上周，我们销售团队的一位成员给我看了一张表格，里面有 4,000 个联系人，据说是从某家数据供应商那里买来的。两周外联后的回复率？0.3%。跳出率？超过 12%。这份名单花了真金白银，结果几乎毫无产出。
到了 2026 年，大多数线索名单一上来就是“死名单”。Hunter 的《Email Outreach 现状报告》 基于 2025 年发出的 3,100 万封邮件显示，冷邮件序列的平均回复率只有 4.5%——而这还是“平均值”，意味着很多活动表现远低于这个水平。与此同时，Salesforce 的《2026 销售现状报告》 指出，普通销售人员每周真正用于销售的时间只有 40%；剩下的 60% 都花在行政工作、调研，以及——没错——找潜在客户上。
所以，如果你要花时间整理名单，那最好是一份真的能换来回复的名单。这篇指南会带你走完整个 2026 年的工作流程：先定义你的 ICP，接着去 LinkedIn 之外找线索，搭建合适的模板，验证数据避免高跳出率拖垮发件信誉，发送前给线索打分，并持续保持名单更新。我还按预算做了分层整理，所以你今天就能从 0 美元开始。
- 难度： 初级
- 所需时间： 第一次整理 50-100 条线索，大约 2-3 小时
- 你需要： Chrome 浏览器、Thunderbit 扩展、Google Sheet 或其他表格工具，以及你写好的 ICP
用 AI 抓取构建潜在客户名单 Get Started Free
什么是线索名单？为什么大多数名单都会失败？
线索名单是一份结构化的数据集，记录的是潜在买家——也就是你想要触达的人和公司。通常它会包含个人层字段（姓名、职位、邮箱、电话、LinkedIn 链接）和公司层字段（行业、规模、营收、所在地）。它是任何外呼销售工作的基础。
很多团队的问题在于：他们把线索名单和联系人堆砌清单混为一谈。真正有用的线索名单要回答的是：为什么是这家公司，以及为什么现在是这个人。而从某个随机供应商买来的名单，往往只能回答“这里有一个邮箱地址，它可能还活着，也可能已经失效了”。两者带来的结果天差地别。
线索名单也属于一个更大的生命周期。Lead 指的是可能适合你市场的人；MQL（营销合格线索）说明这个人已经表现出一定匹配度或互动；SQL（销售合格线索）则表示可以直接跟进；Opportunity 则是正在推进中的真实商机。你的线索名单位于漏斗最上游——如果这一层全是垃圾，后面每一步都会受到影响。
线索名单失败最常见的原因有：
- 数据过期： ZeroBounce 报告 显示，至少 23% 的邮箱名单会在一年内失效。也就是说，几乎四分之一的联系人每 12 个月就会失去作用。
- 联系人不对： 用角色邮箱（info@、sales@）代替直接联系人；用像“Staff（员工）”这种模糊职位，根本看不出谁有决策权。
- 没有筛选标准： 把“数量”包装成“策略”。正如一位论坛用户说的：“很多时候，我们把数量误当成了质量。”
- 没有验证： Validity 2024 年 CRM 数据报告 发现，24% 的 CRM 管理员 认为自己 CRM 数据中不到一半是准确且完整的；而且 31% 的人表示，糟糕的 CRM 数据会吞掉至少 20% 的年收入。
- 重数量轻质量： Hunter 的数据 显示，目标受众为 21-50 人的活动平均回复率为 6.2%，而 501 人以上的活动平均只有 2.4%。更小、更精准，通常远胜于更大、更粗糙。
线索名单模板：你的表格到底应该长什么样？
我看过几十篇“如何搭建线索名单”的文章，最让我头疼的是：它们都在说“要包含联系人信息、公司画像和线索评分”，但没有一篇真正把表格长相展示出来。所以这里我直接给你补上这个大家都缺的东西。
推荐的起始列
你的线索表格从第一天开始就应该包含这些列：
| 列名 | 填什么 | 好数据示例 | 坏数据示例 |
|---|---|---|---|
| 姓名 | 真实姓名 | “Jordan Lee” | “Sales Team” |
| 职位 | 具体的当前岗位 | “VP of Sales” | “Staff” |
| 公司 | 法定名称或品牌名 | “Acme Logistics” | “Acme?” |
