Hoe je een leadlijst opbouwt die écht reacties oplevert (workflow voor 2026)

Vorige week liet iemand uit ons salesteam me een spreadsheet zien met 4.000 contacten die ze van een databedrijf hadden gekocht. Reactieratio na twee weken outreach? 0,3%. Bouncepercentage? Ruim boven de 12%. Die lijst kostte echt geld en leverde bijna niets op.

De meeste leadlijsten in 2026 zijn bij voorbaat kansloos. , gebaseerd op 31 miljoen verzonden e-mails in 2025, meldt een gemiddelde reply rate van slechts 4,5% voor cold email sequences — en dat is nog het gemiddelde, dus veel campagnes zitten daar flink onder. Ondertussen zegt dat de gemiddelde verkoper maar 40% van de werkweek echt aan verkopen besteedt; de overige 60% gaat op aan administratie, research en — je raadt het al — prospecting.

Dus als je die tijd toch besteedt aan het bouwen van een lijst, maak dan een lijst die ook daadwerkelijk reacties oplevert. In deze gids doorlopen we de volledige workflow voor 2026: je ICP bepalen, leads vinden buiten LinkedIn, een goede template opzetten, data verifiëren zodat je bouncepercentage je afzenderreputatie niet sloopt, leads scoren vóór je op verzenden klikt en alles in de loop van de tijd actueel houden. En ik heb het ingedeeld op budget, zodat je vandaag nog voor $0 kunt beginnen.

• Moeilijkheid: Beginner
• Benodigde tijd: ongeveer 2-3 uur voor je eerste 50-100 leads
• Wat je nodig hebt: Chrome-browser, , een Google Sheet of spreadsheet, en je ICP op papier

Wat is een leadlijst? En waarom gaan de meeste lijsten de mist in?

Een leadlijst is een gestructureerde dataset van potentiële kopers — mensen en bedrijven die je wilt benaderen. Meestal bevat zo'n lijst persoonsgegevens (naam, functietitel, e-mail, telefoon, LinkedIn-URL) en bedrijfsgegevens (sector, omvang, omzet, locatie). Het is de basis van elke outbound sales-aanpak.

Waar het vaak misgaat: teams verwarren een leadlijst met een dump van contacten. Een bruikbare leadlijst beantwoordt de vragen waarom dit bedrijf en waarom juist deze persoon, nu. Een gekochte lijst van een willekeurige aanbieder geeft vaak alleen: "hier is een e-mailadres dat misschien nog bestaat." Het verschil in resultaat is enorm.

Leadlijsten maken ook deel uit van een bredere funnel. Een lead is iemand die mogelijk binnen je markt past. Een MQL (marketing qualified lead) laat al enige fit of betrokkenheid zien. Een SQL (sales qualified lead) is klaar voor directe opvolging. Een opportunity is een actieve deal. Je leadlijst vormt de bovenkant van die funnel — en als die top vol rommel zit, lijdt de rest daaronder.

De meest voorkomende redenen waarom leadlijsten falen:

• Verouderde data: dat minstens . Dat betekent dat bijna een kwart van je contacten elk jaar achterhaald raakt.
• Verkeerde contacten: Rolgebaseerde e-mailadressen (info@, sales@) in plaats van directe contactpersonen. Vage titels zoals "Staff" die niets zeggen over beslissingsbevoegdheid.
• Geen selectiecriteria: Volume dat zich voordoet als strategie. Zoals een forumgebruiker het verwoordde: "Vaak verwarren we volume met kwaliteit."
• Geen verificatie: laat zien dat zegt dat minder dan de helft van hun CRM-data accuraat en volledig is, en .
• Volume boven kwaliteit: laat zien dat campagnes met 21-50 ontvangers gemiddeld behalen, terwijl campagnes met 501+ ontvangers gemiddeld slechts halen. Kleiner en scherper werkt beter dan groter en slordiger.

De leadlijsttemplate: hoe je spreadsheet er echt uit zou moeten zien

Ik heb tientallen gidsen over "hoe je een leadlijst bouwt" bekeken, en dit stoort me telkens weer: ze zeggen allemaal "voeg contactgegevens, firmografische data en een lead score toe" — maar niemand laat echt zien hoe die spreadsheet er uitziet. Dus hier is het ontbrekende voorbeeld.

