Minggu lalu, salah satu anggota tim sales kami menunjukkan spreadsheet berisi 4.000 kontak yang mereka beli dari penyedia data. Tingkat balasan setelah dua minggu outreach? 0,3%. Tingkat bounce? Lebih dari 12%. Daftar itu menghabiskan uang beneran dan hampir tidak menghasilkan apa-apa.
Sebagian besar lead list di 2026 sudah mati bahkan sebelum dipakai. Hunter's State of Email Outreach, berdasarkan 31 juta email yang dikirim pada 2025, melaporkan rata-rata reply rate email cold outreach cuma 4,5% — dan itu angka rata-rata, artinya banyak kampanye jauh di bawah itu. Sementara itu, Salesforce's 2026 State of Sales menyebutkan bahwa penjual rata-rata hanya menghabiskan 40% minggu kerjanya untuk benar-benar menjual; 60% sisanya habis untuk administrasi, riset, dan — ya, Anda sudah menebaknya — prospecting.
Jadi kalau Anda mau menghabiskan waktu membangun list, pastikan list itu memang bisa menghasilkan balasan. Panduan ini membahas workflow lengkap 2026: menentukan ICP, mencari lead di luar LinkedIn, membuat template yang rapi, memverifikasi data supaya bounce rate tidak merusak reputasi pengirim, memberi skor lead sebelum mengirim, dan menjaga data tetap fresh dari waktu ke waktu. Saya juga membaginya berdasarkan anggaran, jadi Anda bisa mulai dari $0 hari ini.
- Tingkat Kesulitan: Pemula
- Waktu yang Dibutuhkan: ~2-3 jam untuk 50-100 lead pertama
- Yang Anda Butuhkan: Browser Chrome, ekstensi Thunderbit, Google Sheet atau spreadsheet, dan ICP yang sudah dituliskan
Bangun lead list dengan AI scraping Get Started Free
Apa Itu Lead List (dan Mengapa Kebanyakan List Gagal)?
Lead list adalah kumpulan data terstruktur tentang calon pembeli — orang dan perusahaan yang ingin Anda hubungi. Biasanya isinya mencakup data level individu seperti nama, jabatan, email, nomor telepon, URL LinkedIn, dan data level perusahaan seperti industri, ukuran, pendapatan, serta lokasi. Ini adalah fondasi dari semua aktivitas outbound sales.
Kesalahan umum banyak tim: mereka menyamakan lead list dengan tumpukan kontak mentah. Lead list yang berguna menjawab kenapa perusahaan ini dan kenapa orang ini, sekarang. Sementara list yang dibeli dari vendor acak sering kali cuma menjawab, “ini alamat email yang mungkin masih aktif atau mungkin sudah tidak.” Bedanya jauh banget.
Lead list juga merupakan bagian dari lifecycle yang lebih luas. Lead adalah seseorang yang mungkin cocok dengan pasar Anda. MQL (marketing qualified lead) sudah menunjukkan kecocokan atau engagement tertentu. SQL (sales qualified lead) siap ditindaklanjuti langsung oleh sales. Opportunity adalah deal yang sedang berjalan. Lead list Anda berada di bagian paling atas funnel ini — dan kalau bagian atasnya penuh sampah, semuanya di bawah ikut kena dampaknya.
Alasan paling umum lead list gagal:
- Data usang: ZeroBounce reports menyebutkan bahwa setidaknya 23% email list akan membusuk dalam satu tahun. Artinya hampir seperempat kontak Anda tidak valid lagi setiap 12 bulan.
- Kontak yang salah: Email berbasis peran seperti info@ atau sales@, bukan kontak langsung. Jabatan samar seperti "Staff" tidak memberi petunjuk apa pun soal otoritas pengambilan keputusan.
- Tanpa kriteria targeting: Volume disamarkan sebagai strategi. Seperti kata salah satu pengguna forum, "Sering kali, kita mencampuradukkan volume dengan kualitas."
- Tidak ada verifikasi: Validity's 2024 CRM data report menemukan bahwa 24% admin CRM mengatakan kurang dari separuh data CRM mereka akurat dan lengkap, dan 31% mengatakan data CRM yang buruk menghabiskan setidaknya 20% pendapatan tahunan.
- Pola pikir mengutamakan kuantitas: Data Hunter menunjukkan bahwa kampanye yang menargetkan 21-50 penerima rata-rata punya reply rate 6,2%, sedangkan kampanye dengan 501+ penerima rata-rata cuma 2,4%. Yang kecil dan presisi mengalahkan yang besar tapi berantakan.
Template Lead List: Seharusnya Spreadsheet Anda Seperti Apa
Saya sudah meninjau puluhan panduan "cara membangun lead list", dan ada satu hal yang selalu bikin saya terganggu: semuanya bilang "masukkan info kontak, firmographics, dan lead score" — tapi tidak ada yang benar-benar menunjukkan bentuk spreadsheet-nya. Jadi, inilah artefak yang selama ini hilang.
