先週、営業チームのメンバーのひとりが、データベンダーから買った4,000件の連絡先が入ったスプレッドシートを見せてくれました。2週間アウトリーチした結果、返信率は0.3%。バウンス率は12%超。かなりのコストをかけたのに、ほとんど成果はありませんでした。
2026年のリードリストの多くは、最初からうまくいきません。Hunter の「State of Email Outreach」では、2025年に送信された3,100万通のメールをもとに、コールドメールの平均返信率はわずか4.5%と報告されています。しかもこれは平均値なので、それを下回るキャンペーンも少なくありません。一方で、Salesforce の 2026 State of Salesによると、営業担当者が実際に販売活動に使っているのは勤務時間の40% בלבד。残りの60%は事務作業、リサーチ、そして——言うまでもなく——リード探索に消えています。
だからこそ、リスト作成に時間を使うなら、返信が取れるリストを作るべきです。このガイドでは、2026年版の一連の流れをすべて解説します。ICPの定義、LinkedIn以外での見込み客の探し方、適切なテンプレートの作成、バウンス率を悪化させないためのデータ検証、送信前のリードスコアリング、そして長期的に情報を鮮度高く保つ方法まで。さらに予算別に整理しているので、今日0円から始められます。
- 難易度: 初心者向け
- 所要時間: 最初の50〜100件を集めるのに約2〜3時間
- 必要なもの: Chromeブラウザ、Thunderbit 拡張機能、Google スプレッドシートまたは任意の表計算ソフト、そして書き出した ICP
AIスクレイピングでリードリストを作成 Get Started Free
リードリストとは何か、そしてなぜ多くのリストは失敗するのか？
リードリストとは、見込み顧客の構造化されたデータセットです。つまり、こちらからアプローチしたい個人や企業の一覧です。通常は、個人レベルの項目（氏名、役職、メールアドレス、電話番号、LinkedIn URL）と、企業レベルの項目（業界、規模、売上、所在地）を含みます。アウトバウンド営業の土台になるものです。
多くのチームがつまずくのは、リードリストを単なる連絡先の寄せ集めだと勘違いしてしまう点です。役立つリードリストは、「なぜこの会社なのか」「なぜこの人なのか、しかも今なのか」に答えられます。よくあるベンダーの購入リストは、せいぜい「このメールアドレスは今も使えるかもしれない」程度の情報しかありません。その差は結果に大きく表れます。
リードリストは、より大きな営業プロセスの中でも位置づけられます。リードは、自社の市場に合うかもしれない相手。MQL（Marketing Qualified Lead）は、ある程度の適合性や関心を示した相手。SQL（Sales Qualified Lead）は、営業が直接フォローする準備ができた相手。Opportunity は進行中の商談です。リードリストはこのファネルの最上流であり、上流が雑なら、その先すべてが苦しくなります。
リードリストが失敗する主な理由は次のとおりです。
- データが古い: ZeroBounce の報告では、少なくとも23%のメールリストは1年以内に劣化するとされています。つまり、12か月ごとに連絡先の4分の1近くが使えなくなるということです。
- 対象がずれている: info@ や sales@ のような役割アドレス、あるいは意思決定権が読み取れない「Staff」のような曖昧な肩書き。
- ターゲティング基準がない: 戦略のように見せかけた件数至上主義。あるフォーラムユーザーの言葉を借りれば、「量と質を混同してしまうことが多い」からです。
- 検証していない: Validity の 2024年 CRM データ調査によると、CRM 管理者の24%が「CRM データの半分以下しか正確で完全ではない」と答え、31%が不十分な CRM データによって年間売上の少なくとも20%を失っていると回答しています。
- 質より量の発想: Hunter のデータでは、21〜50件を対象にしたキャンペーンの平均返信率は6.2%なのに対し、501件以上ではわずか2.4%でした。大きく雑にやるより、小さく精度高くやるほうが強いのです。
リードリストのテンプレート: スプレッドシートは本来どうあるべきか
私は「リードリストの作り方」ガイドを何十本も見てきましたが、ひとつ気になる点があります。どれも「連絡先情報、企業属性、リードスコアを入れましょう」とは言うのに、実際のスプレッドシートがどう見えるかを示してくれないのです。そこで、みんなが見落としている実物をここで示します。
最初に用意すべき推奨列
リードリストのスプレッドシートには、初日から次の列を入れておくべきです。
| 列名 | 入れる内容 | 良いデータの例 | 悪いデータの例 |
|---|---|---|---|
| 氏名 | 本人の実名 | "Jordan Lee" | "Sales Team" |
| 役職 | 具体的な現在の役割 | "VP of Sales" | "Staff" |
| 会社名 | 法的名称または屋号 | "Acme Logistics" | "Acme?" |
| 業界 | 標準化されたカテゴリ | "B2B SaaS" | "Tech-ish" |
