איך לבנות רשימת לידים שמביאה תשובות (תהליך עבודה ל-2026)

지난주에 저희 영업팀 동료 한 명이 데이터 공급업체에서 구매한 4,000명의 연락처가 들어 있는 스프레드시트를 보여줬습니다. 2주간 아웃리치를 돌린 뒤의 응답률은? 0.3%. bounce rate는? 12%가 넘었습니다. 그 리스트는 실제 돈을 들였지만, 돌아온 건 거의 없었습니다.

2026년의 대부분 리드 리스트는 시작하기도 전에 이미 죽어 있습니다. 2025년에 발송된 3,100만 통의 이메일을 바탕으로 한 Hunter's State of Email Outreach에 따르면, 콜드 이메일 시퀀스의 평균 응답률은 고작 4.5%입니다. 그리고 이건 평균치라는 뜻이니, 이보다 더 낮은 캠페인도 적지 않다는 얘기죠. 한편 Salesforce's 2026 State of Sales를 보면, 영업 담당자는 평균적으로 주당 실제 판매 업무에 겨우 40%만 쓰고, 나머지 60%는 행정, 리서치, 그리고 — 맞습니다 — 리드 찾기에 들어갑니다.

그래서 이미 시간을 들여 리스트를 만든다면, 정말 반응을 만들어내는 리스트여야 합니다. 이 가이드는 2026년 기준 전체 워크플로를 다룹니다. ICP 설정, LinkedIn 밖에서 리드 찾기, 제대로 된 템플릿 만들기, bounce rate가 발신자 평판을 망치지 않도록 데이터 검증하기, 발송 전 리드 스코어링, 그리고 시간이 지나도 리스트를 최신 상태로 유지하는 방법까지요. 또 예산 기준으로도 정리했기 때문에, 오늘 당장 0달러로 시작할 수 있습니다.

난이도: 초급
소요 시간: 첫 50~~100개 리드 기준 약 2~~3시간
준비물: Chrome 브라우저, Thunderbit extension, Google Sheets 또는 다른 스프레드시트, 그리고 작성해 둔 ICP

AI 기반 스크래핑으로 리드 리스트 만들기 Get Started Free

리드 리스트란 무엇이고, 왜 대부분의 리스트는 실패할까?

리드 리스트는 연락하고 싶은 잠재 고객, 즉 사람과 기업을 구조화해서 모아 둔 데이터 묶음입니다. 보통 개인 수준의 필드(이름, 직책, 이메일, 전화번호, LinkedIn URL)와 회사 수준의 필드(산업, 규모, 매출, 위치)를 포함하죠. 이것이 outbound 활동의 기본입니다.

대부분의 팀이 실수하는 지점은 리드 리스트와 단순한 연락처 덤프를 혼동한다는 겁니다. 좋은 리드 리스트는 왜 이 회사인지와 왜 지금 이 사람인지에 답합니다. 반면 무작위 공급업체에서 산 리스트는 보통 “아직 살아 있을지도 모르는 이메일 하나” 정도만 줍니다. 결과 차이는 압도적입니다.

리드 리스트는 더 큰 여정의 일부이기도 합니다. Lead는 시장에 맞을 가능성이 있는 사람, MQL은 어느 정도 적합성이나 반응을 보인 사람, SQL은 직접 후속 접촉이 가능한 상태의 사람, Opportunity는 실제로 진행 중인 딜입니다. 리드 리스트는 이 퍼널의 시작점이고, 시작점이 엉망이면 이후 단계도 다 흔들립니다.

리드 리스트가 망가지는 가장 흔한 이유는 다음과 같습니다.

오래된 데이터: ZeroBounce reports에 따르면 이메일 리스트의 최소 23%는 1년 안에 낡아집니다. 즉, 12개월마다 거의 4분의 1이 망가진다는 뜻입니다.
잘못된 연락처: info@나 sales@ 같은 일반 메일함만 있고, 실제 담당자 직통 연락처가 없습니다. “Staff”처럼 애매한 직책도 의사결정 권한을 전혀 보여주지 못합니다.
타깃 기준 부재: 양만 있고 전략은 없는 상태입니다. 한 포럼 사용자의 말처럼, “우리는 종종 볼륨과 품질을 헷갈린다.”
검증 없음: Validity's 2024 CRM data report에 따르면 CRM 관리자 24%가 자사 CRM 데이터의 절반도 정확하고 완전하지 않다고 답했고, 31%는 CRM 데이터 문제로 연 매출의 최소 20%를 잃는다고 말했습니다.
양이 질을 압도하는 사고방식: Hunter's data에 따르면 21~50명 규모의 타깃 캠페인은 평균 6.2% 응답률을 보이는 반면, 501명 이상 캠페인은 2.4%에 그칩니다. 작고 정확한 리스트가 크고 지저분한 리스트를 이깁니다.

리드 리스트 템플릿: 스프레드시트는 이렇게 생겨야 합니다

“리드 리스트를 어떻게 만들까”라는 글을 수십 개 읽어봤지만, 늘 답답했던 건 다들 “연락처, firmographics, lead score를 넣으세요”라고만 하고 실제로 시트가 어떻게 생겨야 하는지는 보여주지 않는다는 점이었습니다. 그래서 여기서 그 빠진 부분을 채워보겠습니다.

