如何打造能收到回覆的潛在客戶名單（2026 工作流程）

上週，我們銷售團隊的一位同事拿給我看一份試算表，裡面有 4,000 筆他們向資料供應商買來的聯絡人。結果呢？發信兩週後的回覆率只有 0.3%，退信率卻超過 12%。這份名單花了真金白銀，最後幾乎沒有產出。

到了 2026 年，大多數潛在客戶名單一開始就註定失敗。根據 2025 年寄出的 3,100 萬封郵件指出，冷郵件序列的平均回覆率只有 4.5%；而且這還只是平均值，代表不少活動的表現遠低於此。與此同時，也提到，一般業務人員一週真正拿來做銷售的時間只有 40%，其餘 60% 都花在行政、研究，以及——你猜對了——找名單。

所以，既然你要花這麼多時間整理名單，那它就應該是一份真的能收到回覆的名單。這份指南會帶你走完整個 2026 工作流程：先定義 ICP，接著從 LinkedIn 以外找名單，建立正確的名單範本，驗證資料避免退信率拖垮寄件信譽，在送出前先做名單評分，並且長期維持資料新鮮。我也依預算幫你整理好，你今天就能從 0 元開始。

• 難度： 初學者
• 所需時間： 第一次建立 50–100 筆名單約需 2–3 小時
• 你需要準備： Chrome 瀏覽器、、Google 試算表或其他試算表工具，以及寫好的 ICP

什麼是潛在客戶名單？為什麼大多數名單都會失敗？

潛在客戶名單是一份結構化的資料集，記錄你想接觸的買家——也就是人與公司。通常會包含個人層級欄位（姓名、職稱、電子郵件、電話、LinkedIn 網址）與公司層級欄位（產業、規模、營收、地點）。它是任何外呼銷售工作的基礎。

但很多團隊的問題在於：他們把潛在客戶名單誤當成聯絡人堆疊。真正有用的名單，應該回答的是「為什麼是這家公司？」以及「為什麼是這個人，而且是現在？」而從隨便一家供應商買來的名單，往往只能回答：「這裡有一個可能還活著、也可能已經失效的電子郵件地址。」兩者的結果差距非常大。

潛在客戶名單也屬於更大的銷售漏斗中的一環。Lead 是可能符合市場條件的人；MQL（marketing qualified lead，行銷合格名單）代表已顯示出某種程度的匹配或互動；SQL（sales qualified lead，銷售合格名單）已可直接跟進；opportunity 則是正在進行的商機。你的潛在客戶名單位於漏斗最上層——如果這一層都是雜訊，後面全部都會受影響。

潛在客戶名單最常失敗的原因有這些：

• 資料過時： 指出，至少有 。也就是說，你的聯絡人裡，幾乎每四個就有一個每年會變壞。
• 聯絡人不對： 只找到角色信箱（info@、sales@），而不是直接聯絡人。或是像「Staff」這種看不出決策權的模糊職稱。
• 沒有篩選標準： 把大量數量包裝成策略。就像某位論壇使用者說的：「很多時候，我們把數量誤認成品質。」
• 沒有驗證： 發現，表示，他們的 CRM 資料有一半都不夠準確或完整；而且 。
• 只重數量、不重品質： 顯示，目標收件人為 21–50 人的活動，平均 ；而收件人超過 501 人的活動，平均只有 。規模較小但更精準，往往勝過大而散亂的名單。

潛在客戶名單範本：你的試算表應該長什麼樣子

我看過幾十篇「如何建立潛在客戶名單」的指南，最讓我困擾的一點是：大家都會說「要包含聯絡資訊、公司屬性和名單分數」，但幾乎沒人真的展示試算表應該長什麼樣。所以，這裡我直接把大家最缺的範本給你。