Kolom Dasar yang Direkomendasikan
Spreadsheet lead list Anda sebaiknya punya kolom berikut sejak hari pertama:
| Kolom | Isi Kolom | Data yang Bagus | Data yang Buruk |
|---|---|---|---|
| Nama Lengkap | Nama asli orangnya | "Jordan Lee" | "Sales Team" |
| Jabatan | Peran saat ini yang spesifik | "VP of Sales" | "Staff" |
| Perusahaan | Nama legal atau nama dagang | "Acme Logistics" | "Acme?" |
| Industri | Kategori yang terstandarisasi | "B2B SaaS" | "Tech-ish" |
| Ukuran Perusahaan | Rentang jumlah karyawan | "51-200" | Kosong |
| Email bisnis langsung | "jordan@acme.com," terverifikasi | "info@acme.com" | |
| Telepon | Nomor langsung atau utama, sudah diformat | Format E.164 | Format lokal campuran |
| URL LinkedIn | Profil atau halaman perusahaan | URL lengkap | URL hasil pencarian |
| Sumber Lead | Dari mana data ini berasal | "G2 category page, May 2026" | "Internet" |
| Intent Signal | Alasan kenapa sekarang | "Hiring 3 SDRs," "new funding" | Kosong |
| Lead Score | Prioritas numerik | 70/100 dengan aturan | Sekadar feeling |
| Terakhir Dihubungi | Tanggal outreach | "2026-05-26" | "Recently" |
| Catatan | Konteks relevan | "Uses Shopify Plus" | Tumpukan catatan tanpa struktur |
Contoh Lead List Sederhana (Disamarkan)
Berikut contoh list yang sudah terisi — 10 baris yang mencakup berbagai persona:
| Nama Lengkap | Jabatan | Perusahaan | Industri | Ukuran | Sumber | Intent Signal | Skor | |
|---|---|---|---|---|---|---|---|---|
| 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 |
Arti Tiap Kolom dan Seperti Apa Data yang Bagus
Beberapa kolom layak dijelaskan lebih dalam:
- Jabatan: "VP of Sales" memberi tahu Anda bahwa orang ini punya otoritas anggaran. "Staff" tidak memberi tahu apa-apa. Selalu targetkan jabatan spesifik yang menunjukkan kekuatan atau pengaruh dalam pengambilan keputusan.
- Email: Email bisnis personal (jordan@acme.com) itu emas. Alamat berbasis peran (sales@acme.com) hampir tidak berguna untuk cold outreach — karena masuk ke inbox bersama yang sering tidak dipantau.
- Sumber Lead: Ini kolom yang paling sering dilewati, padahal justru paling penting untuk jangka panjang. Melacak asal setiap lead memberi tahu Anda channel mana yang menghasilkan balasan, bukan sekadar baris data. "G2 category page, May 2026" itu berguna. "Internet" tidak.
- Intent Signal: Ini kolom "kenapa sekarang". Perusahaan yang baru saja dapat Series A, pasang tiga lowongan SDR, atau meluncurkan produk baru biasanya jauh lebih panas dibanding perusahaan yang diam-diam saja. Kalau Anda tidak menemukan sinyal intent, lead itu mungkin tidak layak diprioritaskan.
Bagaimana Thunderbit AI Suggest Fields Membuat Template untuk Anda
Salah satu hal yang paling saya banggakan dari Thunderbit: Anda tidak perlu nebak kolom apa yang harus dibuat. Saat Anda membuka Thunderbit di halaman mana pun yang kaya prospek — misalnya listing direktori, halaman tim perusahaan, atau daftar pembicara konferensi — lalu klik "AI Suggest Fields," AI akan membaca halaman tersebut dan otomatis membuat nama kolom serta tipe data yang tepat. Kalau halaman itu berisi nama, email, jabatan, dan info perusahaan, Thunderbit akan menyarankan kolom-kolom itu dengan akurat.
Ini sangat membantu buat pemula yang melihat spreadsheet kosong lalu mikir, "Sebenarnya field apa yang harus saya ambil?" Thunderbit menjawab pertanyaan itu berdasarkan data nyata yang tersedia di halaman sumber. Setelah itu, Anda klik "Scrape," lalu ekspor langsung ke Google Sheets, Excel, Airtable, atau Notion.
Coba Thunderbit AI Suggest Fields
Cara Menentukan Ideal Customer Profile (ICP) Sebelum Membangun Lead List
Kesalahan terbesar yang sering saya lihat — dan saya sendiri pernah melakukannya — adalah membangun list sebelum menentukan siapa yang layak masuk ke dalamnya. Hasilnya adalah spreadsheet penuh nama tanpa kejelasan kenapa mereka harus peduli pada produk Anda.
ICP adalah deskripsi perusahaan dan orang yang paling mungkin membeli dari Anda, mendapat nilai dari produk Anda, dan tetap bertahan. Ini bukan latihan bikin persona; ini adalah filter targeting.
