Vorige week liet een van onze salescollega's me een spreadsheet zien met 4.000 contacten die ze van een dataleverancier hadden gekocht. Reactieratio na twee weken outreach? 0,3%. Bouncepercentage? Ruim boven de 12%. Die lijst kostte serieus geld en leverde bijna niets op.
De meeste leadlijsten in 2026 zijn vanaf het begin al waardeloos. Hunter's State of Email Outreach, gebaseerd op 31 miljoen verzonden e-mails in 2025, rapporteert een gemiddelde reply rate van slechts 4,5% voor cold email-sequenties — en dat is dus het gemiddelde, wat betekent dat heel wat campagnes daar flink onder zitten. Ondertussen zegt Salesforce's 2026 State of Sales dat de gemiddelde verkoper maar 40% van de werkweek daadwerkelijk aan sales besteedt; de overige 60% gaat op aan administratie, research en — jawel — prospecting.
Dus als je tijd steekt in het opbouwen van een lijst, dan moet dat er wel één zijn waar reacties op komen. Deze gids neemt je mee door de volledige workflow voor 2026: je ICP definiëren, leads vinden buiten LinkedIn, een goede template opzetten, data verifiëren zodat je bouncepercentage je sender reputation niet sloopt, leads scoren vóór je op send klikt, en alles in de loop van de tijd actueel houden. En ik heb het opgedeeld per budget, zodat je vandaag nog gratis kunt beginnen.
- Moeilijkheidsgraad: Beginner
- Benodigde tijd: ~2-3 uur voor je eerste 50-100 leads
- Wat je nodig hebt: Chrome-browser, Thunderbit-extensie, een Google Sheet of spreadsheet, en je ICP uitgeschreven
Bouw leadlijsten met AI scraping Get Started Free
Wat is een leadlijst (en waarom mislukken de meeste lijsten)?
Een leadlijst is een gestructureerde dataset van potentiële kopers — mensen en bedrijven die je wilt benaderen. Meestal bevat die persoonsvelden (naam, functietitel, e-mail, telefoonnummer, LinkedIn-URL) en bedrijfsvelden (sector, grootte, omzet, locatie). Het is de basis van elke outbound salesaanpak.
Waar het vaak misgaat: teams verwarren een leadlijst met een dump van contacten. Een bruikbare leadlijst beantwoordt de vraag waarom dit bedrijf en waarom deze persoon, juist nu. Een gekochte lijst van een willekeurige leverancier zegt vaak alleen: “hier is een e-mailadres dat misschien nog bestaat.” Het verschil in resultaat is enorm.
Leadlijsten maken bovendien deel uit van een bredere funnel. Een lead is iemand die mogelijk bij je markt past. Een MQL (marketing qualified lead) heeft al enige fit of engagement laten zien. Een SQL (sales qualified lead) is klaar voor directe opvolging. Een opportunity is een actieve deal. Je leadlijst vormt de top van die funnel — en als die top vol rotzooi zit, lijdt alles daaronder.
De meest voorkomende redenen waarom leadlijsten mislukken:
- Verouderde data: ZeroBounce rapporteert dat minstens 23% van een e-maillijst binnen één jaar veroudert. Dat betekent dat bijna een kwart van je contacten elk jaar slecht wordt.
- Verkeerde contacten: Rolgebaseerde e-mails (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 forumposter het zei: "Vaak verwarren we volume met kwaliteit."
- Geen verificatie: Validity's 2024 CRM data report ontdekte dat 24% van de CRM-admins zegt dat minder dan de helft van hun CRM-data accuraat en compleet is, en 31% zegt dat slechte CRM-data minstens 20% van de jaaromzet kost.
- Volume boven kwaliteit: Hunter's data laat zien dat campagnes gericht op 21-50 ontvangers gemiddeld 6,2% reply rates halen, terwijl campagnes met 501+ ontvangers gemiddeld slechts 2,4% halen. Kleiner en scherper werkt beter dan groter en slordiger.
De leadlijst-template: hoe je spreadsheet er echt uit zou moeten zien
Ik heb tientallen gidsen over “hoe bouw je een leadlijst” bekeken, en dit stoort me telkens weer: ze zeggen allemaal “voeg contactgegevens, firmographics en een lead score toe” — maar geen enkele laat echt zien hoe die spreadsheet eruitziet. Dus hier is het ontbrekende voorbeeld.
