Как собрать лид-список, который получает ответы (workflow 2026)

Последнее обновление: August 21, 2026
Как собрать лид-список, который получает ответы (workflow 2026)
AI-сводка
Эта статья представляет рабочий процесс 2026 года для создания списков потенциальных клиентов, которые получают ответы вместо отказов. Она начинается с объяснения, почему купленные списки часто терпят неудачу: широкий таргетинг, устаревшие контакты, слабая проверка и мало сигналов намерения. Руководство описывает определение идеального профиля клиента, создание электронной таблицы с информацией о компании, контактах, ролях, источниках, проверке, намерениях и заметках о рассылке, а также поиск потенциальных клиентов за пределами LinkedIn через каталоги, веб-сайты, социальные платформы, отраслевые списки и расширенный поиск Google. Затем показано, как AI-скрапинг и скрапинг подстраниц могут извлекать и обогащать записи перед их очисткой, удалением дубликатов, проверкой, оценкой и импортом в CRM. Основной вывод заключается в том, что качество списка важнее его размера.

На прошлой неделе один из наших менеджеров по продажам показал мне таблицу с 4 000 контактов, купленных у поставщика данных. Отклик после двух недель холодных касаний? 0,3%. Показатель отказов? Выше 12%. За такой список заплатили реальные деньги, а результат — почти нулевой.

Большинство списков лидов в 2026 году не работают с самого старта. Исследование Hunter State of Email Outreach, основанное на 31 миллионе писем, отправленных в 2025 году, показывает средний отклик в холодной email-цепочке на уровне всего 4,5%. И это именно среднее значение — у многих кампаний цифры заметно ниже. При этом Salesforce State of Sales 2026 сообщает, что типичный продавец тратит лишь 40% рабочей недели на сами продажи; оставшиеся 60% уходят на админку, ресерч и — как вы уже догадались — поиск потенциальных клиентов.

Так что если вы тратите время на создание списка, он должен приносить отклики. Это руководство проведет вас через весь процесс 2026 года: как определить ICP, где искать лиды кроме LinkedIn, как собрать правильный шаблон, как проверить данные, чтобы не угробить репутацию отправителя, как оценивать лиды до отправки и как поддерживать базу в актуальном состоянии. И я разбил все по бюджету, чтобы вы могли начать уже сегодня с $0.

  • Сложность: для новичков
  • Время: примерно 2–3 часа на первые 50–100 лидов
  • Что понадобится: браузер Chrome, расширение Thunderbit, Google Sheet или другая таблица и записанный ICP

Создавайте списки лидов с помощью AI-скрапинга Get Started Free

Что такое список лидов и почему большинство списков проваливается?

data-quality-dashboard.webp

Список лидов — это структурированная база потенциальных покупателей: людей и компаний, с которыми вы хотите связаться. Обычно он включает поля на уровне человека (имя, должность, email, телефон, LinkedIn URL) и на уровне компании (отрасль, размер, выручка, локация). Это фундамент любой outbound-продажи.

Где чаще всего ошибаются команды: они путают список лидов со свалкой контактов. Полезный список отвечает на вопросы почему именно эта компания и почему именно этот человек и именно сейчас. Купленная у случайного поставщика база часто отвечает только так: «вот email, который, возможно, еще существует». Разница в результате колоссальная.

Списки лидов также вписываются в более широкий цикл. Лид — это тот, кто потенциально подходит вашему рынку. MQL (marketing qualified lead) — контакт, который проявил интерес или показал соответствие. SQL (sales qualified lead) — уже готов к прямому фоллоу-апу. Opportunity — активная сделка. Ваш список лидов — это верх воронки, и если наверху мусор, дальше пострадает все.

Самые частые причины провала списков лидов:

Шаблон списка лидов: как на самом деле должна выглядеть таблица

Я пересмотрел десятки гайдов о том, как собирать список лидов, и меня всегда раздражало одно: все пишут «добавьте контактные данные, firmographics и lead score», но никто не показывает, как выглядит сама таблица. Поэтому вот тот самый недостающий шаблон.

data-quality-comparison.webp

Рекомендуемые стартовые столбцы

В вашей таблице с первого дня должны быть такие столбцы:

СтолбецЧто в него вноситьХорошие данныеПлохие данные
Full NameНастоящее имя человека"Jordan Lee""Sales Team"
Job TitleКонкретная текущая должность"VP of Sales""Staff"
CompanyЮридическое или торговое название"Acme Logistics""Acme?"
IndustryСтандартизированная категория"B2B SaaS""Tech-ish"
Company SizeДиапазон численности"51-200"Пусто
EmailПрямой рабочий email"jordan@acme.com," verified"info@acme.com"
PhoneПрямой или основной телефон, в нужном форматеФормат E.164Смешанные локальные форматы
LinkedIn URLПрофиль или страница компанииПолный URLURL результата поиска
Lead SourceОткуда взялась запись"G2 category page, May 2026""Internet"
Intent SignalПочему именно сейчас"Hiring 3 SDRs," "new funding"Пусто
Lead ScoreЧисловая приоритизация70/100 с правиламиНа глаз
Last ContactedДата последнего касания"2026-05-26""Recently"
NotesКонтекст и примечания"Uses Shopify Plus"Длинная неструктурированная вставка

Пример списка лидов (анонимизированный)

Вот как выглядит уже заполненный список — 10 строк с разными персонами:

Full NameJob TitleCompanyIndustrySizeEmailSourceIntent SignalScore
Alex M.VP SalesMid-market SaaS vendorSaaS201-500direct verifiedG2 categoryHiring AEs78
Priya S.Head of OpsDTC apparel brandEcommerce51-200direct verifiedShopify showcaseExpanding fulfillment72
Marcus T.FounderLocal agencyProfessional services11-50direct verifiedClutchNew reviews66
Elena R.Revenue Ops ManagerCybersecurity startupSaaS51-200catch-all flaggedConference speakersSeries A61
Ben C.OwnerHVAC contractorLocal services11-50main office emailGoogle BusinessHigh review volume48
Mina K.Director of PartnershipsMarketplace companyEcommerce201-500direct verifiedEvent agendaSponsoring event74
Diego P.Real Estate BrokerRegional brokerageReal estate11-50direct verifiedAssociation directoryNew office page58
Sarah N.Customer Support LeadB2B software companySaaS51-200role-based removedCapterraLow support reviews44
Omar A.IT ManagerManufacturing firmManufacturing501-1000direct verifiedCompany team pageERP migration mention69
Lena W.Growth Marketing LeadFintech startupSaaS51-200direct verifiedProduct HuntNew launch71

Что означает каждый столбец и как выглядит «хорошие» данные

Некоторые столбцы стоит разобрать отдельно:

  • Job Title: "VP of Sales" говорит о наличии бюджетных полномочий. "Staff" — не говорит ни о чем. Всегда стремитесь к конкретным должностям, по которым видно влияние на решение.
  • Email: личный рабочий email вроде jordan@acme.com — это золото. Адрес на группу вроде sales@acme.com почти бесполезен для холодного outreach: он падает в общий ящик, который никто нормально не отслеживает.
  • Lead Source: это столбец, который чаще всего пропускают, хотя именно он важнее всего в долгую. Отслеживание источника показывает, какие каналы дают отклики, а не просто строки. "G2 category page, May 2026" — полезно. "Internet" — нет.
  • Intent Signal: это поле «почему сейчас». Компания, которая только что привлекла раунд Series A, разместила три вакансии SDR или запустила новый продукт, — более горячий лид, чем тихая компания без событий. Если сигнала нет, возможно, этот лид не стоит приоритета.

Как Thunderbit с помощью AI Suggest Fields сам собирает шаблон за вас

Одна из вещей, которыми я особенно горжусь в Thunderbit: вам не нужно угадывать, какие столбцы создавать. Когда вы открываете Thunderbit на любой странице с потенциальными лидами — каталог, страницу команды компании, список спикеров конференции — и нажимаете "AI Suggest Fields", ИИ считывает страницу и автоматически предлагает подходящие названия столбцов и типы данных. Если на странице есть имена, email, должности и информация о компании, Thunderbit предложит именно их.

Это особенно удобно для новичков, которые смотрят на пустую таблицу и думают: «А какие вообще поля нужно собирать?» Thunderbit отвечает на этот вопрос за вас, исходя из реальных данных, доступных на исходной странице. Затем вы нажимаете "Scrape" и экспортируете данные напрямую в Google Sheets, Excel, Airtable или Notion.

Попробовать Thunderbit AI Suggest Fields

Как определить идеальный профиль клиента (ICP) до создания списка лидов

icp-filtering-process.webp

Самая большая ошибка, которую я вижу у команд — и сам когда-то ее допускал, — это делать список до того, как определили, кто в него должен попасть. В итоге получается таблица с именами, но без понимания, почему этим людям вообще должен быть интересен ваш продукт.

Ваш ICP — это описание компании и человека, которые с наибольшей вероятностью купят у вас, получат ценность от продукта и останутся с вами надолго. Это не упражнение по созданию персон. Это фильтр для таргетинга.