Komponen ICP
| Item ICP | Pertanyaan | Contoh |
|---|---|---|
| Industri | Kategori mana yang punya masalah ini? | B2B SaaS, ecommerce, professional services |
| Ukuran Perusahaan | Rentang mana yang sudah bisa membeli sekarang? | 51-500 karyawan |
| Geografi | Di mana kita bisa menjual dan memberi dukungan dengan baik? | U.S., Kanada, UK |
| Rentang Pendapatan | Rentang revenue mana yang cocok? | $5M-$100M ARR |
| Jabatan Pembeli | Siapa yang memegang masalah/anggaran? | VP Sales, RevOps, Head of Ops |
| Trigger | Apa yang bikin waktunya jadi mendesak? | Hiring, funding, migration, poor reviews |
| Pain Point | Masalah apa yang mereka rasakan? | Pembuatan list manual, data usang, enrichment lambat |
| Disqualifier | Siapa yang harus dikeluarkan? | Mahasiswa, bisnis hobi, kompetitor |
Latihan praktis: Lihat 5-10 pelanggan terbaik Anda yang sekarang. Apa kesamaan mereka? Industrinya? Ukurannya? Jabatan orang yang menandatangani kontrak? Tuliskan 3-5 karakteristik yang sama. Itulah draft ICP Anda.
Firmographics vs. Demographics: Mana yang Lebih Penting?
Firmographics adalah data level perusahaan: industri, ukuran, pendapatan, lokasi. Demographics (dalam konteks B2B) adalah data level orang: jabatan, senioritas, fungsi, departemen. Untuk lead list B2B, firmographics membantu mempersempit perusahaan dan demographics membantu mempersempit orangnya. Anda butuh keduanya. Perusahaan yang sempurna tapi kontaknya salah adalah baris yang sia-sia. Kontak yang tepat di perusahaan yang salah juga sama tidak bergunanya.
Ada satu hal lagi yang penting: Sopro's 2025 prospecting data, yang menganalisis 119,57 juta touchpoint prospecting, menemukan rata-rata unit pengambil keputusan ada di sekitar 4,14 stakeholder. Jadi lead list yang bagus sering kali mencakup lebih dari satu kontak per akun target — tapi tidak terlalu banyak sampai outreach Anda terlihat seperti spam.
Di Luar LinkedIn: Di Mana Menemukan Lead di Website, Direktori, dan Media Sosial
Salah satu gap konten yang cukup mengejutkan saya saat meneliti topik ini: 5 dari 6 artikel peringkat teratas tentang "cara membangun lead list" mengarahkan pembaca ke LinkedIn Sales Navigator sebagai sumber lead utama. Tentu saja, Sales Navigator memang powerful. Tapi harganya juga mahal (sekitar $99+/bulan untuk Core), dan pengguna nyata sering mengeluhkan keterbatasan ekspor, tampilan yang penuh sesak, dan susahnya scraping.
Realitas 2026: lead ada di mana-mana — bukan cuma di LinkedIn. Website perusahaan, direktori industri, halaman event, situs review, bahkan profil media sosial adalah sumber data kontak yang kaya, dan sering kali lebih fresh serta lebih spesifik daripada database berbayar.
Perbandingan Sumber Lead
| Sumber Lead | Paling Cocok Untuk | Metode | Biaya |
|---|---|---|---|
| Website perusahaan / halaman About | Niche B2B, layanan lokal, agensi | Kunjungi halaman tim/kontak, ambil nama/email/telepon | Gratis |
| Direktori industri (Clutch, G2, Yelp) | Lead berbasis layanan, ekosistem vertikal | Filter berdasarkan kategori/lokasi, scrape listing | Gratis hingga rendah |
| Daftar peserta/pembicara event | Prospek B2B dengan intensi tinggi | Agenda konferensi, halaman sponsor, pendaftar webinar | Gratis hingga akses event berbayar |
| Situs review (G2, Capterra, Google Business) | SaaS dan bisnis lokal | Telusuri kategori, ambil kontak perusahaan | Gratis |
| Media sosial (Instagram, X) | B2C, personal brand, bisnis lokal | Bio publik, halaman bisnis | Gratis |
| Google site: operators | Discovery long-tail, halaman kontak yang ditargetkan | Query pencarian lanjutan | Gratis |
| LinkedIn (basic) | Pencarian profesional | Pencarian manual, profil publik | Gratis |
| LinkedIn Sales Navigator | Tim outbound yang sudah matang | Filter lanjutan, saved leads, TeamLink | $99+/bulan |
Direktori yang Berguna Berdasarkan Vertikal
| Vertikal | Sumber yang Layak Discrape |
|---|---|
| SaaS | G2, Capterra, Product Hunt, SaaSworthy, AWS Marketplace, kategori Chrome Web Store |
| Ecommerce | Toko/showcase Shopify, daftar BuiltWith, direktori partner Klaviyo |
| Real estate | Direktori Realtor, halaman kantor brokerage, halaman publik MLS lokal, direktori chamber |
| Professional services | Clutch, DesignRush, UpCity, GoodFirms, direktori lokal hukum/akuntansi |
| Bisnis lokal | Hasil Google Business, Yelp, Yellow Pages, BBB, halaman chamber lokal |
| Event | Halaman sponsor/exhibitor, daftar pembicara, halaman agenda, landing page webinar |
Google Advanced Search Operators untuk Menemukan Lead
Ini gratis dan ternyata sangat powerful. Beberapa contoh:
site:clutch.co/agencies "B2B SaaS" "United States"— menemukan listing agensi di Clutch yang difilter berdasarkan kategori dan lokasisite:company.com ("email" OR "contact") "VP Sales"— menemukan halaman kontak di situs perusahaan tertentu yang menyebut VP Salesintitle:"sponsors" "SaaS" "2026" "conference"— menemukan halaman sponsor konferensi untuk event SaaS tahun 2026site:g2.com/categories "sales engagement" "mid-market"— menemukan halaman kategori G2 untuk tools sales engagement mid-market
Google's own Search help mendokumentasikan tanda kutip exact-match dan operator seperti site:, jadi Anda bisa memverifikasi sintaksnya di sana.
