Elke founder die ik ken heeft ooit wel eens een lijst van tienduizend "geverifieerde" contacten gekocht en daarna gezien dat het responscijfer ergens rond nul bleef hangen. Ik deed in het begin van mijn carrière precies hetzelfde, en daar leerde ik snel iets van: een stapel e-mails is nog geen pipeline. Wat deals echt in beweging brengt, is weten welke bedrijven de moeite waard zijn om mee te praten en waarom — en dat is een heel ander probleem dan simpelweg namen van het internet plukken.
Webscraping wordt vaak neergezet als een shortcut om "10.000 leads voor vrijdag" binnen te halen, maar de tools die in 2026 echt werken zijn gebouwd voor iets nuttigers: echte accounts vinden, onderbouwd met echte signalen, precies op het moment dat ze koopintentie laten zien. Ik heb bij Thunderbit veel nagedacht over hoe mensen data scrapen voor sales, en de teams die de beste resultaten halen zijn niet degenen die de meeste rijen binnenhalen — het zijn degenen die de juiste rijen scrapen, mét context erbij.
Wat betekent het eigenlijk om B2B-leads te vinden met webscraping?
De meeste mensen horen "leads scrapen" en denken aan een tool die een directorypagina leegtrekt en daar een CSV van namen, functietitels en e-mails van maakt. Dat is geen leadgeneratie — dat is contactverzameling, en precies de reden waarom zoveel salesteams uiteindelijk met lijsten zitten die hard bouncen en nog slechter converteren.
Een echt leadrecord heeft meer nodig dan een naam. Je hebt een accountidentiteit nodig (bedrijfsnaam en canoniek domein), bewijs dat het bedrijf daadwerkelijk past bij je ideale klantprofiel, een tijdgebonden signaal dat uitlegt waarom nú het juiste moment is om contact op te nemen, een toegestane manier om contact te leggen, een vastlegging van waar de data vandaan komt, en een status die je later nog kunt beoordelen. Dat is een hele mond vol, maar het komt neer op een simpele volgorde: begin bij een openbare, toegestane bron, bevestig de identiteit van het bedrijf, verzamel fit-bewijs, noteer de trigger, zoek de minimale contactroute, valideer die, verwijder dubbelen en stuur het daarna door naar je CRM. Sla je een stap over, dan krijg je precies wat iedereen al beu is — een spreadsheet vol vreemden.
Waarom dit nu belangrijker is dan ooit
AI heeft scrapen ontzettend makkelijk gemaakt om te starten — en ook ontzettend makkelijk om het op schaal verkeerd te doen. Een paar jaar geleden betekende een scraper bouwen dat je een ontwikkelaar moest inhuren of een weekend moest stoeien met XPath-selectors. Nu kan iedereen een AI-webscraper op een pagina richten en binnen minuten gestructureerde data krijgen. Dat is geweldig voor productiviteit, maar het betekent ook dat meer salesteams sneller dan ooit ongekwalificeerde, onverifieerde data in hun CRM dumpen, en die rommel achteraf opschonen kost veel meer tijd dan het meteen goed doen.
Tegelijkertijd is het wettelijke speelveld niet veranderd alleen omdat de tools slimmer zijn geworden. De Britse Information Commissioner's Office is duidelijk: publiek beschikbare zakelijke contactgegevens kunnen nog steeds onder UK GDPR vallen, en bezwaren tegen direct marketing moeten ook in een B2B-context worden gerespecteerd. In de VS maakt de FTC bij CAN-SPAM geen uitzondering voor B2B-e-mail: elke commerciële boodschap heeft nog steeds correcte headers, een werkende opt-out en verwerkte uitschrijvingen binnen 10 werkdagen nodig. Dit is geen exotische juridische trivia; dit is de basis waaronder je opereert, of je dat nu doorhebt of niet.
