上週，我們銷售團隊其中一位同事拿給我看一份試算表，裡面有 4,000 筆聯絡人資料，都是他們向資料供應商買來的。兩週外聯後的回覆率？0.3%。退信率呢？超過 12%。那份名單花了真金白銀，結果幾乎毫無收穫。
到了 2026 年，大多數潛在客戶名單一上來就失去價值。Hunter 的《Email Outreach 現況報告》根據 2025 年發出的 3,100 萬封郵件指出，冷郵件序列的平均回覆率只有 4.5%——而且這還是平均值，代表很多活動的表現遠低於此。同時，Salesforce 的《2026 Sales 現況報告》顯示，典型銷售人員一週工作時間中只有 40% 真正在賣東西；另外 60% 都花在行政、研究，還有——你猜對了——找潛在客戶。
所以，既然你要花時間建立名單，那就一定要做出會有回覆的名單。這份指南會帶你走完整個 2026 年的流程：先定義你的 ICP，再從 LinkedIn 以外的地方找名單，建立正確的模板，驗證資料避免退信拖垮寄件聲譽，送出前先為名單評分，並長期維持資料新鮮度。而且我還依照預算幫你整理好了，你今天就可以從 0 美元開始。
- 難度： 初學者
- 所需時間： 約 2–3 小時可建立第一批 50–100 筆名單
- 你需要準備： Chrome 瀏覽器、Thunderbit 擴充功能、Google Sheet 或其他試算表、以及你寫下來的 ICP
用 AI 擷取建立潛在客戶名單 Get Started Free
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潛在買家資料集——也就是你想聯繫的人和公司。通常會包含個人層級欄位（姓名、職稱、Email、電話、LinkedIn URL）以及公司層級欄位（產業、規模、營收、所在地）。它是任何外向型銷售工作的基礎。
大多數團隊出錯的地方在於：他們把潛在客戶名單和聯絡人垃圾桶混為一談。真正有用的名單會回答兩個問題：為什麼是這家公司，以及 為什麼是這個人，而且是現在。向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的 Email。」兩者的結果差距非常大。
潛在客戶名單也會放在更完整的銷售漏斗中理解。Lead 是可能符合市場的對象；MQL（Marketing Qualified Lead）代表對方已展現出某種契合度或互動；SQL（Sales Qualified Lead）則已準備好進入直接跟進；而 opportunity 則是正在進行中的商機。你的潛在客戶名單就是漏斗最上層——如果這一層充滿垃圾，後面每一層都會受影響。
潛在客戶名單最常失敗的原因包括：
- 資料過期： ZeroBounce 報告指出，至少 23% 的 Email 名單會在一年內失效。也就是說，幾乎四分之一的聯絡人每 12 個月就會壞掉。
- 聯絡對象不對： 只拿到角色性信箱（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。
- 沒有明確篩選條件： 把「量」包裝成策略。正如某位論壇使用者所說：「很多時候，我們把數量誤認成品質。」
- 沒有驗證： Validity 的 2024 CRM 資料報告發現，24% 的 CRM 管理者表示他們的 CRM 資料中不到一半是準確且完整的，還有31% 表示不良 CRM 資料至少會吃掉 20% 的年度營收。
- 重數量輕品質： Hunter 的資料顯示，針對 21–50 位收件人的活動平均回覆率為 6.2%，而 501 位以上的大型活動平均只有2.4%。小而精，永遠勝過大而亂。
潛在客戶名單模板：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」的教學，最讓我受不了的一點就是：它們都只說「要包含聯絡資訊、公司輪廓資料和 lead 分數」——卻沒有人真的把試算表長相展示出來。所以，這裡就是大家一直缺少的那份成品。
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有這些欄位：
| 欄位 | 內容 | 好資料範例 | 差資料範例 |
|---|---|---|---|
| 姓名 | 個人的真實姓名 | "Jordan Lee" | "Sales Team" |