Aanbevolen startkolommen

Je leadlijst-spreadsheet zou vanaf dag 1 deze kolommen moeten hebben:

Voorbeeld van een leadlijst (geanonimiseerd)

Zo ziet een ingevulde lijst er in de praktijk uit — 10 rijen voor verschillende persona's:

Wat elke kolom betekent — en hoe "goede" data eruitziet

Een paar kolommen verdienen extra uitleg:

• Functietitel: "VP of Sales" zegt dat deze persoon budgetverantwoordelijkheid heeft. "Staff" zegt niets. Kies altijd voor specifieke titels die beslissingsmacht of invloed aangeven.
• E-mail: Een persoonlijk zakelijk adres (jordan@acme.com) is goud waard. Een rolgebaseerd adres (sales@acme.com) is voor cold outreach bijna waardeloos — het belandt in een gedeelde inbox die niemand echt beheert.
• Leadbron: Dit is de kolom die de meeste mensen overslaan, terwijl het op de lange termijn juist de belangrijkste is. Als je bijhoudt waar elke lead vandaan komt, zie je welke kanalen reacties opleveren, niet alleen rijen. "G2 categoriepagina, mei 2026" is bruikbaar. "Internet" niet.
• Intentiesignaal: Dit is de "waarom nu"-kolom. Een bedrijf dat net een Series A heeft opgehaald, drie vacatures voor SDR's heeft geplaatst of een nieuw product heeft gelanceerd, is een warmere lead dan een bedrijf dat stilletjes doordraait. Kun je geen intentiesignaal vinden, dan is de lead mogelijk niet prioriteit waard.

Hoe Thunderbit's AI Suggest Fields je template voor je opbouwt

Eén van de dingen waar ik het meest trots op ben bij : je hoeft niet te gokken welke kolommen je moet maken. Wanneer je Thunderbit opent op een pagina vol prospects — een bedrijvengids, een team-pagina van een bedrijf, een lijst met sprekers op een event — en op "AI Suggest Fields" klikt, leest de AI de pagina en genereert automatisch de juiste kolomnamen en datatypes. Als de pagina namen, e-mails, titels en bedrijfsinformatie bevat, stelt Thunderbit precies die kolommen voor.

Dit is vooral handig voor beginners die naar een lege spreadsheet staren en denken: "Welke velden moet ik eigenlijk vastleggen?" Thunderbit beantwoordt die vraag op basis van de daadwerkelijke data op de bronpagina. Daarna klik je op "Scrape" en exporteer je direct naar , Excel, Airtable of Notion.

Hoe je je ideale klantprofiel (ICP) bepaalt vóórdat je een leadlijst bouwt

De grootste fout die ik teams zie maken — en die ik zelf ook heb gemaakt — is een lijst bouwen voordat je hebt bepaald wie erop thuishoort. Je eindigt met een spreadsheet vol namen en nul duidelijkheid over waarom iemand überhaupt interesse zou moeten hebben in je product.

Je ICP beschrijft het bedrijf en de persoon die het meest waarschijnlijk bij je koopt, de meeste waarde haalt uit je product en blijft hangen. Het is geen persona-oefening; het is een filter voor targeting.

ICP-onderdelen

Praktische oefening: Kijk naar je beste 5-10 bestaande klanten. Wat hebben ze gemeen? Sector? Grootte? Functietitel van de persoon die tekende? Schrijf 3-5 gedeelde kenmerken op. Dat is je eerste ICP-versie.

Firmographics versus demographics: wat weegt zwaarder?

Firmographics zijn bedrijfsgegevens: sector, omvang, omzet, locatie. Demographics zijn in B2B-context persoonsgegevens: titel, senioriteit, functie, afdeling. Voor B2B-leadlijsten gebruik je firmographics om het bedrijf te vernauwen en demographics om de persoon te vernauwen. Je hebt beide nodig. Een perfect bedrijf met het verkeerde contact is een verspilde rij. Een perfect contact bij het verkeerde bedrijf is net zo nutteloos.

Nog iets om op te merken: , gebaseerd op , vond een gemiddelde beslissingsgroep van ongeveer . Een goede leadlijst bevat dus vaak meer dan één contact per target account — maar niet zó veel dat je outreach spamachtig wordt.