Компоненты ICP

Элемент ICPВопросПример
IndustryВ каких категориях есть эта боль?B2B SaaS, ecommerce, professional services
Company SizeКакие диапазоны уже могут покупать?51-500 сотрудников
GeographyГде мы можем хорошо продавать и поддерживать?США, Канада, Великобритания
Revenue RangeКакой диапазон выручки подходит?$5M-$100M ARR
Buyer TitlesКто владеет болью и бюджетом?VP Sales, RevOps, Head of Ops
TriggerЧто делает момент срочным?Hiring, funding, migration, poor reviews
Pain PointВ чем их проблема?Ручной сбор списков, устаревшие данные, медленное обогащение
DisqualifierКого нужно исключить?Студенты, хобби-бизнес, конкуренты

Практическое упражнение: посмотрите на 5–10 своих лучших клиентов. Что у них общего? Отрасль? Размер? Должность человека, подписавшего контракт? Запишите 3–5 общих признаков. Это и есть черновик вашего ICP.

Firmographics и demographics: что важнее?

Firmographics — это данные о компании: отрасль, размер, выручка, локация. Demographics в B2B-контексте — это данные о человеке: должность, уровень, функция, отдел. Для B2B-лидов firmographics сужают круг по компании, а demographics — по человеку. Нужны оба слоя. Идеальная компания с неправильным контактом — это бесполезная строка. Идеальный контакт в неправильной компании — тоже бесполезен.

И еще один важный момент: данные Sopro за 2025 год по prospecting, основанные на 119,57 миллиона касаний, показывают, что средняя decision-making unit включает около 4,14 стейкхолдера. Поэтому хороший список лидов часто включает больше одного контакта на целевой аккаунт — но не настолько много, чтобы outreach превратился в спам.

Вне LinkedIn: где искать лиды на сайтах, в каталогах и соцсетях

Когда я исследовал эту тему, меня удивил один пробел: 5 из 6 статей, которые ранжируются в топе по запросу «как собрать список лидов», ведут читателя в первую очередь в LinkedIn Sales Navigator. И да, Sales Navigator действительно мощный инструмент. Но он еще и дорогой (около $120 в месяц за Core), а реальные пользователи регулярно жалуются на ограничения экспорта, перегруженный интерфейс и проблемы со скрапингом.

ai-data-sources-table.webp

Реальность 2026 года такова: лиды живут везде, а не только в LinkedIn. Сайты компаний, отраслевые каталоги, страницы событий, сайты с отзывами и даже профили в соцсетях — это богатые источники контактных данных, часто более свежих и точных, чем в платных базах.

Сравнение источников лидов

Источник лидовДля чего лучше всего подходитМетодСтоимость
Сайты компаний / страницы AboutУзкий B2B, локальные услуги, агентстваИщите страницы команды/контактов, извлекайте имена/email/телефоныБесплатно
Отраслевые каталоги (Clutch, G2, Yelp)Сервисный бизнес, вертикальные экосистемыФильтруйте по категории/локации, скрапьте спискиБесплатно или недорого
Списки участников/спикеров событийB2B-лиды с высоким намерениемПрограммы конференций, страницы спонсоров, регистрации на вебинарыОт бесплатно до платного доступа
Сайты с отзывами (G2, Capterra, Google Business)SaaS и локальный бизнесПросматривайте категории, извлекайте контакты компанийБесплатно
Соцсети (Instagram, X)B2C, личные бренды, локальный бизнесПубличные био, бизнес-страницыБесплатно
Поисковые операторы Google site:Длинный хвост и целевые страницы контактовРасширенные поисковые запросыБесплатно
LinkedIn (basic)Профессиональный поискРучной поиск, публичные профилиБесплатно
LinkedIn Sales NavigatorЗрелые outbound-командыРасширенные фильтры, сохраненные лиды, TeamLinkОт $99/мес

Полезные каталоги по вертикалям

ВертикальИсточники, которые стоит скрапить
SaaSG2, Capterra, Product Hunt, SaaSworthy, AWS Marketplace, категории Chrome Web Store
EcommerceShopify stores/showcases, списки BuiltWith, каталоги партнеров Klaviyo
Real estateКаталоги риелторов, страницы брокерских офисов, публичные страницы местных MLS, каталоги торгово-промышленных палат
Professional servicesClutch, DesignRush, UpCity, GoodFirms, локальные каталоги юристов/бухгалтеров
Local businessРезультаты Google Business, Yelp, Yellow Pages, BBB, страницы местных палат
EventsСтраницы спонсоров/экспонентов, списки спикеров, страницы программы, лендинги вебинаров

