Mỗi founder mà tôi biết, ít nhất một lần, đều từng mua một danh sách mười nghìn contact “đã xác minh” rồi nhìn tỷ lệ phản hồi lửng lơ quanh mức gần như bằng không. Tôi cũng từng làm vậy từ những ngày đầu đi làm, và nó dạy tôi một điều rất nhanh: một đống email không phải là một pipeline. Điều thật sự thúc đẩy deal đi tới là biết công ty nào đáng để nói chuyện và vì sao — và đó là một bài toán hoàn toàn khác với việc chỉ gom tên người từ trên internet.
Web scraping thường được quảng cáo như một cách tắt để “có 10.000 lead trước thứ Sáu”, nhưng những công cụ thực sự hiệu quả trong năm 2026 lại được thiết kế cho một mục tiêu hữu ích hơn nhiều: tìm ra những account thật, có bằng chứng thật, đúng vào thời điểm họ phát tín hiệu mua hàng. Tôi đã dành khá nhiều thời gian tại Thunderbit để nghĩ về cách mọi người scrape dữ liệu cho sales, và những team có kết quả tốt nhất không phải là team scrape nhiều dòng nhất — mà là team scrape đúng dòng, kèm theo ngữ cảnh.
Thực ra “tìm B2B lead bằng web scraping” nghĩa là gì?
Phần lớn mọi người nghe “scrape lead” và tưởng tượng một công cụ hút dữ liệu từ trang danh bạ rồi xuất ra CSV gồm tên, chức danh và email. Đó không phải là tạo lead — đó là gom contact, và cũng là lý do vì sao rất nhiều đội sales kết thúc với những danh sách bounce mạnh và chuyển đổi còn tệ hơn.
Một bản ghi lead thực sự cần nhiều hơn một cái tên. Nó cần định danh account (tên công ty và domain chuẩn), bằng chứng cho thấy công ty đó thực sự phù hợp với chân dung khách hàng lý tưởng của bạn, một tín hiệu có gắn thời điểm cho biết vì sao bây giờ là lúc nên tiếp cận, một cách liên hệ được phép, một bản ghi cho biết dữ liệu đến từ đâu, và một trạng thái để bạn có thể rà soát sau này. Nghe có vẻ dài dòng, nhưng có thể tóm gọn thành một chuỗi rất đơn giản: bắt đầu từ nguồn công khai được phép, xác nhận danh tính công ty, thu thập bằng chứng phù hợp, ghi lại sự kiện kích hoạt, tìm cách liên hệ tối thiểu cần thiết, xác thực, loại trùng, rồi đẩy vào CRM. Bỏ qua một bước là bạn sẽ nhận đúng thứ mà ai cũng ghét — một bảng tính toàn người lạ.
Vì sao chuyện này quan trọng hơn bao giờ hết
AI đã khiến việc scraping trở nên cực kỳ dễ bắt đầu, nhưng cũng dễ làm sai ở quy mô lớn. Vài năm trước, muốn xây một scraper bạn gần như phải thuê developer hoặc vật lộn với XPath selector suốt cả cuối tuần. Giờ đây, bất kỳ ai cũng có thể dùng AI scraper trỏ vào một trang và lấy dữ liệu có cấu trúc chỉ trong vài phút. Điều đó tuyệt cho năng suất, nhưng đồng thời cũng khiến nhiều đội sales đổ dữ liệu chưa đủ chuẩn, chưa xác thực vào CRM nhanh hơn bao giờ hết — và dọn hậu quả sau đó tốn thời gian hơn rất nhiều so với việc làm đúng ngay từ đầu.