| 行业 | 标准化分类 | “B2B SaaS” | “Tech-ish” |
| 公司规模 | 员工数量区间 | “51-200” | 空白 |
| 邮箱 | 直接商务邮箱 | “jordan@acme.com”，已验证 | “info@acme.com” |
| 电话 | 直线电话或主机电话，格式统一 | E.164 格式 | 混杂本地格式 |
| LinkedIn URL | 个人资料或公司主页 | 完整链接 | 搜索结果链接 |
| 线索来源 | 数据从哪里来 | “G2 分类页，2026 年 5 月” | “Internet” |
| 意向信号 | 为什么是现在 | “正在招聘 3 名 SDR”， “新融资” | 空白 |
| 线索评分 | 数值化优先级 | 按规则得到 70/100 | 纯靠感觉 |
| 最近联系时间 | 外联日期 | “2026-05-26” | “最近” |
| 备注 | 相关背景信息 | “使用 Shopify Plus” | 一大段无结构粘贴内容 |
样例线索名单（已匿名处理）
下面是一份真实填好的名单长什么样——10 行，覆盖不同角色：
| 姓名 | 职位 | 公司 | 行业 | 规模 | 邮箱 | 来源 | 意向信号 | 评分 |
|---|---|---|---|---|---|---|---|---|
| Alex M. | 销售副总裁 | 中型 SaaS 厂商 | SaaS | 201-500 | 直接邮箱，已验证 | G2 分类页 | 正在招聘 AE | 78 |
| Priya S. | 运营负责人 | DTC 服饰品牌 | 电子商务 | 51-200 | 直接邮箱，已验证 | Shopify 展示页 | 扩充履约能力 | 72 |
| Marcus T. | 创始人 | 本地代理公司 | 专业服务 | 11-50 | 直接邮箱，已验证 | Clutch | 新增评价 | 66 |
| Elena R. | 收入运营经理 | 网络安全初创公司 | SaaS | 51-200 | catch-all 标记 | 峰会演讲嘉宾页 | A 轮融资 | 61 |
| Ben C. | 业主 | HVAC 承包商 | 本地服务 | 11-50 | 公司主邮箱 | Google Business | 好评量高 | 48 |
| Mina K. | 合作伙伴总监 | 平台型公司 | 电子商务 | 201-500 | 直接邮箱，已验证 | 活动议程页 | 赞助活动 | 74 |
| Diego P. | 房地产经纪人 | 区域经纪公司 | 房地产 | 11-50 | 直接邮箱，已验证 | 协会名录 | 新官网页面 | 58 |
| Sarah N. | 客服主管 | B2B 软件公司 | SaaS | 51-200 | 已移除角色邮箱 | Capterra | 支持类差评较少 | 44 |
| Omar A. | IT 经理 | 制造企业 | 制造业 | 501-1000 | 直接邮箱，已验证 | 公司团队页 | 提到 ERP 迁移 | 69 |
| Lena W. | 增长营销负责人 | 金融科技初创公司 | SaaS | 51-200 | 直接邮箱，已验证 | Product Hunt | 新产品发布 | 71 |
每一列代表什么，以及什么叫“好数据”
有几列值得单独说明：
- 职位： “VP of Sales” 说明这个人有预算权限；“Staff” 则什么都说明不了。你应该尽量找能体现决策权或影响力的具体职位。
- 邮箱： 个人商务邮箱（jordan@acme.com）价值很高；角色邮箱（sales@acme.com）对冷启动外联几乎没用——它通常进的是没人盯着的共享收件箱。
- 线索来源： 这往往是最容易被跳过、但长期最重要的一列。记录每条线索来自哪里，才能知道到底哪个渠道带来的是“回复”，而不只是“行数”。“G2 分类页，2026 年 5 月”很有价值，“Internet” 没有任何意义。
- 意向信号： 这就是“为什么是现在”这一列。一家公司刚刚完成 A 轮融资、发布了 3 个 SDR 招聘、或者推出了新产品，通常比安安静静躺着的公司更热。如果你找不到任何意向信号，这条线索很可能不值得优先处理。