Cara Scrape Kontak dari Website Apa Pun dengan AI Web Scraper
Di sinilah Thunderbit masuk secara natural ke workflow. Untuk semua sumber di atas — direktori Clutch, halaman tim perusahaan, daftar pembicara konferensi — prosesnya sama:
- Buka halaman di Chrome dengan ekstensi Thunderbit yang sudah terpasang.
- Klik "AI Suggest Fields." AI Thunderbit membaca halaman dan menyarankan kolom seperti Name, Email, Phone, Title, Company.
- Tinjau field yang disarankan, lalu tambahkan atau hapus sesuai kebutuhan.
- Klik "Scrape."
- Ekspor ke Google Sheets, Excel, Airtable, atau Notion.
Keunggulan utamanya: Thunderbit bekerja pada situs yang berantakan dan tidak terstandardisasi, tempat scraper template biasa tidak akan cocok dengan layout-nya. AI membaca tiap halaman dari awal, lalu menyesuaikan diri dengan struktur apa pun yang ditemuinya. Free Email Extractor and Phone Number Extractor dari Thunderbit memberi ekstraksi 1 klik dari halaman apa pun — tanpa batas di free tier.
Menggunakan Subpage Scraping untuk Memperkaya Lead List
Workflow yang sering saya pakai: scrape dulu halaman daftar direktori (misalnya daftar perusahaan di Clutch), lalu gunakan Subpage Scraping Thunderbit untuk mengunjungi halaman individual tiap perusahaan dan mengambil data tambahan — email, nomor telepon, headcount, tech stack, deskripsi.
Ini mengubah daftar direktori dasar jadi lead list yang lebih kaya dan siap riset tanpa klik manual. Anda berubah dari "ini 50 nama perusahaan" menjadi "ini 50 perusahaan dengan email kontak, ukuran tim, dan deskripsi" dalam satu proses otomatis. Kalau Anda ingin belajar lebih lanjut tentang web scraping tanpa coding, kami sudah membahasnya secara mendalam.
Cara Membangun Lead List Langkah demi Langkah (Workflow 2026)
Di bawah ini adalah workflow lengkap, disusun untuk orang sales atau ops non-teknis yang ingin membangun lead list beneran hari ini.
Langkah 1: Tetapkan ICP dengan Jelas
Sebelum membuka alat apa pun, tuliskan kriteria ICP Anda (lihat lagi bagian ICP di atas). Industri, ukuran perusahaan, geografi, jabatan pembeli, trigger, dan disqualifier. Ini cuma butuh 15-30 menit dan bisa menghemat berjam-jam scraping yang sia-sia.
Langkah 2: Pilih Sumber Lead Anda
Berdasarkan ICP dan anggaran, pilih 2-3 sumber lead dari tabel perbandingan. Rekomendasi saya: mulai dari sumber gratis dulu. Jika target Anda perusahaan SaaS, coba halaman kategori G2 dan halaman tim perusahaan. Jika target Anda bisnis lokal, mulai dari hasil Google Business dan Yelp. Tambahkan sumber berbayar seperti Sales Navigator hanya setelah yang gratis benar-benar habis.
Langkah 3: Ekstrak Lead dengan AI Scraping atau Pencarian Manual
Untuk tiap sumber, berikut metode ekstraksinya:
- Website dan direktori: Gunakan AI web scraper Thunderbit. Buka halaman, klik "AI Suggest Fields," cek kolomnya, klik "Scrape." Untuk situs populer, Thunderbit punya template instant data scraper yang langsung mengonfigurasi field.
- LinkedIn: Gunakan pencarian dan ekspor Sales Navigator, atau Thunderbit untuk scraping profil LinkedIn publik.
- Google: Jalankan operator pencarian lanjutan, lalu scrape halaman hasilnya atau buka halaman individualnya.
Opsi ekspor: Google Sheets, Excel, Airtable, Notion, CSV, JSON.