Voor je begint: kijk eerst naar de context (en de voorwaarden)
Ik ga hier direct zijn: niet elke site is vrij spel, hoe goed je scraper ook is. In de voorwaarden van Google Maps staat expliciet dat exporteren of bulk-scrapen van Maps-content niet mag. LinkedIn verbiedt scrapen en ongeautoriseerde automatisering ronduit in de User Agreement. De huidige voorwaarden van Clutch verbieden ook handmatig of geautomatiseerd scrapen. Dit zijn geen obscure clausules — dit zijn de eerste dingen die je moet checken voordat je een tool op een site loslaat, en ik heb hier specifiek meer over geschreven rond LinkedIn scraping, omdat dat onderwerp telkens terugkomt.
robots.txt is nuttig om te begrijpen, maar je moet het niet zien als een juridisch groen licht. Volgens de eigen IETF-specificatie is het een crawl-instructie, geen permissiesysteem en geen access-controlmechanisme. Een site kan crawling in robots.txt toestaan en scrapen alsnog verbieden in de voorwaarden — en in een geschil winnen die voorwaarden meestal. Mijn vuistregel: als een site inlog vereist om de data te zien, een CAPTCHA ervoor zet, of ergens in de voorwaarden expliciet "geen scraping" zegt, dan is dat een bron om over te slaan, niet een puzzel om op te lossen.
Publieke bronnen die meestal veiliger en nuttiger zijn voor B2B-onderzoek zijn onder meer bedrijfswebsites, overheidsdossiers, exposanten- en partnerdirectories met toestemming, vacaturepagina's en nieuwsrooms. De EDGAR-API's van de SEC bieden bijvoorbeeld gratis publieke JSON-filings en XBRL-data zonder dat je überhaupt een API-key nodig hebt — houd geautomatiseerde verzoeken wel onder of gelijk aan 10 per seconde, volgens de rate-limit guidance van de SEC zelf.
De volledige pipeline: van ruwe scrape naar CRM-klare leads
Dit is de volgorde die ik zelf zou aanraden, en het draait minder om "scrapen" en meer om een mini-onderzoeksproces waarbij een scraper centraal staat.
Eerst kies je een toegestane openbare bron en haal je alleen organisatieniveau-velden op: bedrijfsnaam, domein, bron-URL, categorie, locatie en het signaal waardoor je ze überhaupt bent gaan bekijken (een vacature, persbericht, event listing). Daarna ga je voor de accounts die veelbelovend lijken naar hun echte website om te bevestigen wat ze doen, waar ze gevestigd zijn en welke openbare contactroute er bestaat. Vervolgens valideer en verrijk je alleen de accounts die al door je kwalificatiebarrière zijn gekomen — verspil geen enrichment-credits aan bedrijven die je nog niet hebt gecontroleerd. Daarna dedupliceer je tegen je bestaande CRM-data voordat er überhaupt iets wordt geïmporteerd. Tot slot push je het door met een statusveld, zodat je salesteam weet wat al is beoordeeld en wat nog bekeken moet worden.
Dat laatste deel is belangrijker dan veel mensen denken. Ik zou aanraden om elk record te taggen met iets als candidate_account, qualified_account, contact_ready, needs_review of rejected. Dat voelt misschien als overkill, totdat je SDR-team vraagt: "Wacht, heeft iemand eigenlijk wel gecheckt of dit bedrijf bij onze ICP past?" — en jij een antwoord hebt in plaats van een schouderophaal.
Waar je high-signal B2B-accounts vindt
De beste signalen zitten niet verstopt — ze zijn alleen verspreid over bronnen die de meeste teams niet systematisch checken. Carrièrepagina's van bedrijven laten zien wie ze aannemen en waarvoor, wat een prima indicatie is van waar ze in investeren. Newsrooms en perspagina's vertellen je over funding, expansie en productlanceringen. Partner- en exposantenpagina's (waar scrapen toegestaan is) laten zien wie actief is in een bepaald ecosysteem. Publieke filings, vooral van grotere bedrijven, geven een beeld van financiële gezondheid en strategische prioriteiten dat je nooit uit een LinkedIn-post haalt.
Geen van deze signalen bewijst op zichzelf koopintentie — een vacature voor "VP of Sales" betekent niet dat een bedrijf morgen klaar is om jouw product te kopen. Maar samen, en afgezet tegen je eigen ICP-criteria, zijn ze een veel betere filter dan een statische lijst die je zes maanden geleden op een lead marketplace hebt gekocht en die inmiddels al 20% verouderd is.