Расширенные поисковые операторы Google для поиска лидов

Они бесплатны и на удивление мощные. Несколько примеров:

  • site:clutch.co/agencies "B2B SaaS" "United States" — находит карточки агентств в Clutch по категории и локации
  • site:company.com ("email" OR "contact") "VP Sales" — находит страницы контактов на сайте компании с упоминанием VP Sales
  • intitle:"sponsors" "SaaS" "2026" "conference" — находит страницы спонсоров конференций по SaaS в 2026 году
  • site:g2.com/categories "sales engagement" "mid-market" — находит страницы категорий G2 для mid-market sales tools

Справка Google Search объясняет точные кавычки и операторы вроде site:, так что при желании можете свериться с синтаксисом там.

Как скрапить контакты с любого сайта с помощью AI Web Scraper

Вот где Thunderbit идеально вписывается в процесс. Для любого из источников выше — каталога Clutch, страницы команды компании, списка спикеров конференции — процесс один и тот же:

  1. Откройте страницу в Chrome с установленным расширением Thunderbit.
  2. Нажмите "AI Suggest Fields". ИИ Thunderbit прочитает страницу и предложит столбцы вроде Name, Email, Phone, Title, Company.
  3. Проверьте предложенные поля, добавьте или удалите лишнее.
  4. Нажмите "Scrape".
  5. Экспортируйте в Google Sheets, Excel, Airtable или Notion.

Главное преимущество в том, что Thunderbit работает на сложных, нестандартизированных сайтах, где никакой готовый шаблон не закрывает структуру полностью. ИИ заново читает каждую страницу и адаптируется к тому, что на ней реально есть. Бесплатные Email Extractor и Phone Number Extractor от Thunderbit позволяют извлекать данные с любой страницы в один клик — без ограничений на бесплатном тарифе.

Как использовать subpage scraping для обогащения списка лидов

Один из рабочих сценариев, который я часто использую: сначала скрапить страницу каталога, например список компаний в Clutch, а затем с помощью Subpage Scraping от Thunderbit заходить на отдельные страницы каждой компании и подтягивать дополнительные данные — email, телефон, численность, tech stack, описание.

Так вы превращаете базовый каталог в обогащенный, готовый к работе список лидов без ручных кликов. Вы переходите от «вот 50 названий компаний» к «вот 50 компаний с контактами, размером команды и описаниями» за один автоматический проход. Если хотите глубже разобраться в web scraping без кода, у нас есть подробный разбор.

Как построить список лидов шаг за шагом: рабочий процесс 2026 года

Ниже — полный процесс, выстроенный для не технического sales- или ops-специалиста, который хочет собрать реальный список лидов уже сегодня.

Шаг 1: Четко зафиксируйте ICP

Прежде чем открывать любой инструмент, выпишите критерии ICP (см. раздел выше). Отрасль, размер компании, география, должности покупателей, триггеры и исключения. Это займет 15–30 минут и сэкономит часы бесполезного скрапинга.

Шаг 2: Выберите источники лидов

Исходя из ICP и бюджета, выберите 2–3 источника из сравнительной таблицы. Моя рекомендация: сначала попробуйте бесплатные источники. Если вы таргетируете SaaS-компании, начните со страниц категорий G2 и страниц команд компаний. Если вам нужны локальные бизнесы, начните с результатов Google Business и Yelp. Платные источники вроде Sales Navigator подключайте только после того, как исчерпаете бесплатные.

Шаг 3: Извлеките лиды с помощью AI-скрапинга или ручного поиска

Для каждого источника метод будет таким:

  • Сайты и каталоги: используйте AI web scraper от Thunderbit. Откройте страницу, нажмите "AI Suggest Fields", проверьте столбцы, нажмите "Scrape". Для популярных сайтов у Thunderbit есть готовые шаблоны instant data scraper, которые автоматически настраивают поля.
  • LinkedIn: используйте поиск и экспорт в Sales Navigator или Thunderbit для скрапинга публичных профилей LinkedIn.
  • Google: используйте расширенные операторы поиска, затем скрапьте страницы результатов или переходите на отдельные страницы.

Варианты экспорта: Google Sheets, Excel, Airtable, Notion, CSV, JSON.

Шаг 4: Проверьте и очистите данные

Этот шаг не опционален. Полный процесс верификации я разберу ниже, но кратко: уберите role-based email, удалите дубликаты, прогоните через сервис верификации, пометьте catch-all домены и перепроверьте данные перед каждой кампанией.