| 職稱 | 明確的現任職務 | "VP of Sales" | "Staff" |
| 公司 | 法定名稱或商業名稱 | "Acme Logistics" | "Acme?" |
| 產業 | 標準化分類 | "B2B SaaS" | "Tech-ish" |
| 公司規模 | 員工區間 | "51-200" | 空白 |
| 直接的商務 Email | "jordan@acme.com," 已驗證 | "info@acme.com" | |
| 電話 | 直接或總機號碼，格式正確 | E.164 格式 | 混雜地方格式 |
| LinkedIn URL | 個人或公司頁面 | 完整 URL | 搜尋結果 URL |
| 名單來源 | 資料從哪裡來 | "G2 類別頁，2026 年 5 月" | "網路" |
| 意圖訊號 | 為什麼現在適合聯繫 | "正在招募 3 位 SDR"、"新一輪募資" | 空白 |
| Lead 分數 | 數字化優先順序 | 依規則計算的 70/100 | 直覺判斷 |
| 最後聯絡時間 | Outreach 日期 | "2026-05-26" | "最近" |
| 備註 | 相關背景 | "使用 Shopify Plus" | 大段未整理貼上內容 |
範例名單（已匿名化）
下面是一份實際填好的名單範例——10 筆資料，涵蓋不同角色：
| 姓名 | 職稱 | 公司 | 產業 | 規模 | 來源 | 意圖訊號 | 分數 | |
|---|---|---|---|---|---|---|---|---|
| Alex M. | 銷售副總裁 | 中型 SaaS 供應商 | SaaS | 201-500 | direct verified | G2 類別頁 | 正在招募 AE | 78 |
| Priya S. | 營運主管 | DTC 服飾品牌 | 電商 | 51-200 | direct verified | Shopify 展示頁 | 擴大出貨流程 | 72 |
| Marcus T. | 創辦人 | 在地代理商 | 專業服務 | 11-50 | direct verified | Clutch | 新增評論 | 66 |
| Elena R. | Revenue Ops 經理 | 資安新創 | SaaS | 51-200 | catch-all 已標記 | 會議講者名單 | A 輪融資 | 61 |
| Ben C. | 負責人 | HVAC 承包商 | 在地服務 | 11-50 | main office email | Google Business | 評論量高 | 48 |
| Mina K. | 合作夥伴總監 | 平台型公司 | 電商 | 201-500 | direct verified | 活動議程 | 贊助活動 | 74 |
| Diego P. | 房地產經紀人 | 區域仲介公司 | 房地產 | 11-50 | direct verified | 協會名錄 | 新辦公室頁面 | 58 |
| Sarah N. | 客服主管 | B2B 軟體公司 | SaaS | 51-200 | role-based 已移除 | Capterra | 支援評論偏少 | 44 |
| Omar A. | IT 經理 | 製造業公司 | 製造業 | 501-1000 | direct verified | 公司團隊頁 | 提到 ERP 轉換 | 69 |
| Lena W. | 成長行銷主管 | 金融科技新創 | SaaS | 51-200 | direct verified | Product Hunt | 新產品上線 | 71 |
每個欄位代表什麼，以及什麼才算「好」資料
有幾個欄位值得特別說明：
- 職稱： 「VP of Sales」代表這個人有預算決策權；「Staff」則什麼也看不出來。你應該盡量找能反映決策權或影響力的具體職稱。
- Email： 個人的商務 Email（jordan@acme.com）是黃金；角色性信箱（sales@acme.com）對冷開發幾乎沒價值，因為它通常進的是共用收件匣，沒人會穩定盯著看。
- 名單來源： 這是最多人會跳過，卻也是長期最重要的一欄。追蹤每筆名單從哪裡來，才能知道哪些管道真正帶來回覆，而不只是帶來資料列。「G2 類別頁，2026 年 5 月」很有用；「網路」完全沒用。