建議的起始欄位

你的潛在客戶名單試算表，從第一天就應該具備以下欄位：

範例名單（已匿名）

下面是一份真的填好的名單樣子，包含 10 筆不同角色：

每個欄位代表什麼，以及什麼叫做「好」資料

有幾個欄位值得多說明一下：

• 職稱： 「VP of Sales」代表這個人有預算或決策權；「Staff」幾乎什麼都沒說。你應該盡量找能看出決策權或影響力的明確職稱。
• 電子郵件： 個人商務信箱（jordan@acme.com）價值很高；角色型信箱（sales@acme.com）在冷外聯中幾乎沒有用，因為它通常是多人共用、而且沒人固定看。
• 名單來源： 這是大多數人會跳過的欄位，但它其實最重要。追蹤每筆名單來源，才能知道哪個管道真正帶來回覆，而不只是帶來資料列。「G2 類別頁，2026 年 5 月」很有用；「網路」完全沒意義。
• 意圖訊號： 這就是「為什麼現在」欄位。一家公司剛完成 A 輪融資、剛刊登 3 個 SDR 職缺，或剛推出新產品，通常比安靜無聲的公司更值得優先處理。如果你找不到意圖訊號，這筆名單可能就不值得優先追蹤。

Thunderbit 的 AI Suggest Fields 如何幫你自動建好範本

我對 最自豪的功能之一，就是你不用自己猜該建立哪些欄位。當你在任何有大量潛在客戶資訊的頁面——像是名錄、公司團隊頁、會議講者頁——打開 Thunderbit，並點擊 「AI Suggest Fields」，AI 就會讀取該頁面，自動產生適合的欄位名稱與資料類型。如果頁面上有姓名、電子郵件、職稱和公司資訊，Thunderbit 就會直接建議這些欄位。

這對初學者特別有幫助，因為很多人面對空白試算表時都會想：「我到底該抓哪些欄位？」Thunderbit 會根據來源頁面實際有的資料，幫你回答這個問題。接著你只要按 「Scrape」，就能直接匯出到 、Excel、Airtable 或 Notion。

在建立潛在客戶名單前，先定義你的理想客戶輪廓（ICP）

我看過團隊最常犯、而且我自己也犯過的最大錯誤，就是先建名單，後定義誰該進名單。結果最後得到的是一張塞滿姓名的試算表，卻不知道任何一個人為什麼會在乎你的產品。

你的 ICP，描述的是最可能向你購買、最能從產品中受益，並且願意長期留下來的公司與人。這不是做 persona 練習，而是做精準篩選。

ICP 的組成要素

實作練習： 看看你最好的 5–10 位現有客戶。他們有什麼共通點？產業？規模？簽約的人職稱？把 3–5 個共同特徵寫下來，這就是你的 ICP 初稿。

Firmographics 和 Demographics：哪個比較重要？

Firmographics 是公司層級資料：產業、規模、營收、所在地。Demographics（在 B2B 情境中）則是個人層級資料：職稱、資歷、職能、部門。對 B2B 名單而言，firmographics 用來縮小「公司」範圍，demographics 用來縮小「人」的範圍。兩者都需要。公司對了但找錯人，等於浪費一列。人對了但公司不對，同樣沒有價值。

還有一個值得注意的點：分析了 ，發現平均決策單位約有 。因此，一份好的名單通常會包含同一目標帳戶的多位聯絡人，但也不能多到讓你的外聯看起來像垃圾訊息。

不只 LinkedIn：從網站、名錄與社群媒體找名單

我在研究這個主題時，發現一個意外的內容缺口：前 6 名「如何建立潛在客戶名單」文章裡，有 5 篇都把讀者直接導向 LinkedIn Sales Navigator，當作主要名單來源。當然，Sales Navigator 很強，但它也不便宜（Core 方案約 ），而且真實使用者常抱怨匯出限制、介面臃腫，還有爬取難題。

2026 年的現實是：名單不只存在 LinkedIn。公司官網、產業名錄、活動頁、評論網站，甚至社群媒體個人檔案，都是很豐富的聯絡資訊來源，而且通常比付費資料庫更即時、更具體。

名單來源比較

各產業值得抓取的名錄

用 Google 進階搜尋語法找名單

這些方法免費，而且意外地強大。幾個例子如下：

• site:clutch.co/agencies "B2B SaaS" "United States" — 在 Clutch 上搜尋依類別與地區篩選過的代理商名單
• site:company.com ("email" OR "contact") "VP Sales" — 在特定公司網站上找提到 VP Sales 的聯絡頁
• intitle:"sponsors" "SaaS" "2026" "conference" — 找 2026 年 SaaS 活動的贊助頁
• site:g2.com/categories "sales engagement" "mid-market" — 找 G2 上中型市場銷售工具的類別頁