Thunderbit 的 AI Suggest Fields 如何帮你自动搭模板
我对 Thunderbit 最自豪的一点是：你不用自己猜该创建哪些列。只要在任何潜在线索丰富的页面上打开 Thunderbit——比如目录页、公司团队页、会议嘉宾列表——然后点击 “AI Suggest Fields”，AI 就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 就会直接建议这些列。
这对新手尤其有用，因为很多人盯着空白表格都会想：“我到底该抓哪些字段？” Thunderbit 会基于源页面上的实际数据替你回答这个问题。然后你点击 “Scrape”，就能直接导出到 Google Sheets、Excel、Airtable 或 Notion。
试用 Thunderbit AI Suggest Fields
在搭建线索名单之前，先定义你的理想客户画像（ICP）
我见过、自己也犯过的最大错误，就是先做名单，后想名单里该有哪些人。结果你会得到一张满是名字的表格，却不知道这些人为什么应该在意你的产品。
你的 ICP，就是对最可能购买你产品、从中获得价值、并持续留下来的公司和人的描述。它不是简单的人设练习，而是一个筛选条件。
ICP 组成要素
| ICP 项目 | 思考问题 | 示例 |
|---|---|---|
| 行业 | 哪些行业有这个痛点？ | B2B SaaS、电子商务、专业服务 |
| 公司规模 | 哪个规模现在就能买？ | 51-500 名员工 |
| 地理区域 | 我们能在哪些地区有效销售和支持？ | 美国、加拿大、英国 |
| 营收范围 | 哪个营收区间最合适？ | 年经常性收入 500 万-1 亿美元 |
| 买方职位 | 谁拥有痛点和预算？ | 销售副总裁、RevOps、运营负责人 |
| 触发信号 | 什么事件会让时间变得紧迫？ | 招聘、融资、迁移、差评增多 |
| 痛点 | 他们正在感受到什么问题？ | 手动建名单、数据过期、信息补全太慢 |
| 排除项 | 谁应该被排除？ | 学生、兴趣型小生意、竞争对手 |
实操练习： 看看你现有表现最好的 5-10 个客户。他们有什么共同点？行业？规模？签约人的职位？把 3-5 个共同特征写下来，这就是你的 ICP 初稿。
Firmographics 和 Demographics：哪个更重要？
Firmographics 指公司层数据：行业、规模、营收、地点。Demographics（在 B2B 语境下）指个人层数据：职位、级别、职能、部门。对于 B2B 线索名单来说，firmographics 决定你锁定哪家公司，demographics 决定你锁定哪位个人。两者都需要。再完美的公司，如果联系人不对，就是白忙；再精准的联系人，如果公司不匹配，也同样没用。
还有一点值得注意：Sopro 的 2025 年开发数据 分析了 1.1957 亿个开发触点，发现平均决策单元大约有 4.14 个利益相关者。所以，一份好的线索名单通常不止一个目标账户联系人——但也不能多到让外联看起来像群发垃圾邮件。
不只盯着 LinkedIn：去网站、名录和社交媒体哪里找线索
我研究这个主题时，最让我意外的内容缺口是：排名前 6 的“如何搭建线索名单”文章里，有 5 篇都把读者往 LinkedIn Sales Navigator 上引。没错，Sales Navigator 的确很强。但它也很贵（Core 版本大约 每月 120 美元），而且真实用户经常抱怨导出受限、界面臃肿、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，都是丰富的联系人数据来源，而且往往比付费数据库里的信息更新、更具体。
线索来源对比
| 线索来源 | 适合场景 | 方法 | 成本 |
|---|---|---|---|
| 公司官网 / About 页面 | 小众 B2B、本地服务、代理公司 | 浏览团队/联系方式页面，提取姓名/邮箱/电话 | 免费 |
| 行业目录（Clutch、G2、Yelp） | 服务型线索、垂直生态 | 按类别/地点筛选，抓取列表 | 免费至低成本 |