| 企業規模 | 従業員数帯 | "51-200" | 空欄 |
| メールアドレス | 直接届く業務用メール | "jordan@acme.com"、検証済み | "info@acme.com" |
| 電話番号 | 直通または代表番号、整形済み | E.164 形式 | 地域ごとの混在形式 |
| LinkedIn URL | プロフィールまたは会社ページ | 完全なURL | 検索結果のURL |
| リードソース | どこから取得したか | "G2カテゴリページ、2026年5月" | "Internet" |
| 意向シグナル | なぜ今なのか | "SDRを3名採用中"、"新規資金調達" | 空欄 |
| リードスコア | 数値による優先度 | ルール付き70/100 | 勘 |
| 最終接触日 | アウトリーチ実施日 | "2026-05-26" | "最近" |
| メモ | 関連コンテキスト | "Shopify Plus を使用" | 長い未整理の貼り付け |
サンプルのリードリスト（匿名化）
実際に埋めると、こんな見え方になります。異なるペルソナをカバーする10行の例です。
| 氏名 | 役職 | 会社 | 業界 | 規模 | メール | ソース | 意向シグナル | スコア |
|---|---|---|---|---|---|---|---|---|
| Alex M. | VP Sales | Mid-market SaaS vendor | SaaS | 201-500 | 直接検証済み | G2カテゴリ | AE採用中 | 78 |
| Priya S. | Head of Ops | DTC apparel brand | Ecommerce | 51-200 | 直接検証済み | Shopify showcase | 物流拡大中 | 72 |
| Marcus T. | Founder | Local agency | Professional services | 11-50 | 直接検証済み | Clutch | 新しいレビュー獲得 | 66 |
| Elena R. | Revenue Ops Manager | Cybersecurity startup | SaaS | 51-200 | キャッチオール注意 | カンファレンス登壇者 | Series A | 61 |
| Ben C. | Owner | HVAC contractor | Local services | 11-50 | 代表メール | Google Business | レビュー数が多い | 48 |
| Mina K. | Director of Partnerships | Marketplace company | Ecommerce | 201-500 | 直接検証済み | イベントアジェンダ | イベント協賛中 | 74 |
| Diego P. | Real Estate Broker | Regional brokerage | Real estate | 11-50 | 直接検証済み | 協会ディレクトリ | 新しいオフィスページ | 58 |
| Sarah N. | Customer Support Lead | B2B software company | SaaS | 51-200 | 役割アドレス除外済み | Capterra | サポート評判が低い | 44 |
| Omar A. | IT Manager | Manufacturing firm | Manufacturing | 501-1000 | 直接検証済み | 会社チームページ | ERP移行の記載あり | 69 |
| Lena W. | Growth Marketing Lead | Fintech startup | SaaS | 51-200 | 直接検証済み | Product Hunt | 新規ローンチ | 71 |
各列の意味と、「良い」データの見方
特に重要な列を少し補足します。
- 役職: 「VP of Sales」なら予算決裁権があると分かります。「Staff」では何も分かりません。決裁権や影響力が読み取れる、具体的な肩書きを優先しましょう。
- メールアドレス: 個人の業務用メール（jordan@acme.com）は価値が高いです。一方、sales@acme.com のような役割アドレスは、コールドアウトリーチではほぼ価値がなく、誰も見ていない共有受信箱に入るだけです。
- リードソース: 多くの人が飛ばしがちな列ですが、長期的には最も重要です。各リードがどこから来たかを追えば、単に行数を増やすだけでなく、どのチャネルが返信を生んでいるかが分かります。「G2カテゴリページ、2026年5月」は役立ちますが、「Internet」では不十分です。
- 意向シグナル: これは「なぜ今か」を示す列です。直近で Series A を調達した、SDR の求人を3件出している、新製品を出した——こうした企業は、静かに何も起きていない企業よりも温度が高いです。意向シグナルが見つからないなら、優先度は高くないかもしれません。
Thunderbit の AI Suggest Fields でテンプレートを自動作成する方法