Langkah 4: Verifikasi dan Bersihkan Data Anda
Langkah ini tidak opsional. Saya akan membahas workflow verifikasi lengkap di bagian khusus di bawah, tapi versi singkatnya: hapus email berbasis peran, deduplikasi, jalankan tool verifikasi, tandai domain catch-all, dan verifikasi ulang sebelum tiap campaign.
Langkah 5: Beri Skor dan Prioritaskan Lead Anda
Terapkan model scoring sederhana (dijelaskan di bawah) sebelum memulai outreach. Ini memastikan Anda menghubungi lead bernilai tertinggi terlebih dahulu, bukan sekadar baris yang kebetulan ada di bagian atas spreadsheet.
Langkah 6: Ekspor ke CRM atau Tool Outreach Anda
Pindahkan list yang sudah dibersihkan dan diberi skor ke CRM Anda (HubSpot, Salesforce, Pipedrive) atau platform outreach (lemlist, Mailshake, Apollo). Thunderbit mengekspor langsung ke Sheets, Airtable, dan Notion, yang bisa disinkronkan ke CRM lewat integrasi bawaan atau Zapier.
Langkah 7: Jalankan Outreach dan Lacak Hasil
Personalisasikan outreach berdasarkan data yang sudah Anda kumpulkan. Sebutkan industri prospek, referensikan intent signal mereka ("Saya lihat Anda sedang merekrut SDR"), dan sesuaikan value proposition dengan pain point mereka. Lacak reply rate, bounce, dan conversion — lalu masukkan data itu kembali ke ICP dan model scoring untuk putaran berikutnya.
Mulai dari Anggaran: Cara Membangun Lead List dari $0 hingga Enterprise
Pain point nomor satu yang sering saya dengar dari founder tahap awal dan tim sales kecil: "Bagaimana cara membangun lead list tanpa harus bayar tools mahal?" Itu pertanyaan yang wajar. Kontrak ZoomInfo biasanya mulai dari lima digit per tahun. Sales Navigator $99+/bulan. Apollo dan Lusha punya free tier, tapi fitur bagusnya dikunci di balik paywall.
Jawaban jujurnya: Anda bisa melangkah cukup jauh secara gratis. Tapi untuk scale, Anda perlu investasi. Berikut cara memikirkannya per level.
| Level | Biaya | Metode | Tools |
|---|---|---|---|
| Gratis ($0) | $0 | Google operators, LinkedIn manual, website perusahaan, Thunderbit free tier (6 halaman + free email/phone extractors) | Thunderbit Free, Google, LinkedIn basic |
| Rendah (<$50/bulan) | $0-50 | AI scraping skala kecil, enrichment dasar, verifikasi email | Thunderbit Starter/Pro, Hunter Starter ($34/bulan), Bouncer/NeverBounce PAYG |
| Menengah ($50-200/bulan) | $50-200 | Sales Navigator, filter yang lebih kaya, integrasi CRM | Sales Navigator Core (~$99/bulan), Apollo berbayar, Lusha |
| Enterprise ($200+/bulan) | $200+ | Intent data, enrichment suite, workflow compliance | ZoomInfo (berdasarkan penawaran), Cognism (berdasarkan penawaran), Clearbit |
Harga per Mei 2026 — cek tarif terbaru sebelum membeli.
Apa yang Bisa Anda Capai Secara Gratis (dan Batasnya di Mana)
Dengan free tier Thunderbit (6 halaman AI scraping per bulan), free Email Extractor dan Phone Number Extractor (tanpa batas, 1 klik), operator pencarian Google, dan pencarian LinkedIn dasar, seorang solo founder secara realistis bisa membangun list 50-100 lead dalam satu sore. Saya sudah lihat orang di tim kami melakukannya.
Batas yang akan Anda temui: volume (jumlah halaman per bulan di free tier), kedalaman enrichment (Anda tidak akan punya intent data atau tech stack tanpa tools berbayar), dan verifikasi email skala besar (tool verifikasi gratis biasanya membatasi volume kecil). Saat batas itu mulai terasa, itulah saat masuk akal untuk pindah ke tier rendah — paket berbayar Thunderbit membuka subpage scraping, bulk scraping, pagination, dan scheduled scrapers.
Cara Memperbaiki Bounce Rate: Workflow Verifikasi Data yang Bener-Bener Bekerja
Saya pernah melihat posting forum dari pengguna yang melaporkan bounce rate hampir 70% dari daftar yang dibeli. Itu bukan cuma pemborosan tenaga — itu juga berbahaya. Bounce rate tinggi merusak reputasi pengirim, yang berarti email bagus Anda sendiri mulai masuk spam.
Benchmark lemlist menyebut bounce rate yang sehat di bawah 2%, dan di bawah 1% itu sangat bagus. Survei Mailshake 2025 menemukan bahwa hampir separuh pengirim melaporkan bounce rate di kisaran 2-5%, sementara 15% melebihi 6%. Kalau Anda di atas 5%, reputasi pengirim Anda sedang bermasalah.
