如何打造能拿到回复的潜在客户名单（2026 工作流）

上周，我们销售团队的一位同事给我看了一份表格，里面有 4,000 个联系人，是他们从数据供应商那里买来的。两周外联后的回复率？0.3%。退信率呢？超过 12%。这份名单花了真金白银，结果几乎毫无收获。

到了 2026 年，大多数潜在客户名单一上来就“凉了”。基于 2025 年发送的 3,100 万封邮件指出，冷邮件序列的平均回复率只有 4.5%——而这还只是平均值，也就是说，很多活动表现远低于这个数字。与此同时，显示，普通销售人员一周工作时间里只有 40% 真正在卖货；剩下的 60% 都花在行政、调研，以及——没错——找潜在客户上。

所以，如果你要把时间花在建名单上，那这份名单就必须是能带来回复的。本文会完整拆解 2026 年的工作流：先定义你的 ICP，再突破 LinkedIn 去找线索，搭建合适的模板，验证数据避免退信率拖垮发件人信誉，发送前给线索打分，并长期保持名单更新。我还按照预算做了分层整理，所以你今天就能从 0 元开始。

• 难度： 初级
• 所需时间： 第一次做 50-100 个线索大约 2-3 小时
• 你需要准备： Chrome 浏览器、、Google Sheet 或其他表格、以及你写好的 ICP

什么是潜在客户名单？为什么大多数名单都会失败？

潜在客户名单，指的是一份结构化的数据集，里面装着你想联系的潜在买家——包括个人和公司。通常会包含个人层面的字段（姓名、职位、邮箱、电话、LinkedIn 链接）以及公司层面的字段（行业、规模、收入、所在地）。它是所有外呼销售工作的基础。

大多数团队的问题在于：他们把潜在客户名单和联系人大杂烩混为一谈。一份真正有用的名单，应该回答“为什么是这家公司”和“为什么是这个人，而且是现在”。而从某个随机供应商买来的名单，往往只回答了“给你一个邮箱，至于还在不在就不好说了”。两者的结果差距非常大。

潜在客户名单也属于更大的销售漏斗中的一环。Lead 是指可能符合你市场的人；MQL（营销合格线索）是表现出一定匹配度或互动的人；SQL（销售合格线索）则已经可以进入直接跟进；Opportunity 才是正在推进中的商机。你的潜在客户名单位于漏斗顶端——如果顶端全是垃圾，后面的所有环节都会受影响。

潜在客户名单失败，最常见的原因包括：

• 数据过期： 显示，。这意味着每 12 个月，你的联系人里几乎有四分之一会失效。
• 联系人不对： 用的是角色邮箱（info@、sales@），而不是直接联系人；或者职位过于模糊，比如“Staff”，根本看不出谁有决策权。
• 没有筛选标准： 把“数量”伪装成策略。正如一位论坛用户所说：“很多时候，我们把数量误当成质量。”
• 没有验证： 发现，表示他们 CRM 数据中不到一半是准确且完整的，而且 。
• 重数量轻质量： 显示，目标受众在 21-50 人的活动平均回复率为 ，而面向 501 人以上的活动平均只有 。小而精准，远胜于大而散。

潜在客户名单模板：你的表格到底应该长什么样

我看过几十篇“如何搭建潜在客户名单”的文章，最让我困惑的一点是：它们都会说“要包含联系人信息、公司画像和线索评分”，但没有一篇真正展示表格到底该怎么设计。所以，这里就把大家都缺的那部分补上。