시작할 때 추천하는 컬럼

리드 리스트 스프레드시트에는 처음부터 아래 컬럼들이 있어야 합니다.

컬럼	무엇을 넣는지	좋은 예시	나쁜 예시
전체 이름	사람의 실제 이름	"Jordan Lee"	"Sales Team"
직책	현재의 정확한 직책	"VP of Sales"	"Staff"
회사	법인명 또는 상호명	"Acme Logistics"	"Acme?"
산업	표준화된 카테고리	"B2B SaaS"	"Tech-ish"
회사 규모	직원 수 범위	"51-200"	비어 있음
이메일	직접 연결되는 업무용 이메일	"jordan@acme.com," 검증됨	"info@acme.com"
전화번호	직통 또는 대표번호, 올바른 포맷	E.164 포맷	섞인 로컬 포맷
LinkedIn URL	프로필 또는 회사 페이지	전체 URL	검색 결과 링크
리드 출처	데이터가 어디서 왔는지	"G2 category page, May 2026"	"Internet"
의도 신호	왜 지금인지	"Hiring 3 SDRs," "new funding"	비어 있음
리드 점수	숫자 우선순위	규칙 기반 70/100	감으로 매김
마지막 접촉일	마지막으로 연락한 날짜	"2026-05-26"	"Recently"
메모	관련 맥락	"Uses Shopify Plus"	긴 비구조화 메모

익명화된 리드 리스트 예시

이런 식으로 10개 행 정도가 채워져 있어야 진짜 리스트입니다. 서로 다른 페르소나 예시를 보시죠.

전체 이름	직책	회사	산업	규모	이메일	출처	의도 신호	점수
Alex M.	VP Sales	Mid-market SaaS vendor	SaaS	201-500	direct verified	G2 category	Hiring AEs	78
Priya S.	Head of Ops	DTC apparel brand	Ecommerce	51-200	direct verified	Shopify showcase	Expanding fulfillment	72
Marcus T.	Founder	Local agency	Professional services	11-50	direct verified	Clutch	New reviews	66
Elena R.	Revenue Ops Manager	Cybersecurity startup	SaaS	51-200	catch-all flagged	Conference speakers	Series A	61
Ben C.	Owner	HVAC contractor	Local services	11-50	main office email	Google Business	High review volume	48
Mina K.	Director of Partnerships	Marketplace company	Ecommerce	201-500	direct verified	Event agenda	Sponsoring event	74
Diego P.	Real Estate Broker	Regional brokerage	Real estate	11-50	direct verified	Association directory	New office page	58
Sarah N.	Customer Support Lead	B2B software company	SaaS	51-200	role-based removed	Capterra	Low support reviews	44
Omar A.	IT Manager	Manufacturing firm	Manufacturing	501-1000	direct verified	Company team page	ERP migration mention	69
Lena W.	Growth Marketing Lead	Fintech startup	SaaS	51-200	direct verified	Product Hunt	New launch	71

각 컬럼이 의미하는 것과 “좋은 데이터”의 기준

몇몇 컬럼은 조금 더 설명이 필요합니다.

직책: "VP of Sales"는 그 사람이 예산 권한을 가졌을 가능성이 높다는 뜻입니다. "Staff"는 아무 의미가 없습니다. 의사결정 권한이나 영향력을 암시하는 구체적인 직책을 항상 노리세요.
이메일: 개인 업무 이메일(jordan@acme.com)은 금입니다. 역할 기반 이메일(sales@acme.com)은 콜드 아웃리치에선 거의 가치가 없습니다. 공용 메일함에 들어가서 아무도 제대로 보지 않을 가능성이 크니까요.
리드 출처: 대부분 건너뛰지만, 장기적으로는 가장 중요한 컬럼입니다. 모든 리드의 출처를 추적하면 어떤 채널이 실제로 답장을 만들어내는지, 단순히 시트만 채우는 게 아닌지 알 수 있습니다. "G2 category page, May 2026"는 유용한 데이터입니다. "Internet"은 아닙니다.
의도 신호: 이 컬럼은 “왜 지금인지”를 보여줍니다. 최근 Series A를 유치했거나, SDR 채용 공고를 3개 올렸거나, 신제품을 출시한 회사는 조용한 회사보다 훨씬 따뜻한 리드입니다. 의도 신호가 없다면 우선순위를 낮춰야 할 수 있습니다.

Thunderbit의 AI Suggest Fields로 템플릿 만들기

제가 Thunderbit에서 특히 좋다고 생각하는 점은, 어떤 컬럼을 만들어야 할지 추측할 필요가 없다는 겁니다. 디렉터리 페이지, 회사 팀 페이지, 컨퍼런스 연사 목록처럼 리드가 풍부한 페이지를 Thunderbit로 열고 **"AI Suggest Fields"**를 누르면, AI가 페이지를 읽고 자동으로 적절한 컬럼명과 데이터 타입을 제안합니다. 이름, 이메일, 직책, 회사 정보가 있으면 Thunderbit가 정확히 그에 맞는 컬럼을 제안해 줍니다.

이건 빈 스프레드시트를 보며 “도대체 어떤 필드를 모아야 하지?”라고 막막해하는 초보자에게 특히 유용합니다. Thunderbit는 실제 원본 페이지에 존재하는 데이터를 기준으로 그 질문에 답해 줍니다. 그다음 **"Scrape"**를 누르면 Google Sheets, Excel, Airtable, Notion으로 바로 내보낼 수 있습니다.