- 意圖訊號： 這就是「為什麼是現在」的欄位。剛完成 A 輪募資、剛刊登 3 個 SDR 職缺，或剛推出新產品的公司，通常比安靜待著的公司更值得優先處理。如果找不到意圖訊號，這筆名單很可能不值得排在前面。
Thunderbit 的 AI Suggest Fields 如何幫你自動建立模板
我對 Thunderbit 最自豪的一點，就是你不必猜該建立哪些欄位。當你在任何潛在客戶豐富的頁面上打開 Thunderbit——像是目錄列表、公司團隊頁或會議講者名單——然後點一下 「AI Suggest Fields」，AI 就會讀取頁面並自動產生適合的欄位名稱與資料型態。如果頁面上有姓名、Email、職稱和公司資訊，Thunderbit 也會精準建議這些欄位。
這對初學者特別有幫助，因為很多人面對一張空白試算表時都會想：「我到底該抓哪些欄位？」Thunderbit 會根據來源頁面上實際存在的資料，直接替你回答這個問題。接著你只要按 「Scrape」，就能直接匯出到 Google Sheets、Excel、Airtable 或 Notion。
試試 Thunderbit AI Suggest Fields
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、也親身犯過的最大錯誤，就是在還沒定義誰該進名單之前，就先開始做名單。最後你只會得到一份滿滿姓名、卻完全不知道為什麼這些人應該在乎你產品的試算表。
你的 ICP，是最有可能購買、從你的產品中獲益，並且持續留下來的公司與個人的描述。它不是人物誌練習，而是一個篩選條件。
ICP 組成要素
| ICP 項目 | 問題 | 範例 | |---|---|---|---| | 產業 | 哪些類別有這個問題？ | B2B SaaS、電商、專業服務 | | 公司規模 | 哪些區間現在買得起？ | 51-500 名員工 | | 地區 | 我們在哪些地區能賣得好、服務得好？ | 美國、加拿大、英國 | | 營收範圍 | 哪個營收區間最適合？ | 年經常性收入 500 萬至 1 億美元 | | 購買者職稱 | 誰擁有痛點或預算？ | 銷售副總、RevOps、營運主管 | | 觸發事件 | 什麼情況會讓時機變得急迫？ | 招募、募資、系統遷移、負評增加 | | 痛點 | 他們感受到的問題是什麼？ | 人工建名單、資料過期、補資料速度慢 | | 排除條件 | 誰不該納入？ | 學生、副業型業者、競爭對手 |
實作練習： 看看你現有最好的 5–10 位客戶。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，那就是你的 ICP 草稿。
Firmographics 與 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）是個人層級資料：職稱、資歷、職能、部門。對 B2B 名單來說，Firmographics 用來縮小「公司」範圍，Demographics 用來縮小「人」的範圍。兩者都需要。再完美的公司，若找錯聯絡人，就是白做工；再完美的聯絡人，若不是正確公司，也一樣沒用。
還有一點值得注意：Sopro 的 2025 Prospecting 資料分析了 1.1957 億個 prospecting 接觸點，發現平均決策單位約有 4.14 位利害關係人。所以好的潛在客戶名單通常會為每個目標帳戶準備不只一個聯絡人——但也不能多到讓你的外聯看起來像垃圾郵件。
超越 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讓人意外的內容缺口：前 6 篇排名最高的「如何建立潛在客戶名單」文章，有 5 篇都把讀者導向 LinkedIn Sales Navigator，當作主要名單來源。當然，Sales Navigator 很強。但它也不便宜（Core 方案大約每月 120 美元），而且使用者經常抱怨匯出限制、介面太肥大、以及抓取困難。
2026 年的現實是：名單無所不在，不只在 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，都是豐富的聯絡資料來源，而且常常比付費資料庫更即時、更具體。