Cùng lúc đó, khung pháp lý không hề nới lỏng chỉ vì công cụ thông minh hơn. Văn phòng Thông tin của Vương quốc Anh (ICO) đã nói khá rõ rằng dữ liệu liên hệ doanh nghiệp công khai vẫn có thể nằm trong phạm vi UK GDPR, và mọi phản đối cho mục đích tiếp thị trực tiếp vẫn phải được tôn trọng ngay cả trong bối cảnh B2B. Ở Mỹ, hướng dẫn CAN-SPAM của FTC cũng không miễn trừ email B2B — mọi thông điệp thương mại vẫn cần header chính xác, có cơ chế từ chối hoạt động tốt, và phải tôn trọng yêu cầu hủy đăng ký trong vòng 10 ngày làm việc. Đây không phải là mấy chi tiết pháp lý lặt vặt; đó là nền tảng bạn đang phải vận hành, dù bạn có biết hay không.
Trước khi bắt đầu: hãy đọc kỹ bối cảnh và điều khoản sử dụng
Nói thẳng luôn: không phải trang nào cũng là “miếng mồi ngon” cho scraper, dù công cụ của bạn có tốt đến đâu. Điều khoản của Google Maps nêu rõ việc xuất hoặc scrape hàng loạt nội dung Maps là bị cấm. Điều khoản sử dụng của LinkedIn cấm thẳng việc scraping và tự động hóa trái phép. Điều khoản hiện tại của Clutch cũng cấm scraping, dù thủ công hay tự động. Đây không phải là các điều khoản ẩn sâu — đó là thứ đầu tiên bạn nên kiểm tra trước khi trỏ bất kỳ công cụ nào vào một trang, và tôi cũng đã viết riêng nhiều hơn về vấn đề LinkedIn scraping vì chủ đề này xuất hiện liên tục.
robots.txt đáng để hiểu, nhưng không nên coi đó là giấy phép hợp pháp. Theo chính đặc tả của IETF, nó là hướng dẫn cho crawler, không phải hệ thống cấp quyền hay cơ chế kiểm soát truy cập. Một trang có thể cho phép crawl trong robots.txt nhưng vẫn cấm scraping trong điều khoản sử dụng — và khi tranh chấp xảy ra, điều khoản thường mới là thứ có trọng lượng. Quy tắc thực tế của tôi là: nếu một site yêu cầu đăng nhập mới xem được dữ liệu, có CAPTCHA chặn phía trước, hoặc ghi rõ “no scraping” ở bất kỳ đâu trong điều khoản, thì đó là nguồn nên bỏ qua, không phải câu đố cần giải.
Những nguồn công khai thường an toàn hơn và hữu ích hơn cho nghiên cứu B2B gồm website công ty, hồ sơ chính phủ, danh bạ hội chợ/đối tác có cho phép, trang tuyển dụng và newsroom. Ví dụ, API EDGAR của SEC cung cấp file JSON công khai và dữ liệu XBRL miễn phí mà không cần API key — chỉ cần giữ tốc độ request tự động ở mức không quá 10 request mỗi giây theo hướng dẫn rate limit của SEC.
Quy trình đầy đủ: từ dữ liệu thô đến lead sẵn sàng đưa vào CRM
Đây là quy trình mà tôi thực sự khuyên dùng, và nó thiên về một quy trình nghiên cứu nhỏ có scraper ở trung tâm hơn là “scraping” thuần túy.
Đầu tiên, chọn một nguồn công khai được phép và chỉ lấy các trường ở cấp tổ chức: tên công ty, domain, URL nguồn, ngành, vị trí, và bất kỳ tín hiệu nào khiến bạn chú ý đến họ ngay từ đầu (một bài tuyển dụng, thông cáo báo chí, danh sách sự kiện). Thứ hai, với những account trông có vẻ tiềm năng, hãy vào website thật của họ để xác nhận họ làm gì, đặt trụ sở ở đâu, và có đường liên hệ công khai nào hay không. Thứ ba, chỉ xác thực và enrich những account đã vượt qua ngưỡng đánh giá của bạn — đừng phí credit enrich vào những công ty chưa được kiểm tra. Thứ tư, loại trùng với dữ liệu CRM hiện có trước khi import bất kỳ thứ gì. Thứ năm, đẩy dữ liệu vào với một trường trạng thái để đội sales biết cái gì đã được xem xét và cái gì còn cần người kiểm tra.