Thunderbit AI Suggest Fields 사용해 보기

리드 리스트를 만들기 전에 ICP를 어떻게 정의할까

제가 가장 많이 보는 실수, 그리고 저도 직접 했던 실수는 리스트를 만들기 전에 누가 들어와야 하는지 먼저 정의하지 않는 것입니다. 그러면 결국 이름은 가득한데, 왜 이 사람들이 제품에 관심을 가질지 전혀 모르는 스프레드시트만 남습니다.

ICP는 여러분의 제품을 가장 잘 구매하고, 가장 큰 가치를 얻고, 오래 함께할 가능성이 높은 회사와 사람의 모습입니다. 이건 단순한 페르소나 연습이 아니라, 타깃을 좁히는 필터입니다.

ICP 구성 요소

ICP 요소	질문	예시
산업	어떤 카테고리에서 이 문제가 생기나?	B2B SaaS, ecommerce, professional services
회사 규모	지금 당장 구매할 수 있는 규모는?	51-500명
지역	어디까지 판매하고 지원할 수 있나?	U.S., Canada, UK
매출 범위	어떤 매출 구간이 맞나?	$5M-$100M ARR
구매 역할	누가 문제와 예산을 쥐고 있나?	VP Sales, RevOps, Head of Ops
트리거	무엇이 지금을 급한 시점으로 만드나?	Hiring, funding, migration, poor reviews
페인 포인트	어떤 문제를 겪고 있나?	Manual list building, stale data, slow enrichment
제외 대상	누구를 리스트에서 빼야 하나?	Students, hobby businesses, competitors

실전 연습: 이미 잘 맞는 고객 5~~10명을 보세요. 공통점이 뭔가요? 산업? 규모? 계약을 체결한 사람의 직책? 공통 특징 3~~5개를 적어보세요. 그게 ICP 초안입니다.

Firmographics와 Demographics: 무엇이 더 중요할까?

Firmographics는 회사 수준 데이터입니다. 산업, 규모, 매출, 위치가 여기에 들어가죠. B2B 맥락에서 demographics는 개인 수준 데이터입니다. 직책, 시니어리티, 기능 역할, 부서가 포함됩니다. B2B 리드 리스트에서는 firmographics가 회사를 좁히고, demographics가 사람을 좁힙니다. 둘 다 필요합니다. 회사는 맞는데 사람을 잘못 고르면 무의미한 행이 됩니다. 사람은 맞는데 회사가 틀려도 마찬가지입니다.

한 가지 더 짚고 넘어가자면, Sopro's 2025 prospecting data는 1억 1,957만 개의 prospecting 터치포인트를 분석한 결과, 의사결정 단위에는 평균 약 4.14명의 이해관계자가 있다고 보여줍니다. 그래서 좋은 리드 리스트는 보통 타깃 계정당 한 명 이상의 연락처를 포함하지만, 너무 많아서 메일이 스팸처럼 보이면 안 됩니다.

LinkedIn 밖에서 리드 찾기: 웹사이트, 디렉터리, 소셜 미디어 활용하기

이 주제를 조사하면서 놀랐던 점 하나는, “리드 리스트를 만드는 방법” 상위 6개 글 중 5개가 LinkedIn Sales Navigator를 주요 리드 소스로만 언급한다는 사실이었습니다. Sales Navigator는 확실히 강력합니다. 하지만 가격도 비싸고(Core 기준 약 $99+/월), 실제 사용자들은 종종 내보내기 제한, 복잡한 UI, 스크래핑 문제를 불평합니다.

2026년의 현실은 리드가 LinkedIn에만 있지 않다는 겁니다. 회사 웹사이트, 업계 디렉터리, 이벤트 페이지, 리뷰 사이트, 심지어 소셜 프로필까지도 연락처 정보가 풍부한 원천입니다. 그리고 종종 유료 데이터베이스보다 더 최신이고 정확합니다.

리드 소스 비교

리드 소스	특히 잘 맞는 대상	방법	비용
회사 웹사이트 / About 페이지	B2B 니치, 로컬 서비스, 에이전시	팀/문의 페이지 방문, 이름·이메일·전화 추출	무료
전문 디렉터리(Clutch, G2, Yelp)	서비스형 리드, 세로형 생태계	카테고리/위치 필터, 목록 스크래핑	무료~저가
이벤트 참가자/연사 리스트	높은 의도 신호를 가진 B2B 전망 고객	컨퍼런스 아젠다, 스폰서 페이지, 웨비나 등록자	무료~유료 접근
리뷰 사이트(G2, Capterra, Google Business)	SaaS와 로컬 비즈니스	카테고리 탐색, 회사 연락처 추출	무료
소셜 미디어(Instagram, X)	B2C, 개인 브랜드, 로컬 비즈니스	공개 바이오, 비즈니스 페이지	무료
Google site: 연산자	롱테일 발굴, 타깃 연락 페이지	고급 검색 쿼리	무료
LinkedIn 기본 검색	일반적인 프로 서치	수동 검색, 공개 프로필	무료
LinkedIn Sales Navigator	성숙한 outbound 팀	고급 필터, 저장 리드, TeamLink	$99+/월