名單來源比較
| 名單來源 | 最適合 | 方法 | 成本 |
|---|---|---|---|
| 公司網站 / 關於頁 | 小眾 B2B、在地服務、代理商 | 進入團隊／聯絡頁，擷取姓名／Email／電話 | 免費 |
| 產業名錄（Clutch、G2、Yelp） | 服務型名單、垂直生態系 | 依類別／地區篩選、抓取列表 | 免費到低成本 |
| 活動參加者／講者名單 | 高意圖 B2B 潛客 | 會議議程、贊助頁、研討會報名頁 | 免費到需付費參與 |
| 評論網站（G2、Capterra、Google Business） | SaaS 與在地商家 | 瀏覽類別、擷取公司聯絡資訊 | 免費 |
| 社群媒體（Instagram、X） | B2C、個人品牌、在地商家 | 公開簡介、商業頁面 | 免費 |
| Google site: 指令 | 長尾搜尋、精準聯絡頁探索 | 進階搜尋條件 | 免費 |
| LinkedIn（基本搜尋） | 專業搜尋 | 手動搜尋、公開個人檔案 | 免費 |
| LinkedIn Sales Navigator | 成熟的外向型銷售團隊 | 進階篩選、儲存名單、TeamLink | 每月 99 美元以上 |
各產業值得挖掘的目錄來源
| 產業 | 值得抓取的來源 |
|---|---|
| SaaS | G2、Capterra、Product Hunt、SaaSworthy、AWS Marketplace、Chrome Web Store 類別 |
| 電商 | Shopify 商店／展示頁、BuiltWith 名單、Klaviyo 合作夥伴目錄 |
| 房地產 | 房仲名錄、仲介公司辦公室頁、在地 MLS 公開頁、商會目錄 |
| 專業服務 | Clutch、DesignRush、UpCity、GoodFirms、在地律師／會計目錄 |
| 在地商家 | Google Business 結果、Yelp、Yellow Pages、BBB、在地商會頁 |
| 活動 | 贊助商／參展商頁、講者名單、議程頁、研討會登陸頁 |
用於找名單的 Google 進階搜尋指令
這些工具免費，而且強大得超乎你想像。幾個範例：
site:clutch.co/agencies "B2B SaaS" "United States"— 在 Clutch 上搜尋依類別與地區篩選的代理商名單site:company.com ("email" OR "contact") "VP Sales"— 在特定公司網站上找包含 VP of Sales 的聯絡頁intitle:"sponsors" "SaaS" "2026" "conference"— 找出 2026 年 SaaS 活動的贊助商頁site:g2.com/categories "sales engagement" "mid-market"— 找出 G2 上中型市場銷售工具的類別頁
Google 官方搜尋說明有完整說明精確匹配引號與 site: 等指令語法，你可以去那裡確認。
如何用 AI 網頁爬蟲從任何網站擷取聯絡人
這正是 Thunderbit 自然適合放進工作流程的地方。對上面任何來源——Clutch 目錄、公司團隊頁、會議講者名單——流程都一樣：
- 在 Chrome 中開啟頁面，並安裝好 Thunderbit 擴充功能。
- 點擊 「AI Suggest Fields」。Thunderbit 的 AI 會讀取頁面，並建議像姓名、Email、電話、職稱、公司這類欄位。
- 檢查建議欄位，視需要新增或刪除。
- 點擊 「Scrape」。
- 匯出到 Google Sheets、Excel、Airtable 或 Notion。
它的關鍵優勢在於：Thunderbit 能處理雜亂、非標準化網站，而不需要事先做好的爬蟲模板。AI 每次都會重新讀取頁面，根據它遇到的實際結構自動調整。Thunderbit 免費的 Email Extractor 和 Phone Number Extractor 也能讓你一鍵從任何頁面擷取資料，而且免費方案不限次數使用。
用子頁爬取把名單補完整
我常用的一種流程是：先爬取目錄列表頁（例如 Clutch 上的公司清單），再用 Thunderbit 的 Subpage Scraping 逐一拜訪各公司的詳細頁，抓更多資料——Email、電話、員工數、技術堆疊、公司簡介等等。