| 活动参会者/演讲嘉宾名单 | 高意向 B2B 潜客 | 峰会议程、赞助页、网络研讨会报名页 | 免费到付费活动访问 |
| 评价网站（G2、Capterra、Google Business） | SaaS 和本地商家 | 浏览分类并提取公司联系人 | 免费 |
| 社交媒体（Instagram、X） | B2C、个人品牌、本地业务 | 公开简介、商业主页 | 免费 |
| Google site: 指令 | 长尾发现、定向联系页面 | 高级搜索语法 | 免费 |
| LinkedIn（基础版） | 职业搜索 | 手动搜索、公开资料 | 免费 |
| LinkedIn Sales Navigator | 成熟外呼团队 | 高级筛选、保存线索、TeamLink | 每月 99 美元起 |
按行业整理的实用目录
| 行业 | 值得抓取的来源 |
|---|---|
| SaaS | G2、Capterra、Product Hunt、SaaSworthy、AWS Marketplace、Chrome Web Store 分类页 |
| 电子商务 | Shopify 商店/展示页、BuiltWith 名单、Klaviyo 合作伙伴目录 |
| 房地产 | Realtor 目录、经纪公司办公页、当地 MLS 公共页面、商会目录 |
| 专业服务 | Clutch、DesignRush、UpCity、GoodFirms、当地律所/会计目录 |
| 本地商家 | Google Business 结果、Yelp、Yellow Pages、BBB、当地商会页面 |
| 活动 | 赞助商/参展商页面、嘉宾列表、议程页、网络研讨会落地页 |
用 Google 高级搜索指令找线索
这些方法免费，而且非常强大。几个例子：
site:clutch.co/agencies "B2B SaaS" "United States"—— 在 Clutch 上按类别和地区筛选代理公司列表site:company.com ("email" OR "contact") "VP Sales"—— 在特定公司网站上找提到销售副总裁的联系页面intitle:"sponsors" "SaaS" "2026" "conference"—— 找 2026 年 SaaS 会议赞助商页面site:g2.com/categories "sales engagement" "mid-market"—— 找 G2 上中型市场销售工具分类页
Google 官方搜索帮助 对精确匹配引号和 site: 这类指令有说明，你可以去那里核对语法。
如何用 AI 网页爬虫从任意网站抓取联系人
这正是 Thunderbit 自然融入工作流的地方。对于上面这些来源——无论是 Clutch 目录、公司团队页还是会议嘉宾名单——流程都一样：
- 在 Chrome 中打开页面，并确保已安装 Thunderbit 扩展。
- 点击 “AI Suggest Fields”。Thunderbit 的 AI 会读取页面，并建议 Name、Email、Phone、Title、Company 等列。
- 检查建议字段，按需增删。
- 点击 “Scrape”。
- 导出到 Google Sheets、Excel、Airtable 或 Notion。
它的关键优势在于：Thunderbit 能处理那些杂乱、非标准化的网站，而不是只能套用固定模板。AI 每次都会重新读取页面，并根据实际结构自适应。Thunderbit 免费版的 Email Extractor 和 Phone Number Extractor 支持任何页面一键提取，而且免费额度内不限次数。
用子页面抓取扩充你的线索名单
我经常使用的一种工作流是：先抓取目录列表页（比如 Clutch 上的公司列表），再用 Thunderbit 的 Subpage Scraping 访问每家公司的详情页，提取更多数据——邮箱、电话、员工规模、技术栈、简介等。
这样你就能把一份基础目录，变成一份已经补充信息、可直接用于研究的线索名单，而且完全不用手动点来点去。你可以从“这里有 50 个公司名”，一步变成“这里有 50 家公司，附带联系邮箱、团队规模和公司简介”。如果你想进一步了解如何无需代码进行网页抓取，我们也写过详细教程。