Thunderbit について、私が特に気に入っている点のひとつは、どの列を作るべきかを推測しなくていいことです。ディレクトリ一覧、企業チームページ、カンファレンス登壇者一覧など、見込み客情報が多いページを Thunderbit で開いて 「AI Suggest Fields」 をクリックすると、AI がページ内容を読み取り、適切な列名とデータ型を自動生成します。名前、メール、役職、会社情報があれば、その列をそのまま提案してくれます。
これは、空白のスプレッドシートを前にして「何を取ればいいんだろう？」と悩む初心者に特に便利です。Thunderbit は、実際にソースページにあるデータをもとに、その答えを出してくれます。あとは 「Scrape」 をクリックして、Google Sheets、Excel、Airtable、Notion に直接エクスポートするだけです。
Thunderbit の AI Suggest Fields を試す
リードリストを作る前に、理想顧客像（ICP）を定義する方法
私が最もよく見る失敗、そして自分でもやってしまった失敗は、「誰を載せるか」を決める前にリストを作り始めることです。その結果、名前だけ並んだスプレッドシートができても、なぜその人たちが自社製品に関心を持つべきなのかが曖昧なままになります。
ICP とは、最も買ってくれそうで、自社製品から価値を得られ、長く使い続けてくれる会社と人の特徴です。ペルソナ作りではなく、ターゲティングのフィルターです。
ICP を構成する要素
| ICP項目 | 考えること | 例 |
|---|---|---|
| 業界 | どのカテゴリに課題があるか | B2B SaaS、ecommerce、professional services |
| 企業規模 | どの規模なら今買えるか | 従業員51〜500名 |
| 地域 | どこに売れて、どこを支援できるか | 米国、カナダ、英国 |
| 売上帯 | どの売上レンジが合うか | ARR 500万〜1億ドル |
| 購買者の役職 | 誰が課題や予算を持っているか | VP Sales、RevOps、Head of Ops |
| トリガー | 何が「今すぐ必要」に変えるか | 採用、資金調達、移行、低評価 |
| 課題 | どんな問題を抱えているか | 手作業のリスト作成、古いデータ、遅いエンリッチ |
| 除外条件 | 誰を外すべきか | 学生、趣味ビジネス、競合企業 |
実践ワーク: 既存のベスト顧客を5〜10社見てください。共通点は何でしょうか。業界、規模、契約した人の役職はどうか。共通する特徴を3〜5個書き出してください。それが ICP のたたき台です。
Firmographics と Demographics、どちらが重要か？
Firmographics は会社レベルの情報です。業界、規模、売上、所在地などがこれに当たります。Demographics は B2B 文脈では個人レベルの情報で、役職、シニアリティ、職能、部門などです。B2B のリードリストでは、Firmographics は「会社」を絞り込み、Demographics は「人」を絞り込みます。両方必要です。完璧な会社でも、相手が違えば無駄な1行ですし、完璧な相手でも会社が違えば意味がありません。
もうひとつ重要な点があります。Sopro の 2025年見込み客開拓データでは、1億1,957万件の接点を分析した結果、意思決定に関わる人数は平均4.14人でした。つまり、良いリードリストにはターゲットアカウントごとに複数の連絡先を含めることが多いですが、だからといって多すぎるとスパムっぽくなります。
LinkedIn 以外で見込み客を探す場所: Webサイト、ディレクトリ、SNS
このテーマを調べていて意外だったのは、検索上位の「リードリストの作り方」記事6本のうち5本が、主なリードソースとして LinkedIn Sales Navigator に誘導していたことです。もちろん Sales Navigator は強力です。ただし高価でもあり（Core プランで月約120ドル）、実際の利用者からは、エクスポート制限、UI の重さ、スクレイピングの面倒さがよく指摘されます。
2026年の現実は、見込み客は LinkedIn だけにいるわけではない、ということです。企業サイト、業界ディレクトリ、イベントページ、レビューサイト、さらにはSNSプロフィールまで、連絡先データの宝庫です。しかも有料データベースより新鮮で、より具体的なことが少なくありません。
リードソース比較
| リードソース | 向いている用途 | 方法 | コスト |
|---|---|---|---|
| 企業サイト / About ページ | ニッチB2B、ローカルサービス、代理店 | チーム/問い合わせページを見て、名前・メール・電話を抽出 | 無料 |
| 業界ディレクトリ（Clutch, G2, Yelp） | サービス系リード、業界エコシステム | カテゴリや地域で絞り、掲載情報をスクレイプ | 無料〜低コスト |
| イベント参加者/登壇者一覧 | 意欲の高い B2B 見込み客 | カンファレンスアジェンダ、スポンサーページ、ウェビナー登録者 | 無料〜有料イベントアクセス |
| レビューサイト（G2, Capterra, Google Business） | SaaS とローカルビジネス | カテゴリを閲覧し、企業情報を抽出 | 無料 |