Verder dan LinkedIn: waar je leads vindt op websites, directories en social media

Een contentgap die me opviel toen ik dit onderwerp onderzocht: 5 van de 6 hoogst scorende artikelen over "hoe je een leadlijst bouwt" sturen lezers vooral naar LinkedIn Sales Navigator als primaire bron. En ja, Sales Navigator is krachtig. Maar het is ook duur ( voor Core), en echte gebruikers klagen vaak over exportbeperkingen, logge interfaces en scrapeproblemen.

De realiteit in 2026 is dat leads overal zitten — niet alleen op LinkedIn. Bedrijfswebsites, branchegidsen, eventpagina's, reviewsites en zelfs social-media-profielen zijn rijke bronnen van contactdata, vaak actueler en specifieker dan wat je in een betaalde database vindt.

Vergelijking van leadbronnen

Handige directories per sector

Google-zoekoperators voor het vinden van leads

Deze zijn gratis en verrassend krachtig. Enkele voorbeelden:

• site:clutch.co/agencies "B2B SaaS" "United States" — vindt bureaulijsten op Clutch, gefilterd op categorie en locatie
• site:company.com ("email" OR "contact") "VP Sales" — vindt contactpagina's op een specifieke site die een VP Sales vermelden
• intitle:"sponsors" "SaaS" "2026" "conference" — vindt sponsorpagina's van conferenties voor SaaS-events in 2026
• site:g2.com/categories "sales engagement" "mid-market" — vindt G2-categoriepagina's voor sales tools voor mid-market

documenteert exacte aanhalingstekens en operators zoals site:, dus daar kun je de syntax controleren.

Hoe je contacten van elke website scrapt met een AI Web Scraper

Hier past Thunderbit natuurlijk in de workflow. Voor elk van de bovenstaande bronnen — een Clutch-gids, een team-pagina van een bedrijf, een sprekerslijst van een event — is het proces hetzelfde:

1. Open de pagina in Chrome met de geïnstalleerd.
2. Klik op "AI Suggest Fields." De AI van Thunderbit leest de pagina en stelt kolommen voor zoals Naam, E-mail, Telefoon, Titel, Bedrijf.
3. Controleer de voorgestelde velden en voeg toe of verwijder wat nodig is.
4. Klik op "Scrape."
5. Exporteer naar Google Sheets, Excel, Airtable of Notion.

Het grote voordeel is dat Thunderbit werkt op rommelige, niet-gestandaardiseerde sites waarvoor geen vooraf gemaakte scraper-template de layout volledig zou dekken. De AI leest elke pagina opnieuw en past zich aan de structuur aan die hij aantreft. Thunderbit's gratis voegen met één klik extractie toe vanaf elke pagina — onbeperkt in de gratis tier.

Subpage scraping gebruiken om je leadlijst te verrijken

Een workflow die ik vaak gebruik: scrape eerst een overzichtspagina uit een directory (bijvoorbeeld een lijst met bedrijven op Clutch), en gebruik daarna Thunderbit's Subpage Scraping om elke afzonderlijke bedrijfspagina te bezoeken en extra data op te halen — e-mails, telefoonnummers, headcount, techstack, beschrijvingen.

Zo verander je een basislijst uit een directory in een verrijkte, onderzoeksklare leadlijst zonder handmatig te klikken. Je gaat van "hier zijn 50 bedrijfsnamen" naar "hier zijn 50 bedrijven met contact-e-mails, teamgroottes en beschrijvingen" in één geautomatiseerde ronde. Als je meer wilt leren over , hebben we dat uitgebreid behandeld.

Stap voor stap een leadlijst bouwen: de workflow voor 2026

Hieronder staat de volledige workflow, ingericht voor een niet-technische sales- of operations-medewerker die vandaag nog een echte leadlijst wil maken.

Stap 1: Leg je ICP vast

Voordat je ook maar één tool opent, schrijf je ICP-criteria op (zie de ICP-sectie hierboven). Sector, bedrijfsgrootte, geografie, kopersrollen, triggers en uitsluiters. Dit kost 15-30 minuten en bespaart je uren aan nutteloos scrapen.

Stap 2: Kies je leadbronnen

Kies op basis van je ICP en budget 2-3 leadbronnen uit de vergelijkingstabel. Mijn advies: begin eerst met de gratis bronnen. Als je SaaS-bedrijven target, probeer dan G2-categoriepagina's en team-pagina's van bedrijven. Als je lokale bedrijven target, begin dan met Google Business-resultaten en Yelp. Voeg betaalde bronnen zoals Sales Navigator pas toe als je alles gratis hebt uitgeput.