有列出精確比對引號與 site: 等搜尋語法，你可以到那裡確認格式。

如何用 AI 網頁爬蟲從任何網站抓取聯絡資訊

這就是 Thunderbit 很自然能融入工作流程的地方。對於上面提到的任何來源——像是 Clutch 名錄、公司團隊頁、會議講者名單——流程都一樣：

1. 在 Chrome 中開啟頁面，並確保已安裝 。
2. 點擊 「AI Suggest Fields」。Thunderbit 的 AI 會讀取頁面，並建議 Name、Email、Phone、Title、Company 等欄位。
3. 檢查建議欄位，視需要新增或刪除。
4. 點擊 「Scrape」。
5. 匯出到 Google Sheets、Excel、Airtable 或 Notion。

它最大的優勢在於：Thunderbit 能處理雜亂、非標準化的網站，不需要事先為每種版型都寫好模板。AI 會每次重新讀取實際頁面，依照它遇到的結構自動調整。Thunderbit 免費的 也能做到任何頁面一鍵擷取，而且免費方案不限次數。

用子頁面爬取為你的名單補資料

我很常用的一個流程是：先抓一個名錄頁（例如 Clutch 上的公司列表），再用 Thunderbit 的 Subpage Scraping 逐一進入各公司頁面，補抓更多資料——電子郵件、電話、員工數、技術堆疊、公司描述等。

這樣你就能把一份基本的名錄清單，變成可直接研究與外聯的完整名單，而且完全不需要人工逐筆點擊。你只要一鍵自動化，就能從「這裡有 50 家公司名稱」變成「這裡有 50 家附帶聯絡郵件、團隊規模與描述的公司」。如果你想進一步了解，我們也有更深入的說明。

如何一步一步建立潛在客戶名單（2026 工作流程）

以下是完整流程，專為今天就想建立真實名單、而且不是技術背景的銷售或營運人員設計。

第 1 步：先把 ICP 定義清楚

在打開任何工具之前，先把你的 ICP 條件寫下來（回頭參考上面的 ICP 章節）。產業、公司規模、地區、買方職稱、觸發事件、排除條件。這大概只要 15–30 分鐘，卻能幫你省下好幾個小時不必要的爬取工作。

第 2 步：挑選你的名單來源

根據 ICP 與預算，從比較表中選 2–3 個來源。我的建議是：先從免費來源開始。如果你的目標是 SaaS 公司，可以先試 G2 類別頁與公司團隊頁；如果你的目標是在地商家，就先從 Google Business 結果與 Yelp 開始。等你把免費來源都用透了，再加上像 Sales Navigator 這類付費來源。

第 3 步：用 AI 爬取或手動搜尋擷取名單

針對每個來源，擷取方式如下：

• 網站與名錄： 使用 Thunderbit 的 AI 網頁爬蟲。打開頁面，點擊「AI Suggest Fields」，檢查欄位，再點「Scrape」。對於熱門網站，Thunderbit 還有 ，可以自動設定欄位。
• LinkedIn： 使用 Sales Navigator 搜尋並匯出，或者用 Thunderbit 。
• Google： 使用進階搜尋語法，然後抓取搜尋結果頁或逐一造訪個別頁面。

匯出格式可選：Google Sheets、Excel、Airtable、Notion、CSV、JSON。

第 4 步：驗證並清理資料

這一步不是可有可無。我會在後面的專章完整說明驗證流程；簡單來說，就是移除角色信箱、去除重複、丟進驗證工具、標記 catch-all 網域，並在每次活動前重新驗證。

第 5 步：評分並排序名單優先順序

在開始外聯前，先套用一個簡單的評分模型（下面會詳細說明）。這能確保你先聯絡最有價值的名單，而不是試算表最上面剛好看到誰就先找誰。

第 6 步：匯出到 CRM 或外聯工具

把整理好、評分過的名單轉進你的 CRM（HubSpot、Salesforce、Pipedrive）或外聯平台（lemlist、Mailshake、Apollo）。Thunderbit 可直接匯出到 Sheets、Airtable 與 Notion，再透過原生整合或 Zapier 與 CRM 同步。