推荐的起始列

你的潜在客户表格从第一天开始就应该包含这些列：

潜在客户名单示例（已匿名化）

下面是一份真实的填表示例——10 行，覆盖不同人物画像：

每一列代表什么，以及什么才算“好”数据

有几列特别值得多解释一下：

• 职位： “VP of Sales” 说明这个人有预算或决策权；“Staff” 什么都说明不了。尽量找能体现决策权或影响力的具体职位。
• 邮箱： 个人业务邮箱（jordan@acme.com）非常珍贵；角色邮箱（sales@acme.com）对冷启动外联来说几乎没价值——它通常进的是共享收件箱，没人认真看。
• 线索来源： 这是大多数人会跳过的列，但从长远看它最重要。记录每个线索来自哪里，才能知道哪些渠道真正带来回复，而不只是带来行数。“G2 分类页，2026 年 5 月”很有用；“Internet”则没什么意义。
• 意图信号： 这就是“为什么是现在”。刚刚完成 A 轮融资、发布了 3 个 SDR 招聘岗位，或者刚上线新产品的公司，明显比安静待着的公司更热。如果找不到意图信号，这条线索可能不值得优先处理。

Thunderbit 的 AI Suggest Fields 如何帮你自动生成模板

我对 最满意的一点之一，就是你不需要自己猜该建哪些列。当你在任何线索密集的页面上打开 Thunderbit——比如名录页、公司团队页、会议演讲者名单——然后点击 “AI Suggest Fields”，AI 会读取页面内容，并自动生成合适的列名和数据类型。如果页面里有姓名、邮箱、职位和公司信息，Thunderbit 就会直接建议这些字段。

这对刚入门的人尤其有帮助：面对一个空白表格时，很多人都会想，“我到底该采集哪些字段？” Thunderbit 会基于来源页面里实际存在的数据，直接帮你回答这个问题。然后你点击 “Scrape”，就能直接导出到 、Excel、Airtable 或 Notion。

在建名单之前，如何定义你的理想客户画像（ICP）

我见过团队犯的最大错误——我自己也犯过——就是还没定义名单里该放谁，就先开始建名单。最后你只会得到一张堆满名字的表格，却说不清为什么这些人会在乎你的产品。

ICP，指的是最可能购买你的产品、从中获得价值，并且长期留下来的那类公司和个人的描述。它不是一个人物画像练习，而是一个筛选条件。

ICP 组成部分

实操练习： 看看你现有最好的 5-10 个客户。他们有什么共同点？行业？规模？签合同的人是什么职位？把 3-5 个共同特征写下来，这就是你的 ICP 草案。

Firmographics 和 Demographics：哪个更重要？

Firmographics 指公司层面的数据：行业、规模、收入、所在地。Demographics（在 B2B 场景里）指个人层面的数据：职位、资历、职能、部门。对 B2B 潜在客户名单来说，firmographics 用来缩小“公司”范围，demographics 用来缩小“人”的范围。两者都需要。完美的公司配错了联系人，等于白费一行；完美的联系人在错误公司里，也同样没用。

还有一点值得注意：分析了 ，发现平均决策单元大约有 。所以，好的潜在客户名单通常不止一个联系人，但也不能多到让外联变成群发骚扰。

不止 LinkedIn：去网站、目录和社交媒体上找线索

我在研究这个主题时发现一个内容缺口：排名前 6 的“如何打造潜在客户名单”文章里，有 5 篇都把 LinkedIn Sales Navigator 当成主要线索来源。Sales Navigator 当然强，但它也不便宜（Core 方案大约 ），而且真实用户经常抱怨导出限制、界面臃肿和抓取麻烦。

2026 年的现实是：线索无处不在，不只在 LinkedIn 上。公司官网、行业目录、活动页面、点评网站，甚至社交媒体主页，都是很丰富的联系人来源，而且通常比付费数据库里的数据更新、更具体。

线索来源对比

各垂直行业值得爬取的目录

用 Google 高级搜索语法找线索

这些方法是免费的，而且出奇地好用。举几个例子：

• site:clutch.co/agencies "B2B SaaS" "United States" —— 在 Clutch 上查找按类别和地区筛选过的代理机构列表
• site:company.com ("email" OR "contact") "VP Sales" —— 查找某家公司网站上提到 VP Sales 的联系页面
• intitle:"sponsors" "SaaS" "2026" "conference" —— 查找 2026 年 SaaS 活动的会议赞助页面
• site:g2.com/categories "sales engagement" "mid-market" —— 查找 G2 上中端市场销售工具的分类页