Шаг 5: Оцените и приоритизируйте лиды

Примените простую scoring-модель до начала outreach. Так вы сначала будете писать самым ценным лидам, а не тем, кто просто оказался сверху таблицы.

Шаг 6: Экспортируйте в CRM или outreach-инструмент

Перенесите очищенный и оцененный список в вашу CRM (HubSpot, Salesforce, Pipedrive) или платформу для outreach (lemlist, Mailshake, Apollo). Thunderbit экспортирует напрямую в Sheets, Airtable и Notion, а дальше все можно синхронизировать с CRM через встроенные интеграции или Zapier.

Шаг 7: Запустите outreach и отслеживайте результаты

Персонализируйте сообщения на основе собранных данных. Упомяните отрасль, сослитесь на триггер («заметил, что вы нанимаете SDR»), адаптируйте ценностное предложение под конкретную боль. Отслеживайте отклики, отказы и конверсии — и возвращайте эти данные обратно в ICP и scoring-модель для следующего раунда.

С прицелом на бюджет: как собрать список лидов от $0 до enterprise

Самая частая боль, которую я слышу от фаундеров на ранней стадии и небольших sales-команд: «Как собрать список лидов, не покупая дорогие инструменты?» Вопрос справедливый. Контракты ZoomInfo начинаются с пятизначных сумм в год. Sales Navigator стоит от $99 в месяц. У Apollo и Lusha есть бесплатные тарифы, но хорошие функции закрыты за paywall.

Честный ответ: далеко можно продвинуться и бесплатно. Но для масштабирования все же потребуется инвестиция. Вот как думать об этом по уровням.

УровеньСтоимостьМетодыИнструменты
Free ($0)$0Операторы Google, ручной LinkedIn, сайты компаний, бесплатный тариф Thunderbit (6 страниц + бесплатные извлекатели email/телефона)Thunderbit Free, Google, базовый LinkedIn
Low-cost (<$50/mo)$0-50AI-скрапинг в масштабе, базовое обогащение, верификация emailThunderbit Starter/Pro, Hunter Starter ($34/mo), Bouncer/NeverBounce PAYG
Mid-range ($50-200/mo)$50-200Sales Navigator, более глубокие фильтры, интеграция с CRMSales Navigator Core ($119.99/mo, $89.99 billed annually), Apollo paid, Lusha
Enterprise ($200+/mo)$200+Intent data, suites для обогащения, compliance workflowsZoomInfo (по запросу), Cognism (по запросу), Clearbit

Цены актуальны на май 2026 года — перед покупкой проверьте текущие тарифы.

Что можно сделать бесплатно и где начнутся ограничения

С бесплатным тарифом Thunderbit (6 страниц AI-скрапинга в месяц), бесплатными Email Extractor и Phone Number Extractor (безлимитно, в 1 клик), операторами поиска Google и базовым поиском в LinkedIn один человек вполне может собрать список из 50–100 лидов за день. Я видел, как это делают ребята в нашей команде.

Где упираетесь в потолок: объем (страницы в месяц на бесплатном тарифе), глубина обогащения (без платных инструментов не будет intent data и tech stack), и верификация email в масштабе (у бесплатных сервисов есть лимиты). Когда эти ограничения начинают мешать, тогда и есть смысл переходить на low-cost уровень — платные планы Thunderbit открывают subpage scraping, bulk scraping, pagination и scheduled scrapers.

Как исправить bounce rate: рабочий процесс проверки данных

email-validation-workflow.webp

Я видел посты на форумах от пользователей, у которых bounce rate почти 70% после работы с купленными базами. Это не просто пустая трата времени — это еще и опасно. Высокий bounce rate убивает репутацию отправителя, а значит даже ваши хорошие письма начинают падать в спам.

Бенчмарки lemlist говорят, что хороший bounce rate — ниже 2%, а ниже 1% — уже отлично. Опрос Mailshake за 2025 год показал, что почти половина отправителей видит bounce rate в диапазоне 2–5%, а 15% превышают 6%. Если у вас больше 5%, у репутации отправителя проблемы.