Aanbevolen startkolommen
Je leadlijst-spreadsheet zou vanaf dag 1 deze kolommen moeten hebben:
| Kolom | Wat vul je hier in? | Goede data | Slechte data |
|---|---|---|---|
| Volledige naam | Echte naam van de persoon | "Jordan Lee" | "Sales Team" |
| Functietitel | Specifieke huidige rol | "VP of Sales" | "Staff" |
| Bedrijf | Juridische of handelsnaam | "Acme Logistics" | "Acme?" |
| Sector | Gestandaardiseerde categorie | "B2B SaaS" | "Tech-achtig" |
| Bedrijfsgrootte | Aantal medewerkers-band | "51-200" | Leeg |
| Direct zakelijk e-mailadres | "jordan@acme.com," geverifieerd | "info@acme.com" | |
| Telefoon | Direct of hoofdnummer, correct opgemaakt | E.164-formaat | Gemengde lokale notaties |
| LinkedIn-URL | Profiel- of bedrijfspagina | Volledige URL | URL van zoekresultaat |
| Leadbron | Waar de record vandaan komt | "G2-categoriepagina, mei 2026" | "Internet" |
| Intentiesignaal | Waarom nu | "3 SDR's aan het werven," "nieuwe funding" | Leeg |
| Leadscore | Numerieke prioritering | 70/100 met regels | Onderbuikgevoel |
| Laatst benaderd | Datum van outreach | "2026-05-26" | "Onlangs" |
| Notities | Relevante context | "Gebruikt Shopify Plus" | Lange, ongestructureerde plaktekst |
Voorbeeld van een leadlijst (geanonimiseerd)
Zo ziet een ingevulde lijst er in de praktijk uit — 10 rijen met verschillende persona's:
| Volledige naam | Functietitel | Bedrijf | Sector | Grootte | Bron | Intentiesignaal | Score | |
|---|---|---|---|---|---|---|---|---|
| Alex M. | VP Sales | Mid-market SaaS vendor | SaaS | 201-500 | direct geverifieerd | G2-categorie | AEs aan het werven | 78 |
| Priya S. | Head of Ops | DTC kledingmerk | Ecommerce | 51-200 | direct geverifieerd | Shopify showcase | Fulfilment uitbreiden | 72 |
| Marcus T. | Founder | Lokale agency | Professional services | 11-50 | direct geverifieerd | Clutch | Nieuwe reviews | 66 |
| Elena R. | Revenue Ops Manager | Cybersecurity startup | SaaS | 51-200 | catch-all gemarkeerd | Sprekers op conferentie | Series A | 61 |
| Ben C. | Eigenaar | HVAC-aannemer | Local services | 11-50 | hoofd e-mailadres | Google Business | Hoog reviewvolume | 48 |
| Mina K. | Director of Partnerships | Marktplaatsbedrijf | Ecommerce | 201-500 | direct geverifieerd | Eventagenda | Event sponsoren | 74 |
| Diego P. | Makelaar | Regionaal makelaarskantoor | Vastgoed | 11-50 | direct geverifieerd | Branchegids | Nieuwe kantoorpagina | 58 |
| Sarah N. | Customer Support Lead | B2B-softwarebedrijf | SaaS | 51-200 | rolgebaseerd verwijderd | Capterra | Lage supportreviews | 44 |
| Omar A. | IT Manager | Productiebedrijf | Manufacturing | 501-1000 | direct geverifieerd | Bedrijfsteam-pagina | Vermelding ERP-migratie | 69 |
| Lena W. | Growth Marketing Lead | Fintech startup | SaaS | 51-200 | direct geverifieerd | Product Hunt | Nieuwe lancering | 71 |
Wat elke kolom betekent (en hoe “goede” data eruitziet)
Een paar kolommen verdienen extra uitleg:
- Functietitel: "VP of Sales" vertelt je dat deze persoon budgetbevoegdheid heeft. "Staff" zegt niets. Kies altijd voor specifieke titels die beslissingsmacht of invloed laten zien.
- E-mail: Een persoonlijk zakelijk adres (jordan@acme.com) is goud waard. Een rolgebaseerd adres (sales@acme.com) is bij cold outreach bijna waardeloos — het komt in een gedeelde inbox terecht die niemand echt bewaakt.
- Leadbron: Dit is de kolom die de meeste mensen overslaan, en juist die is op de lange termijn het belangrijkst. Door bij te houden waar elke lead vandaan komt, zie je welke kanalen reacties opleveren, niet alleen rijen. "G2-categoriepagina, mei 2026" is nuttig. "Internet" niet.
- Intentiesignaal: Dit is de kolom voor de reden waarom iemand nu relevant is. Een bedrijf dat net Series A heeft opgehaald, drie SDR-vacatures heeft geplaatst of een nieuw product lanceert, is een warmere lead dan een bedrijf dat stilletjes blijft doordraaien. Kun je geen intentiesignaal vinden, dan is die lead misschien niet prioriteit waard.
Hoe Thunderbit's AI Suggest Fields je template automatisch opzet
Een van de dingen waar ik met Thunderbit het meest trots op ben: je hoeft niet te gokken welke kolommen je moet maken. Wanneer je Thunderbit opent op een pagina met veel prospects — een bedrijvengids, een team-pagina van een bedrijf, een lijst met conferentiesprekers — 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.