Waarom AI-gestuurd scrapen de rekensom verandert
Hier wordt het echt anders dan het scrapen dat ik vijf of zes jaar geleden deed. Oud-school scrapen betekende selectors schrijven voor elk pagina-ontwerp, en zodra een site zijn HTML herontwierp, viel je scraper om. AI-webscrapingtools lezen een pagina meer zoals een mens dat doet — ze begrijpen contextueel "dit is een bedrijfsnaam, dit is een locatie, dit is een functietitel" in plaats van te leunen op fragiele CSS-paden.
Dankzij die verschuiving kan een tool als Thunderbit naar een lijstpagina kijken en met AI Suggest Fields automatisch de juiste kolommen voorstellen, in plaats van dat je elk veld handmatig moet mappen. Je kunt ook gewoon in normaal Nederlands typen wat je wilt — bijvoorbeeld: "haal bedrijfsnaam, website, branche en locatie op" — en de AI zoekt uit hoe het moet worden uitgelezen. Ik heb met teams gesproken die vroeger een halve dag per site kwijt waren aan het bouwen van een scraperconfig; nu zijn het een paar klikken en een controlepass. Niet omdat de compliance-regels zijn veranderd — dat zijn ze niet — maar omdat de technische drempel om dit goed te doen enorm is gedaald. Voor meer over hoe die verschuiving speelt in het bredere AI-scrapinglandschap, zou ik je wijzen op onze uitleg over AI web scraping en hoe dat zich verhoudt tot de oudere, op regels gebaseerde aanpak.
Het subpaginaprobleem (waarom lijstpagina's alleen je halverwege laten staan)
Hier gaat het voor bijna iedereen mis die net begint: de lijstpagina vertelt nooit het hele verhaal. Een directorypagina geeft je misschien een bedrijfsnaam en een link, maar het echte bewijs dat je nodig hebt — wat het bedrijf doet, waar het hoofdkantoor zit, welke sector ze bedienen — staat meestal één klik dieper, op de detailpagina of website van het bedrijf zelf.
Ik heb teams honderden regels uit een directory zien scrapen, om er vervolgens achter te komen dat de helft van de "leads" precies dat ene veld mist dat voor kwalificatie het belangrijkst was. Dit is precies waarom subpage scraping als functiecategorie bestaat, en geen nice-to-have is. Een goede scraper moet in staat zijn de lijstpagina te bezoeken, de link naar de detailpagina van elk bedrijf te pakken en die link automatisch te volgen om de diepere velden op te halen, waarna alles wordt samengevoegd tot één schone rij. Sla je deze stap over, dan kwalificeer je leads op basis van een bedrijfsnaam en een gok.
Stapsgewijs: B2B-leads vinden met Thunderbit
Ik loop hier doorheen zoals ik het zelf zou doen: achter mijn bureau, met een targetdirectory en een kop koffie.
Stap 1: Installeer Thunderbit en open je doelgids
Download de Thunderbit Chrome Extension en ga naar een toegestane openbare bron — een exposantenlijst, een bedrijvengids, een vacaturebord, wat maar past bij je ICP. Controleer vóór je verdergaat of de voorwaarden van de site dit soort gebruik toestaan; die stap kost twee minuten en scheelt je later een hoop gedoe.
Stap 2: Klik op "AI Suggest Fields"
In plaats van handmatig door de pagina te klikken om kolommen te definiëren, laat je de AI naar de paginstructuur kijken en velden voorstellen zoals bedrijfsnaam, website, locatie en categorie. Je kunt deze aanpassen of zelf extra velden toevoegen met gewone taal — iets als "haal de branche op die dit bedrijf bedient" werkt prima als veldinstructie.
Stap 3: Start de scrape
Start de extractie en laat die draaien over de lijstpagina heen (en door eventuele paginering, als de directory uit meerdere pagina's bestaat). Dit is de "ruwe" pull — alleen identificerende bedrijfsgegevens, nog niets wat je als privécontact zou bestempelen.