Phần cuối quan trọng hơn nhiều người nghĩ. Tôi thường gắn nhãn cho từng bản ghi như candidate_account, qualified_account, contact_ready, needs_review hoặc rejected. Nghe có vẻ hơi quá, cho đến khi đội SDR hỏi “khoan, có ai thực sự kiểm tra công ty này có khớp ICP không?” — và bạn có câu trả lời thay vì chỉ biết nhún vai.
Tìm account B2B chất lượng cao ở đâu?
Những tín hiệu tốt nhất không hề ẩn giấu — chỉ là chúng nằm rải rác ở nhiều nguồn mà đa số team không kiểm tra có hệ thống. Trang tuyển dụng của công ty cho bạn biết họ đang tuyển vị trí gì, và đó là một chỉ báo khá ổn về nơi họ đang đầu tư. Newsroom và trang thông cáo báo chí cho biết về gọi vốn, mở rộng và ra mắt sản phẩm. Các trang đối tác và danh sách đơn vị triển lãm (khi scraping được phép) cho thấy ai đang hoạt động trong một hệ sinh thái cụ thể. Hồ sơ công khai, đặc biệt với các công ty lớn, tiết lộ sức khỏe tài chính và ưu tiên chiến lược theo cách mà một bài đăng trên LinkedIn không bao giờ làm được.
Không một tín hiệu nào trong số này tự nó chứng minh được ý định mua hàng — một tin tuyển dụng “VP of Sales” không có nghĩa là công ty đó sẽ mua sản phẩm của bạn ngày mai. Nhưng khi kết hợp chúng lại, rồi đối chiếu với tiêu chí ICP của riêng bạn, đó vẫn là bộ lọc tốt hơn rất nhiều so với một danh sách tĩnh mua từ marketplace cách đây sáu tháng và giờ đã lỗi thời 20%.
Vì sao scraping được hỗ trợ bởi AI làm thay đổi cuộc chơi
Đây là chỗ mọi thứ thực sự khác so với kiểu scraping mà tôi từng làm cách đây năm sáu năm. Scraping kiểu cũ nghĩa là phải viết selector cho từng bố cục trang, và chỉ cần website đổi HTML là scraper hỏng ngay. Công cụ scraping có AI đọc một trang gần giống như con người — chúng hiểu theo ngữ cảnh “đây là tên công ty, đây là địa điểm, đây là chức danh”, thay vì phụ thuộc vào đường dẫn CSS dễ vỡ.
Sự thay đổi đó là lý do một công cụ như Thunderbit có thể nhìn vào một trang danh sách và, với AI Suggest Fields, tự đề xuất các cột phù hợp thay vì bắt bạn tự map từng trường bằng tay. Bạn cũng có thể chỉ cần gõ bằng tiếng Anh đơn giản — “lấy tên công ty, website, ngành và vị trí” — rồi AI sẽ tự hiểu cách trích xuất. Tôi đã nói chuyện với những team trước đây phải mất nửa ngày cho mỗi website để dựng cấu hình scraper; giờ họ chỉ cần vài cú click và một bước rà soát. Không phải vì các quy tắc tuân thủ nền tảng đã thay đổi — chúng không thay đổi — mà vì rào cản kỹ thuật để làm việc này đúng cách đã giảm rất mạnh. Nếu muốn hiểu rõ hơn bức tranh này trong toàn bộ không gian AI scraping, bạn có thể xem phần phân tích của chúng tôi về AI web scraping và cách nó so sánh với phương pháp dựa trên rule truyền thống.
Vấn đề subpage (vì sao chỉ nhìn trang danh sách là chưa đủ)
Có một điều làm hầu hết người mới bị vấp: trang danh sách không bao giờ là toàn bộ câu chuyện. Một trang directory có thể cho bạn tên công ty và một đường link, nhưng bằng chứng thực sự bạn cần — công ty làm gì, trụ sở ở đâu, họ phục vụ ngành nào — thường nằm sâu hơn một lớp, trên trang chi tiết của chính công ty hoặc trên website của họ.