Dat is vooral handig voor beginners die naar een lege spreadsheet staren en denken: “Welke velden moet ik überhaupt vastleggen?” Thunderbit beantwoordt die vraag voor je, op basis van de daadwerkelijke data op de bronpagina. Daarna klik je op "Scrape" en exporteer je direct naar Google Sheets, Excel, Airtable of Notion.
Probeer Thunderbit AI Suggest Fields
Hoe je je ideale klantprofiel (ICP) definieert vóór je een leadlijst bouwt
De grootste fout die ik teams zie maken — en die ik zelf ook heb gemaakt — is eerst een lijst bouwen en pas daarna bepalen wie erop thuishoort. Dan zit je met een spreadsheet vol namen, maar zonder duidelijkheid waarom die mensen iets om jouw product zouden geven.
Je ICP is de beschrijving van het bedrijf en de persoon die het meest waarschijnlijk bij je koopt, waarde uit je product haalt en klant blijft. Het is geen persona-oefening; het is een targetingfilter.
Onderdelen van een ICP
| ICP-onderdeel | Vraag | Voorbeeld |
|---|---|---|
| Sector | Welke categorieën hebben dit probleem? | B2B SaaS, ecommerce, professional services |
| Bedrijfsgrootte | Welke omvang kan nu kopen? | 51-500 medewerkers |
| Geografie | Waar kunnen we goed verkopen en ondersteunen? | VS, Canada, VK |
| Omzetband | Welke omzet past hierbij? | $5M-$100M ARR |
| Kopertitels | Wie heeft last van het probleem / budget? | VP Sales, RevOps, Head of Ops |
| Trigger | Wat maakt de timing urgent? | Werving, funding, migratie, slechte reviews |
| Pijnpunt | Welk probleem voelen ze? | Handmatig lijstjes bouwen, verouderde data, trage enrichment |
| Uitsluiter | Wie moet je niet meenemen? | Studenten, hobbybedrijven, concurrenten |
Praktische oefening: Kijk naar je beste 5-10 bestaande klanten. Wat hebben ze gemeen? Sector? Grootte? Functietitel van degene die het contract tekende? Noteer 3-5 gedeelde kenmerken. Dat is je eerste ICP-draft.
Firmographics vs. demographics: wat telt zwaarder?
Firmographics zijn bedrijfsgegevens: sector, grootte, omzet, locatie. Demographics (in B2B-context) zijn persoonsgegevens: titel, senioriteit, functie, afdeling. Voor B2B-leadlijsten filteren firmographics het bedrijf en demographics filteren de persoon. 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 belangrijks: Sopro's 2025 prospecting data, gebaseerd op 119,57 miljoen prospecting-touchpoints, laat een gemiddelde beslissingsgroep van ongeveer 4,14 stakeholders zien. Dus een goede leadlijst bevat vaak meer dan één contact per target account — maar niet zoveel dat je outreach spamachtig wordt.
Buiten LinkedIn: waar je leads vindt op websites, directories en social media
Een contentgat dat me verraste tijdens mijn research: 5 van de 6 hoogst scorende artikelen over “hoe bouw je een leadlijst” sturen lezers vooral naar LinkedIn Sales Navigator als primaire bron. En ja, Sales Navigator is krachtig. Maar ook prijzig (ongeveer $120/maand voor Core), en echte gebruikers klagen regelmatig over exportbeperkingen, logge interfaces en scraping-problemen.
De realiteit in 2026 is dat leads overal zitten — niet alleen op LinkedIn. Bedrijfswebsites, branchegidsen, eventpagina's, reviewsites en zelfs socialmediaprofielen zijn rijke bronnen van contactdata, vaak verser en specifieker dan wat je in een betaalde database vindt.