這樣你不用手動一個個點，就能把基本的名錄變成補完整、可直接研究的潛在客戶名單。你會從「這裡有 50 家公司名稱」，變成「這裡有 50 家公司，還附上聯絡 Email、團隊規模與公司描述」。如果你想進一步了解無程式碼網頁爬蟲，我們有更完整的說明。
2026 年的潛在客戶名單建立步驟
以下是完整流程，專為今天就想做出真正名單的非技術銷售或營運人員而設計。
第 1 步：先把 ICP 定清楚
在開啟任何工具之前，先寫下你的 ICP 條件（可參考上方 ICP 章節）。包含產業、公司規模、地區、買家職稱、觸發事件與排除條件。這只要 15–30 分鐘，卻能省下好幾個小時的無效爬取。
第 2 步：挑選你的名單來源
依據 ICP 和預算，從比較表中挑 2–3 個來源。我的建議是：先從免費來源開始。如果你鎖定的是 SaaS 公司，可以先試 G2 類別頁和公司團隊頁；如果你鎖定的是在地商家，就先從 Google Business 結果和 Yelp 開始。等免費資源用盡，再加上像 Sales Navigator 這類付費來源。
第 3 步：用 AI 擷取或手動搜尋抓出名單
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。開啟頁面，點「AI Suggest Fields」，檢查欄位，再按「Scrape」。熱門網站還有 Thunderbit 的即時資料爬蟲範本，可自動完成欄位設定。
- LinkedIn： 使用 Sales Navigator 搜尋與匯出，或用 Thunderbit爬取公開 LinkedIn 個人檔案。
- Google： 先跑進階搜尋指令，再爬搜尋結果頁或進一步拜訪各個頁面。
匯出格式可選：Google Sheets、Excel、Airtable、Notion、CSV、JSON。
第 4 步：驗證並清理資料
這一步不是可選的。我會在專門章節完整說明驗證流程，但先講簡版：刪掉角色性 Email、去重、跑驗證工具、標記 catch-all 網域，並在每次活動前重新驗證。
第 5 步：為名單評分並排優先順序
在開始外聯前，先套用一個簡單的評分模型（下方有詳細說明）。這樣你會先聯絡最有價值的名單，而不是試算表裡剛好排前面的那些。
第 6 步：匯出到 CRM 或外聯工具
把清理好、加過分數的名單移到你的 CRM（HubSpot、Salesforce、Pipedrive）或外聯平台（lemlist、Mailshake、Apollo）。Thunderbit 可直接匯出到 Sheets、Airtable 與 Notion，然後再透過原生整合或 Zapier 同步到 CRM。
第 7 步：啟動外聯並追蹤成效
根據你蒐集到的資料客製化外聯內容。提到對方的產業，引用他們的意圖訊號（例如「我注意到你們正在招募 SDR」），並把價值主張對準他們的痛點。追蹤回覆率、退信率與轉換率——再把這些資料回饋到下一輪的 ICP 與評分模型中。
先看預算：如何從 0 到企業級建立潛在客戶名單
我從早期創辦人和小型銷售團隊那裡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？」這很合理。ZoomInfo 的合約一年通常是五位數起跳。Sales Navigator 每月 99 美元以上。Apollo 和 Lusha 雖然有免費方案，但好用的功能通常都鎖在付費牆後面。
誠實的答案是：你其實可以先靠免費工具做到不少事；但要規模化，還是需要一點投入。下面我用不同層級來幫你拆解。
| 層級 | 成本 | 方法 | 工具 |
|---|---|---|---|
| 免費（$0） | $0 | Google 指令、手動 LinkedIn、公司網站、Thunderbit 免費方案（6 頁 + 免費 Email/電話擷取） | Thunderbit Free、Google、LinkedIn 基本版 |
| 低成本（每月 < $50） | $0-50 | 大規模 AI 擷取、基礎補資料、Email 驗證 | Thunderbit Starter/Pro、Hunter Starter（每月 $34）、Bouncer/NeverBounce 按次計費 |