Рекомендуемый процесс проверки:

  1. Удалите role-based emails: уберите все адреса info@, sales@, support@, admin@, если только вы специально не таргетируете общие ящики (что для холодного outreach редкость).
  2. Удалите ошибки формата: дубликаты, опечатки, отсутствующие домены, мертвые домены. Быстрая сортировка и фильтр в таблице ловят большую часть таких проблем.
  3. Прогоните через сервис верификации email: Hunter, ZeroBounce, NeverBounce, Bouncer или Kickbox. Эти инструменты проверяют, существует ли ящик, не отправляя письмо.
  4. Пометьте или уберите catch-all домены: ZeroBounce сообщает, что catch-all адреса — рискованная категория: сервер принимает письма на уровне домена, но это не доказывает существование конкретного ящика. Если вы не можете проверить конкретный inbox, пометьте запись и считайте ее менее надежной.
  5. Перепроверяйте перед каждой кампанией: данные быстро устаревают. Если список старше 30–90 дней, запустите проверку заново перед отправкой.
  6. Сначала отправляйте маленькими партиями: следите за bounce и complaint rate на первых 50–100 письмах. Масштабируйте только если качество держится.

Почему источник лидов влияет на качество данных

Не все данные о лидах одинаковы. Email, взятый с публичной страницы команды компании — где человек сам оставил контакт — обычно свежее и точнее, чем email из базы-агрегатора, которую не обновляли месяцами.

Это одна из причин, почему я верю в скрапинг с живых публичных страниц, а не в опору только на статические базы. Поскольку AI Thunderbit заново читает реальный сайт при каждом запуске, а не использует устаревшую базу, извлеченные email и телефоны обычно актуальнее. Phone Number Extractor также приводит номера к стандарту E.164, что снижает количество ошибок при импорте в CRM.

Скрапинг из свежих источников не заменяет верификацию — но стартовать с чистого сырья все же лучше.

Чек-лист перед запуском кампании

Перед тем как нажать "send" в любой кампании:

  • Все email проверены в последние 30 дней
  • В списке нет role-based адресов (info@, sales@)
  • Нет дубликатов
  • Проверен bounce rate предыдущей кампании
  • Есть механизм отписки / opt-out
  • Синхронизирован suppression list (учитываются все предыдущие отписки)

Сначала собирай, потом оценивай: простая модель lead scoring для небольших команд

В каждом гайде я читаю одно и то же: «приоритизируйте лиды» — а дальше ничего не объясняют.

lead-scoring-list-maintenance.webp

Если вы соло-фаундер или sales-команда из трех человек, вам не нужен Salesforce Einstein или predictive scoring engine. Вам нужен столбец в таблице с прозрачной формулой.

Фреймворк оценки

СигналБаллыПример
Совпадает с ICP по отрасли+20SaaS, mid-market
Подходит по размеру компании+1051-500 сотрудников
Должность лица, принимающего решение+15VP Sales, Head of Ops
Явный сигнал намерения+15Hiring, funding, tool migration
Email проверен+10Passed verification
Высокое качество источника+10Company page, event speaker page
Взаимодействовал с вашим контентом+10Скачал гайд, был на вебинаре
Catch-all / непроверенный email-10Risky verification status
Role-based email-10info@, sales@
Общая должность без понятной роли-5"Staff"

Пример на практике

Лид A: VP Sales в SaaS-компании на 120 человек, нанимают SDR, email проверен, источник — страница карьеры/команды компании.
Score: 20 (отрасль) + 10 (размер) + 15 (должность) + 15 (намерение) + 10 (верификация) + 10 (источник) = 80 → Приоритет на outreach на этой неделе.

Лид B: "Staff" в хобби-бизнесе на 5 человек, role-based email, сигнала намерения нет.
Score: 0 + 0 + 0 + 0 + 0 - 10 (role-based) - 5 (общая должность) = -15 → Пропустить или удалить.

Все это можно держать в обычной формуле Google Sheets. Например:

=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))

Никакого Salesforce не требуется.

Как использовать AI для разметки и оценки лидов во время скрапинга

Одна из функций, которую моя команда встроила в Thunderbit и которая действительно полезна для scoring, — это Field AI Prompts. Когда вы настраиваете скрапинг, можно добавить prompt к любому столбцу — например: "Определи уровень seniority лида как Decision-Maker, Influencer или Individual Contributor на основе должности и контекста страницы."

Thunderbit размечает данные прямо в процессе извлечения, а не после. Так что при экспорте в Sheets классификация seniority, тип компании или тег отрасли уже готовы и их можно сразу подставить в формулу оценки. Это убирает ручную разметку, из-за которой scoring превращается в рутину.

Также можно использовать Subpage Scraping для обогащения данных из исходного списка: сначала скрапите каталог, затем заходите на страницы компаний и подтягивайте численность, статус финансирования или tech stack — все это идет в вашу scoring-модель.

