire.
Une clé publiable est destinée à l'utilisation du SDK du navigateur; les identifiants du serveur relèvent de la couche application. Kaleidr documente actuellement cette distinction et indique qu'une clé publiable présentée comme un jeton porteur est rejetée (Auth & scopes). L'inventaire privé, l'éligibilité spécifique au compte, les emplacements non publiés et les dossiers clients doivent être gérés par le serveur. Private Location Data for AI Map Workflows couvre l'autorisation de déplacement et les données professionnelles que l'hôte ne divulgue pas publiquement. La localisation de l'appareil est une autorisation distincte et ne devrait pas être requise lorsque le travail, le domicile, un rendez-vous réservé ou un point de carte sélectionné constituent déjà une origine plus appropriée.
L'état partagé de la carte centralise les conversations, les fiches et l'agence sur un seul identifiant de localisation canonique. La sélection d'une agence doit mettre en évidence le lieu, afficher les itinéraires et respecter les contraintes. La recherche d'un lieu plus proche doit conserver les mêmes informations (article, horaires et règles de retrait). La recherche d'agences acceptant les retours doit recalculer l'éligibilité plutôt que de créer un nouveau réseau. Une seconde liste, invisible et réservée à l'assistant, contrevient à ce principe.
Comment les opérations doivent-elles mesurer la recherche et la couverture des lieux?
Les déplacements de carte et les ouvertures de chat sont des indicateurs de diagnostic. Les métriques de résultats incluent les requêtes lancées, les résultats pertinents affichés, la sélection du lieu, l'ouverture d'un itinéraire, le retrait ou la réservation, et le transfert de la réservation. Les métriques de qualité incluent le taux d'absence de résultat, le taux d'horaires obsolètes, le taux de stock inconnu et les erreurs de calcul de trajet. Les métriques commerciales dépendent de l'hôte: retrait effectué, visite réservée, réduction des trajets erronés ou diminution des appels au support client commençant par la question de la disponibilité du produit en magasin. Il est recommandé de conserver une explication structurée en cas d'absence de résultat, telle que « fermé », « rupture de stock », « hors zone », « trop loin », « horaires inconnus » ou « accès non autorisé », plutôt qu'un simple indicateur d'erreur.
La géolocalisation de la recherche doit rester distincte de la géolocalisation de l'appareil. Un client situé dans une ville peut rechercher des succursales dans une autre. Par défaut, la demande doit être attribuée au lieu de la recherche et non à la localisation de l'appareil. Map Engagement and Location Analytics documente actuellement l'engagement sur les cartes et les lieux, la comparaison des lieux, les tendances spatiales et l'activité sur lesquels les équipes produit, inventaire et croissance peuvent agir. Les systèmes hôtes conservent la gestion des stocks et des réservations. Une entreprise multi-sites peut utiliser ce modèle pour déterminer quels codes postaux génèrent des recherches de produits en stock sans succursale disponible, quelles tranches horaires de déplacement entraînent une perte de clients et quels marchés présentent une demande sans couverture. Ces questions sont d'ordre géographique et non liées aux pages vues. Spatial Analytics vs. Web Analytics explique pourquoi les pages vues seules ne suffisent pas à y répondre.
L'IA spatiale multi-sites prend toute sa valeur lorsque la recherche client met en évidence les zones où la couverture, les stocks et les données des agences nécessitent des améliorations.
Les noms d'événements hôtes suggérés dans cet article sont des recommandations éditoriales et non des noms d'événements automatiques documentés dans Kaleidr Analytics. Il convient d'enregistrer l'intention, le résultat d'éligibilité, l'ID de l'agence sélectionnée et l'action hôte qui suit. La durée de la conversation n'est pas un indicateur de succès pour la recherche multi-sites. Les performances de localisation doivent également être contextualisées: une agence peu active dans une zone à faible demande ne présente pas le même problème qu'une agence peu active dans une zone à forte demande qui ne renvoie actuellement aucun résultat éligible.
Comment démarrer un projet pilote multi-sites?
Commencez par une tâche à forte valeur ajoutée, comme recommander un point de retrait avec magasin disponible sur le trajet domicile-travail dans une même agglomération. Conservez le répertoire des points de retrait, les horaires et les stocks dans les systèmes qui les gèrent déjà. Intégrez une interaction cartographique conversationnelle à la carte existante. Limitez les résultats aux succursales autorisées, exigez que le magasin soit ouvert et en stock, calculez le trajet depuis le point de départ indiqué et mesurez la sélection ainsi que l'action du vendeur qui suit. N'étendez les catégories, les villes et les franchises qu'une fois la première étape validée.