| 中階（每月 $50-200） | $50-200 | Sales Navigator、更豐富的篩選條件、CRM 整合 | Sales Navigator Core（每月 $119.99，年繳 $89.99）、付費 Apollo、Lusha |
| 企業級（每月 $200+） | $200+ | 意圖資料、補資料套件、合規工作流程 | ZoomInfo（報價制）、Cognism（報價制）、Clearbit |
價格截至 2026 年 5 月；購買前請再確認最新費率。
免費可以做到什麼程度？又會在哪裡卡住？
如果搭配 Thunderbit 免費方案（每月 6 頁 AI 擷取）、免費 Email Extractor 與 Phone Number Extractor（不限次數、一鍵擷取）、Google 搜尋指令，以及基本 LinkedIn 搜尋，單人創辦人真的有機會在一個下午內建立出 50–100 筆名單。我親眼看過我們團隊的人這樣做。
你會遇到限制的地方是：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 Email 驗證（免費工具通常有量的上限）。當這些限制開始卡住你時，就是該升級到低成本層級的時候——Thunderbit 付費方案可解鎖子頁爬取、大量爬取、分頁抓取與排程爬蟲。
退信率修正：真正有效的資料驗證流程
我看過論壇貼文，有使用者表示從購買名單拿到接近 70% 的退信率。這不只是浪費工夫，還非常危險。高退信率會拖垮你的寄件聲譽，導致連你本來沒問題的郵件也開始進垃圾信箱。
lemlist 的基準指出，健康的退信率應低於 2%，低於 1% 就很不錯。Mailshake 的 2025 調查顯示，幾乎一半寄件者的退信率落在 2–5%，而 15% 的人超過 6%。如果你超過 5%，你的寄件聲譽就有麻煩了。
我建議的驗證流程：
- 移除角色性 Email： 刪掉 info@、sales@、support@、admin@ 等地址，除非你就是刻意要聯絡共用收件匣（冷開發中很少見）。
- 移除格式錯誤： 重複、拼字錯誤、網域缺漏、失效網域。試算表中的快速排序與篩選就能抓掉大部分問題。
- 跑 Email 驗證工具： Hunter、ZeroBounce、NeverBounce、Bouncer 或 Kickbox。這些工具會 ping 郵件伺服器，確認信箱是否存在，而不會真正發信。
- 標記或移除 catch-all 網域： ZeroBounce 報告指出，catch-all 地址屬於高風險類別——它們會在伺服器層級接受郵件，但不代表某個特定信箱真的存在。如果你無法驗證個別信箱，就把這筆資料標記為低信心。
- 每次活動前重新驗證： 資料老化很快。如果你的名單超過 30–90 天，寄出前請再驗一次。
- 先小量寄送： 先觀察前 50–100 封的退信率與投訴率，確認品質沒問題再擴大。
為什麼名單來源會影響資料品質
不是所有聯絡資料都一樣好。一個從公司公開團隊頁抓下來的 Email——也就是對方自己公開留下的聯絡資訊——通常會比來自幾個月沒更新的資料聚合資料庫更新、更準。
這也是我支持從即時公開頁面抓取，而不是只倚賴靜態資料庫的原因之一。因為 Thunderbit 的 AI 每次都會重新讀取真實網站（不是過時資料庫），擷取出來的 Email 和電話通常比較即時。Phone Number Extractor 也會把號碼重新格式化為 E.164 標準，這能減少匯入 CRM 時的格式錯誤。
從新鮮來源抓資料，不代表可以跳過驗證——但它確實能讓你一開始就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，先確認：
- 所有 Email 都已在過去 30 天內驗證
- 寄送名單中沒有 role-based 地址（info@、sales@）
- 沒有重複資料
- 已檢查上一個活動的退信率
- 已建立退訂／取消訂閱機制
- 已同步 suppression list（遵守所有先前退訂）
先建立、再評分：給小團隊的簡單 Lead 評分模型
我看過的每份指南都說「要優先排序你的名單」——然後就沒下文了，完全不告訴你怎麼做。
如果你是單人創辦人，或只有三個人的銷售團隊，你不需要 Salesforce Einstein 或預測式評分引擎。你需要的是試算表中的一欄，以及透明的公式。