| SNS（Instagram, X） | B2C、個人ブランド、ローカルビジネス | 公開プロフィール、ビジネスページ | 無料 |
| Google site: 検索 | ロングテール探索、狙った問い合わせページ | 高度検索クエリ | 無料 |
| LinkedIn（基本検索） | ビジネス向け検索 | 手動検索、公開プロフィール | 無料 |
| LinkedIn Sales Navigator | 成熟したアウトバウンドチーム | 高度フィルター、保存リード、TeamLink | 月99ドル〜 |
業種別に使えるディレクトリ
| 業種 | スクレイプする価値があるソース |
|---|---|
| SaaS | G2、Capterra、Product Hunt、SaaSworthy、AWS Marketplace、Chrome Web Store のカテゴリ |
| Ecommerce | Shopify のストア/ショーケース、BuiltWith の一覧、Klaviyo パートナーディレクトリ |
| 不動産 | Realtor ディレクトリ、仲介会社のオフィスページ、地域 MLS の公開ページ、商工会ページ |
| Professional services | Clutch、DesignRush、UpCity、GoodFirms、地域の弁護士/会計士ディレクトリ |
| ローカルビジネス | Google Business の検索結果、Yelp、Yellow Pages、BBB、地域商工会ページ |
| イベント | スポンサー/出展者ページ、登壇者一覧、アジェンダページ、ウェビナーのランディングページ |
リード発掘に使える Google の高度検索演算子
これは無料なのに、驚くほど強力です。例をいくつか挙げます。
site:clutch.co/agencies "B2B SaaS" "United States"— Clutch 上の、カテゴリと地域で絞られた代理店一覧を探すsite:company.com ("email" OR "contact") "VP Sales"— 特定企業サイト内で VP Sales に触れている問い合わせページを探すintitle:"sponsors" "SaaS" "2026" "conference"— 2026年の SaaS カンファレンスのスポンサー էջを探すsite:g2.com/categories "sales engagement" "mid-market"— ミッドマーケット向け営業支援ツールの G2 カテゴリページを探す
Google の検索ヘルプには、完全一致の引用符や site: などの演算子が説明されているので、構文はそこで確認できます。
AI Web Scraper で任意の Web サイトから連絡先を抽出する方法
ここで Thunderbit が自然にワークフローに入ってきます。上記のどのソースでも——Clutch のディレクトリ、企業のチームページ、カンファレンスの登壇者一覧——流れは同じです。
- Thunderbit 拡張機能を入れた Chrome でページを開く。
- 「AI Suggest Fields」 をクリックする。Thunderbit の AI がページを読み取り、Name、Email、Phone、Title、Company などの列を提案します。
- 提案された列を確認し、必要に応じて追加・削除する。
- 「Scrape」 をクリックする。
- Google Sheets、Excel、Airtable、Notion にエクスポートする。
最大の利点は、Thunderbit が事前に用意されたテンプレートでは対応しきれない、崩れた非標準のサイトでも動くことです。AI が毎回その場で実際のページを読み取り、どんな構造でも適応します。Thunderbit の無料 Email Extractor と Phone Number Extractor は、どのページからでも1クリックで抽出でき、無料枠では無制限です。
サブページスクレイピングでリードリストを拡充する
私がよく使うワークフローがあります。まずディレクトリ一覧ページ（たとえば Clutch の企業一覧）をスクレイプし、そのあと Thunderbit の Subpage Scraping で各企業の個別ページを巡回して、メールアドレス、電話番号、従業員数、技術スタック、説明文などを追加取得します。
これにより、基本のディレクトリ一覧が、手作業なしで研究に使える拡張済みのリードリストに変わります。「企業名が50件あります」から「連絡先メール、チーム規模、説明まで揃った50社があります」へ、一度の自動処理で進められるのです。コードなしでの Web スクレイピングについて詳しく知りたい方は、別記事で詳しく解説しています。
2026年版: リードリストの作成手順をステップごとに解説
以下は、今日すぐに実用的なリードリストを作りたい非技術系の営業担当やオペレーション担当向けに整理した、完全なワークフローです。
ステップ1: ICP を固める
ツールを開く前に、ICP の条件を書き出します（上の ICP セクションを参照）。業界、企業規模、地域、購買者の役職、トリガー、除外条件です。これだけで15〜30分、無駄なスクレイピングを何時間も減らせます。