La découverte conversationnelle ne remplace pas la qualité du catalogue, la mise à jour des horaires ni la rigueur de l'exécution des commandes. Les temps de trajet restent des estimations. La fiabilité des données de stock dépend de la source d'inventaire sous-jacente. L'ajout d'un assistant à une carte existante est généralement moins coûteux que le remplacement du moteur de rendu, mais l'hébergeur reste responsable des autorisations, des contrats fournisseurs et des actions commerciales ultérieures. Déployez la fonctionnalité par marché plutôt que pour tous les points de vente simultanément et considérez les données manquantes comme des informations inconnues plutôt que comme un refus.
Explore Kaleidr Spatial AI pour ajouter la recherche conversationnelle de localisation sur une carte existante. Explore Kaleidr Enterprise pour intégrer les SDK et le classement à votre infrastructure existante. Explore Kaleidr Analytics pour mesurer l'engagement sur le lieu et la demande géographique liée à ce parcours. Vérifiez les pages publiques actuelles avant d'utiliser un exemple de cet article comme engagement fonctionnel de production.
FAQ
Qu'est-ce que l'IA spatiale pour les entreprises multi-sites?
L'IA spatiale pour les entreprises multi-sites combine l'intention du client, les fiches de succursales de référence, les horaires d'ouverture, les stocks ou la disponibilité, la zone de desserte, le temps de trajet et les règles métier afin qu'un produit puisse recommander une succursale capable de répondre à la demande. L'IA spatiale interprète et explique la demande; les systèmes de géolocalisation et de commerce restent la source des informations factuelles.
En quoi est-ce différent d'un localisateur de magasins?
Un localisateur de magasins aide un client à trouver et à consulter les succursales dans un répertoire. L'IA spatiale multi-sites ajoute des critères d'éligibilité et de classement selon l'état opérationnel afin que le produit puisse indiquer quelle succursale peut aider immédiatement, et pas seulement où se trouvent les points de repère.
Chaque établissement commercial doit-il avoir un identifiant unique?
Oui. Les directives relatives aux listes publiques et Schema.org considèrent toutes deux une agence comme un lieu distinct. La recherche propriétaire, la cartographie, l'IA et l'analyse nécessitent le même identifiant stable afin d'éviter toute dérive vers des enregistrements différents.
L'inventaire doit-il être inclus dans l'enregistrement de l'établissement?
Conservez l'identité et la géographie dans l'enregistrement de l'établissement. Gérez les stocks en temps réel, la capacité et les fermetures temporaires dans une couche opérationnelle indexée par le même identifiant d'établissement, avec un horodatage précis.
Pourquoi filtrer avant le classement?
Classer un établissement inutilisable par le client gaspille la liste restreinte. Les agences fermées, en rupture de stock, hors zone ou non autorisées doivent être retirées de la liste avant le calcul du temps de trajet ou des scores de préférence.
L'agence la plus proche est-elle toujours la meilleure?
Non. L'agence la plus proche peut être fermée, vide ou hors itinéraire. Classez les agences restantes éligibles en fonction du contexte commercial et des conditions de trajet vérifiables.
Kaleidr est-il compatible avec un système de localisation de magasins ou une carte des succursales existants?
Oui. La documentation publique actuelle sur les applications de chat décrit comment intégrer une conversation à une carte déjà affichée par l'hôte, notamment Mapbox, MapLibre, Google Maps et Leaflet. L'hôte conserve la propriété du catalogue de points de vente et de l'action commerciale suivante.
Kaleidr remplace-t-il notre système de gestion des stocks, de réservation ou de CRM?
Non. Les pages publiques actuelles de Kaleidr décrivent la recherche de cartes conversationnelles, les SDK, le classement et les analyses. La gestion des stocks, des prix, des réservations et du CRM reste dans les systèmes de l'hôte ou du fournisseur, sauf si une intégration spécifique est documentée.
Comment les entreprises multi-sites doivent-elles mesurer l'IA spatiale?
Sélection du point de vente, itinéraires, retrait et transfert à l'hôte, ainsi que les raisons de l'absence de résultat et l'adéquation entre l'offre et la demande. Le volume de conversations à lui seul est un indicateur de succès insuffisant.