산업별로 유용한 디렉터리

산업	스캔해 볼 소스
SaaS	G2, Capterra, Product Hunt, SaaSworthy, AWS Marketplace, Chrome Web Store 카테고리
Ecommerce	Shopify 쇼케이스/스토어, BuiltWith 리스트, Klaviyo 파트너 디렉터리
부동산	Realtor 디렉터리, 중개사무소 페이지, 지역 MLS 공개 페이지, 상공회의소 페이지
전문 서비스	Clutch, DesignRush, UpCity, GoodFirms, 지역 협회/회계 디렉터리
로컬 비즈니스	Google Business 결과, Yelp, Yellow Pages, BBB, 지역 상공회의소 페이지
이벤트	스폰서/전시자 페이지, 연사 리스트, 아젠다 페이지, 웨비나 랜딩페이지

Google 고급 검색 연산자로 리드 찾기

이 방법은 무료인데도 놀랄 만큼 강력합니다. 몇 가지 예시를 보시죠.

site:clutch.co/agencies "B2B SaaS" "United States" — Clutch에서 카테고리와 지역이 필터링된 에이전시 리스트를 찾습니다.
site:company.com ("email" OR "contact") "VP Sales" — 특정 회사 사이트에서 VP Sales가 언급된 연락처 페이지를 찾습니다.
intitle:"sponsors" "SaaS" "2026" "conference" — 2026년 SaaS 컨퍼런스 스폰서 페이지를 찾습니다.
site:g2.com/categories "sales engagement" "mid-market" — G2에서 mid-market용 sales engagement 카테고리 페이지를 찾습니다.

Google's own Search help에는 따옴표와 site: 같은 연산자 문법이 정리돼 있으니, 거기서 직접 확인할 수 있습니다.

AI Web Scraper로 모든 사이트에서 연락처 추출하기

여기서 Thunderbit가 자연스럽게 들어갑니다. 위에서 말한 어떤 소스든 — Clutch 디렉터리, 회사 팀 페이지, 컨퍼런스 연사 명단 — 절차는 같습니다.

Thunderbit extension이 설치된 Chrome에서 페이지를 엽니다.
**"AI Suggest Fields"**를 누릅니다. Thunderbit AI가 페이지를 읽고 Name, Email, Phone, Title, Company 같은 컬럼을 제안합니다.
제안된 필드를 검토하고 필요하면 추가하거나 제거합니다.
**"Scrape"**를 누릅니다.
Google Sheets, Excel, Airtable, Notion으로 내보냅니다.

핵심 장점은 Thunderbit가 지저분하고 비표준적인 사이트에서도 잘 작동한다는 점입니다. 일반 템플릿이 못 맞추는 레이아웃도 AI가 페이지를 다시 읽고 구조에 맞춰 적응합니다. Thunderbit의 무료 Email Extractor and Phone Number Extractor는 어떤 페이지든 한 번 클릭으로 추출할 수 있고, 무료 플랜에서도 제한 없이 쓸 수 있습니다.

Subpage Scraping으로 리드 리스트를 더 풍부하게 만들기

제가 자주 쓰는 방법이 하나 있습니다. 먼저 Clutch 같은 디렉터리 리스트 페이지를 스크래핑한 뒤, Thunderbit의 Subpage Scraping으로 각 회사 페이지에 들어가 이메일, 전화번호, 직원 수, 기술 스택, 설명 같은 추가 정보를 더 가져오는 겁니다.

이렇게 하면 단순한 디렉터리 리스트가 바로 리서치 가능한, 풍부한 리드 리스트로 바뀝니다. 수동 클릭 없이 “회사 50개 이름”이 “연락처 이메일, 팀 규모, 설명이 포함된 회사 50개”로 바뀌는 셈이죠. web scraping without coding에 대해 더 알고 싶다면, 저희가 자세히 다뤄 둔 자료가 있습니다.

2026년식으로 리드 리스트를 단계별로 만드는 방법

아래는 기술팀이 아닌 영업 또는 운영 담당자도 오늘 바로 사용할 수 있도록 정리한 완전한 워크플로입니다.

1단계: ICP를 정확히 정의하기

아무 도구나 열기 전에, ICP 기준을 먼저 적으세요. 위의 ICP 섹션으로 돌아가서 산업, 회사 규모, 지역, 구매 역할, 트리거, 제외 조건을 정리합니다. 15~30분이면 되고, 쓸데없는 스크래핑 시간을 몇 시간이나 줄여 줍니다.

2단계: 리드 소스 고르기

ICP와 예산에 따라 위 비교표에서 2~3개의 리드 소스를 고릅니다. 제 추천은 무료 소스부터 시작하는 겁니다. SaaS를 타깃한다면 G2 카테고리 페이지와 회사 팀 페이지를 써 보세요. 로컬 비즈니스를 노린다면 Google Business 결과와 Yelp부터 시작하세요. 유료 데이터베이스는 무료 소스를 충분히 써 본 뒤에 추가해도 늦지 않습니다.

3단계: AI 스크래핑 또는 수동 검색으로 리드 추출하기

소스별 추출 방법은 이렇게 갑니다.

웹사이트와 디렉터리: Thunderbit의 AI web scraper를 사용하세요. 페이지를 열고, "AI Suggest Fields"를 누르고, 컬럼을 확인한 다음, "Scrape"를 누릅니다. 인기 있는 사이트들은 Thunderbit의 instant data scraper templates로 자동 필드 설정도 가능합니다.
LinkedIn: Sales Navigator 검색과 내보내기를 사용하거나, Thunderbit으로 scraping public LinkedIn profiles을 할 수 있습니다.
Google: 고급 검색 연산자를 돌린 뒤, 결과 페이지를 스크래핑하거나 실제 페이지로 들어갑니다.