ステップ2: リードソースを選ぶ
ICP と予算に応じて、比較表から2〜3個のリードソースを選びます。おすすめは、まず無料ソースから始めることです。SaaS 企業を狙うなら G2 のカテゴリページと企業チームページを試しましょう。ローカルビジネスを狙うなら Google Business の検索結果と Yelp から始めると良いです。Sales Navigator のような有料ソースは、無料の手段を使い切ってからで十分です。
ステップ3: AIスクレイピングまたは手動検索でリードを抽出する
ソースごとの抽出方法は次のとおりです。
- Webサイトとディレクトリ: Thunderbit の AI Web Scraper を使います。ページを開き、「AI Suggest Fields」をクリックし、列を確認して、「Scrape」をクリックします。人気サイト向けには、Thunderbit に instant data scraper テンプレート があり、列設定を自動化できます。
- LinkedIn: Sales Navigator で検索してエクスポートするか、Thunderbit で 公開 LinkedIn プロフィールをスクレイプ します。
- Google: 高度検索演算子を使って検索し、結果ページをスクレイプするか、個別ページを開いて取得します。
エクスポート先: Google Sheets、Excel、Airtable、Notion、CSV、JSON。
ステップ4: データを検証してクリーンアップする
この工程は必須です。詳しい検証ワークフローは後半の専用セクションで説明しますが、要点だけ言えば、役割アドレスを除外し、重複を削除し、検証ツールに通し、キャッチオールドメインに印を付け、各キャンペーンの前に再検証する、ということです。
ステップ5: リードにスコアを付けて優先順位を決める
アウトリーチを始める前に、シンプルなスコアリングモデル（後述）を適用します。こうすることで、スプレッドシートの上にある順番ではなく、価値の高いリードから優先的にアプローチできます。
ステップ6: CRM またはアウトリーチツールにエクスポートする
クリーンでスコア済みのリストを、CRM（HubSpot、Salesforce、Pipedrive）またはアウトリーチプラットフォーム（lemlist、Mailshake、Apollo）に移します。Thunderbit は Sheets、Airtable、Notion に直接エクスポートでき、そこからネイティブ連携や Zapier を使って CRM と同期できます。
ステップ7: アウトリーチを開始し、結果を追跡する
集めたデータに基づいて、アウトリーチを個別最適化します。見込み先の業界に触れたり、意向シグナル（「SDR を採用中なのを拝見しました」など）を引用したり、相手の課題に合わせて提案内容を変えます。返信率、バウンス率、コンバージョンを記録し、そのデータを次回の ICP とスコアリングモデルに反映させます。
予算重視: 0円からエンタープライズまでのリードリスト構築法
初期の創業者や小規模営業チームから最もよく聞く悩みは、「高価なツールにお金をかけずに、どうやってリードリストを作ればいいのか？」です。もっともな疑問です。ZoomInfo は年間契約で5桁に乗ることがあります。Sales Navigator は月99ドル以上。Apollo や Lusha には無料枠があるものの、良い機能は有料の壁の向こう側です。
正直な答えは、無料でもかなり進められる、ということです。ただし、スケールするにはある程度の投資が必要です。ここでは、階層ごとに考えます。
| 階層 | 費用 | 方法 | ツール |
|---|---|---|---|
| 無料（$0） | $0 | Google 演算子、手動 LinkedIn、企業サイト、Thunderbit 無料枠（6ページ + 無料のメール/電話抽出） | Thunderbit Free、Google、LinkedIn 基本検索 |
| 低コスト（<$50/月） | $0-50 | AI スクレイピングの拡張利用、基本エンリッチ、メール検証 | Thunderbit Starter/Pro、Hunter Starter ($34/月)、Bouncer/NeverBounce の従量課金 |
| 中価格帯（$50-200/月） | $50-200 | Sales Navigator、より豊富なフィルター、CRM 連携 | Sales Navigator Core ($119.99/月、年払いは $89.99)、Apollo 有料、Lusha |
| エンタープライズ（$200+/月） | $200+ | 意向データ、エンリッチスイート、コンプライアンスワークフロー | ZoomInfo（見積り制）、Cognism（見積り制）、Clearbit |
価格は2026年5月時点。購入前に最新料金をご確認ください。
無料でどこまでできるか、どこで限界が来るか
Thunderbit の無料枠（月6ページの AI スクレイピング）、無料の Email Extractor と Phone Number Extractor（無制限・1クリック）、Google の検索演算子、そして基本的な LinkedIn 検索を組み合わせれば、ひとりの創業者でも午後のうちに50〜100件のリードリストを作ることは十分可能です。実際に社内でもそのように作っている人を見てきました。