Vergelijking van leadbronnen
| Leadbron | Beste voor | Methode | Kosten |
|---|---|---|---|
| Bedrijfswebsites / Over-ons-pagina's | Niche B2B, lokale diensten, bureaus | Team-/contactpagina's bezoeken, namen/e-mails/telefoons extraheren | Gratis |
| Branchegidsen (Clutch, G2, Yelp) | Dienstverlenende leads, verticale ecosystemen | Filteren op categorie/locatie, listings scrapen | Gratis tot laaggeprijsd |
| Lijsten van eventbezoekers/sprekers | B2B-prospects met hoge intentie | Conferentieagenda's, sponsorpagina's, webinarregistraties | Gratis tot betaald eventtoegang |
| Reviewsites (G2, Capterra, Google Business) | SaaS en lokale bedrijven | Categorieën bekijken, bedrijfscontacten extraheren | Gratis |
| Social media (Instagram, X) | B2C, personal brands, lokale bedrijven | Openbare bio's, bedrijfspagina's | Gratis |
| Google site:-operators | Long-tail discovery, gerichte contactpagina's | Geavanceerde zoekopdrachten | Gratis |
| LinkedIn (basis) | Professioneel zoeken | Handmatig zoeken, openbare profielen | Gratis |
| LinkedIn Sales Navigator | Volwassen outbound-teams | Geavanceerde filters, opgeslagen leads, TeamLink | $99+/maand |
Handige directories per sector
| Sector | Bronnen die de moeite waard zijn om te scrapen |
|---|---|
| SaaS | G2, Capterra, Product Hunt, SaaSworthy, AWS Marketplace, categorieën in de Chrome Web Store |
| Ecommerce | Shopify stores/showcases, BuiltWith-lijsten, Klaviyo partner directories |
| Vastgoed | Realtor-directories, brokerage office-pagina's, publieke lokale MLS-pagina's, Kamer-van-Koophandel-gidsen |
| Professional services | Clutch, DesignRush, UpCity, GoodFirms, lokale juridische/accountancy-directories |
| Lokale bedrijven | Google Business-resultaten, Yelp, Yellow Pages, BBB, lokale Kamer-van-Koophandel-pagina's |
| Events | Sponsor/exhibitor-pagina's, sprekerslijsten, agenda-pagina's, webinar-landingspagina's |
Google geavanceerde zoekoperators voor het vinden van leads
Deze zijn gratis en verrassend krachtig. Een paar voorbeelden:
site:clutch.co/agencies "B2B SaaS" "United States"— vindt agency-listings op Clutch gefilterd op categorie en locatiesite:company.com ("email" OR "contact") "VP Sales"— vindt contactpagina's op een specifieke bedrijfswebsite die een VP Sales vermeldenintitle:"sponsors" "SaaS" "2026" "conference"— vindt sponsorpagina's voor SaaS-events in 2026site:g2.com/categories "sales engagement" "mid-market"— vindt G2-categoriepagina's voor sales tools in het mid-market segment
Google's eigen Search-help 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 sluit Thunderbit natuurlijk op aan in de workflow. Voor elk van de bovenstaande bronnen — een Clutch-directory, een bedrijfsteam-pagina, een lijst met conferentiesprekers — is het proces hetzelfde:
- Open de pagina in Chrome met de Thunderbit-extensie geïnstalleerd.
- Klik op "AI Suggest Fields." Thunderbit's AI leest de pagina en stelt kolommen voor zoals Name, Email, Phone, Title, Company.
- Controleer de voorgestelde velden en voeg toe of verwijder wat nodig is.
- Klik op "Scrape."
- Exporteer naar Google Sheets, Excel, Airtable of Notion.
Het grote voordeel is dat Thunderbit werkt op rommelige, niet-gestandaardiseerde sites waar geen vooraf gebouwde scraper-template de layout volledig zou dekken. De AI leest elke pagina vers, en past zich aan de structuur aan die hij tegenkomt. Thunderbit's gratis Email Extractor en Phone Number Extractor voegen met één klik extractie toe vanaf elke pagina — onbeperkt op de free tier.
Subpage Scraping gebruiken om je leadlijst te verrijken
Een workflow die ik vaak gebruik: scrape eerst een overzichtspagina uit een directory (bijv. een lijst bedrijven op Clutch) en laat Thunderbit daarna via Subpage Scraping elk afzonderlijk bedrijfsprofiel bezoeken om extra data op te halen — e-mails, telefoonnummers, headcount, tech stack, beschrijvingen.
Zo verander je een simpele directorylijst in een verrijkte, research-klare leadlijst zonder handmatig klikken. Je gaat van “hier zijn 50 bedrijfsnamen” naar “hier zijn 50 bedrijven met contactmails, teamgrootte en beschrijvingen” in één geautomatiseerde ronde. Wil je meer leren over webscraping zonder code, dan hebben we dat uitgebreid behandeld.
Hoe je stap voor stap een leadlijst opbouwt (de workflow voor 2026)
Hieronder staat de volledige workflow, opgesteld voor een niet-technische sales- of operationspersoon die vandaag een echte leadlijst wil bouwen.
Stap 1: scherp je ICP aan
Voordat je ook maar één tool opent, schrijf je ICP-criteria op (zie hierboven). Sector, bedrijfsgrootte, geografie, kopertitels, triggers en uitsluiters. Dit kost 15-30 minuten en bespaart uren aan vergeefs scrapen.
Stap 2: kies je leadbronnen
Op basis van je ICP en budget kies je 2-3 leadbronnen uit de vergelijkingstabel. Mijn advies: begin met de gratis bronnen. Richt je je op SaaS-bedrijven, probeer dan G2-categoriepagina's en bedrijfsteam-pagina's. Richt je je op lokale bedrijven, begin dan met Google Business-resultaten en Yelp. Voeg betaalde bronnen zoals Sales Navigator pas toe als je alles gratis hebt benut.