내보내기 옵션은 Google Sheets, Excel, Airtable, Notion, CSV, JSON입니다.

4단계: 데이터 검증과 정리

이 단계는 선택이 아닙니다. 아래에서 전체 검증 워크플로를 더 자세히 보겠지만, 요약하면 역할 기반 이메일 제거, 중복 제거, 검증 툴 실행, catch-all 도메인 표시, 그리고 캠페인 직전 재검증입니다.

5단계: 리드 스코어링과 우선순위 정하기

아래에서 설명할 간단한 스코어링 모델을 아웃리치 전에 적용하세요. 그러면 시트 상단에 있는 순서가 아니라, 실제로 가치가 높은 리드부터 먼저 연락할 수 있습니다.

6단계: CRM 또는 아웃리치 툴로 내보내기

정리하고 점수화한 리스트를 HubSpot, Salesforce, Pipedrive 같은 CRM이나 lemlist, Mailshake, Apollo 같은 아웃리치 플랫폼으로 옮기세요. Thunderbit는 Sheets, Airtable, Notion으로 바로 내보낼 수 있고, 이런 툴들은 기본 통합이나 Zapier로 CRM과 연결할 수 있습니다.

7단계: 아웃리치를 실행하고 결과를 측정하기

수집한 데이터에 맞춰 메시지를 맞춤화하세요. 상대 산업을 언급하고, “SDR 채용 중이신 걸 봤습니다”처럼 의도 신호를 반영하고, 페인 포인트에 맞는 가치를 제시하세요. 응답률, bounce, 전환율을 추적하고, 그 결과를 다음 ICP와 스코어링 모델에 다시 반영하세요.

예산부터 생각하기: 0달러에서 Enterprise까지 리드 리스트 만들기

초기 창업자나 작은 영업팀이 가장 자주 묻는 질문은 이겁니다. “비싼 툴 안 쓰고도 리드 리스트를 만들 수 있나?” 충분히 합리적인 질문입니다. ZoomInfo 계약은 연 수만 달러부터 시작하고, Sales Navigator는 월 $99+입니다. Apollo와 Lusha는 무료 버전이 있지만, 좋은 기능은 유료 벽 뒤에 묶어 둡니다.

정직한 답은: 무료로도 꽤 멀리 갈 수 있지만, 규모를 키우려면 조금은 투자해야 한다는 겁니다. 레벨별로 보면 더 이해하기 쉽습니다.

레벨	비용	방법	도구
무료 ($0)	$0	Google 연산자, 수동 LinkedIn, 회사 웹사이트, Thunderbit 무료 플랜(6페이지 + 무료 이메일/전화 추출)	Thunderbit Free, Google, LinkedIn basic
저비용 (<$50/월)	$0-50	AI 대량 스크래핑, 기본 enrichment, 이메일 검증	Thunderbit Starter/Pro, Hunter Starter ($34/mo), Bouncer/NeverBounce PAYG
중간 ($50-200/월)	$50-200	Sales Navigator, 더 풍부한 필터, CRM 연동	Sales Navigator Core (~$99/mo), Apollo paid, Lusha
Enterprise ($200+/월)	$200+	의도 데이터, enrichment suite, 컴플라이언스 워크플로	ZoomInfo(견적), Cognism(견적), Clearbit

가격은 2026년 5월 기준입니다. 구매 전 최신 가격을 확인하세요.

무료로 어디까지 가능한가, 그리고 한계는 어디인가

Thunderbit 무료 플랜(월 6페이지 AI scraping), 무료 Email Extractor와 Phone Number Extractor(무제한, 원클릭), Google 고급 검색, 그리고 기본 LinkedIn 검색만으로도, 1인 창업자는 반나절 만에 50~100개 리드 리스트를 실제로 만들 수 있습니다. 저희 팀에서도 그렇게 하는 사람들을 봤습니다.

한계가 오는 지점은 분명합니다. 페이지 수 같은 볼륨 한계, 의도 데이터나 기술 스택 같은 깊이 있는 정보 부족, 그리고 대량 이메일 검증의 제약입니다. 그 단계가 오면 저비용 플랜으로 넘어가는 게 자연스럽습니다. Thunderbit's paid plans은 subpage scraping, bulk scraping, pagination, scheduled scrapers를 열어 줍니다.

bounce rate 줄이기: 실제로 작동하는 데이터 검증 프로세스

포럼에서 구매한 리스트로 거의 70% bounce rate를 겪었다는 사용자 글을 본 적이 있습니다. 이건 단순한 시간 낭비가 아니라 정말 위험합니다. bounce rate가 높으면 발신자 평판이 망가지고, 그러면 “좋은” 이메일조차 스팸함으로 들어가기 시작합니다.

lemlist's benchmarks에 따르면 건강한 bounce rate는 2% 미만이고, 1% 미만이면 아주 좋습니다. Mailshake's 2025 survey에서는 거의 절반의 발신자가 2~5% 수준을 보고했고, 15%는 6%를 넘었습니다. 5%를 넘으면 평판에 문제가 있다고 봐야 합니다.