2026 年线索名单搭建流程：一步一步来
下面是完整流程，专门为不懂技术、但今天就想搭出一份真正线索名单的销售或运营人员整理。
第 1 步：先把 ICP 定下来
在打开任何工具之前，先写好你的 ICP 标准（可回看上面的 ICP 部分）。行业、公司规模、地理区域、买方职位、触发信号、排除项。这一步只要 15-30 分钟，却能帮你省下数小时无效抓取。
第 2 步：选择你的线索来源
根据你的 ICP 和预算，从对比表中挑 2-3 个来源。我的建议是：先从免费来源开始。如果你目标是 SaaS 公司，就试试 G2 分类页和公司团队页；如果你瞄准本地商家，就先从 Google Business 结果和 Yelp 入手。只有在免费渠道已经用尽后，再叠加 Sales Navigator 这类付费来源。
第 3 步：用 AI 抓取或手动搜索提取线索
针对不同来源，提取方法如下：
- 网站和目录： 用 Thunderbit 的 AI 网页爬虫。打开页面，点 “AI Suggest Fields”，检查列，点 “Scrape”。对于热门网站，Thunderbit 还有 即时数据爬虫模板，可以自动配置字段。
- LinkedIn： 使用 Sales Navigator 搜索并导出，或用 Thunderbit 抓取公开的 LinkedIn 资料页。
- Google： 运行高级搜索指令，然后抓取结果页或访问单个页面。
导出格式可选：Google Sheets、Excel、Airtable、Notion、CSV、JSON。
第 4 步：验证并清洗数据
这一步绝不能省。我会在下面专门讲完整的验证流程；先说结论：删除角色邮箱、去重、用验证工具跑一遍、标记 catch-all 域名，并且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，先套一个简单的评分模型（后面会详细讲）。这样你联系的会是最有价值的线索，而不是表格最上面那一批。
第 6 步：导出到 CRM 或外联工具
把清洗并打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 同步到 CRM。
第 7 步：开始外联并跟踪结果
根据你收集到的数据进行个性化外联。提到对方所属行业，引用他们的意向信号（“我注意到你们正在招 SDR”），并围绕他们的痛点来调整价值主张。跟踪回复率、跳出率和转化率——再把这些数据反馈回你的 ICP 和评分模型，用于下一轮优化。
先看预算：如何从 0 美元做到企业级线索名单
我最常听早期创始人和小型销售团队抱怨的就是：“怎么才能不花大钱，也做出线索名单？”这个问题非常合理。ZoomInfo 的合同通常起步就是每年五位数；Sales Navigator 是每月 99 美元起；Apollo 和 Lusha 有免费版，但好用的功能常常被锁在付费墙后面。
实话实说：不花钱也能走得很远。但如果要规模化，还是需要一定投入。下面我按不同层级帮你拆解。
| 层级 | 成本 | 方法 | 工具 |
|---|---|---|---|
| 免费（$0） | $0 | Google 指令、手动 LinkedIn、公司官网、Thunderbit 免费版（6 页 + 免费邮箱/电话提取器） | Thunderbit 免费版、Google、基础 LinkedIn |
| 低成本（<$50/月） | $0-50 | 批量 AI 抓取、基础补全、邮箱验证 | Thunderbit Starter/Pro、Hunter Starter（34 美元/月）、Bouncer/NeverBounce 按量计费 |
| 中档（$50-200/月） | $50-200 | Sales Navigator、更丰富的筛选、CRM 集成 | Sales Navigator Core（119.99 美元/月，年付 89.99 美元/月）、Apollo 付费版、Lusha |
| 企业级（$200+/月） | $200+ | 意向数据、信息补全套件、合规工作流 | ZoomInfo（按报价）、Cognism（按报价）、Clearbit |
以上价格截至 2026 年 5 月——购买前请确认最新价格。
免费能做到什么，限制又在哪里？