Stap 4: Verrijk met subpage scraping
Voor de rijen die veelbelovend lijken, gebruik je subpage scraping om via de link van elk bedrijf door te klikken naar hun eigen site of detailpagina, zodat je diepere velden ophaalt zoals wat ze doen, waar ze gevestigd zijn en welke openbare contactroute vermeld staat. Dit is de stap die een kale regel uit een directory verandert in een echt gekwalificeerd accountrecord.
Stap 5: Valideer en maak schoon
Voordat iets je CRM raakt, controleer je een steekproef handmatig. Bevestig dat domeinen werken, dat de kwalificatiegrond echt standhoudt en markeer alles wat dubbelzinnig is als needs_review in plaats van te gokken. Dit is ook het moment waarop je e-mailvalidatie zou kunnen draaien via een service zoals Hunter, als je een legitieme openbare contactroute hebt gevonden — maar onthoud: een "geldig" e-mailadres betekent nog niet dat je toestemming hebt om die persoon te benaderen.
Stap 6: Exporteer en stuur door naar CRM
Thunderbit exporteert gratis naar formaten zoals CSV, Excel, Google Sheets, Airtable en Notion. Voordat je in HubSpot of Salesforce importeert, normaliseer je bedrijfsdomein als primaire sleutel — de importgids van HubSpot adviseert voor bedrijven domein en voor contacten e-mail, en de dubbele regels van Salesforce kunnen je import stilletjes blokkeren of markeren als je dit overslaat. Een kleine testbatch van 20 tot 30 rijen vóór de volledige import heeft me al meer dan eens gered van een puinhoop bij het opschonen.
Tips & veelvoorkomende valkuilen
Een paar dingen die ik iedereen zou meegeven die hier vandaag mee begint. Zie een gescrapete functietitel of rol niet als bewijs van koopintentie — het is een aanwijzing, geen groen licht. Ga er niet automatisch van uit dat een door AI uitgelezen veld correct is; controleer steekproefsgewijs voordat je een workflow opschaalt. Houd genoemde contactpersonen en directe e-mails in een apart, zorgvuldiger beheerd deel van je dataset dan je bedrijfsniveau-onderzoek, omdat B2B persoonlijke gegevens niet automatisch vrijstelt van privacyregels. En laat "de tool kan het technisch gezien" nooit je compliancebeleid worden — controleer de voorwaarden van de bron elke keer opnieuw, niet alleen de eerste keer.
Webscraping versus een leadendatabase kopen
Beide aanpakken hebben een plek, en doen alsof één van de twee altijd beter is, zou niet helemaal eerlijk zijn.
| Factor | Webscraping (toegestane bronnen) | Een leadendatabase kopen |
|---|---|---|
| Actualiteit | Zo actueel als je laatste scrape | Vaak al binnen weken verouderd |
| Signaalkwaliteit | Hoog — je bepaalt zelf trigger en context | Laag — meestal alleen statische firmografische data |
| Dekking | Smaller, afhankelijk van de bron | Breder, gestandaardiseerd |
| Kostenmodel | Vooral je tijd + toolabonnement | Doorlopende kosten per record of per seat |
| Compliance-risico | Beheersbaar als bronnen en velden zorgvuldig gekozen zijn | Sterk afhankelijk van de eigen bronpraktijken van de leverancier |
| Het beste voor | Gerichte outbound op basis van signalen | Brede marktkaart, vroege TAM-inschatting |
Mijn eerlijke mening: scrape wanneer je context en timing nodig hebt — denk aan de exposantenlijst van een specifiek event, een nieuwe productpagina van een concurrent, of een bedrijf dat net drie salesvacatures heeft geplaatst. Koop of gebruik enrichment-providers zoals Apollo wanneer je brede, gestandaardiseerde dekking nodig hebt en je bereid bent de actualiteit zelf te valideren. De twee sluiten elkaar niet uit; veel teams scrapen eerst voor signalen en verrijken daarna de gekwalificeerde accounts, in plaats van voor altijd voor één route te kiezen.