제가 권하는 검증 순서는 다음과 같습니다.

역할 기반 이메일 제거: info@, sales@, support@, admin@ 같은 주소는 지우세요. 콜드 아웃리치에서 공용 메일함을 일부러 노리는 경우는 드뭅니다.
형식 오류 제거: 중복, 오타, 빠진 도메인, 죽은 도메인을 정리하세요. 스프레드시트에서 간단한 정렬과 필터만 해도 대부분 잡힙니다.
이메일 검증 도구 실행: Hunter, ZeroBounce, NeverBounce, Bouncer, Kickbox를 사용하세요. 이런 도구는 실제로 메일 서버에 확인 요청을 보내면서, 메일을 보내지 않고도 해당 박스가 존재하는지 검사합니다.
catch-all 도메인 표시 또는 제거: ZeroBounce reports에 따르면 catch-all 주소는 특히 위험합니다. 서버 수준에서는 메일을 받지만, 특정 박스가 정말 존재하는지는 확인되지 않기 때문입니다. 개별 박스를 확정 검증할 수 없다면, 해당 레코드를 표시해 두고 덜 신뢰할 대상으로 취급하세요.
캠페인 전에 다시 검증: 데이터는 빨리 낡습니다. 리스트가 30~90일 된 상태라면 발송 직전에 다시 검증하세요.
처음엔 소량 발송: 첫 50~100통에서 bounce와 complaint rate를 확인하세요. 품질이 유지될 때만 발송량을 늘리면 됩니다.

리드 출처가 데이터 품질에 영향을 주는 이유

모든 리드 데이터가 같은 품질인 건 아닙니다. 회사의 공개 팀 페이지에서 가져온 이메일, 즉 해당 사람이 일부러 공개한 연락처는 대개 오래된 집계 데이터베이스보다 훨씬 정확하고 최신입니다.

이게 제가 정적 데이터베이스만 믿기보다 살아 있는 공개 페이지를 스크래핑하는 방식을 선호하는 이유입니다. Thunderbit는 매번 실제 웹사이트를 다시 읽기 때문에, 추출되는 이메일과 전화번호가 최신 상태일 가능성이 높습니다. Phone Number Extractor는 번호 형식을 E.164 표준으로 정리해 주어서, 나중에 CRM에 넣을 때 포맷 오류도 줄여 줍니다.

물론 새 소스에서 스크래핑한다고 해서 검증이 사라지는 건 아닙니다. 다만 시작점이 훨씬 깨끗해진다는 뜻입니다.

캠페인 전 체크리스트

전송 버튼을 누르기 전에 아래를 확인하세요.

모든 이메일이 최근 30일 내에 검증되었는가
발송 리스트에 역할 기반 이메일(info@, sales@)이 없는가
중복이 없는가
마지막 캠페인의 bounce rate를 확인했는가
opt-out/unsubscribe 기능이 있고 작동하는가
suppression list가 동기화되어 있는가

만들고 끝이 아니라, 점수화하기: 작은 팀을 위한 단순한 Lead Scoring

대부분의 가이드는 “리드를 우선순위화하세요”라고 말하고는, 정작 어떻게 하는지는 설명하지 않습니다.

혼자 일하는 창업자나 3명짜리 영업팀이라면 Salesforce Einstein이나 예측 스코어링 엔진이 필요하지 않습니다. 스프레드시트의 투명한 수식 하나면 충분합니다.

스코어링 프레임워크

신호	점수	예시
ICP 산업과 일치	+20	SaaS, mid-market
회사 규모 적합	+10	51-500명
의사결정 역할	+15	VP Sales, Head of Ops
분명한 의도 신호	+15	Hiring, funding, tool migration
이메일 검증됨	+10	검증 통과
직접적인 출처 품질	+10	회사 페이지, 이벤트 연사 페이지
콘텐츠 참여	+10	가이드 다운로드, 웨비나 참여
catch-all / 미검증 이메일	-10	위험한 검증 상태
역할 기반 이메일	-10	info@, sales@
일반적 직책	-5	"Staff"

실제 예시

Lead A: 120명 규모 SaaS 회사의 VP Sales, SDR 채용 중, 이메일 검증 완료, 출처는 회사 채용/팀 페이지.
점수: 20(산업) + 10(규모) + 15(직책) + 15(의도) + 10(검증) + 10(출처) = 80 → 이번 주 우선 연락 대상.

Lead B: 5명짜리 취미성 비즈니스의 “Staff”, 역할 기반 이메일, 의도 신호 없음.
점수: 0 + 0 + 0 + 0 + 0 - 10(역할 기반) - 5(일반 직책) = -15 → 건너뛰거나 제거.

이건 Google Sheets에서 아주 간단한 수식으로 만들 수 있습니다. 예를 들면:

=IF(D2="SaaS",20,0)+IF(AND(E2>=51,E2<=500),10,0)+IF(REGEXMATCH(B2,"VP|Head|Director|Founder"),15,0)+IF(J2<>"",15,0)+IF(K2="Verified",10,IF(K2="Catch-all",-10,0))

Salesforce가 꼭 필요한 건 아닙니다.

스크래핑 중 AI로 리드를 태깅하고 점수화하기

Thunderbit 팀이 만든 기능 중 정말 유용한 것 하나는 Field AI Prompts입니다. 스크래핑을 설정할 때 각 컬럼에 프롬프트를 넣을 수 있습니다. 예를 들어: "Classify this lead's seniority as Decision-Maker, Influencer, or Individual Contributor based on the job title and page context."