对精确匹配引号和 site: 等语法都有说明，你可以在那里核对语法。

如何用 AI 网页爬虫从任何网站抓取联系人

这正是 Thunderbit 自然融入整个流程的地方。对于上面这些来源——无论是 Clutch 目录、公司团队页，还是会议演讲者名单——流程都一样：

1. 在 Chrome 中打开页面，并确保已安装 。
2. 点击 “AI Suggest Fields”。Thunderbit 的 AI 会读取页面，并建议如姓名、邮箱、电话、职位、公司等列。
3. 检查建议字段，按需要增删。
4. 点击 “Scrape”。
5. 导出到 Google Sheets、Excel、Airtable 或 Notion。

它的核心优势在于：Thunderbit 能处理那些杂乱、非标准化的网站，而不是只适用于某个固定模板。AI 会实时读取每个页面，根据遇到的页面结构自动适配。Thunderbit 自带免费的 ，支持任何网页一键提取，免费版也不限次数。

用子页面抓取丰富你的潜在客户名单

我经常用的一个流程是：先抓取目录列表页（比如 Clutch 上的一组公司），再用 Thunderbit 的 Subpage Scraping 访问每家公司的详情页，提取更多信息——邮箱、电话、团队规模、技术栈、公司简介等等。

这样，你就能把一份基础目录列表，变成一份经过补全、可以直接研究使用的潜在客户名单，而且完全不用手动点来点去。你不再只是拿到“50 个公司名”，而是一步到位得到“50 家带有联系邮箱、团队规模和简介的公司”。如果你想进一步了解，我们已经有详细说明。

逐步搭建潜在客户名单的方法（2026 工作流）

下面是完整流程，专门为不懂技术、但今天就想搭建真实潜在客户名单的销售或运营人员整理。

第 1 步：先把 ICP 定死

在打开任何工具之前，先写下你的 ICP 标准（参考上面的 ICP 部分）。包括行业、公司规模、地理位置、买家职位、触发因素和排除条件。这个步骤只需要 15-30 分钟，却能帮你省下大量无效抓取时间。

第 2 步：选择你的线索来源

根据你的 ICP 和预算，从对比表里挑 2-3 个线索来源。我的建议是：先从免费的来源开始。如果你的目标是 SaaS 公司，可以先试 G2 分类页和公司团队页；如果目标是本地商家，就先从 Google Business 结果和 Yelp 入手。等免费渠道都吃透了，再考虑像 Sales Navigator 这样的付费来源。

第 3 步：用 AI 抓取或手动搜索提取线索

针对不同来源，提取方式如下：

• 网站和目录： 使用 Thunderbit 的 AI 网页爬虫。打开页面，点击“AI Suggest Fields”，检查字段后点击“Scrape”。对于热门网站，Thunderbit 还有可自动配置字段的 。
• LinkedIn： 使用 Sales Navigator 搜索并导出，或者用 Thunderbit 抓取 。
• Google： 运行高级搜索语法，然后抓取结果页或逐个访问页面。

导出格式可选：Google Sheets、Excel、Airtable、Notion、CSV、JSON。

第 4 步：验证并清洗数据

这一步不是可选项。下面我会专门讲完整验证流程；先说结论：删除角色邮箱、去重、跑验证工具、标记 catch-all 域名，并在每次活动前重新验证。

第 5 步：给线索打分并排序

在开始外联前，先应用一个简单的评分模型（下文会详细说明）。这样你优先联系的是最有价值的线索，而不是表格里排在最前面的那一行。

第 6 步：导出到 CRM 或外联工具

把清洗、评分后的名单导入你的 CRM（HubSpot、Salesforce、Pipedrive）或外联平台（lemlist、Mailshake、Apollo）。Thunderbit 可以直接导出到 Sheets、Airtable 和 Notion，再通过原生集成或 Zapier 与 CRM 同步。

第 7 步：启动外联并追踪结果

根据你收集到的数据进行个性化外联。提到对方行业、引用他们的意图信号（“我注意到你们正在招聘 SDR”），并将你的价值主张对准他们的痛点。追踪回复率、退信率和转化率——然后把这些数据反馈回你的 ICP 和评分模型，为下一轮优化。