借助 Thunderbit 免费版（每月可用 6 页 AI 抓取）、免费 Email Extractor 和 Phone Number Extractor（不限次数，一键提取）、Google 搜索指令，以及基础 LinkedIn 搜索，一个独立创始人完全有可能在一个下午做出 50-100 条线索名单。我见过我们团队的人这么做。
限制主要出现在三方面：数量（免费版每月页数有限）、补全深度（没有付费工具就拿不到意向数据或技术栈信息）、以及大规模邮箱验证（免费工具通常都有小额上限）。当这些限制开始卡住你时，就该考虑升级到低成本层级了——Thunderbit 的付费方案 会解锁子页面抓取、批量抓取、分页抓取和定时爬虫。
跳出率修复：真正有效的数据验证流程
我见过论坛用户发帖说，购买来的名单跳出率几乎高达 70%。这不只是浪费精力，更是危险信号。高跳出率会严重损害你的发件信誉，结果就是连你的优质邮件也会开始进垃圾箱。
lemlist 的基准数据 表示，健康的跳出率应低于 2%，低于 1% 则更理想。Mailshake 2025 调查 显示，接近一半的发件人跳出率在 2-5% 之间，而 15% 的人超过 6%。如果你高于 5%，你的发件信誉就已经有风险了。
我推荐的验证流程如下：
- 删除角色邮箱： 把 info@、sales@、support@、admin@ 之类的地址删掉，除非你就是刻意要找共享收件箱（冷外联里这非常少见）。
- 删除格式错误： 重复项、拼写错误、缺失域名、失效域名。表格里快速排序和筛选一下，大部分问题都能找出来。
- 用邮箱验证工具跑一遍： Hunter、ZeroBounce、NeverBounce、Bouncer 或 Kickbox 都可以。这些工具会向邮件服务器探测收件箱是否存在，而不是直接发邮件。
- 标记或移除 catch-all 域名： ZeroBounce 报告 指出，catch-all 地址是高风险类别之一——它们在服务器层面接受所有邮件，但并不能证明某个具体收件箱真的存在。如果你无法验证某个具体邮箱，就把这条记录标记出来，按低置信度处理。
- 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 天没更新，发送前最好重新跑一遍验证。
- 先小批量发送： 先观察前 50-100 封的跳出率和投诉率。只有质量稳定，才逐步放量。
为什么线索来源会影响数据质量
并不是所有线索数据都一样。直接从公司公开团队页抓到的邮箱——对方主动写出来的联系方式——通常比那些几个月没更新过的聚合数据库里的邮箱更鲜活、更准确。
这也是为什么我更支持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 每次都会重新读取真实网站，而不是读取过时数据库，所以抓到的邮箱和电话往往更接近当前状态。Phone Number Extractor 还会把号码统一格式化成 E.164 标准，这能减少导入 CRM 时后续的格式错误。
从新鲜来源抓取并不能替代验证——但至少你一开始拿到的原始数据更干净。
发送前检查清单
在任何活动点击“发送”之前，先确认：
- 所有邮箱都在 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跳出率
- 已设置退订/取消订阅机制
- 已同步抑制名单（遵守所有历史退订）
先建后打分：适合小团队的简单线索评分模型
我看过的每一篇指南都说“要优先排序线索”——然后就没下文了，也不告诉你怎么做。
如果你是独立创始人，或者只有三人的销售团队，你不需要 Salesforce Einstein 或预测型评分引擎。你需要的是一个带透明公式的表格列。
评分框架
| 信号 | 分值 | 示例 |
|---|---|---|
| 命中 ICP 行业 | +20 | SaaS、中型市场 |
| 公司规模匹配 | +10 | 51-500 名员工 |
| 决策者职位 | +15 | 销售副总裁、运营负责人 |
| 明确的意向信号 | +15 | 招聘、融资、工具迁移 |
| 邮箱已验证 | +10 | 验证通过 |
| 直接来源质量高 | +10 | 公司页面、活动嘉宾页 |