Tôi đã thấy các team scrape hàng trăm dòng từ một directory, rồi mới nhận ra một nửa số “lead” lại thiếu đúng trường quan trọng nhất cho việc phân loại. Đây chính là lý do subpage scraping tồn tại như một nhóm tính năng riêng, chứ không phải một tính năng “có thì tốt”. Một scraper tốt nên có thể đi từ trang danh sách, lấy link đến trang chi tiết của từng công ty, rồi tự động theo link đó để lấy các trường sâu hơn trước khi ghép tất cả thành một dòng sạch sẽ. Bỏ qua bước này là bạn đang qualify lead dựa trên tên công ty và đoán mò.
Từng bước: Tìm B2B lead với Thunderbit
Tôi sẽ đi qua quy trình này đúng theo cách tôi thực sự làm, ngồi xuống với một directory mục tiêu và một tách cà phê.
Bước 1: Cài Thunderbit và mở directory mục tiêu của bạn
Cài Thunderbit Chrome Extension và truy cập một nguồn công khai được phép — một danh sách đơn vị triển lãm, một directory ngành, một trang việc làm, bất cứ gì phù hợp với ICP của bạn. Trước khi đi xa hơn, hãy kiểm tra điều khoản của site xem cách sử dụng này có được phép hay không; bước này chỉ mất hai phút nhưng có thể giúp bạn tránh đau đầu sau này.
Bước 2: Bấm “AI Suggest Fields”
Thay vì click thủ công qua từng phần của trang để định nghĩa cột, hãy để AI nhìn vào cấu trúc trang và đề xuất các trường như tên công ty, website, vị trí và ngành. Bạn có thể chỉnh lại hoặc thêm trường riêng bằng ngôn ngữ tự nhiên — chẳng hạn “trích xuất ngành mà công ty này phục vụ” là một chỉ dẫn trường hoàn toàn ổn.
Bước 3: Chạy scraping
Bắt đầu trích xuất và để nó chạy trên trang danh sách (và cả phân trang nếu directory có nhiều trang). Đây là lượt lấy “thô” — chỉ các định danh ở cấp công ty, chưa có gì mà bạn sẽ xem là contact riêng tư cả.
Bước 4: Enrich bằng subpage scraping
Với những dòng trông có vẻ tiềm năng, hãy dùng subpage scraping để theo link của từng công ty sang website hoặc trang chi tiết của họ, rồi lấy sâu hơn các trường như họ làm gì, đặt ở đâu, và có đường liên hệ công khai nào được liệt kê hay không. Đây là bước biến một dòng directory trống thành một bản ghi account đủ chuẩn.
Bước 5: Xác thực và làm sạch
Trước khi dữ liệu chạm vào CRM, hãy kiểm tra ngẫu nhiên một mẫu. Xác nhận domain có hoạt động không, xác nhận lý do qualify có thực sự vững không, và gắn cờ mọi thứ mơ hồ thành needs_review thay vì đoán. Đây cũng là lúc bạn có thể chạy kiểm tra email qua một dịch vụ như Hunter nếu đã xác định được một đường liên hệ công khai hợp lệ — nhưng hãy nhớ rằng một email “hợp lệ” không đồng nghĩa với việc bạn có quyền marketing cho người đó.
Bước 6: Xuất dữ liệu và đẩy vào CRM
Thunderbit cho phép xuất miễn phí sang các định dạng như CSV, Excel, Google Sheets, Airtable và Notion. Trước khi import vào HubSpot hoặc Salesforce, hãy chuẩn hóa domain công ty làm khóa chính — tài liệu import của HubSpot khuyến nghị dùng domain cho công ty và email cho contact, còn quy tắc trùng lặp của Salesforce có thể âm thầm chặn hoặc gắn cờ import của bạn nếu bỏ qua bước này. Tôi đã nhiều lần thoát khỏi việc dọn dẹp rối rắm nhờ thử trước một lô nhỏ 20–30 dòng trước khi import toàn bộ.