Stap 3: Leads extraheren met AI-scraping of handmatig zoeken

Voor elke bron is dit de extractiemethode:

• Websites en directories: Gebruik Thunderbit's AI-webscraper. Open de pagina, klik op "AI Suggest Fields", controleer de kolommen, klik op "Scrape". Voor populaire sites heeft Thunderbit die velden automatisch instellen.
• LinkedIn: Gebruik Sales Navigator Search en export, of Thunderbit voor .
• Google: Gebruik geavanceerde zoekoperators en scrape vervolgens de resultatenpagina's of bezoek de individuele pagina's.

Exportopties: Google Sheets, Excel, Airtable, Notion, CSV, JSON.

Stap 4: Verifieer en schon je data op

Deze stap is niet optioneel. Hieronder leg ik de volledige verificatieworkflow uit, maar in het kort: verwijder rolgebaseerde e-mails, dedupliceer, laat de lijst door een verificatietool lopen, markeer catch-all-domeinen en verifieer opnieuw vóór elke campagne.

Stap 5: Scoor en prioriteer je leads

Pas vóór je outreach begint een simpel scoringsmodel toe (hieronder uitgewerkt). Zo neem je eerst contact op met de leads met de hoogste waarde, niet alleen met wie toevallig bovenaan je spreadsheet staat.

Stap 6: Exporteer naar je CRM of outreach-tool

Zet de opgeschoonde, gescoorde lijst in je CRM (HubSpot, Salesforce, Pipedrive) of outreachplatform (lemlist, Mailshake, Apollo). Thunderbit exporteert direct naar Sheets, Airtable en Notion, en die kunnen via native integraties of Zapier synchroniseren met CRM's.

Stap 7: Start outreach en volg de resultaten

Personaliseer je outreach op basis van de data die je hebt verzameld. Benoem de sector van de prospect, verwijs naar hun intentiesignaal ("Ik zag dat jullie SDR's aannemen"), en stem je waardepropositie af op hun pijnpunt. Houd reply rates, bounces en conversies bij — en voed die data terug in je ICP en scoringsmodel voor de volgende ronde.

Budget eerst: hoe je een leadlijst opbouwt van $0 tot enterprise

De grootste frustratie die ik hoor van founders in een vroege fase en kleine salesteams: "Hoe bouw ik een leadlijst zonder dure tools te kopen?" Terechte vraag. ZoomInfo-contracten beginnen al gauw bij vijf cijfers per jaar. Sales Navigator kost $99+/maand. Apollo en Lusha hebben gratis tiers, maar de echt nuttige functies zitten achter een betaalmuur.

Het eerlijke antwoord: je kunt verrassend ver komen zonder te betalen. Maar opschalen vraagt wel om investering. Zo kun je het per niveau bekijken.

Prijzen per mei 2026 — controleer actuele tarieven vóór aankoop.

Wat je gratis kunt bereiken — en waar je grenzen tegenkomt

Met Thunderbit's gratis tier (6 AI-scrapes van pagina's per maand), de gratis Email Extractor en Phone Number Extractor (onbeperkt, met één klik), Google-zoekoperators en basis LinkedIn-zoekopdrachten kan een solo-founder realistisch in een middag een lijst van 50-100 leads samenstellen. Ik heb mensen in ons team dit zien doen.

Waar je tegen grenzen aanloopt: volume (pagina's per maand op de gratis tier), diepgang van verrijking (geen intentiedata of techstack-info zonder betaalde tools) en e-mailverificatie op schaal (gratis tools hebben kleine limieten). Zodra die grenzen knellen, is het logisch om naar de low-cost tier te stappen — ontgrendelen subpage scraping, bulk scraping, paginering en scheduled scrapers.

De bouncefix: een data-verificatieworkflow die echt werkt

Ik heb forumposts gezien van gebruikers die melding maken van bij gekochte lijsten. Dat is niet alleen weggegooide moeite — het is ook actief schadelijk. Hoge bouncepercentages beschadigen je afzenderreputatie, waardoor zelfs je goede e-mails in spam belanden.

zeggen dat een gezond bouncepercentage onder de 2% ligt, en onder de 1% is uitstekend. laat zien dat bijna de helft van de verzenders bouncepercentages van 2-5% rapporteert, terwijl . Zit je boven de 5%, dan is je afzenderreputatie in de gevarenzone.