第 7 步：開始外聯並追蹤結果

根據你蒐集到的資料做個人化外聯。提到對方所在產業，引用他的意圖訊號（例如「我注意到你們正在招募 SDR」），並把價值主張對準他目前的痛點。追蹤回覆率、退信率與轉換率，然後把這些數據回饋到你的 ICP 與評分模型中，作為下一輪優化依據。

先看預算：如何從 0 元一路建到企業級名單

我在早期創業者與小型銷售團隊身上最常聽到的痛點就是：「我怎麼在不花大錢買工具的情況下建立名單？」這確實是個合理的問題。ZoomInfo 合約每年動輒五位數；Sales Navigator 每月 99 美元以上；Apollo 和 Lusha 雖然有免費方案，但好用功能通常都在付費牆後面。

誠實的答案是：你其實可以先免費做到很多事；但要擴大規模，仍然需要一些投入。以下是分層思考方式。

價格以 2026 年 5 月為準——購買前請先確認最新費率。

免費能做到什麼？又會在哪裡碰到限制？

透過 Thunderbit 免費方案（每月 6 頁 AI 爬取）、免費的 Email Extractor 與 Phone Number Extractor（不限次數、一鍵擷取）、Google 搜尋語法，以及基本版 LinkedIn 搜尋，一位獨立創辦人其實可以在一個下午做出 50–100 筆名單。我看過我們團隊裡的人真的這樣做。

會碰到的限制主要是：量能（免費方案每月可爬的頁數）、補資料深度（沒有付費工具就拿不到意圖資料或技術堆疊資訊），以及大規模電子郵件驗證（免費驗證工具通常有數量上限）。當這些限制開始影響效率時，就可以考慮升級到低成本方案——可解鎖子頁面爬取、批次爬取、分頁爬取與排程爬蟲。

退信率修正：真正有效的資料驗證流程

我看過論壇上有使用者回報，買來的名單退信率幾乎高達 。這不只是浪費時間，更是有風險的行為。高退信率會傷害你的寄件信譽，導致連你原本「正常」的郵件也開始進垃圾信箱。

指出，健康的退信率應低於 2%，低於 1% 更理想。也發現，將近一半寄件者的退信率落在 2–5% 區間，而 。如果你超過 5%，你的寄件信譽就已經亮紅燈了。

我建議的驗證流程如下：

1. 移除角色信箱： 刪掉 info@、sales@、support@、admin@ 這類地址，除非你就是刻意要找共用信箱（冷外聯通常很少這麼做）。
2. 移除格式錯誤： 重複、錯字、缺少網域、失效網域。試算表裡簡單排序與篩選，通常就能抓出大多數問題。
3. 用電子郵件驗證工具跑一次： Hunter、ZeroBounce、NeverBounce、Bouncer 或 Kickbox 都可以。這些工具會向郵件伺服器探測信箱是否存在，而不是真的寄信。
4. 標記或移除 catch-all 網域： 指出，catch-all 地址屬於高風險類別之一——伺服器層級會接受郵件，但無法證明某個特定信箱真的存在。如果無法驗證個別信箱，就把這筆記錄標記起來，並視為較低可信度。
5. 每次活動前重新驗證： 資料失效很快。如果你的名單超過 30–90 天沒更新，寄送前請再驗證一次。
6. 先小批量寄送： 先觀察前 50–100 封的退信率與申訴率。只有在品質穩定時，才逐步放大規模。

為什麼你的名單來源會影響資料品質

不是所有的名單資料都一樣。一個來自公司公開團隊頁的電子郵件——因為對方刻意公開了聯絡方式——通常比來自數月未更新的聚合資料庫更新鮮、更準確。

這也是我比較相信從即時公開頁面抓資料，而不是完全依賴靜態資料庫的原因。因為 Thunderbit 的 AI 每次都會即時讀取真實網站，而不是讀取過時資料庫，所以擷取到的電子郵件與電話通常更接近最新狀態。Phone Number Extractor 也會把號碼重新格式化為 E.164 標準，能減少匯入 CRM 時常見的格式錯誤。

從新鮮來源抓資料，不代表可以跳過驗證；但至少能讓你一開始拿到更乾淨的原始資料。

活動前檢查清單

在任何活動按下「送出」之前，請確認：

• [ ] 所有電子郵件都已在最近 30 天內驗證
• [ ] 名單中沒有角色信箱（info@、sales@）
• [ ] 沒有重複聯絡人
• [ ] 已檢視上一個活動的退信率
• [ ] 已設置退訂／取消訂閱機制
• [ ] 已同步抑制名單（尊重所有先前退訂）