Когда пересматривать и обновлять оценки

Lead score — это не то, что можно настроить один раз и забыть. Пересматривайте оценки ежемесячно или после любой крупной кампании. Если лид ответил положительно, его score меняется: теперь это активный диалог, а не холодный контакт. Если email отскочил, корректируйте оценку. Если компания, которая нанимала полгода назад, уже провела сокращения, intent signal изменился.

Как поддерживать список лидов в актуальном состоянии: автоматизация и сопровождение

Список лидов — это не разовый проект.

Я уже упоминал, что 23% email-баз устаревает каждый год. Контакты меняют работу, компании меняют курс, email устаревают. Если вы собрали отличный список в мае и не трогали его до октября, значительная часть уже мертва.

Ритм обслуживания

ЗадачаЧастотаЗачем
Проверка emailПеред каждой кампанией (или минимум ежемесячно)Предотвращает hard bounce
Удаление дубликатовЕженедельно в активном prospectingИзбегать повторных касаний
Обновление intent-сигналовЕжемесячноНанимают, привлекают финансирование, меняются отзывы
Обновление firmographicsРаз в квартал или полгодаРазмер, выручка и tech stack меняются
Синхронизация suppression listЕжедневно или в реальном времениСоблюдать отписки и уменьшать жалобы
Проверка эффективности источниковЕжемесячноПонять, какие каналы дают отклики, а не просто строки

Как настроить Scheduled Scraper для постоянного потока лидов

Здесь и пригодится Scheduled Scraper от Thunderbit. Вместо того чтобы вручную каждый месяц заново заходить в каталоги, можно настроить повторяющийся скрапинг. Все просто: опишите интервал обычным языком (например, "every Monday at 8am"), вставьте URL нужных сайтов и нажмите "Schedule". AI Thunderbit превращает ваш текст в расписание и запускает скрапинг автоматически, отправляя свежие результаты в подключенный Google Sheet или базу Airtable.

Хорошо работают такие сценарии:

  • Sales-команда ежемесячно перескрапливает страницу категории Clutch, чтобы ловить новые агентства на рынке.
  • Ecommerce ops-команда еженедельно мониторит каталог конкурентов на предмет новых товаров.
  • Фаундер SaaS обновляет страницу категории G2 перед каждым ежемесячным outbound-раундом, чтобы находить новые компании в выдаче.

Cloud mode в Thunderbit может скрапить до 50 страниц одновременно, так что даже большие каталоги обновляются быстро. Подробнее о настройке — в нашем гайде по AI lead generation.

Коротко о compliance и приватности данных

Скажу кратко, потому что это не главная тема гайда, но вопрос важный.

  • CAN-SPAM (США): распространяется на всю коммерческую email-рассылку, включая B2B. FTC говорит, что каждое отдельное нарушающее письмо может повлечь штраф до $53,088. Требования: корректные заголовки, нечестные subject line запрещены, нужен действующий почтовый адрес, понятная отписка и выполнение отписки в течение 10 рабочих дней.
  • GDPR (EU/UK): именные рабочие email могут считаться персональными данными. ICO говорит, что B2B-маркетинг не должен скрывать личность отправителя, должен давать работающий opt-out и учитывать возражения.
  • CCPA/CPRA (Калифорния): делает акцент на уведомлении, ограничении целей, минимизации данных и правах потребителя. FAQ California Privacy Protection Agency содержит актуальные детали.
  • Правила Google и Yahoo для отправителей: Google требует, чтобы массовые отправители держали spam rate ниже 0,30%, использовали SPF/DKIM/DMARC и поддерживали one-click unsubscribe. Yahoo применяет похожие правила.

Главная мысль: скрапьте только общедоступные данные, не обходите login wall без разрешения, всегда добавляйте механизм отписки, ведите suppression lists и проверяйте местные юридические требования. Thunderbit скрапит только публично доступные страницы — ответственность за дальнейшее использование данных лежит на пользователе.

Заключение и ключевые выводы

Рабочий процесс построения списка лидов в 2026 году — это не про поиск большего количества имен. Это про создание более компактной, свежей, проверенной и учитывающей источник базы для outreach, которая действительно получает отклики.