De verificatieworkflow die ik aanraad:

1. Verwijder rolgebaseerde e-mails: Wis info@, sales@, support@, admin@-adressen, tenzij je bewust op gedeelde inboxen mikt (zeldzaam bij cold outreach).
2. Verwijder opmaakfouten: Dubbele records, typefouten, ontbrekende domeinen, dode domeinen. Een snelle sortering en filter in je spreadsheet vangt het meeste hiervan op.
3. Laat de lijst door een e-mailverificatietool lopen: Hunter, ZeroBounce, NeverBounce, Bouncer of Kickbox. Deze tools pingen de mailserver om te checken of de inbox bestaat, zonder een e-mail te versturen.
4. Markeer of verwijder catch-all-domeinen: dat catch-all-adressen een risicocategorie zijn — ze accepteren mail op serverniveau zonder te bewijzen dat een specifieke inbox bestaat. Kun je de individuele inbox niet verifiëren, markeer het record dan en behandel het als minder betrouwbaar.
5. Verifieer opnieuw vóór elke campagne: Data veroudert snel. Is je lijst ouder dan 30-90 dagen, verifieer dan opnieuw vóór je verstuurt.
6. Verstuur eerst kleine batches: Houd bounce- en klachtenpercentages in de gaten bij de eerste 50-100 sends. Schaal alleen op als de kwaliteit overeind blijft.

Waarom je leadbron de datakwaliteit beïnvloedt

Niet alle leaddata is gelijk. Een e-mailadres van de openbare team-pagina van een bedrijf — waar die persoon bewust zijn contactgegevens heeft vermeld — is meestal recenter en accurater dan een e-mailadres uit een aggregatiedatabase die al maanden niet is bijgewerkt.

Dat is een van de redenen waarom ik geloof in scrapen van live openbare pagina's in plaats van volledig te leunen op statische databases. Omdat Thunderbit's AI elke keer de echte website opnieuw leest (en niet een verouderde database), zijn de geëxtraheerde e-mails en telefoonnummers meestal actueler. De Phone Number Extractor zet nummers ook om naar de E.164-standaard, wat later opmaakfouten bij import in CRM's vermindert.

Scrapen van verse bronnen vervangt verificatie niet — maar het betekent wel dat je met schoner ruwe data begint.

Checklist vóór een campagne

Voordat je op "verzenden" drukt voor een campagne:

• [ ] Alle e-mails binnen de laatste 30 dagen geverifieerd
• [ ] Geen rolgebaseerde adressen (info@, sales@) in de verzendlijst
• [ ] Geen dubbele records
• [ ] Bouncepercentage van de vorige campagne beoordeeld
• [ ] Opt-out/unsubscribe-mechanisme aanwezig
• [ ] Suppression list gesynchroniseerd (respecteer alle eerdere opt-outs)

Eerst bouwen, dan scoren: een simpel leadscoringmodel voor kleine teams

Elke gids die ik lees zegt: "prioriteer je leads" — en gaat dan verder zonder uit te leggen hoe.

Als je een solo-founder bent of een salesteam van drie personen, heb je geen Salesforce Einstein of een voorspellende scoringsengine nodig. Je hebt een spreadsheetkolom nodig met een transparante formule.

Het scoringskader

Uitgewerkt voorbeeld

Lead A: VP Sales bij een SaaS-bedrijf met 120 medewerkers, SDR's aan het aannemen, e-mail geverifieerd, bron = carrière-/team-pagina van het bedrijf.
Score: 20 (sector) + 10 (omvang) + 15 (titel) + 15 (intent) + 10 (geverifieerd) + 10 (bron) = 80 → Deze week prioriteren voor outreach.

Lead B: "Staff" bij een hobbybedrijf met 5 personen, rolgebaseerde e-mail, geen intentiesignaal.
Score: 0 + 0 + 0 + 0 + 0 - 10 (rolgebaseerd) - 5 (generieke titel) = -15 → Overslaan of verwijderen.

Dit kan gewoon als een simpele formule in Google Sheets staan. Iets als:

1=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))

Geen Salesforce nodig.