先看预算：从 0 元到企业级，如何打造潜在客户名单

我从早期创业者和小型销售团队那里最常听到的痛点是：“怎么在不买贵工具的情况下建潜在客户名单？”这个问题很合理。ZoomInfo 的合同通常一年起步就是五位数；Sales Navigator 是 $99+/月；Apollo 和 Lusha 虽然有免费层，但好用的部分基本都锁在付费墙后。

老实说，你用免费工具也能走得很远；但想扩展规模，还是需要一些投入。下面按层级来理解。

价格截至 2026 年 5 月——购买前请确认最新报价。

免费版能做到什么，什么时候会遇到上限

借助 Thunderbit 的免费层（每月 6 页 AI 抓取）、免费 Email Extractor 和 Phone Number Extractor（不限量，一键提取）、Google 搜索语法和基础版 LinkedIn 搜索，一个独立创始人完全有可能在一个下午做出 50-100 条线索的名单。我亲眼见过我们团队里的人这么做。

你会遇到的限制主要有三类：数量限制（免费层每月可抓取页数）、补全深度（没有付费工具就拿不到意图数据或技术栈信息）、以及大规模邮箱验证（免费验证工具通常只支持小批量）。当这些限制开始卡住你时，就值得升级到低成本层——可以解锁子页面抓取、批量抓取、分页和定时爬虫。

解决退信率：真正有效的数据验证流程

我见过论坛里有人说，从买来的名单里发邮件，退信率几乎高达 。这不只是浪费精力，甚至很危险。退信率过高会直接打击你的发件人信誉，导致连“好邮件”也进垃圾箱。

认为，健康的退信率应低于 2%，低于 1% 则非常优秀。发现，接近一半的发送者退信率在 2-5% 之间，而 。如果你高于 5%，你的发件人信誉就已经有风险了。

我推荐的验证流程如下：

1. 移除角色邮箱： 删除所有 info@、sales@、support@、admin@ 地址，除非你就是专门要打共享收件箱（冷外联里这种情况很少）。
2. 清理格式错误： 重复项、拼写错误、域名缺失、失效域名。表格里简单的排序和筛选通常就能抓出大部分问题。
3. 使用邮箱验证工具： Hunter、ZeroBounce、NeverBounce、Bouncer 或 Kickbox。它们会向邮件服务器探测该邮箱是否存在，而不会真正发邮件。
4. 标记或移除 catch-all 域名： 指出，catch-all 地址是高风险类别之一——它们在服务器层面接受邮件，但并不能证明某个具体邮箱一定存在。如果你无法验证到具体邮箱，就标记这条记录，并把它当成低置信度数据处理。
5. 每次活动前重新验证： 数据衰减很快。如果你的名单已经 30-90 天没动过，发送前务必再验证一遍。
6. 先小批量发送： 先观察前 50-100 封的退信率和投诉率，只有质量稳定时再放量。

为什么线索来源会影响数据质量

并非所有线索数据都一样。直接从公司公开团队页面抓到的邮箱——也就是对方主动写出来的联系方式——通常比那些几个月都没更新过的聚合数据库里的邮箱更新、更准确。

这也是我为什么更倾向于从实时公开页面抓取，而不是完全依赖静态数据库。因为 Thunderbit 的 AI 每次都是直接读取真实网页，而不是旧数据库，所以提取出来的邮箱和电话通常更接近当前状态。Phone Number Extractor 还会把号码重新格式化为 E.164 标准，这能减少导入 CRM 时的格式错误。

从新鲜来源抓取并不能取代验证，但它至少能让你一开始拿到更干净的原料。

活动前检查清单

在任何活动点“发送”之前，先确认：

• [ ] 所有邮箱都在最近 30 天内验证过
• [ ] 发送列表里没有角色邮箱（info@、sales@）
• [ ] 没有重复项
• [ ] 已查看上一轮活动的退信率
• [ ] 已设置退订/拒收机制
• [ ] 已同步抑制名单（尊重所有历史退订）