Mẹo & lỗi phổ biến
Một vài điều tôi muốn nhắc bất kỳ ai bắt đầu quy trình này hôm nay. Đừng coi job title hoặc vai trò lấy từ scraping là bằng chứng của ý định mua hàng — đó chỉ là một gợi ý, không phải đèn xanh. Đừng mặc định rằng một trường do AI trích xuất là chính xác tuyệt đối; hãy kiểm tra mẫu trước khi mở rộng workflow. Hãy tách contact có tên người và email trực tiếp ra khỏi phần dữ liệu nghiên cứu ở cấp công ty, vì B2B không tự động loại bỏ dữ liệu cá nhân khỏi các quy định về quyền riêng tư. Và đừng để “công cụ về mặt kỹ thuật có thể làm được” trở thành chính sách tuân thủ của bạn — hãy kiểm tra điều khoản của nguồn dữ liệu mỗi lần, không chỉ lần đầu tiên.
Web scraping so với mua cơ sở dữ liệu lead
Cả hai cách đều có chỗ đứng, và nói rằng một bên luôn tốt hơn bên kia thì cũng không hoàn toàn trung thực.
| Yếu tố | Web Scraping (Nguồn được phép) | Mua cơ sở dữ liệu lead |
|---|---|---|
| Độ mới | Cập nhật tới mức của lần scrape gần nhất | Thường lỗi thời chỉ sau vài tuần |
| Chất lượng tín hiệu | Cao — bạn kiểm soát trigger và ngữ cảnh | Thấp — thường chỉ là dữ liệu firmographic tĩnh |
| Độ rộng phủ | Hẹp hơn, phụ thuộc vào nguồn | Rộng hơn, chuẩn hóa hơn |
| Mô hình chi phí | Chủ yếu là thời gian của bạn + phí thuê bao công cụ | Chi phí theo bản ghi hoặc theo seat, liên tục |
| Rủi ro tuân thủ | Có thể kiểm soát nếu chọn nguồn và trường dữ liệu cẩn thận | Phụ thuộc nhiều vào cách nhà cung cấp tự thu thập dữ liệu |
| Phù hợp nhất cho | Outbound có mục tiêu, dựa trên tín hiệu | Mapping thị trường rộng, ước tính TAM giai đoạn đầu |
Quan điểm thật lòng của tôi: hãy scrape khi bạn cần ngữ cảnh và thời điểm — ví dụ danh sách đơn vị triển lãm của một sự kiện cụ thể, trang ra mắt sản phẩm mới của đối thủ, hay một công ty vừa đăng ba vị trí sales. Hãy mua hoặc dùng nhà cung cấp enrichment như Apollo khi bạn cần độ phủ rộng, chuẩn hóa và sẵn sàng tự kiểm tra độ mới. Hai cách này không loại trừ nhau; rất nhiều team scrape để lấy tín hiệu rồi enrich các account đủ điều kiện sau đó, thay vì chỉ chọn một hướng mãi mãi.
Một tình huống thực tế
Giả sử bạn bán phần mềm quản lý đội xe và muốn tìm các công ty logistics đang tăng trưởng. Scraping từ registry công khai của Sở Giao thông tiểu bang hoặc directory thành viên của một hiệp hội ngành sẽ cho bạn tên công ty, vị trí và nhóm quy mô đội xe — tất cả đều công khai, đều được phép. Sau đó bạn đi vào website của từng công ty để xác nhận họ vẫn đang hoạt động tích cực và lấy đường liên hệ tổng đài chung. Kết quả có thể chỉ là 200 account đủ chuẩn thay vì 5.000 cái tên chưa xác minh, nhưng mỗi account đó đều đáng để một SDR bỏ thời gian, và đó mới là mục tiêu thật sự.