Hoe je AI gebruikt om leads te labelen en te scoren tijdens het scrapen

Eén van de functies die mijn team in Thunderbit heeft gebouwd en die ik oprecht nuttig vind voor scoring: Field AI Prompts. Wanneer je je scrape instelt, kun je aan elke kolom een prompt toevoegen — bijvoorbeeld: "Classificeer de senioriteit van deze lead als Decision-Maker, Influencer of Individual Contributor op basis van de functietitel en context van de pagina."

Thunderbit labelt de data tijdens het extraheren, niet achteraf. Dus als je exporteert naar Sheets, staat de senioriteitsclassificatie, het bedrijfstype of de sector-tag er al in — klaar om in je scoringsformule te gebruiken. Dat haalt de handmatige tagging weg die scoring anders voelt als een karwei.

Je kunt Subpage Scraping ook gebruiken om de oorspronkelijke lijst verder te verrijken: scrape eerst een directory, en bezoek daarna de pagina van elk bedrijf om headcount, financieringsstatus of techstack op te halen — allemaal inputs voor je scoringsmodel.

Wanneer je scores opnieuw moet bekijken en bijwerken

Lead scores zijn geen instellen-en-vergeten-onderdeel. Herbeoordeel maandelijks, of na een grote campagne. Als een lead positief reageert, verandert de score (het is dan een actieve conversatie, geen koude lead meer). Als een e-mail bounce’t, pas je de score aan. Als een bedrijf dat zes maanden geleden nog aan het werven was inmiddels mensen heeft ontslagen, is het intentiesignaal veranderd.

Hoe je je leadlijst actueel houdt (automatisering en onderhoud)

Een leadlijst is geen eenmalig project.

Ik heb al genoemd dat . Contacten wisselen van baan, bedrijven draaien bij, e-mailadressen verouderen. Als je in mei een sterke lijst maakt en die pas in oktober weer aanraakt, is een aanzienlijk deel al dood.

Onderhoudscadans

Een scheduled scrape instellen voor doorlopende leadgeneratie

Hier komt Thunderbit's Scheduled Scraper om de hoek kijken. In plaats van elke maand handmatig directories opnieuw te bezoeken, kun je een terugkerende scrape instellen. De setup is eenvoudig: beschrijf het tijdsinterval in gewone taal (bijv. "elke maandag om 8:00"), voer de website-URL's in en klik op "Schedule." Thunderbit's AI zet je woorden om in een schema en voert de scrape automatisch uit, waarna verse resultaten naar je gekoppelde Google Sheet of Airtable-base worden geëxporteerd.

Gebruiksscenario's die ik goed heb zien werken:

• Een salesteam scrapt maandelijks opnieuw een Clutch-categoriepagina om nieuwe bureaus in de markt op te vangen.
• Een ecommerce-operations team monitort wekelijks een concurrentendirectory op nieuwe productvermeldingen.
• Een SaaS-founder ververst vóór elke maandelijkse outbound-batch een G2-categoriepagina om nieuw gelist bedrijven te vinden.

Thunderbit's cloud mode kan , dus zelfs grote directories worden snel ververst. Voor meer informatie over het instellen hiervan, bekijk onze gids over .

Een korte noot over compliance en dataprivacy

Ik houd dit kort, want dit is niet de kern van deze gids, maar het is wel essentieel.

• CAN-SPAM (VS): Geldt voor alle commerciële e-mail, ook B2B. De dat elke afzonderlijke overtredende e-mail kan leiden tot boetes tot . Vereisten: correcte headers, niet-misleidende onderwerpregels, geldig postadres, duidelijke opt-out en opt-outs binnen 10 werkdagen honoreren.
• GDPR (EU/VK): Gekoppelde zakelijke e-mailadressen kunnen persoonsgegevens zijn. De dat B2B-marketing de identiteit niet mag verhullen, een geldige opt-out moet bieden en bezwaren moet respecteren.
• CCPA/CPRA (Californië): Benadrukt kennisgeving, doelbinding, dataminimalisatie en consumentenrechten. De bevat de laatste details.
• Google- en Yahoo-verzendersregels: dat bulkverzenders spampercentages onder 0,30% houden, SPF/DKIM/DMARC authenticatie gebruiken en one-click unsubscribe ondersteunen. .

Kortom: scrape alleen publiek beschikbare data, vermijd login-walls zonder toestemming, voeg altijd een opt-out toe, houd suppressielijsten bij en controleer de lokale wettelijke vereisten. Thunderbit scrapt publiek beschikbare pagina's — gebruikers zijn verantwoordelijk voor hoe ze de data gebruiken.