Workflow verifikasi yang saya rekomendasikan:
- Hapus email berbasis peran: Hapus alamat info@, sales@, support@, admin@ kecuali Anda memang sengaja menarget shared inbox (jarang untuk cold outreach).
- Hapus error format: Duplikasi, typo, domain hilang, domain mati. Sortir dan filter cepat di spreadsheet biasanya bisa menangkap sebagian besar masalah ini.
- Jalankan lewat tool verifikasi email: Hunter, ZeroBounce, NeverBounce, Bouncer, atau Kickbox. Tools ini melakukan ping ke mail server untuk mengecek apakah inbox ada tanpa mengirim email.
- Tandai atau hapus domain catch-all: ZeroBounce reports menyebutkan bahwa alamat catch-all adalah kategori berisiko tinggi — server akan menerima email tanpa membuktikan inbox spesifiknya ada. Kalau Anda tidak bisa memverifikasi inbox individual, tandai record itu dan anggap tingkat keyakinannya lebih rendah.
- Verifikasi ulang sebelum tiap campaign: Data cepat basi. Kalau list Anda berumur lebih dari 30-90 hari, jalankan verifikasi lagi sebelum mengirim.
- Kirim batch kecil dulu: Pantau bounce dan complaint rate di 50-100 kiriman pertama. Scale hanya kalau kualitasnya tetap bagus.
Mengapa Sumber Lead Mempengaruhi Kualitas Data
Tidak semua data lead punya kualitas yang sama. Email yang diambil dari halaman tim publik sebuah perusahaan — tempat orang tersebut memang sengaja menampilkan kontaknya — biasanya lebih fresh dan akurat dibanding email dari database agregator yang belum diperbarui berbulan-bulan.
Ini salah satu alasan saya percaya pada scraping dari halaman publik yang live, bukan cuma mengandalkan database statis. Karena AI Thunderbit membaca website yang benar-benar aktif setiap kali (bukan database yang sudah basi), email dan nomor telepon yang diambil cenderung lebih mutakhir. Phone Number Extractor juga memformat ulang nomor ke standar E.164, yang mengurangi error format saat diimpor ke CRM.
Scraping dari sumber yang fresh bukan pengganti verifikasi — tapi setidaknya Anda mulai dari bahan mentah yang lebih bersih.
Checklist Sebelum Campaign
Sebelum menekan tombol "send" pada campaign apa pun:
- Semua email sudah diverifikasi dalam 30 hari terakhir
- Tidak ada alamat berbasis peran (info@, sales@) di daftar kirim
- Tidak ada duplikasi
- Bounce rate campaign terakhir sudah ditinjau
- Mekanisme opt-out/unsubscribe tersedia
- Suppression list sudah disinkronkan (hormati semua opt-out sebelumnya)
Bangun Lalu Skor: Model Lead Scoring Sederhana untuk Tim Kecil
Setiap panduan yang saya baca bilang "prioritaskan lead Anda" — lalu berhenti tanpa menjelaskan caranya.
Kalau Anda founder tunggal atau tim sales tiga orang, Anda tidak butuh Salesforce Einstein atau predictive scoring engine. Yang Anda butuhkan adalah kolom spreadsheet dengan formula yang transparan.
Kerangka Scoring
| Sinyal | Poin | Contoh |
|---|---|---|
| Cocok dengan industri ICP | +20 | SaaS, mid-market |
| Ukuran perusahaan cocok | +10 | 51-500 karyawan |
| Jabatan decision-maker | +15 | VP Sales, Head of Ops |
| Intent signal yang jelas | +15 | Hiring, funding, migrasi tool |
| Email terverifikasi | +10 | Lulus verifikasi |
| Kualitas sumber langsung | +10 | Halaman perusahaan, halaman pembicara event |
| Berinteraksi dengan konten Anda | +10 | Download panduan, hadir webinar |
| Email catch-all / belum terverifikasi | -10 | Status verifikasi berisiko |
| Email berbasis peran | -10 | info@, sales@ |
| Jabatan generik (tanpa peran jelas) | -5 | "Staff" |
Contoh Penerapan
Lead A: VP Sales di perusahaan SaaS dengan 120 karyawan, sedang merekrut SDR, email terverifikasi, sumber dari halaman careers/team perusahaan.
Skor: 20 (industri) + 10 (ukuran) + 15 (jabatan) + 15 (intent) + 10 (verified) + 10 (sumber) = 80 → Prioritaskan untuk outreach minggu ini.
Lead B: "Staff" di bisnis hobi dengan 5 orang, email berbasis peran, tidak ada intent signal.
Skor: 0 + 0 + 0 + 0 + 0 - 10 (role-based) - 5 (generic title) = -15 → Lewati atau hapus.
Ini bisa dibuat sebagai formula sederhana di Google Sheets. Misalnya:
=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))
Tidak perlu Salesforce.