Scraping để tìm B2B lead hiệu quả nhất khi bạn ngừng xem nó như một trò xây danh sách và bắt đầu xem nó như nghiên cứu với công cụ tốt hơn. Tôi đã thấy các team sales tạo ra nhiều pipeline hơn từ 150 account được qualify kỹ lưỡng so với 10.000 contact mua sẵn, đơn giản vì cách tiếp cận của họ liên quan và đúng ngữ cảnh hơn, thay vì chung chung. Nếu bạn đang cân nhắc AI scraping đóng vai trò gì trong chuyển động sales tổng thể của mình, thì rất đáng đọc thêm về cách AI đang thay đổi lead generation và cách các team sales thực sự dùng AI hằng ngày — cả hai đều đi sâu hơn vào workflow, không chỉ dừng ở bước scraping.
Xây dựng kiểu pipeline này tốn thêm chút công sức thiết lập so với việc tải về một danh sách contact, đúng vậy. Nhưng những account cuối cùng bạn có được thực sự muốn nghe bạn nói gì, và — tôi nói điều này với tư cách người đã gửi không ít email lạnh vào khoảng không suốt nhiều năm — điều đó đáng giá hơn ba mươi phút setup thêm đó rất nhiều.
Câu hỏi thường gặp
Có hợp pháp không khi scrape dữ liệu công ty B2B trên web? Điều này hoàn toàn phụ thuộc vào nguồn. Website công ty công khai, hồ sơ chính phủ và những directory cho phép rõ ràng thường có thể scrape cho mục đích nghiên cứu. Các site như LinkedIn và Google Maps thì ghi thẳng trong điều khoản là cấm scraping, bất kể về mặt kỹ thuật bạn làm được hay không. Luôn kiểm tra điều khoản sử dụng của site trước khi scrape, và hãy coi robots.txt là hướng dẫn crawl chứ không phải giấy phép pháp lý.
Trong ngữ cảnh này, sự khác nhau giữa “lead” và “contact” là gì? Contact chỉ là một cái tên và cách để liên hệ. Còn lead, nếu làm đúng, là một bản ghi công ty có bằng chứng rằng họ phù hợp với ICP của bạn, cộng với một tín hiệu có gắn thời điểm giải thích vì sao bạn liên hệ vào lúc này. Scrape hàng loạt contact mà không có ngữ cảnh đó là lý do nhiều chiến dịch outreach lạnh hoạt động kém hiệu quả.
Công cụ scraping bằng AI có đảm bảo dữ liệu luôn chính xác không? Không, và bất kỳ công cụ nào nói ngược lại đều nên khiến bạn cảnh giác. AI extraction rất giỏi trong việc cấu trúc những trang lộn xộn, nhưng vẫn có thể đọc sai các trường mơ hồ. Việc kiểm tra ngẫu nhiên một mẫu trước khi mở rộng quy mô scrape là thói quen đáng giữ, bất kể bạn dùng công cụ nào.
Nên scrape email trực tiếp hay dùng công cụ enrichment sau đó? Công cụ enrichment thường đáng tin cậy hơn cho việc tìm và xác minh email của contact có tên riêng so với việc cố scrape trực tiếp từ trang, và chúng thường ghi rõ trạng thái xác minh. Gợi ý của tôi là hãy scrape để xác định và qualify ở cấp công ty trước, rồi chỉ enrich những account đã vượt qua tiêu chí phù hợp — hiệu quả hơn và giảm rủi ro tuân thủ.
Làm sao để tránh import lead trùng vào CRM? Hãy chuẩn hóa domain công ty làm định danh chính trước khi import, thay vì dùng tên công ty — tên công ty biến thể quá nhiều nên rất khó loại trùng chính xác. Cả HubSpot và Salesforce đều có tài liệu về cách rule matching hoạt động, và việc chạy một lô thử nhỏ trước khi import toàn bộ sẽ giúp bạn phát hiện hầu hết lỗi trước khi chúng biến thành mớ rối trong pipeline.