Thunderbit는 추출 후가 아니라 추출하는 순간 데이터를 태깅합니다. 그래서 Sheets로 내보내면 시니어리티, 회사 유형, 산업 태그가 이미 채워져 있고, 곧바로 스코어링 수식에 넣을 수 있습니다. 수동 태깅 단계가 사라지니 스코어링이 훨씬 덜 귀찮아집니다.

또한 Subpage Scraping을 써서 기본 리스트를 더 풍부하게 만들 수도 있습니다. 먼저 디렉터리를 스크래핑한 뒤, 각 회사 페이지로 들어가 직원 수, 채용 상태, tech stack 같은 정보를 추가로 가져오면 이 데이터들이 스코어링 모델에 바로 들어갑니다.

점수를 다시 매겨야 하는 시점

리드 스코어는 한 번 매기고 끝내는 게 아닙니다. 매달, 또는 중요한 캠페인 뒤마다 다시 봐야 합니다. 리드가 긍정적으로 응답하면 그건 더 이상 차가운 리드가 아니라 진행 중인 대화입니다. 이메일이 반송되면 점수를 낮춰야 합니다. 반년 전 채용하던 회사가 최근 구조조정을 했다면, 의도 신호도 바뀐 겁니다.

리드 리스트를 최신 상태로 유지하는 법: 자동화와 유지관리

리드 리스트는 한 번 만들고 끝나는 프로젝트가 아닙니다.

아까도 말했듯이 이메일 리스트의 23%는 매년 낡습니다. 담당자는 이직하고, 회사는 방향을 바꾸고, 이메일은 사라집니다. 5월에 완벽한 리스트를 만들고 10월까지 손대지 않으면, 상당 부분은 이미 죽어 있습니다.

유지관리 주기

작업	주기	이유
이메일 검증	캠페인 전마다, 최소 월 1회	hard bounce 방지
중복 제거	활동적인 prospecting 중 매주	중복 발송 방지
의도 신호 갱신	매월	채용/투자/리뷰는 빠르게 바뀜
회사 firmographics 업데이트	분기별 또는 반기별	규모, 매출, tech stack 변화 반영
suppression list 동기화	매일 또는 실시간	opt-out 존중, 불만 감소
소스 성과 검토	매월	어떤 채널이 답장을 만드는지 파악

지속적인 리드 생성을 위한 Scheduled Scrape 설정하기

여기서 Thunderbit의 Scheduled Scraper가 유용합니다. 디렉터리를 매달 수동으로 다시 방문할 필요 없이 반복 스크래핑을 설정할 수 있습니다. 방법은 간단합니다. 자연어로 주기를 적습니다(예: "every Monday at 8am"), URL을 넣고, "Schedule"을 누릅니다. Thunderbit AI가 이 문장을 일정으로 바꿔 자동으로 스크래핑을 실행하고, 새 결과를 연결된 Google Sheet나 Airtable로 내보냅니다.

잘 맞는 사용 사례는 이런 것들입니다.

영업팀이 매달 Clutch 카테고리 페이지를 다시 스크래핑해 새로 진입한 에이전시를 찾는다.
ecommerce 운영팀이 경쟁사 디렉터리를 매주 추적해 신제품 출시를 감지한다.
SaaS 창업자가 매달 outbound 전에 G2 카테고리 페이지를 새로 스캔해 최근 추가된 회사를 찾는다.

Thunderbit의 클라우드 모드는 한 번에 최대 50페이지까지 스크래핑할 수 있습니다. 그래서 큰 디렉터리도 빠르게 업데이트됩니다. 설정 방법은 AI lead generation 가이드를 참고하세요.

짧은 컴플라이언스와 데이터 프라이버시 참고

핵심 주제는 아니지만, 아주 중요하니 짧게 짚고 넘어가겠습니다.

CAN-SPAM (미국): B2B를 포함한 모든 상업 이메일에 적용됩니다. FTC says 각 위반 이메일마다 최대 $53,088의 벌금이 가능하다고 합니다. 요구사항은 정확한 헤더, 오해 없는 제목, 유효한 우편 주소, 명확한 opt-out, 그리고 10영업일 이내 opt-out 반영입니다.
GDPR (EU/UK): 이름이 들어간 업무용 이메일 주소도 개인정보로 볼 수 있습니다. ICO says B2B 마케팅은 신원을 숨겨서는 안 되고, 유효한 opt-out을 포함해야 하며, 반대 의사를 존중해야 합니다.
CCPA/CPRA (캘리포니아): 고지, 목적 제한, 데이터 최소화, 소비자 권리를 강조합니다. 최신 세부사항은 California Privacy Protection Agency FAQ를 확인하세요.
Google과 Yahoo 발신자 규칙: Google requires 대량 발신자가 스팸 비율을 0.30% 미만으로 유지하고, SPF/DKIM/DMARC 인증을 적용하며, 원클릭 unsubscribe를 지원할 것을 요구합니다. Yahoo enforces similar rules도 있습니다.