Stap 3: haal leads binnen met AI scraping of handmatig zoeken
Per bron ziet de methode er zo uit:
- Websites en directories: Gebruik Thunderbit's AI web scraper. Open de pagina, klik op "AI Suggest Fields", controleer de kolommen en klik op "Scrape". Voor populaire sites heeft Thunderbit instant data scraper templates die de velden automatisch configureren.
- LinkedIn: Gebruik Sales Navigator search en export, of Thunderbit voor scraping van openbare LinkedIn-profielen.
- Google: Gebruik geavanceerde zoekoperators en scrape daarna 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. Ik kom later in de speciale sectie terug op de volledige verificatieworkflow, maar kort samengevat: verwijder rolgebaseerde e-mails, dedupliceer, haal ze door een verificatietool, markeer catch-all-domeinen en verifieer opnieuw vóór elke campagne.
Stap 5: score en prioriteer je leads
Gebruik een eenvoudig scoringsmodel (hieronder uitgewerkt) vóór je outreach start. Zo benader je eerst de leads met de hoogste waarde, in plaats van simpelweg degene die toevallig bovenaan in de spreadsheet staan.
Stap 6: exporteer naar je CRM of outreachtool
Verplaats de opgeschoonde, gescoorde lijst naar je CRM (HubSpot, Salesforce, Pipedrive) of outreachplatform (lemlist, Mailshake, Apollo). Thunderbit exporteert direct naar Sheets, Airtable en Notion, die via native integraties of Zapier met CRM's kunnen synchroniseren.
Stap 7: start outreach en meet de resultaten
Personaliseer je outreach op basis van de data die je hebt verzameld. Noem de sector van de prospect, verwijs naar hun intentiesignaal ("Ik zag dat jullie SDR's werven"), en stem je waardepropositie af op hun pijnpunt. Volg reply rates, bounces en conversies — en voed die data terug in je ICP en scoringsmodel voor de volgende ronde.
Budget eerst: hoe je een leadlijst bouwt van $0 tot enterprise
Het grootste pijnpunt dat ik hoor van founders in een vroege fase en kleine salesteams: "Hoe bouw ik een leadlijst zonder dure tools te betalen?" Terechte vraag. ZoomInfo-contracten beginnen jaarlijks al in de vijf cijfers. Sales Navigator kost $99+/maand. Apollo en Lusha hebben gratis tiers, maar de goede functionaliteit zit achter betaalmuren.
Het eerlijke antwoord: gratis kun je verrassend ver komen. Maar opschalen vraagt wel om investering. Zo kun je er per niveau naar kijken.
| Niveau | Kosten | Methoden | Tools |
|---|---|---|---|
| Gratis ($0) | $0 | Google-operators, handmatige LinkedIn, bedrijfswebsites, Thunderbit free tier (6 pagina's + gratis e-mail/telefoon-extractors) | Thunderbit Free, Google, LinkedIn basic |
| Laag budget (<$50/maand) | $0-50 | AI scraping op schaal, basis-enrichment, e-mailverificatie | Thunderbit Starter/Pro, Hunter Starter ($34/maand), Bouncer/NeverBounce PAYG |
| Middenklasse ($50-200/maand) | $50-200 | Sales Navigator, rijkere filters, CRM-integratie | Sales Navigator Core ($119,99/maand, $89,99 bij jaarlijkse facturatie), betaald Apollo, Lusha |
| Enterprise ($200+/maand) | $200+ | Intentiedata, enrichment suites, compliance-workflows | ZoomInfo (offerte), Cognism (offerte), Clearbit |
Prijzen per mei 2026 — controleer actuele tarieven vóór aankoop.
Wat je gratis kunt bereiken (en waar je tegen grenzen aanloopt)
Met Thunderbit's gratis tier (6 pagina's AI scraping per maand), de gratis Email Extractor en Phone Number Extractor (onbeperkt, met één klik), Google zoekoperators en basis LinkedIn-zoekwerk kan een solo-founder realistisch gezien in een middag een lijst van 50-100 leads bouwen. Ik heb teamleden dat zien doen.
Waar je tegen grenzen aanloopt: volume (aantal pagina's per maand in de free tier), diepte van enrichment (je hebt geen intentiedata of tech-stack-info zonder betaalde tools), en e-mailverificatie op schaal (gratis verificatietools hebben limieten). Zodra die grenzen gaan knellen, is het logisch om naar de laaggeprijsde tier te gaan — Thunderbit's betaalde plannen ontgrendelen subpage scraping, bulk scraping, pagination en scheduled scrapers.