限界が出るのは、件数（無料枠のページ数）、エンリッチの深さ（有料ツールがないと意向データや技術スタックが取れない）、そして大規模なメール検証（無料ツールは少量しか処理できない）です。こうした制約が効いてきたら、低コスト帯へ移行するタイミングです。Thunderbit の有料プランでは、サブページスクレイピング、バルクスクレイピング、ページネーション、Scheduled Scraper が使えるようになります。
バウンス率の改善: 実際に機能するデータ検証ワークフロー
購入リストでバウンス率が70%近くに達したというフォーラム投稿を見たことがあります。これは時間の無駄なだけでなく、かなり危険です。バウンス率が高いと送信元の評価が落ち、良いメールまでスパムに入るようになります。
lemlist のベンチマークでは、健全なバウンス率は2%未満、1%未満なら非常に良いとされています。Mailshake の 2025年調査では、送信者のほぼ半数が2〜5%のバウンス率だと答え、15%は6%超でした。5%を超えているなら、送信評価は危険です。
推奨する検証ワークフローは次のとおりです。
- 役割アドレスを除外する: info@、sales@、support@、admin@ などは、共有受信箱を意図的に狙う場合を除き削除します（コールドアウトリーチではまれです）。
- フォーマットの誤りを取り除く: 重複、 টাইपो、ドメイン抜け、死んだドメイン。スプレッドシートで軽く並べ替えとフィルタをかけるだけでも大半は見つかります。
- メール検証ツールに通す: Hunter、ZeroBounce、NeverBounce、Bouncer、Kickbox などを使います。これらはメールを送らずにメールサーバーへ問い合わせ、受信箱が存在するかを確認します。
- キャッチオールドメインをフラグまたは除外する: ZeroBounce の報告では、キャッチオールは大きなリスクカテゴリとされています。サーバーレベルではメールを受け取るものの、特定の受信箱があるかは確認できないためです。個別の受信箱が確認できない場合は、フラグを付けて信頼度の低いレコードとして扱いましょう。
- 各キャンペーン前に再検証する: データはすぐ古くなります。リストが30〜90日以上前のものなら、送信前にもう一度検証してください。
- 最初は少量で送る: 最初の50〜100通でバウンス率と苦情率を確認します。品質が維持できる場合にだけ拡大します。
なぜリードソースがデータ品質に影響するのか
リードデータはどれも同じではありません。たとえば企業の公開チームページから取得したメールアドレスは、その人が自ら連絡先を載せているため、月単位で更新されていない集約データベースのメールよりも、鮮度と正確性が高いのが普通です。
だからこそ、私は静的なデータベースに頼り切るより、公開中のライブページからスクレイプすることを重視しています。Thunderbit の AI は毎回実際の Web サイトを新しく読み取るため（古いDBではなく）、抽出されるメールや電話番号が最新であることが多いのです。Phone Number Extractor も番号を E.164 標準に整形してくれるので、CRM へ取り込む際のフォーマットエラーを減らせます。
ただし、新鮮なソースから取ることは検証の代わりではありません。とはいえ、最初の原材料がきれいになる、という意味は大きいです。
キャンペーン前チェックリスト
送信ボタンを押す前に、必ず次を確認してください。
- すべてのメールが過去30日以内に検証済み
- 送信リストに役割アドレス（info@、sales@など）がない
- 重複がない
- 直近キャンペーンのバウンス率を確認済み
- オプトアウト/配信停止の仕組みがある
- サプレッションリストが同期されている（過去のオプトアウトを必ず尊重する）
作ってからスコアを付ける: 小規模チーム向けのシンプルなリードスコアモデル
私が読んできたあらゆるガイドは「リードを優先順位付けしましょう」と言いますが、どうやるかまでは教えてくれません。
ひとり創業者や3人規模の営業チームなら、Salesforce Einstein や予測スコアリングエンジンは不要です。必要なのは、透明な計算式を入れたスプレッドシートの列です。
スコアリングの枠組み
| シグナル | 点数 | 例 |
|---|---|---|
| ICP の業界に一致 | +20 | SaaS、ミッドマーケット |
| 企業規模が合う | +10 | 従業員51〜500名 |
| 意思決定者の役職 | +15 | VP Sales、Head of Ops |
| 明確な意向シグナル | +15 | 採用、資金調達、ツール移行 |
| メール検証済み | +10 | 検証を通過 |
| 直接ソースの質が高い | +10 | 会社ページ、イベント登壇者ページ |
| コンテンツに反応している | +10 | ガイドをダウンロード、ウェビナー参加 |
| キャッチオール / 未検証メール | -10 | リスクのある検証状態 |
| 役割アドレス | -10 | info@、sales@ |