| 与你的内容有互动 | +10 | 下载指南、参加网络研讨会 |
| catch-all / 未验证邮箱 | -10 | 风险较高的验证状态 |
| 角色邮箱 | -10 | info@、sales@ |
| 普通职位名（看不出角色） | -5 | “Staff” |
计算示例
线索 A： 120 人规模的 SaaS 公司销售副总裁，正在招聘 SDR，邮箱已验证，来源是公司招聘/团队页。
得分：20（行业）+ 10（规模）+ 15（职位）+ 15（意向）+ 10（已验证）+ 10（来源）= 80 → 本周优先外联。
线索 B： 一个 5 人兴趣型小生意里的“Staff”，角色邮箱，没有意向信号。
得分：0 + 0 + 0 + 0 + 0 - 10（角色邮箱）- 5（普通职位）= -15 → 直接跳过或删除。
你可以把这个公式放进 Google Sheets 里，比如：
=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))
完全不需要 Salesforce。
如何在抓取过程中用 AI 给线索打标签和打分
我团队在 Thunderbit 里加的一个我觉得非常实用的评分功能是：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，将这条线索的资历分类为 Decision-Maker、Influencer 或 Individual Contributor。”
Thunderbit 会在提取数据的过程中直接打标签，而不是导出后再处理。所以当你导入 Sheets 时，资历分类、公司类型或行业标签都已经准备好了，可以直接接入评分公式。这样就省掉了最烦人的手工标注步骤。
你也可以用 Subpage Scraping 扩充原始列表数据：先抓目录页，再访问每家公司的详情页，提取员工规模、融资状态或技术栈——这些都会直接进入你的评分模型。
什么时候要重新查看和更新评分
线索评分不是一次设好就不用管的。建议每个月重新评分一次，或者在任何重大活动后重新评估。如果某条线索回复了正面信息，那它的状态就变了——它已经是一个活跃对话，而不是冷线索。如果邮箱退信了，也要相应调整。如果六个月前还在招聘的公司现在裁员了，意向信号也已经变了。
如何保持线索名单始终新鲜：自动化与维护
线索名单不是一次性项目。
我前面已经提到，23% 的邮箱名单会每年失效。联系人会换工作，公司会转型，邮箱会过期。你如果 5 月做了一份很棒的名单，却一直放到 10 月都不管，那里面已经有相当一部分失效了。
维护频率
| 任务 | 频率 | 原因 |
|---|---|---|
| 验证邮箱 | 每次活动前（至少每月一次） | 防止硬退信 |
| 去重联系人 | 活跃开发期间每周一次 | 避免重复外联 |
| 更新意向信号 | 每月一次 | 招聘、融资、评价变化很快 |
| 更新公司画像数据 | 每季度或每半年一次 | 规模、营收和技术栈会变化 |
| 同步抑制名单 | 每天或实时 | 尊重退订并减少投诉 |
| 复盘来源表现 | 每月一次 | 找出真正带来回复的渠道，而不只是行数 |
设置定时抓取，持续生成新线索
这就是 Thunderbit 的 Scheduled Scraper 发挥作用的时候。你不必每个月手动重新访问那些目录页，可以直接设置周期性抓取。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 会把你的描述转换成日程，并自动执行抓取，把最新结果导出到你连接的 Google Sheet 或 Airtable 中。
我见过效果很好的使用场景包括：
- 销售团队每月重新抓取 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竞争对手目录中的新产品上架。
- SaaS 创始人在每次月度外呼前刷新 G2 分类页，找到新上架公司。
Thunderbit 的云端模式一次最多可 抓取 50 个页面，所以即使是大型目录也能快速刷新。想了解更多设置方式，可以看看我们的 AI 线索生成 指南。
关于合规与数据隐私的简要说明
这篇指南不是重点讲这个，但这部分非常重要，所以我简短说一下。