Cara Menggunakan AI untuk Melabeli dan Menilai Lead Saat Scraping
Salah satu fitur yang tim saya bangun di Thunderbit dan menurut saya sangat berguna untuk scoring adalah Field AI Prompts. Saat Anda mengonfigurasi scrape, Anda bisa menambahkan prompt ke kolom apa pun — misalnya, "Classify this lead's seniority as Decision-Maker, Influencer, or Individual Contributor based on the job title and page context."
Thunderbit memberi label data saat ekstraksi, bukan setelahnya. Jadi saat Anda mengekspor ke Sheets, klasifikasi senioritas, tipe perusahaan, atau tag industri sudah tersedia — siap dipakai di formula scoring Anda. Ini menghilangkan langkah tagging manual yang biasanya bikin scoring terasa seperti pekerjaan tambahan.
Anda juga bisa memakai Subpage Scraping untuk memperkaya data listing awal: scrape direktori dulu, lalu kunjungi halaman tiap perusahaan untuk menarik headcount, status pendanaan, atau tech stack — semuanya bisa masuk ke model scoring Anda.
Kapan Harus Meninjau dan Memperbarui Skor
Lead score bukan sesuatu yang sekali dibuat lalu ditinggal. Lakukan re-score setiap bulan, atau setelah campaign besar apa pun. Kalau lead merespons positif, skornya berubah (mereka sekarang jadi percakapan aktif, bukan cold lead). Kalau email bounce, sesuaikan. Kalau perusahaan yang enam bulan lalu sedang hiring kini sudah melakukan layoff, sinyal intent-nya sudah berubah.
Cara Menjaga Lead List Tetap Segar (Automasi dan Maintenance)
Lead list bukan proyek sekali jadi.
Saya sudah menyebutkan bahwa 23% email list membusuk setiap tahun. Kontak ganti pekerjaan, perusahaan berubah arah, email jadi usang. Kalau Anda bikin list bagus di bulan Mei lalu tidak menyentuhnya sampai Oktober, sebagian besar sudah mati.
Frekuensi Maintenance
| Tugas | Frekuensi | Alasan |
|---|---|---|
| Verifikasi email | Sebelum setiap campaign (atau minimal bulanan) | Mencegah hard bounce |
| Deduplikasi kontak | Mingguan saat prospecting aktif | Menghindari outreach ganda |
| Perbarui intent signal | Bulanan | Hiring/funding/review berubah cepat |
| Update firmographics perusahaan | Kuartalan atau setengah tahunan | Ukuran, revenue, dan tech stack berubah |
| Sinkronisasi suppression list | Harian atau real-time | Menghormati opt-out dan mengurangi complaint |
| Review performa sumber | Bulanan | Cari channel mana yang menghasilkan balasan, bukan sekadar baris data |
Menyiapkan Scheduled Scrape untuk Lead Generation Berkelanjutan
Di sinilah Scheduled Scraper Thunderbit berperan. Alih-alih membuka ulang direktori secara manual setiap bulan, Anda bisa bikin scrape berulang. Setup-nya simpel: jelaskan interval waktunya dengan bahasa biasa (misalnya, "every Monday at 8am"), masukkan URL website, lalu klik "Schedule." AI Thunderbit menerjemahkan instruksi Anda menjadi jadwal dan menjalankan scrape otomatis, lalu mengekspor hasil baru ke Google Sheet atau basis Airtable yang terhubung.
Contoh penggunaan yang terbukti efektif:
- Tim sales melakukan re-scrape halaman kategori Clutch setiap bulan untuk menangkap agensi baru yang masuk pasar.
- Tim ops ecommerce memantau direktori kompetitor setiap minggu untuk listing produk baru.
- Founder SaaS me-refresh halaman kategori G2 sebelum batch outbound bulanan untuk menemukan perusahaan yang baru terdaftar.
Mode cloud Thunderbit bisa scrape hingga 50 halaman sekaligus, jadi direktori besar pun cepat diperbarui. Untuk detail lebih lanjut tentang setup ini, lihat panduan kami tentang AI lead generation.
Catatan Singkat tentang Kepatuhan dan Privasi Data
Saya akan singkat karena ini bukan fokus utama panduan ini, tapi hal ini sangat penting.
- CAN-SPAM (A.S.): Berlaku untuk semua email komersial, termasuk B2B. FTC menyatakan setiap email yang melanggar bisa dikenai denda hingga $53,088. Persyaratan: header akurat, subject line tidak menipu, alamat pos yang valid, opt-out yang jelas, dan menghormati opt-out dalam 10 hari kerja.
- GDPR (UE/UK): Email bisnis yang menyebut nama orang bisa dianggap data pribadi. ICO menyatakan pemasaran B2B tidak boleh menyembunyikan identitas, harus menyediakan opt-out yang valid, dan harus menghormati penolakan.
- CCPA/CPRA (California): Menekankan pemberitahuan, pembatasan tujuan, minimisasi data, dan hak konsumen. FAQ California Privacy Protection Agency berisi detail terbaru.