先建再评分：适合小团队的简单线索评分模型

我看过的每一篇指南都会说“要优先排序你的线索”，然后就不再解释“怎么做”。

如果你是独立创始人，或者只有 3 个人的销售团队，你不需要 Salesforce Einstein，也不需要预测型评分引擎。你需要的是一列带透明公式的表格。

评分框架

实际示例

线索 A： 某家 120 人 SaaS 公司里的 VP Sales，正在招聘 SDR，邮箱已验证，来源是公司招聘/团队页面。
得分：20（行业）+ 10（规模）+ 15（职位）+ 15（意图）+ 10（已验证）+ 10（来源）= 80 → 本周优先外联。

线索 B： 一个 5 人兴趣型业务里的“Staff”，角色邮箱，没有意图信号。
得分：0 + 0 + 0 + 0 + 0 - 10（角色邮箱）- 5（泛化职位）= -15 → 跳过或删除。

这个模型完全可以作为 Google Sheets 里的简单公式。例如：

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))

不需要 Salesforce。

如何在抓取过程中用 AI 给线索打标签和评分

我们团队在 Thunderbit 里做的一个我觉得特别实用的评分功能，是 Field AI Prompts。当你配置抓取时，可以给任意列加一个提示词——比如：“根据职位名称和页面上下文，将该线索的资历分类为 Decision-Maker、Influencer 或 Individual Contributor。”

Thunderbit 会在提取过程中直接完成标注，而不是等你导出后再手动处理。所以当你导出到 Sheets 时，资历分类、公司类型或行业标签都已经在了，可以直接放进评分公式里。这省掉了那些让评分流程变得像苦差事的手工打标步骤。

你也可以用 Subpage Scraping 给原始列表补充信息：先抓目录，再访问每家公司的页面提取员工规模、融资状态或技术栈——这些信息都可以喂进你的评分模型。

什么时候需要回头更新评分

线索评分不是一劳永逸的。最好每月重新评分一次，或者在任何重大活动之后重新评分。若线索给出了正面回复，他们的分数就应该变化——因为他们已经是正在推进的对话，而不是冷线索。如果邮箱退信，也要相应调整。如果一家 6 个月前还在招聘的公司后来裁员了，意图信号也已经变了。

如何保持潜在客户名单新鲜有效（自动化与维护）

潜在客户名单不是一次性项目。

我前面已经提到，。联系人会换工作，公司会转向，邮箱会失效。如果你在 5 月做了一份很棒的名单，却一直到 10 月都不动它，那里面很大一部分其实早就失效了。

维护节奏

设置定时抓取，持续生成线索

这就是 Thunderbit 的 Scheduled Scraper 派上用场的地方。你不需要每个月手动回去重新打开目录页，只要设置一个循环抓取即可。设置很简单：用自然语言描述时间间隔（例如“每周一早上 8 点”），输入网站 URL，然后点击“Schedule”。Thunderbit 的 AI 会把你的话转换成时间安排，并自动运行抓取，把新结果导出到你连接好的 Google Sheet 或 Airtable 基础表中。

以下是我见过很有效的用法：

• 销售团队每月重新抓取一次 Clutch 分类页，捕捉新进入市场的代理公司。
• 电子商务运营团队每周监控一次竞争对手目录，查看新上架产品。
• SaaS 创始人在每月外联前刷新一次 G2 分类页，找出新列出的公司。

Thunderbit 的云模式一次可，所以即使是大型目录也能很快刷新。关于如何设置，你可以查看我们的。

关于合规和数据隐私的简要说明

这部分我会说得简短些，因为它不是本文重点，但它非常重要。

• CAN-SPAM（美国）： 适用于所有商业邮件，包括 B2B。 ，每一封独立违规邮件都可能带来最高 的处罚。要求包括：准确的邮件头、不误导的主题行、有效的邮寄地址、清晰的退订方式，并在 10 个工作日内处理退订请求。
• GDPR（欧盟/英国）： 带姓名的商业邮箱也可能属于个人数据。 ，B2B 营销不能隐瞒身份，必须提供有效退订方式，并且必须尊重异议。
• CCPA/CPRA（加州）： 强调告知、目的限制、数据最小化和消费者权利。 有最新细节。
• Google 和 Yahoo 发件规则： 批量发送者将垃圾邮件率控制在 0.30% 以下，并使用 SPF/DKIM/DMARC 认证，同时支持一键退订。。