評分框架
| 訊號 | 分數 | 範例 | |---|---|---|---| | 符合 ICP 產業 | +20 | SaaS、中型市場 | | 公司規模合適 | +10 | 51-500 名員工 | | 決策者職稱 | +15 | 銷售副總、營運主管 | | 明確意圖訊號 | +15 | 招募、募資、工具遷移 | | Email 已驗證 | +10 | 已通過驗證 | | 直接來源品質高 | +10 | 公司頁、活動講者頁 | | 曾與你的內容互動 | +10 | 下載指南、參加網路研討會 | | catch-all / 未驗證 Email | -10 | 風險較高的驗證狀態 | | 角色性 Email | -10 | info@、sales@ | | 一般職稱（角色不明） | -5 | "Staff" |
實際範例
Lead A： 一家 120 人 SaaS 公司裡的銷售副總，正在招募 SDR，Email 已驗證，來源是公司職涯／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 → 本週優先聯繫。
Lead B： 5 人的業餘副業公司裡的「Staff」，使用角色性信箱，沒有意圖訊號。
分數：0 + 0 + 0 + 0 + 0 - 10（角色性）- 5（一般職稱）= -15 → 跳過或移除。
這可以直接寫成 Google Sheets 的簡單公式，例如：
=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))
不需要 Salesforce。
如何在爬取時用 AI 幫名單標註與評分
我團隊把 Thunderbit 做進去、而且我覺得真的很實用的評分功能之一，就是 Field AI Prompts。你在設定爬取時，可以替任一欄位加上提示詞——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標註資料，而不是等到之後再手動整理。所以當你匯出到 Sheets 時，資歷分類、公司類型或產業標籤已經準備好了，可以直接套進評分公式。這省掉了很多手動標籤的步驟，讓評分不再像苦工。
你也可以用 Subpage Scraping 補強原始列表資料：先爬目錄，再逐一進入各公司頁面抓員工數、募資狀態或技術堆疊——這些都能餵進你的評分模型。
何時應該重新檢視與更新分數
Lead 分數不是設定一次就永遠不變。請每月重新評分，或在任何重大活動後重新評分。如果某個 lead 正面回覆了，他的分數就要改變（他現在是正在進行中的對話，而不是冷名單）。如果 Email 退信，也要做相應調整。如果六個月前還在招人的公司後來裁員了，意圖訊號也已經改變。
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，Email 名單每年會有 23% 左右自然失效。聯絡人會換工作，公司會轉向，Email 會過期。如果你在 5 月做出一份很棒的名單，然後直到 10 月都沒碰它，那其中很大一部分其實早就沒用了。
維護頻率
| 工作項目 | 頻率 | 原因 | |---|---|---|---| | 驗證 Email | 每次活動前（至少每月一次） | 避免硬退信 | | 去除重複聯絡人 | 積極開發期間每週一次 | 避免重複外聯 | | 更新意圖訊號 | 每月一次 | 招募／募資／評論變化很快 | | 更新公司輪廓資料 | 每季或每半年 | 規模、營收與技術堆疊會變動 | | 同步 suppression list | 每日或即時 | 遵守退訂並降低投訴 | | 檢查來源成效 | 每月一次 | 找出哪些管道真正帶來回覆，而不只是資料列 |
設定排程爬取，持續產生名單
這就是 Thunderbit 的 Scheduled Scraper 派上用場的地方。你不必每個月手動重訪目錄，只要設定週期性爬取即可。設定很簡單：用自然語言描述時間間隔（例如「每週一早上 8 點」），輸入網站 URL，然後點「Schedule」。Thunderbit 的 AI 會把你的話轉成排程，並自動執行爬取，把最新結果匯出到你連接的 Google Sheet 或 Airtable base。
我看過很有效的使用情境包括：