先建再評：適合小團隊的簡易名單評分模型

我讀過的每一份指南都會說「要優先排序你的名單」——然後就沒下文了，完全沒告訴你 怎麼做。

如果你是一人創業者，或只有三人的銷售團隊，你不需要 Salesforce Einstein 或預測型評分引擎。你需要的是一個有透明公式的試算表欄位。

評分框架

實際計算範例

名單 A： 120 人規模的 SaaS 公司 VP Sales、正在招募 SDR、電子郵件已驗證、來源來自公司職缺／團隊頁。
分數：20（產業）+ 10（規模）+ 15（職稱）+ 15（意圖）+ 10（已驗證）+ 10（來源）= 80 → 本週優先外聯。

名單 B： 5 人興趣型小商家中的「Staff」、使用角色信箱、沒有意圖訊號。
分數：0 + 0 + 0 + 0 + 0 - 10（角色信箱）- 5（泛用職稱）= -15 → 跳過或刪除。

你可以在 Google Sheets 裡用很簡單的公式實作，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))

完全不需要 Salesforce。

如何在爬取時用 AI 標記與評分名單

我團隊在 Thunderbit 裡做的一個我自己非常喜歡、而且真的實用的功能，就是 Field AI Prompts。在設定爬蟲時，你可以針對任何欄位加上提示詞，例如：「根據職稱與頁面上下文，將這筆名單的資歷分類為 Decision-Maker、Influencer 或 Individual Contributor。」

Thunderbit 會在擷取過程中直接替資料打標，而不是等到匯出後再處理。所以當你把資料匯出到 Sheets 時，資歷分類、公司類型或產業標籤都已經填好了，可以直接拿來套進評分公式。這樣就省掉了最惱人的人工標記步驟。

你也可以用 Subpage Scraping 去補強原始列表資料：先抓名錄，再逐一造訪公司頁抓員工數、募資狀況或技術堆疊——這些欄位都能直接餵進你的評分模型。

什麼時候要重新檢視與更新分數

名單分數不是設好就不動。建議每月重算一次，或在重大活動之後重新評估。如果某筆名單有正面回覆，分數就要改變（它已經變成活躍對話，不再是冷名單）。如果電子郵件退信，就要調整。如果一家公司半年前還在招募，現在卻裁員了，意圖訊號也已經變了。

如何讓你的潛在客戶名單保持新鮮（自動化與維護）

潛在客戶名單不是一次性專案。

我前面已經提過，。聯絡人會換工作，公司會轉型，電子郵件也會過期。如果你在 5 月建立了一份很棒的名單，然後到 10 月都沒碰它，很大一部分其實早就失效了。

維護頻率

設定排程爬蟲，持續產生新名單

這時 Thunderbit 的 Scheduled Scraper 就派上用場了。你不用每個月手動重新造訪名錄，可以直接設定定期爬取。設定很簡單：用自然語言描述時間間隔（例如「每週一上午 8 點」），輸入網站網址，然後點選「Schedule」。Thunderbit 的 AI 會把你的描述轉成排程，並自動執行爬取，把最新結果匯出到你連接的 Google Sheet 或 Airtable base。

我看過以下幾種情境特別有效：

• 銷售團隊每月重新抓一次 Clutch 類別頁，追蹤新進市場的代理商。
• 電商營運團隊每週監控競品名錄，找出新上架的產品。
• SaaS 創辦人每次月度外聯前，重新更新 G2 類別頁，找出新列出的公司。

Thunderbit 的雲端模式一次最多可 ，因此就算大型名錄也能快速更新。若想進一步了解設定方式，可以參考我們的 。

關於合規與資料隱私，簡單說幾句

這部分我會講得簡短一點，因為不是本指南的重點，但它非常重要。

• CAN-SPAM（美國）： 適用於所有商業電子郵件，包括 B2B。，每一封違規郵件都可能面臨最高 罰則。要求包括：標頭資訊正確、主旨不得誤導、需提供有效郵寄地址、清楚的退訂機制，並在 10 個工作天內處理退訂。
• GDPR（歐盟／英國）： 以姓名辨識的商務電子郵件可能屬於個人資料。，B2B 行銷不得隱瞞身分、必須提供有效退訂選項，且必須尊重反對意見。
• CCPA/CPRA（加州）： 強調通知、目的限制、資料最小化與消費者權利。提供最新細節。
• Google 與 Yahoo 的寄件規則： 大量寄件者將垃圾信率維持在 0.30% 以下，並使用 SPF/DKIM/DMARC 驗證，以及支援一鍵退訂。。