| 一般的すぎる肩書き（役割不明） | -5 | "Staff" |
計算例
リードA: 120人規模のSaaS企業の VP Sales。SDR を採用中。メール検証済み。企業の採用ページ/チームページから取得。
スコア: 20（業界）+ 10（規模）+ 15（役職）+ 15（意向）+ 10（検証）+ 10（ソース）= 80 → 今週の優先対象。
リードB: 5人の趣味ビジネスの「Staff」。役割アドレス。意向シグナルなし。
スコア: 0 + 0 + 0 + 0 + 0 - 10（役割アドレス）- 5（一般的肩書き）= -15 → スキップまたは削除。
これは Google Sheets の単純な数式で実装できます。たとえばこんな感じです。
=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))
Salesforce は不要です。
スクレイピング中に AI でリードをラベル付け・採点する方法
Thunderbit に私たちのチームが実装した機能の中で、スコアリングに本当に役立つと感じているのが Field AI Prompts です。スクレイプ設定中に任意の列へプロンプトを追加でき、たとえば「このリードのシニアリティを、役職名とページ文脈に基づいて Decision-Maker / Influencer / Individual Contributor に分類してください」といった指定ができます。
Thunderbit は抽出時点でデータをラベル付けするので、Sheets にエクスポートした時点で、シニアリティ分類、会社種別、業界タグなどがすでに入っています。そのままスコアリングの式に組み込めるのです。これで、面倒な手動タグ付け作業を減らせます。
Subpage Scraping を使えば、元の一覧データをさらに拡張することもできます。まずディレクトリをスクレイプし、その後、各企業ページを訪れて従業員数、資金調達状況、技術スタックなどを取得する。これらはすべてスコアリングモデルに活用できます。
スコアを見直すタイミング
リードスコアは一度付けて終わりではありません。毎月、または大きなキャンペーンの後に再評価しましょう。リードが前向きに返信したなら、その時点でスコアは変わります（もはや冷たいリードではなく、進行中の会話です）。メールがバウンスしたら、評価を下げます。6か月前に採用中だった企業がその後リストラを行っていれば、意向シグナルも変化しています。
リードリストを新鮮に保つ方法（自動化と保守）
リードリストは一度作って終わりではありません。
すでに触れたように、メールリストの23%は毎年劣化します。担当者は転職し、企業は方向転換し、メールは古くなります。5月に素晴らしいリストを作って10月まで放置すれば、そのかなりの部分はもう使えません。
メンテナンスの頻度
| 作業 | 頻度 | 理由 |
|---|---|---|
| メール検証 | 各キャンペーン前（少なくとも月1回） | ハードバウンスを防ぐ |
| 重複削除 | アクティブな見込み開拓中は毎週 | 重複接触を避ける |
| 意向シグナル更新 | 毎月 | 採用/資金調達/レビューはすぐ変わる |
| 企業属性の更新 | 四半期ごと、または半年ごと | 規模、売上、技術スタックは変わる |
| サプレッションリスト同期 | 毎日またはリアルタイム | 配信停止を尊重し、苦情を減らす |
| ソースの成果確認 | 毎月 | 行数ではなく、返信を生むチャネルを見つける |
継続的なリード生成のために Scheduled Scraper を設定する
ここで Thunderbit の Scheduled Scraper が役立ちます。毎月ディレクトリを手動で見に行く代わりに、定期スクレイプを設定できます。設定は簡単で、間隔を自然言語で入力し（例:「毎週月曜日の午前8時」）、対象WebサイトのURLを入れて、「Schedule」をクリックするだけです。Thunderbit の AI が指示をスケジュールに変換し、自動でスクレイプを実行、接続済みの Google Sheet や Airtable ベースへ最新結果をエクスポートします。
うまく機能した例は次のとおりです。
- 営業チームが毎月 Clutch のカテゴリページを再スクレイプし、新規参入の代理店を捕捉する。
- Ecommerce のオペレーションチームが、競合ディレクトリを毎週監視して新商品掲載を確認する。
- SaaS の創業者が、毎月のアウトバウンド送信前に G2 のカテゴリページを更新し、新しく掲載された企業を見つける。
Thunderbit のクラウドモードなら一度に最大50ページをスクレイプできるので、大きなディレクトリでもすばやく更新できます。設定方法の詳細は、AI によるリード生成のガイドをご覧ください。
コンプライアンスとデータプライバシーについての短い注意
このガイドの主題ではないので簡潔にしますが、とても重要です。
- CAN-SPAM（米国）: B2B を含むすべての商用メールに適用されます。FTC は違反メール1通ごとに最大$53,088の罰則があり得るとしています。要件は、正確なヘッダー、誤解を招かない件名、実在する住所、明確な配信停止手段、そして10営業日以内の停止対応です。