Références
- Kaleidr. AI-Powered Map Experiences for Business. Accessed 11 September 2026. https://kaleidr.com/
- Kaleidr. AI Map Chat for Customer Discovery. Accessed 11 September 2026. https://kaleidr.com/ai
- Kaleidr. Map Engagement and Location Analytics. Accessed 11 September 2026. https://kaleidr.com/analytics
- Kaleidr. Location Intelligence APIs and Map SDK. Accessed 11 September 2026. https://kaleidr.com/enterprise
- Kaleidr. Chat attach. Developer documentation. Accessed 11 September 2026. https://docs.kaleidr.com/sdk/chat-attach
- Kaleidr. Auth & scopes. Developer documentation. Accessed 11 September 2026. https://docs.kaleidr.com/platform-api/auth-and-scopes
- Google Business Profile Help. Guidelines for representing your business on Google. Accessed 11 September 2026. https://support.google.com/business/answer/3038177
- Google Business Profile Help. Bulk location management overview. Accessed 11 September 2026. https://support.google.com/business/answer/3217744?hl=en
- Schema.org. LocalBusiness. Version 30.0. Accessed 11 September 2026. https://schema.org/LocalBusiness
- Schema.org. branchCode. Version 30.0. Accessed 11 September 2026. https://schema.org/branchCode
- Schema.org. parentOrganization. Version 30.0. Accessed 11 September 2026. https://schema.org/parentOrganization
- Google Search Central. Local business (LocalBusiness) structured data. Last updated 8 September 2026. Accessed 11 September 2026. https://developers.google.com/search/docs/appearance/structured-data/local-business
- Schema.org. Releases. Version 30.0, 19 March 2026. Accessed 11 September 2026. https://schema.org/docs/releases.html
@misc{kaleidr_home_multiloc_2026_09_11,
title = {AI-Powered Map Experiences for Business},
author = {{Kaleidr}},
note = {Accessed 11 September 2026},
url = {https://kaleidr.com/}
}
@misc{kaleidr_ai_multiloc_2026_09_11,
title = {AI Map Chat for Customer Discovery},
author = {{Kaleidr}},
note = {Accessed 11 September 2026},
url = {https://kaleidr.com/ai}
}
@misc{kaleidr_analytics_multiloc_2026_09_11,
title = {Map Engagement and Location Analytics},
author = {{Kaleidr}},
note = {Accessed 11 September 2026},
url = {https://kaleidr.com/analytics}
}
@misc{kaleidr_enterprise_multiloc_2026_09_11,
title = {Location Intelligence APIs and Map SDK},
author = {{Kaleidr}},
note = {Accessed 11 September 2026},
url = {https://kaleidr.com/enterprise}
}
@misc{kaleidr_chat_attach_multiloc_2026_09_11,
title = {Chat attach},
author = {{Kaleidr}},
note = {Developer documentation; accessed 11 September 2026},
url = {https://docs.kaleidr.com/sdk/chat-attach}
}
@misc{kaleidr_auth_scopes_multiloc_2026_09_11,
title = {Auth \& scopes},
author = {{Kaleidr}},
note = {Developer documentation; accessed 11 September 2026},
url = {https://docs.kaleidr.com/platform-api/auth-and-scopes}
}
@misc{gbp_representation_multiloc_2026_09_11,
title = {Guidelines for representing your business on Google},
author = {{Google Business Profile Help}},
note = {Accessed 11 September 2026},
url = {https://support.google.com/business/answer/3038177}
}
@misc{gbp_bulk_locations_multiloc_2026_09_11,
title = {Bulk location management overview},
author = {{Google Business Profile Help}},
note = {Accessed 11 September 2026},
url = {https://support.google.com/business/answer/3217744?hl=en}
}
@misc{schema_localbusiness_multiloc_2026_09_11,
title = {LocalBusiness},
author = {{Schema.org}},
note = {Version 30.0; accessed 11 September 2026},
url = {https://schema.org/LocalBusiness}
}
@misc{schema_branchcode_multiloc_2026_09_11,
title = {branchCode},
author = {{Schema.org}},
note = {Version 30.0; accessed 11 September 2026},
url = {https://schema.org/branchCode}
}
@misc{schema_parentorg_multiloc_2026_09_11,
title = {parentOrganization},
author = {{Schema.org}},
note = {Version 30.0; accessed 11 September 2026},
url = {https://schema.org/parentOrganization}
}
@misc{google_localbusiness_sd_multiloc_2026_09_11,
title = {Local business (LocalBusiness) structured data},
author = {{Google Search Central}},
note = {Last updated 8 September 2026; accessed 11 September 2026},
url = {https://developers.google.com/search/docs/appearance/structured-data/local-business}
}
@misc{schema_releases_multiloc_2026_09_11,
title = {Releases},
author = {{Schema.org}},
note = {Version 30.0, 19 March 2026; accessed 11 September 2026},
url = {https://schema.org/docs/releases.html}
}