Коротко весь процесс выглядит так:

  1. Определите ICP прежде, чем трогать любой инструмент.
  2. Выберите 2–3 источника лидов — начните с бесплатных (каталоги, сайты компаний, операторы Google), прежде чем платить за базы.
  3. Извлекайте лидов с помощью AI-скрапинга — 2-кликовый процесс Thunderbit работает практически на любой публичной странице.
  4. Соберите правильный шаблон с фиксацией источника, intent-сигналами и колонками для оценки.
  5. Проверьте и очистите — уберите role-based emails, удалите дубликаты, пройдите верификацию, пометьте catch-all.
  6. Оцените и приоритизируйте — используйте прозрачную формулу в таблице, а не интуицию.
  7. Экспортируйте в CRM/outreach-инструмент — персонализируйте сообщения на основе собранных данных.
  8. Отслеживайте результаты — bounce, reply, conversion по каждому источнику.
  9. Обновляйте постоянно — перепроверяйте перед кампаниями, регулярно перескрапливайте ценные источники.

Данные это подтверждают: узкие сегменты показывают результат почти в 3 раза лучше по откликам, чем широкие массовые рассылки. Список из 200 проверенных лидов почти всегда обгонит устаревшую базу из 5 000 контактов.

Готовы собрать свой первый список? Бесплатный тариф Thunderbit дает 6 страниц AI-скрапинга в месяц, безлимитное бесплатное извлечение email и телефонов, а также экспорт в Google Sheets или Excel. Этого достаточно, чтобы собрать первые 50–100 лидов уже сегодня днем.

Попробуйте AI Web Scraper для списков лидов Get Started Free

Часто задаваемые вопросы

Сколько лидов должно быть в первом списке?

Начните с 50–100 хорошо таргетированных, проверенных лидов, а не с тысяч неподходящих контактов. Данные Hunter показывают, что кампании с небольшими и более узкими списками получателей (21–50) в среднем дают 6,2% отклика — почти в три раза выше, чем кампании на 501+ получателей. Качество накапливается, объем размывает результат.

Лучше купить список лидов или собрать свой?

Почти всегда лучше собирать свой. Купленные базы несут больше рисков: устаревшие данные, spam traps, непрозрачное происхождение и юридические риски. Списки, собранные самостоятельно с помощью AI-скрапинга и ручного ресерча, дают более свежие и релевантные данные, потому что вы берете их из живых публичных страниц, где контакты актуальны. Если уж покупаете, требуйте прозрачность по дате сбора, дате верификации, основанию для контакта и процессу обновления.

Какой самый лучший бесплатный способ собрать список лидов?

Сочетайте расширенные операторы поиска Google (site:, intitle:, exact-match запросы) с бесплатным тарифом Thunderbit — 6 страниц AI-скрапинга в месяц плюс безлимитное бесплатное извлечение email и телефонов — и базовый поиск в LinkedIn. Эта комбинация покрывает сайты компаний, каталоги, списки мероприятий и профессиональные профили без единого доллара затрат.

Как часто нужно обновлять список лидов?

Перепроверяйте email перед каждой кампанией, особенно если списку больше 30 дней. Полное обновление — перескрапинг источников, актуализация firmographics, удаление мертвых лидов — делайте минимум раз в квартал. ZeroBounce сообщает, что минимум 23% email-базы устаревает за год, так что подход «настроил и забыл» почти гарантирует рост bounce rate.

Какой хороший отклик для холодного outreach по списку лидов?

По бенчмаркам 2025–2026 годов: 3–5% положительных ответов — это хорошо, 5–8% — сильно, 8%+ — отлично. Главный фактор — качество списка: таргетинг, верификация и персонализация. Хорошо собранный список с проверенными email, явными сигналами намерения и персонализированным сообщением стабильно обгоняет более крупную базу с общими контактами и шаблонным текстом.

Узнать больше

Shuai Guan
Shuai Guan
Генеральный директор Thunderbit | Эксперт по автоматизации данных с помощью ИИ Shuai Guan — генеральный директор Thunderbit и выпускник инженерного факультета Мичиганского университета. Опираясь почти на десятилетний опыт в сфере технологий и SaaS-архитектуры, он специализируется на том, чтобы превращать сложные модели ИИ в практичные no-code инструменты для извлечения данных. В этом блоге он делится честными, проверенными в деле инсайтами о веб-скрейпинге и стратегиях автоматизации, чтобы помочь вам выстраивать более умные, data-driven рабочие процессы. Когда он не занимается оптимизацией потоков данных, тот же внимательный подход к деталям он переносит в своё увлечение фотографией.
Содержание
Thunderbit · AI-агент для веб-данных

Извлекай данные с любой страницы за 1 клик

Нам доверяют более 250 000 пользователей
доступен бесплатный тариф
От веб-страницы к таблице
Опиши, что тебе нужно, — AI-агент Thunderbit соберет это и экспортирует в Excel, Google Sheets, Airtable или Notion. Старт бесплатный.
Chrome Store Rating
PRODUCT HUNT#1 Product of the Week