Een praktijkvoorbeeld
Stel dat je fleet management-software verkoopt en je wilt groeiende logistieke bedrijven vinden. Door een openbare carrier registry van een staat of een ledenlijst van een brancheorganisatie te scrapen, krijg je bedrijfsnamen, locaties en fleet-sizecategorieën — allemaal openbaar, allemaal toegestaan. Daarna klik je door naar de eigen site van elk bedrijf om te bevestigen dat ze daadwerkelijk actief zijn en pak je hun algemene contactlijn mee. Dat levert misschien 200 gekwalificeerde accounts op in plaats van 5.000 onverifieerde namen, maar elk daarvan is de tijd van een SDR waard, en dat is uiteindelijk het doel.
Scrapen voor B2B-leads werkt het best wanneer je ermee stopt het als lijstbouw te zien en het gaat behandelen als onderzoek, maar dan met betere tools. Ik heb salesteams meer pipeline zien halen uit 150 goed gekwalificeerde accounts dan uit 10.000 gekochte contacten, simpelweg omdat de outreach relevant was in plaats van generiek. Als je probeert te bepalen waar AI scraping past binnen je bredere salesaanpak, is het de moeite waard om te lezen hoe AI leadgeneratie verandert en hoe salesteams AI in de praktijk dagelijks gebruiken — die gaan allebei dieper in op workflows buiten alleen de scrapingstap.
Het opzetten van zo'n pipeline kost wat meer werk dan simpelweg een contactlijst downloaden, zeker. Maar de accounts die je overhoudt willen echt van je horen, en dat — en dat zeg ik als iemand die door de jaren heen genoeg koude e-mails de leegte in heeft gestuurd — is die extra dertig minuten aan setup meer dan waard.
Veelgestelde vragen
Is het legaal om B2B-bedrijfsdata van het web te scrapen? Dat hangt volledig af van de bron. Openbare bedrijfswebsites, overheidsfilings en directories die dit expliciet toestaan, zijn over het algemeen prima te scrapen voor onderzoeksdoeleinden. Sites zoals LinkedIn en Google Maps verbieden scrapen expliciet in hun voorwaarden, ongeacht wat technisch mogelijk is. Controleer altijd eerst de gebruiksvoorwaarden van een site voordat je gaat scrapen, en zie robots.txt als een crawl-instructie, niet als juridische toestemming.
Wat is in deze context het verschil tussen een "lead" en een "contact"? Een contact is gewoon een naam met een manier om die persoon te bereiken. Een lead is, als je het goed doet, een bedrijfsrecord onderbouwd met bewijs dat het bedrijf past bij je ideale klantprofiel, plus een tijdgebonden signaal dat uitlegt waarom je juist nu contact opneemt. Bulkcontacten scrapen zonder die context is precies waarom zoveel cold outreach-campagnes ondermaats presteren.
Kunnen AI-scrapingtools garanderen dat de data accuraat is? Nee, en elke tool die anders beweert, verdient argwaan. AI-extractie is erg goed in het structureren van rommelige pagina's, maar kan nog steeds ambiguë velden verkeerd lezen. Een steekproef controleren voordat je op schaal gaat, is een gewoonte die je beter behoudt, ongeacht welke tool je gebruikt.
Moet ik e-mails direct scrapen, of daarna een enrichmenttool gebruiken? Enrichmenttools zijn meestal betrouwbaarder voor het vinden en verifiëren van e-mails van genoemde contactpersonen dan proberen ze direct van pagina's te scrapen, en ze documenteren de verificatiestatus doorgaans duidelijk. Mijn advies: scrape eerst op bedrijfsniveau om te kwalificeren, en verrijk daarna alleen de accounts die al aan je fit-criteria voldoen — dat is efficiënter en verkleint je compliance-risico.
Hoe voorkom ik dat ik dubbele leads in mijn CRM importeer? Normaliseer vóór importeren op bedrijfsdomein als primaire identificatie, niet op bedrijfsnaam — namen hebben te veel varianten om betrouwbaar te dedupliceren. Zowel HubSpot als Salesforce hebben documentatie over hoe hun matchregels werken, en met een kleine testbatch vóór een volledige import vang je de meeste problemen af voordat ze een puinhoop in je pipeline worden.