Conclusie en belangrijkste inzichten

De leadlijstworkflow voor 2026 draait niet om meer namen vinden — het gaat om een kleinere, versere, geverifieerde en bronbewuste outreach-dataset bouwen die daadwerkelijk reacties oplevert.

Hier is de volledige workflow samengevat:

1. Bepaal je ICP voordat je ook maar één tool aanraakt.
2. Kies 2-3 leadbronnen — begin gratis (directories, bedrijfspagina's, Google-operators) voordat je voor databases betaalt.
3. Extraheer leads met AI-scraping — Thunderbit's 2-click-proces werkt op vrijwel elke openbare pagina.
4. Bouw een goede template met brontracking, intentiesignalen en scoringskolommen.
5. Verifieer en schoon op — verwijder rolgebaseerde e-mails, dedupliceer, verifieer, markeer catch-alls.
6. Scoor en prioriteer — gebruik een transparant spreadsheetmodel, niet je onderbuikgevoel.
7. Exporteer naar CRM/outreach — personaliseer op basis van de data die je hebt verzameld.
8. Volg de resultaten — bounces, replies, conversies, per leadbron.
9. Ververs continu — verifieer opnieuw vóór campagnes, scrape hoogwaardige bronnen opnieuw volgens schema.

De data ondersteunt dit: met bijna 3x hogere reply rates. Een geverifieerde lijst van 200 leads presteert bijna altijd beter dan een verouderde database met 5.000 contacten.

Klaar om je eerste lijst te bouwen? geeft je 6 pagina's AI-scraping per maand, onbeperkte gratis e-mail- en telefoonextractie en export naar Google Sheets of Excel. Dat is genoeg om vanmiddag nog je eerste 50-100 leads samen te stellen.

Veelgestelde vragen

Hoeveel leads moet mijn eerste leadlijst bevatten?

Begin met 50-100 goed getargete, geverifieerde leads in plaats van duizenden niet-gekwalificeerde contacten. Hunter's data laat zien dat campagnes met kleinere, scherpere ontvangerslijsten (21-50) gemiddeld 6,2% reply rates halen — bijna drie keer zoveel als campagnes met 501+ ontvangers. Kwaliteit stapelt zich op; volume verdunt.

Moet ik een leadlijst kopen of zelf bouwen?

Zelf bouwen is bijna altijd beter. Gekochte lijsten brengen meer risico mee: verouderde data, spamtraps, ondoorzichtige herkomst en compliance-risico's. Zelf gebouwde lijsten met AI-scraping en handmatig onderzoek leveren actuelere, relevantere data op, omdat je werkt vanaf live openbare pagina's waar contactgegevens up-to-date zijn. Als je toch koopt, eis dan transparantie over verzameldatum, verificatiedatum, toestemmingsbasis en vernieuwingsproces.

Wat is de beste gratis manier om een leadlijst te bouwen?

Combineer Google-zoekoperators (site:, intitle:, exacte zoekopdrachten) met Thunderbit's gratis tier — 6 pagina's AI-scraping per maand plus onbeperkte gratis e-mail- en telefoonextractie — en basis LinkedIn-zoekopdrachten. Daarmee dek je bedrijfspagina's, directories, eventlijsten en professionele profielen zonder een euro uit te geven.

Hoe vaak moet ik mijn leadlijst bijwerken?

Verifieer e-mails vóór elke campagne opnieuw, zeker als de lijst ouder is dan 30 dagen. Doe minstens elk kwartaal een volledige refresh — opnieuw scrapen, firmographics bijwerken, dode leads verwijderen. ZeroBounce meldt dat minstens 23% van een e-maillijst binnen een jaar veroudert, dus "instellen en vergeten" is een recept voor oplopende bouncepercentages.

Wat is een goed reply rate voor cold outreach vanuit een leadlijst?

Op basis van benchmarks uit 2025-2026: 3-5% positieve reply rate is goed, 5-8% is sterk, en 8%+ is uitstekend. De belangrijkste factor is list quality — targeting, verificatie en personalisatie. Een goed opgebouwde lijst met geverifieerde e-mails, duidelijke intentiesignalen en gepersonaliseerde berichten presteert consequent beter dan een grotere lijst met generieke contacten en standaardteksten.

Meer leren