De bounce-fix: een dataverificatieworkflow die echt werkt
Ik heb forumberichten gezien van gebruikers die bijna 70% bounce rates rapporteerden bij gekochte lijsten. Dat is niet alleen verspilde moeite — het is ronduit gevaarlijk. Hoge bouncepercentages beschadigen je sender reputation, waardoor zelfs je goede e-mails in spam terechtkomen.
lemlist's benchmarks zeggen dat een gezond bouncepercentage onder de 2% ligt, en onder de 1% is uitstekend. Mailshake's 2025 survey vond dat bijna de helft van de verzenders bouncepercentages van 2-5% rapporteert, terwijl 15% boven de 6% uitkomt. Zit je boven de 5%, dan is je sender reputation in de problemen.
De verificatieworkflow die ik aanbeveel:
- Verwijder rolgebaseerde e-mails: Haal info@, sales@, support@, admin@ weg, tenzij je bewust gedeelde inboxen target (zeldzaam bij cold outreach).
- Verwijder opmaakfouten: Dubbele records, typefouten, ontbrekende domeinen, dode domeinen. Een snelle sortering en filter in je spreadsheet vangt het meeste hiervan af.
- Draai een e-mailverificatietool: Hunter, ZeroBounce, NeverBounce, Bouncer of Kickbox. Deze tools pingen de mailserver om te checken of de inbox bestaat zonder een e-mail te sturen.
- Markeer of verwijder catch-all-domeinen: ZeroBounce rapporteert dat catch-all-adressen een belangrijke risicocategorie zijn — ze accepteren mail op serverniveau zonder te bewijzen dat er echt een specifieke inbox bestaat. Kun je de individuele inbox niet verifiëren, markeer de record dan en beschouw die als lager betrouwbaar.
- Verifieer opnieuw vóór elke campagne: Data veroudert snel. Als je lijst ouder is dan 30-90 dagen, verifieer dan opnieuw vóór verzending.
- Verstuur eerst kleine batches: Let op bounce- en klachtenpercentages bij de eerste 50-100 verzonden mails. Schaal alleen op als de kwaliteit overeind blijft.
Waarom je leadbron de datakwaliteit beïnvloedt
Niet alle leaddata is gelijk. Een e-mailadres dat van een publieke team-pagina van een bedrijf komt — waar iemand bewust contactgegevens heeft geplaatst — is meestal verser en nauwkeuriger dan een e-mailadres uit een aggregator-database die maanden niet is bijgewerkt.
Dat is een van de redenen waarom ik liever scrape vanaf live publieke pagina's dan volledig vertrouw op statische databases. Omdat Thunderbit's AI elke keer de echte website vers leest (niet een verouderde database), zijn de geëxtraheerde e-mails en telefoonnummers meestal actueel. De Phone Number Extractor zet nummers ook om naar E.164-standaard, wat opmaakfouten bij importeren naar CRM's vermindert.
Scrapen vanuit verse bronnen vervangt verificatie niet — maar je start wel met schonere ruwe data.
Checklist vóór verzending
Voordat je op "send" klikt voor een campagne:
- Alle e-mails zijn binnen de laatste 30 dagen geverifieerd
- Geen rolgebaseerde adressen (info@, sales@) in de verzendlijst
- Geen duplicaten
- Bouncepercentage van de vorige campagne bekeken
- Opt-out/unsubscribe-mechanisme aanwezig
- Suppression list gesynchroniseerd (eerder afgemelde contacten respecteren)
Eerst bouwen, dan scoren: een simpel leadscoringmodel voor kleine teams
Elke gids die ik heb gelezen zegt: "prioriteer je leads" — en gaat daarna 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 scoring-engine nodig. Je hebt een spreadsheetkolom nodig met een transparante formule.
Het scoringskader
| Signaal | Punten | Voorbeeld |
|---|---|---|
| Past bij ICP-sector | +20 | SaaS, mid-market |
| Past qua bedrijfsgrootte | +10 | 51-500 medewerkers |
| Titulair beslisser | +15 | VP Sales, Head of Ops |
| Duidelijk intentiesignaal | +15 | Werving, funding, toolmigratie |
| E-mail geverifieerd | +10 | Verificatie geslaagd |
| Directe bron van hoge kwaliteit | +10 | Bedrijfspagina, sprekerspagina van event |
| Geëngageerd met je content | +10 | Gids gedownload, webinarbezoeker |
| Catch-all / ongeverifieerde e-mail | -10 | Risicovolle verificatiestatus |
| Rolgebaseerde e-mail | -10 | info@, sales@ |
| Generieke titel (geen duidelijke rol) | -5 | "Staff" |
Uitgewerkt voorbeeld
Lead A: VP Sales bij een SaaS-bedrijf met 120 medewerkers, SDR's aan het werven, e-mail geverifieerd, bron: carrière-/team-pagina van het bedrijf.
Score: 20 (sector) + 10 (grootte) + 15 (titel) + 15 (intent) + 10 (geverifieerd) + 10 (bron) = 80 → Deze week prioriteren voor outreach.