一句话总结：只抓取公开可获取的数据，不要绕过登录墙或无授权访问；始终提供退订机制；维护抑制名单；并确认当地法律要求。Thunderbit 只抓取公开页面，数据如何使用由用户自行负责。

结论与核心要点

2026 年的潜在客户名单工作流，重点不是找更多名字，而是打造一份更小、更新、已验证、知道来源、且真的能拿到回复的外联数据集。

整体流程总结如下：

1. 先定义 ICP，再碰任何工具。
2. 选择 2-3 个线索来源——先用免费渠道（目录、公司页面、Google 语法），再考虑付费数据库。
3. 用 AI 抓取提取线索——Thunderbit 的两步流程几乎适用于所有公开网页。
4. 搭建正确的模板，加入来源追踪、意图信号和评分列。
5. 验证并清洗——删除角色邮箱、去重、跑验证、标记 catch-all。
6. 打分并排序——用透明的表格模型，而不是靠直觉。
7. 导出到 CRM / 外联工具——根据你收集的数据进行个性化。
8. 追踪结果——按线索来源统计退信、回复和转化。
9. 持续刷新——每次活动前重新验证，定期重新抓取高价值来源。

数据也证明了这一点：。一份经过验证的 200 条名单，几乎总是会胜过一份包含 5,000 个联系人、但已经陈旧的数据库。

准备开始建立你的第一份名单了吗？每月提供 6 页 AI 抓取、无限量免费邮箱和电话提取，以及导出到 Google Sheets 或 Excel 的能力。今天下午就足够让你做出前 50-100 条线索。

常见问题

我的第一份潜在客户名单应该有多少条线索？

建议先从 50-100 条定位准确、经过验证的线索开始，而不是几千条未经筛选的联系人。Hunter 的数据表明，目标更窄、名单更小的活动（21-50 人）平均回复率为 6.2%，几乎是 501 人以上活动的 3 倍。质量会叠加，数量反而会稀释效果。

我应该买名单，还是自己搭建？

自己搭建通常更好。购买名单的风险更高：数据陈旧、垃圾陷阱、来源不透明，以及合规风险。用 AI 抓取加人工调研自己搭建名单，数据会更新鲜、更相关，因为你抓取的是实时公开页面，联系人通常是当前可用的。如果确实要买，务必要求对方提供采集日期、验证日期、同意基础和刷新流程。

建潜在客户名单最好的免费方法是什么？

把 Google 高级搜索语法（site:、intitle:、精确匹配查询）和 Thunderbit 免费版结合起来——每月 6 页 AI 抓取，再加上不限量的免费邮箱和电话提取——再配合基础版 LinkedIn 搜索。这套组合足以覆盖公司页面、目录、活动名单和职业主页，而且不用花一分钱。

潜在客户名单应该多久更新一次？

每次活动前都重新验证邮箱，尤其是名单已经超过 30 天时。至少每季度做一次完整刷新——重新抓取来源、更新公司画像、删除失效线索。ZeroBounce 指出，邮件名单在一年内至少会衰减 23%，所以“设置好就不管了”只会让退信率越来越高。

从潜在客户名单发冷邮件，什么样的回复率算不错？

根据 2025-2026 的基准数据：3-5% 的正向回复率算不错，5-8% 很强，8% 以上就非常优秀。影响最大的单一因素就是名单质量——目标定位、验证和个性化。一份结构完善、邮箱已验证、意图信号清晰且内容个性化的名单，通常会稳定胜过一份更大但联系人泛泛、文案千篇一律的名单。

了解更多