結論很簡單：只抓公開可取得的資料，不要在沒有授權的情況下繞過登入牆，一定要提供退訂機制，維護抑制名單，並確認當地法律要求。Thunderbit 只會抓取公開頁面，使用者需自行負責資料的使用方式。

結論與重點整理

2026 年的潛在客戶名單工作流程，不是追求更多名字，而是建立一份更小、更即時、已驗證、知道來源，而且真的能收到回覆的外聯資料集。

以下是完整流程摘要：

1. 先定義 ICP，再碰任何工具。
2. 選 2–3 個名單來源——先從免費開始（名錄、公司頁、Google 語法），再考慮付費資料庫。
3. 用 AI 爬蟲擷取名單——Thunderbit 的兩步驟流程幾乎適用於任何公開頁面。
4. 建立正確的範本，包含來源追蹤、意圖訊號與評分欄位。
5. 驗證並清理——移除角色信箱、去重、跑驗證、標記 catch-all。
6. 評分並排序——用透明的試算表模型，不靠直覺。
7. 匯入 CRM／外聯工具——依你蒐集到的資料做個人化。
8. 追蹤結果——按名單來源追蹤退信、回覆與轉換。
9. 持續更新——每次活動前重新驗證，並定期重新抓取高價值來源。

數據也支持這件事：。一份 200 筆、已驗證的名單，幾乎總是會勝過一份 5,000 筆、早已過時的資料庫。

準備好建立你的第一份名單了嗎？每月提供 6 頁 AI 爬取、免費且不限次數的電子郵件與電話擷取，並可匯出到 Google Sheets 或 Excel。光這些就足夠你今天下午做出第一批 50–100 筆名單。

常見問題

我的第一份潛在客戶名單應該放多少筆資料？

建議先從 50–100 筆目標明確、已驗證的名單開始，而不是一次塞進幾千筆不合格聯絡人。Hunter 的數據顯示，較小且更精準的收件名單（21–50 人）平均回覆率達 6.2%，幾乎是 501 人以上活動的三倍。品質會累積，數量只會稀釋效果。

我應該買名單，還是自己建立？

幾乎永遠是自己建立比較好。購買名單的風險更高：資料過時、垃圾陷阱、來源不透明，以及合規風險。用 AI 爬蟲和人工研究自建名單，因為你是從即時公開頁面抓資料，所以通常更新鮮、更相關。如果你真的要買，請要求對方清楚提供收集日期、驗證日期、同意基礎與更新流程。

建立名單最好的免費方法是什麼？

把 Google 進階搜尋語法（site:、intitle:、精確比對查詢）與 Thunderbit 免費方案結合使用——每月 6 頁 AI 爬取，加上不限次數的免費電子郵件與電話擷取，再搭配基本版 LinkedIn 搜尋。這個組合足以處理公司頁、名錄、活動名單與專業檔案，而且完全不用花錢。

我的潛在客戶名單多久要更新一次？

每次活動前都要重新驗證電子郵件，尤其當名單已超過 30 天。至少每季做一次完整更新——重新抓來源、更新公司屬性、移除失效名單。ZeroBounce 指出，至少有 23% 的電子郵件名單會在一年內失效，所以如果你是「設好就忘」，退信率只會越來越高。

從潛在客戶名單發冷郵件，什麼樣的回覆率算好？

根據 2025–2026 年的基準：3–5% 的正向回覆率算不錯，5–8% 很強，8% 以上非常優秀。最關鍵的因素是名單品質——鎖定、驗證與個人化。只要名單建立得好，並且有驗證電子郵件、清楚的意圖訊號與個人化訊息，表現幾乎一定會贏過一份更大但只有泛泛聯絡人與制式文案的名單。

延伸閱讀