Lead B: "Staff" bij een hobbybedrijf met 5 personen, rolgebaseerd e-mailadres, geen intentiesignaal.
Score: 0 + 0 + 0 + 0 + 0 - 10 (rolgebaseerd) - 5 (generieke titel) = -15 → Overslaan of verwijderen.
Dit kan gewoon als simpele formule in Google Sheets. Iets als:
=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
Een functie die mijn team in Thunderbit heeft gebouwd en die ik echt nuttig vind voor scoring: Field AI Prompts. Wanneer je je scrape configureert, 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 functietitel en paginacontext."
Thunderbit labelt de data tijdens de extractie, niet achteraf. Dus wanneer 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 waardoor scoring als een klus voelt.
Je kunt Subpage Scraping ook gebruiken om de originele lijst verder te verrijken: scrape eerst een directory en bezoek daarna de pagina van elk bedrijf om headcount, fundingstatus of tech stack op te halen — allemaal inputs voor je scoringsmodel.
Wanneer je scores moet herzien en bijwerken
Lead scores zijn niet iets om één keer in te stellen en daarna te vergeten. Her-score maandelijks, of na elke grote campagne. Als een lead positief reageert, verandert de score (het is dan een actieve conversatie, geen koude lead meer). Als een e-mail bounced, pas je dat aan. Als een bedrijf dat zes maanden geleden personeel aannam inmiddels mensen heeft ontslagen, is het intentiesignaal veranderd.
Hoe je je leadlijst vers houdt (automatisering en onderhoud)
Een leadlijst is geen eenmalig project.
Ik heb al genoemd dat 23% van e-maillijsten jaarlijks veroudert. Contacten wisselen van baan, bedrijven veranderen van koers, e-mails verouderen. Als je in mei een goede lijst bouwt en er pas in oktober weer naar kijkt, is een flink deel ervan al dood.
Onderhoudscyclus
| Taak | Frequentie | Waarom |
|---|---|---|
| E-mails verifiëren | Voor elke campagne (of minstens maandelijks) | Hard bounces voorkomen |
| Contacten dedupliceren | Wekelijks tijdens actieve prospecting | Dubbele outreach vermijden |
| Intentiesignalen vernieuwen | Maandelijks | Werving/funding/reviews veranderen snel |
| Bedrijfsfirmographics bijwerken | Per kwartaal of halfjaarlijks | Grootte, omzet en tech stack verschuiven |
| Suppression list synchroniseren | Dagelijks of realtime | Opt-outs respecteren en klachten verminderen |
| Bronprestaties beoordelen | Maandelijks | Ontdekken welke kanalen reacties opleveren, niet alleen rijen |
Een geplande scrape instellen voor doorlopende leadgeneratie
Hier komt Thunderbit's Scheduled Scraper van pas. In plaats van maandelijks handmatig directories opnieuw te bezoeken, kun je een terugkerende scrape instellen. De setup is simpel: beschrijf het tijdsinterval in gewone taal (bijv. "elke maandag om 8:00 uur"), voer de website-URL's in en klik op "Schedule." Thunderbit's AI vertaalt je woorden naar een planning en voert de scrape automatisch uit, met verse resultaten naar je gekoppelde Google Sheet of Airtable-base.
Voorbeelden die goed werken:
- Een salesteam scrapt maandelijks opnieuw een Clutch-categoriepagina om nieuwe agencies in de markt te vangen.
- Een ecommerce-operations team monitort wekelijks een concurrentendirectory voor nieuwe productvermeldingen.
- Een SaaS-founder ververst vóór elke maandelijkse outboundbatch een G2-categoriepagina om nieuw genoteerde bedrijven te vinden.
Thunderbit's cloud mode kan tot 50 pagina's tegelijk scrapen, dus zelfs grote directories worden snel ververst. Voor meer informatie over de setup kun je onze gids over AI lead generation bekijken.
Een korte noot over compliance en privacy
Ik houd dit kort, omdat het niet de focus van deze gids is, maar het is wel essentieel.
- CAN-SPAM (VS): Geldt voor alle commerciële e-mail, inclusief B2B. De FTC zegt dat elke afzonderlijke overtredende e-mail boetes tot $53.088 kan opleveren. Vereisten: correcte headers, niet-misleidende onderwerpregels, een geldig postadres, duidelijke opt-out en opt-outs binnen 10 werkdagen honoreren.
- GDPR (EU/VK): Genoemde zakelijke e-mailadressen kunnen persoonsgegevens zijn. De ICO zegt dat B2B-marketing identiteit niet mag verbergen, een geldige opt-out moet bieden en bezwaren moet respecteren.
- CCPA/CPRA (Californië): Legt nadruk op kennisgeving, doelbinding, dataminimalisatie en rechten van consumenten. De California Privacy Protection Agency FAQ bevat de meest recente details.