- Aturan pengirim Google dan Yahoo: Google mensyaratkan bulk sender menjaga spam rate di bawah 0,30%, mengautentikasi dengan SPF/DKIM/DMARC, dan mendukung one-click unsubscribe. Yahoo memberlakukan aturan serupa.
Intinya: scrape hanya data yang tersedia publik, hindari login wall tanpa izin, selalu sediakan mekanisme opt-out, rawat suppression list, dan verifikasi aturan hukum setempat. Thunderbit melakukan scraping pada halaman publik yang tersedia — pengguna bertanggung jawab atas cara pemakaian datanya.
Kesimpulan dan Poin Utama
Workflow lead list 2026 bukan soal mencari lebih banyak nama — melainkan membangun dataset outreach yang lebih kecil, lebih fresh, terverifikasi, sadar sumber, dan benar-benar menghasilkan balasan.
Berikut ringkasan workflow lengkapnya:
- Tentukan ICP Anda sebelum menyentuh tool apa pun.
- Pilih 2-3 sumber lead — mulai dari sumber gratis seperti direktori, halaman perusahaan, dan Google operators sebelum membayar database.
- Ekstrak lead dengan AI scraping — proses 2 klik Thunderbit bekerja di hampir semua halaman publik.
- Buat template yang benar dengan pelacakan sumber, intent signal, dan kolom scoring.
- Verifikasi dan bersihkan — hapus email berbasis peran, deduplikasi, jalankan verifikasi, tandai catch-all.
- Beri skor dan prioritaskan — pakai model spreadsheet yang transparan, bukan sekadar feeling.
- Ekspor ke CRM/outreach — personalisasikan berdasarkan data yang sudah Anda kumpulkan.
- Lacak hasil — bounce, reply, conversion, berdasarkan sumber lead.
- Refresh terus-menerus — verifikasi ulang sebelum campaign, re-scrape sumber bernilai tinggi dengan jadwal.
Datanya mendukung hal ini: segmentasi yang lebih sempit mengungguli blast yang luas hampir 3x dalam reply rate. List 200 lead yang terverifikasi hampir selalu mengalahkan database basi berisi 5.000 kontak.
Siap membangun list pertama Anda? Free tier Thunderbit memberi Anda 6 halaman AI scraping per bulan, ekstraksi email dan nomor telepon gratis tanpa batas, serta ekspor ke Google Sheets atau Excel. Itu sudah cukup untuk membangun 50-100 lead pertama Anda sore ini.
Coba AI Web Scraper untuk Lead List Get Started Free
FAQ
Berapa banyak lead yang sebaiknya ada di lead list pertama saya?
Mulailah dengan 50-100 lead yang benar-benar terarah dan terverifikasi, bukan ribuan kontak yang tidak memenuhi syarat. Data Hunter menunjukkan bahwa kampanye dengan daftar penerima yang lebih kecil dan lebih ketat (21-50) rata-rata punya reply rate 6,2% — hampir tiga kali lipat dibanding kampanye dengan 501+ penerima. Kualitas itu berlipat; volume justru mengencerkan hasil.
Sebaiknya saya membeli lead list atau membangunnya sendiri?
Hampir selalu lebih baik membangunnya sendiri. List yang dibeli membawa risiko lebih tinggi: data usang, spam trap, sumber yang tidak transparan, dan risiko kepatuhan. List buatan sendiri dengan AI scraping dan riset manual menghasilkan data yang lebih fresh dan relevan karena Anda mengambilnya dari halaman publik yang live, tempat kontak masih aktif. Kalau tetap membeli, minta transparansi soal tanggal pengumpulan, tanggal verifikasi, dasar consent, dan proses pembaruan.
Apa cara gratis terbaik untuk membangun lead list?
Gabungkan Google advanced search operators (site:, intitle:, exact-match queries) dengan free tier Thunderbit — 6 halaman AI scraping per bulan plus email dan phone extraction gratis tanpa batas — dan pencarian LinkedIn dasar. Kombinasi ini sudah mencakup halaman perusahaan, direktori, daftar event, dan profil profesional tanpa mengeluarkan uang.
Seberapa sering saya harus memperbarui lead list?
Verifikasi ulang email sebelum setiap campaign, terutama kalau list berumur lebih dari 30 hari. Lakukan refresh penuh — scrape ulang sumber, update firmographics, hapus lead mati — setidaknya setiap kuartal. ZeroBounce melaporkan bahwa setidaknya 23% email list membusuk dalam satu tahun, jadi pendekatan "set and forget" cuma akan bikin bounce rate naik.
Berapa reply rate yang bagus untuk cold outreach dari lead list?
Berdasarkan benchmark 2025-2026: positive reply rate 3-5% itu bagus, 5-8% itu kuat, dan 8%+ itu sangat baik. Faktor terbesar adalah kualitas list — targeting, verifikasi, dan personalisasi. List yang dibangun dengan baik, email terverifikasi, intent signal jelas, dan pesan yang dipersonalisasi akan secara konsisten mengungguli list lebih besar yang berisi kontak generik dan copy template.
Pelajari Lebih Lanjut