결론은 간단합니다. 공개된 데이터만 스크래핑하고, 허가 없는 로그인 벽은 피하고, 항상 opt-out을 제공하고, suppression list를 관리하고, 현지 법적 요구사항을 확인하세요. Thunderbit는 공개 웹페이지를 스크래핑할 뿐이며, 그 데이터를 어떻게 쓰는지는 사용자 책임입니다.

마무리와 핵심 정리

2026년의 리드 리스트 구축은 더 많은 이름을 모으는 일이 아닙니다. 더 작고, 더 신선하고, 더 검증되어 있고, 출처가 명확하며, 실제로 답장을 받는 리스트를 만드는 일입니다.

전체 워크플로를 정리하면 이렇습니다.

ICP를 먼저 정의한 뒤 어떤 도구도 건드리세요.
2~3개의 리드 소스를 고르되, 유료 데이터베이스보다 먼저 무료 소스(디렉터리, 회사 페이지, Google 연산자)를 써 보세요.
AI 스크래핑으로 리드를 추출하세요. Thunderbit의 두 번 클릭 워크플로는 거의 모든 공개 페이지에서 잘 작동합니다.
제대로 된 템플릿을 만들고 출처, 의도 신호, 스코어링 컬럼을 포함하세요.
검증하고 정리하세요. 역할 기반 이메일을 지우고, 중복을 제거하고, 검증을 돌리고, catch-all을 표시하세요.
점수화하고 우선순위를 정하세요. 감이 아니라 투명한 시트 수식을 쓰세요.
CRM/outreach 툴로 내보내기 후, 수집한 데이터에 맞게 개인화하세요.
결과를 추적하세요. bounce, 응답, 전환을 리드 출처별로 보세요.
지속적으로 갱신하세요. 캠페인 전 재검증하고, 가치 높은 소스는 정기적으로 다시 스크래핑하세요.

데이터도 이걸 뒷받침합니다. tighter segments outperform broad blasts는 응답률에서 거의 3배 가까이 더 좋습니다. 오래된 5,000명 리스트보다 검증된 200명 리스트가 거의 항상 이깁니다.

첫 리스트를 만들 준비가 되셨나요? Thunderbit's free tier는 월 6페이지의 AI scraping, 무제한 무료 이메일 및 전화번호 추출, Google Sheets 또는 Excel로의 내보내기를 제공합니다. 오늘 오후에 첫 50~100개 리드를 만드는 데 충분합니다.

리드 리스트를 위한 AI Web Scraper 사용해 보기 Get Started Free

자주 묻는 질문

첫 리드 리스트에는 몇 개의 리드가 있어야 하나요?

수천 개의 관련 없는 연락처보다, 50~~100개의 정확하고 잘 검증된 리드부터 시작하세요. Hunter 데이터에 따르면 21~~50명 규모처럼 작고 정밀한 캠페인은 평균 6.2%의 응답률을 기록해, 501명 이상 캠페인보다 거의 3배 높습니다. 품질은 복리처럼 쌓이고, 양은 오히려 희석시킵니다.

리드 리스트를 사는 게 나을까요, 직접 만드는 게 나을까요?

거의 항상 직접 만드는 편이 낫습니다. 구매한 리스트는 오래된 데이터, spam trap, 불투명한 출처, 컴플라이언스 리스크가 더 큽니다. AI 스크래핑과 수동 리서치로 직접 만드는 리스트는 공개 웹페이지에서 바로 가져오기 때문에 더 신선하고 관련성이 높습니다. 그래도 구매해야 한다면, 수집 날짜, 검증 날짜, 동의 기반, 갱신 주기를 꼭 확인하세요.

무료로 리드 리스트를 만드는 가장 좋은 방법은 무엇인가요?

Google의 고급 검색 연산자(site:, intitle:, exact-match 쿼리)와 Thunderbit 무료 플랜 — 월 6페이지의 AI scraping과 무제한 무료 이메일/전화 추출 — 그리고 기본 LinkedIn 검색을 조합하세요. 이 조합이면 돈 한 푼 들이지 않고도 회사 페이지, 디렉터리, 이벤트 리스트, 전문 프로필을 커버할 수 있습니다.

리드 리스트는 얼마나 자주 업데이트해야 하나요?

특히 리스트가 30일 이상 됐다면, 캠페인 전마다 이메일을 다시 검증하세요. 적어도 분기마다 한 번은 전체 리프레시 — 소스 재스크래핑, firmographics 업데이트, 죽은 리드 제거 — 를 하세요. ZeroBounce에 따르면 이메일 리스트의 최소 23%는 1년 안에 낡기 때문에, “한 번 만들고 잊기”는 bounce 증가의 지름길입니다.

콜드 아웃리치에서 좋은 응답률은 어느 정도인가요?

2025~~2026 기준으로 보면, 긍정적인 응답률 3~~5%는 괜찮고, 5~8%는 강한 편이며, 8% 이상은 아주 좋다고 볼 수 있습니다. 가장 큰 변수는 리스트 품질입니다. 타깃 적합성, 검증, 개인화가 핵심입니다. 검증된 이메일, 명확한 의도 신호, 맞춤 메시지를 갖춘 잘 만든 리스트는, 일반적인 연락처와 평범한 문구로 채운 더 큰 리스트를 꾸준히 이깁니다.

더 읽을거리

חילוץ נתונים באמצעות AI

העבירו נתונים בקלות ל-Google Sheets, Airtable או Notion

Chrome Store Rating

PRODUCT HUNT#1 Product of the Week