- Google- en Yahoo-senderregels: Google vereist dat bulkverzenders spam rates onder 0,30% houden, SPF/DKIM/DMARC gebruiken en één-klik-afmelding ondersteunen. Yahoo hanteert vergelijkbare regels.
Kortom: scrape alleen publiek beschikbare data, vermijd zonder toestemming login-walls, voeg altijd een opt-outmechanisme toe, onderhoud suppression lists en controleer de lokale wettelijke vereisten. Thunderbit scrapt publiek beschikbare pagina's — gebruikers zijn zelf verantwoordelijk voor hoe ze de data gebruiken.
Conclusie en belangrijkste inzichten
De leadlijst-workflow voor 2026 draait niet om meer namen vinden — het draait om het bouwen van een kleinere, versere, geverifieerde en bronbewuste outbounddataset die echt reacties oplevert.
Hier is de volledige workflow in het kort:
- Definieer je ICP voordat je een tool aanraakt.
- Kies 2-3 leadbronnen — begin gratis (directories, bedrijfspagina's, Google-operators) vóór je betaalt voor databases.
- Extraheer leads met AI scraping — Thunderbit's 2-stappenproces werkt op vrijwel elke publieke pagina.
- Bouw een goede template met brontracking, intentiesignalen en scoringskolommen.
- Verifieer en schonen — verwijder rolgebaseerde e-mails, dedupliceer, verifieer, markeer catch-alls.
- Scoor en prioriteer — gebruik een transparant spreadsheetmodel, niet je onderbuikgevoel.
- Exporteer naar CRM/outreach — personaliseer op basis van de data die je hebt verzameld.
- Volg resultaten — bounces, replies, conversies, per leadbron.
- Ververs continu — verifieer opnieuw vóór campagnes en scrape waardevolle bronnen op schema opnieuw.
De data bevestigt dit: kleinere, scherpere segmenten presteren bijna 3x beter qua reply rate dan brede blasts. Een geverifieerde lijst met 200 leads presteert bijna altijd beter dan een verouderde database met 5.000 contacten.
Klaar om je eerste lijst te bouwen? Thunderbit's free tier geeft je 6 pagina's AI scraping per maand, onbeperkt gratis e-mail- en telefoonextractie, en export naar Google Sheets of Excel. Dat is genoeg om vanmiddag nog je eerste 50-100 leads te bouwen.
Probeer AI Web Scraper voor leadlijsten Get Started Free
FAQ's
Hoeveel leads moeten er op mijn eerste leadlijst staan?
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 lijsten (21-50 ontvangers) gemiddeld 6,2% reply rates halen — bijna drie keer zoveel als campagnes met 501+ ontvangers. Kwaliteit stapelt; volume verwatert.
Moet ik een leadlijst kopen of er zelf één bouwen?
Zelf bouwen is bijna altijd beter. Gekochte lijsten brengen meer risico met zich mee: verouderde data, spamtraps, ondoorzichtige herkomst en compliancerisico's. Zelf opgebouwde lijsten met AI scraping en handmatig onderzoek leveren versere, relevantere data op, omdat je werkt vanaf live publieke pagina's waar de contacten actueel zijn. Als je toch koopt, eis dan transparantie over verzameldatum, verificatiedatum, de basis voor toestemming en het updateproces.
Wat is de beste gratis manier om een leadlijst te bouwen?
Combineer Google geavanceerde zoekoperators (site:, intitle:, exact-match queries) met Thunderbit's free tier — 6 pagina's AI scraping per maand plus onbeperkt gratis e-mail- en telefoonextractie — en basis LinkedIn-zoekwerk. Daarmee dek je bedrijfswebsites, directories, eventlijsten en professionele profielen zonder een euro uit te geven.
Hoe vaak moet ik mijn leadlijst updaten?
Verifieer e-mails opnieuw vóór elke campagne, vooral als de lijst ouder is dan 30 dagen. Doe minstens elk kwartaal een volledige refresh — bronnen opnieuw scrapen, firmographics bijwerken, dode leads verwijderen. ZeroBounce meldt dat minstens 23% van een e-maillijst binnen één jaar veroudert, dus “instellen en vergeten” zorgt bijna gegarandeerd voor oplopende bouncepercentages.
Wat is een goed reply percentage voor cold outreach vanuit een leadlijst?
Gebaseerd op benchmarks uit 2025-2026: 3-5% positieve reply rate is goed, 5-8% is sterk, en 8%+ is uitstekend. De belangrijkste factor is lijstkwaliteit — targeting, verificatie en personalisatie. Een goed opgebouwde lijst met geverifieerde e-mails, duidelijke intentiesignalen en gepersonaliseerde boodschappen presteert consequent beter dan een grotere lijst met generieke contacten en standaardteksten.
Meer lezen