- GDPR（EU/UK）: 個人名付きの業務用メールは個人データと見なされることがあります。ICO は B2B マーケティングでは身元を隠してはいけないこと、有効なオプトアウトを用意すること、異議を尊重することを求めています。
- CCPA/CPRA（カリフォルニア州）: 通知、目的の限定、データ最小化、消費者の権利を重視しています。California Privacy Protection Agency の FAQで最新情報を確認できます。
- Google と Yahoo の送信者ルール: Google は大量送信者に対し、スパム率を0.30%未満に保つこと、SPF/DKIM/DMARC で認証すること、ワンクリック配信停止を提供することを求めています。Yahoo も同様のルールを適用しています。
要するに、公開されているデータだけを使い、許可なくログイン必須の壁を越えず、常にオプトアウト手段を入れ、サプレッションリストを維持し、現地の法的要件を確認することです。Thunderbit は公開ページのみをスクレイプし、データの使い方についてはユーザーが責任を負います。
結論と重要ポイント
2026年のリードリスト作成は、名前をもっと集めることではありません。返信が取れる、より小さく、より新しく、検証済みで、ソースを把握したアウトリーチ用データセットを作ることです。
ワークフロー全体をまとめると次のとおりです。
- 何かを触る前に ICP を定義 する。
- 2〜3個のリードソース を選ぶ。まずは無料のディレクトリ、企業ページ、Google 演算子から始め、データベースは後回し。
- AIスクレイピングでリードを抽出 する。Thunderbit の2クリック手順は、ほぼすべての公開ページで使えます。
- 適切なテンプレートを作る。ソース追跡、意向シグナル、スコア列を入れる。
- 検証してクリーンアップ する。役割アドレスを除外し、重複を削除し、検証し、キャッチオールに印を付ける。
- スコアを付けて優先順位を決める。勘ではなく、透明性のあるスプレッドシートモデルを使う。
- CRM / アウトリーチへエクスポート する。集めたデータに基づいてパーソナライズする。
- 結果を追跡 する。バウンス、返信、コンバージョンをソース別に見る。
- 継続的に更新 する。キャンペーン前に再検証し、価値の高いソースは定期的に再スクレイプする。
データがそれを裏づけています。狭く絞ったセグメントは広く打つ方法より返信率で約3倍優れるのです。200件の検証済みリストは、5,000件の古いデータベースよりほぼ確実に成果を出します。
最初のリストを作る準備はできましたか？Thunderbit の無料枠なら、月6ページの AI スクレイピング、無制限の無料メール/電話抽出、Google Sheets または Excel へのエクスポートが使えます。これだけあれば、今日の午後に最初の50〜100件を作るには十分です。
リードリスト向け AI Web Scraper を試す Get Started Free
FAQ
最初のリードリストには何件入れるべきですか？
何千件もの精査されていない連絡先より、50〜100件の、きちんとターゲットされ検証済みのリードから始めましょう。Hunter のデータでは、少人数で絞り込まれた受信者リスト（21〜50件）のキャンペーンは平均6.2%の返信率で、501件以上のキャンペーンのほぼ3倍です。質は積み上がりますが、量は薄まります。
リードリストは買うべきですか、それとも自作すべきですか？
ほとんどの場合、自作のほうが良いです。購入リストには、古いデータ、スパムトラップ、不透明な取得元、コンプライアンス上のリスクが伴います。AIスクレイピングと手作業のリサーチで作る自作リストは、公開されたライブページから取るため、より新しく、より関連性の高いデータになります。どうしても購入するなら、取得日、検証日、同意の根拠、更新プロセスの透明性を必ず求めてください。
もっとも無料で始めやすいリードリスト作成方法は？
Google の高度検索演算子（site:、intitle:、完全一致クエリ）と、Thunderbit の無料枠——月6ページの AI スクレイピングと無制限の無料メール/電話抽出——、そして基本的な LinkedIn 検索を組み合わせます。これで、企業ページ、ディレクトリ、イベント一覧、職業プロフィールを、1ドルも使わずにカバーできます。
リードリストはどれくらいの頻度で更新すべきですか？
毎キャンペーン前にメールを再検証してください。特にリストが30日以上前なら重要です。完全な更新——ソースの再スクレイプ、企業属性の更新、死んだリードの削除——は少なくとも四半期に1回行いましょう。ZeroBounce によると、メールリストの少なくとも23%は1年で劣化するため、「設定したら放置」はバウンス率上昇の元です。
リードリストからのコールドアウトリーチで良い返信率は？
2025〜2026年のベンチマークでは、前向き返信率3〜5%なら良好、5〜8%なら強い、8%以上なら非常に優秀です。最大の要因はリストの質です。ターゲティング、検証、パーソナライズが効きます。検証済みメール、明確な意向シグナル、個別最適化されたメッセージを備えた精度の高いリストは、一般的な連絡先と定型文だらけの大きなリストを常に上回ります。
詳しく見る