- CAN-SPAM（美国）： 适用于所有商业邮件，包括 B2B。FTC 说明，每封单独违规邮件都可能触发最高 53,088 美元 的处罚。要求包括：邮件头真实、主题行不误导、提供有效邮寄地址、清晰退订方式，并在 10 个工作日内处理退订。
- GDPR（欧盟/英国）： 带姓名的商务邮箱也可能属于个人数据。ICO 说明，B2B 营销不得隐藏身份，必须提供有效退订，并尊重异议。
- CCPA/CPRA（加州）： 强调告知、目的限制、数据最小化和消费者权利。加州隐私保护机构 FAQ 有最新细节。
- Google 和 Yahoo 发件规则： Google 要求 批量发件人的垃圾邮件率低于 0.30%，并启用 SPF/DKIM/DMARC 验证，支持一键退订。Yahoo 也执行类似规则。
一句话总结：只抓取公开可见的数据，不要绕过登录墙，始终提供退订机制，维护抑制名单，并核实当地法律要求。Thunderbit 只抓取公开页面，用户需自行负责如何使用这些数据。
结论与核心要点
2026 年的线索名单工作流程，重点不是找更多名字，而是搭建一份更小、更鲜活、已验证、了解来源、且真正能带来回复的外联数据集。
完整流程总结如下：
- 先定义 ICP，再碰任何工具。
- 选择 2-3 个线索来源——先用免费渠道（目录、公司页面、Google 指令），再考虑付费数据库。
- 用 AI 抓取提取线索——Thunderbit 的 2 步流程几乎适用于任何公开页面。
- 搭建规范模板，包含来源追踪、意向信号和评分列。
- 验证并清洗——删除角色邮箱、去重、跑验证、标记 catch-all。
- 打分并排序——用透明的表格模型，而不是凭感觉。
- 导出到 CRM / 外联工具——基于你收集的数据做个性化。
- 跟踪结果——按来源记录跳出、回复和转化。
- 持续刷新——每次活动前重新验证，按计划重新抓取高价值来源。
数据已经证明了这一点：更精准的细分受众在回复率上几乎比广撒网高出 3 倍。一份 200 条、已验证的名单，几乎总会胜过一份 5,000 个联系人的陈旧数据库。
准备开始做你的第一份名单了吗？Thunderbit 免费版 每月提供 6 页 AI 抓取、无限次免费邮箱和电话提取，并支持导出到 Google Sheets 或 Excel。足够你今天下午就搭出第一批 50-100 条线索。
试用 AI 网页爬虫制作线索名单 Get Started Free
常见问题
我的第一份线索名单应该包含多少条线索？
建议从 50-100 条定位准确、经过验证的线索开始，而不是成千上万条不合格联系人。Hunter 的数据表明，受众更小、更精准的活动（21-50 人）平均回复率为 6.2%——几乎是 501 人以上活动的三倍。质量会叠加，数量会稀释。
我应该买线索名单，还是自己做？
几乎总是自己做更好。买来的名单风险更高：数据过期、垃圾邮件陷阱、来源不透明，以及合规风险。用 AI 抓取加人工研究自己搭建名单，能得到更鲜活、更相关的数据，因为你抓的是公开活页面，联系人通常是当前状态。如果你一定要买，务必要求对方公开采集日期、验证日期、同意依据和更新流程。
搭建线索名单最好的免费方法是什么？
把 Google 高级搜索指令（site:、intitle:、精确匹配）与 Thunderbit 免费版结合使用——每月 6 页 AI 抓取，再加无限次免费邮箱和电话提取——再配合基础 LinkedIn 搜索。这个组合足以覆盖公司页面、目录、活动名单和职业资料，而且一分钱都不用花。
我应该多久更新一次线索名单？
每次活动前都要重新验证邮箱，尤其是名单超过 30 天后。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 报告称，至少 23% 的邮箱名单会在一年内失效，所以“设好就忘”只会让跳出率越来越高。
冷外联中，基于线索名单的好回复率应该是多少？
根据 2025-2026 年的基准：3-5% 的正向回复率算不错，5-8% 算强，8% 以上非常优秀。最关键的因素是名单质量——定位、验证和个性化。一份做得好的名单，只要邮箱已验证、意向信号清晰、消息个性化，就会持续胜过一份更大但联系人泛泛、文案模板化的名单。
了解更多