- 銷售團隊每月重新抓取一次 Clutch 類別頁，追蹤新進入市場的代理商。
- 電商營運團隊每週監控競品名錄，查看新增產品列表。
- SaaS 創辦人在每月外聯前重新更新 G2 類別頁，找出新上架的公司。
Thunderbit 的雲端模式一次可爬取多達 50 頁，即使是大型名錄也能快速更新。想更深入了解，請看我們的AI 名單開發指南。
關於法規與資料隱私的簡短說明
這部分我會講得簡短一點，因為不是本指南的核心，但它非常重要。
- CAN-SPAM（美國）： 適用於所有商業 Email，包括 B2B。FTC 表示，每封違規郵件都可能被處以高達 53,088 美元的罰款。要求包括：標頭資訊正確、主旨不誤導、提供有效的郵寄地址、清楚的退訂方式，並在 10 個工作天內處理退訂。
- GDPR（歐盟／英國）： 具名商務 Email 也可能屬於個人資料。ICO 指出，B2B 行銷不得隱瞞身分、必須提供有效退訂機制，並且要尊重反對意見。
- CCPA/CPRA（加州）： 強調告知、目的限制、資料最小化與消費者權利。California Privacy Protection Agency FAQ 提供最新細節。
- Google 和 Yahoo 寄件規則： Google 要求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，且支援一鍵退訂。Yahoo 也實施類似規則。
結論就是：只抓公開可取得的資料、不要未經許可就繞過登入牆、一定要保留退訂機制、維護 suppression list，並確認當地法律要求。Thunderbit 只會擷取公開可見的頁面——資料如何使用，責任在使用者。
結論與重點整理
2026 年的名單建立流程，不是要找到更多名字，而是要建立一份更小、更新、已驗證、且知道來源的外聯資料集，真正換來回覆。
以下是完整流程摘要：
- 先定義 ICP，再碰任何工具。
- 選 2–3 個名單來源——先從免費開始（名錄、公司頁、Google 指令），再考慮付費資料庫。
- 用 AI 擷取名單——Thunderbit 的兩步流程幾乎適用於任何公開頁面。
- 建立正確的模板，包含來源追蹤、意圖訊號與評分欄位。
- 驗證與清理——移除角色性 Email、去重、跑驗證、標記 catch-all。
- 評分與排序——用透明的試算表模型，而不是憑感覺。
- 匯出到 CRM／外聯工具——根據你蒐集到的資料做個人化。
- 追蹤成效——按名單來源看退信、回覆、轉換。
- 持續更新——每次活動前重新驗證，並定期重新抓高價值來源。
資料已經證明了這一點：更精準的分群表現比大規模群發好近 3 倍，以回覆率來看尤其明顯。200 筆已驗證的名單，幾乎永遠會勝過 5,000 筆過時資料庫。
準備建立你的第一份名單了嗎？Thunderbit 免費方案每月提供 6 頁 AI 擷取、免費 Email 與電話擷取不限次數，以及匯出到 Google Sheets 或 Excel。今天下午就足夠讓你建立第一批 50–100 筆名單。
試試用 AI 網頁爬蟲建立潛在客戶名單 Get Started Free
常見問題
我的第一份潛在客戶名單應該放多少筆？
先從 50–100 筆具備明確目標、且已驗證的名單開始，而不是塞進幾千筆未篩選的聯絡人。Hunter 的資料顯示，較小且更精準的收件名單（21–50 人）平均回覆率為 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。
我應該買名單，還是自己做？
幾乎永遠是自己做比較好。購買名單風險更高：資料過期、垃圾信陷阱、來源不透明、以及合規風險。使用 AI 擷取與人工研究建立的名單，因為你抓的是公開即時頁面，通常更新、更相關。如果你真的要買，請務必要求清楚說明收集日期、驗證日期、同意依據與更新流程。
建立潛在客戶名單最好的免費方法是什麼？
把 Google 進階搜尋指令（site:、intitle:、精確匹配查詢）與 Thunderbit 免費方案結合——每月 6 頁 AI 擷取，加上不限次數的免費 Email 與電話擷取——再搭配基本 LinkedIn 搜尋。這組合足以涵蓋公司頁、名錄、活動名單與專業個人檔案，而且完全不用花錢。
潛在客戶名單應該多久更新一次？
請在每次活動前重新驗證 Email，尤其是名單超過 30 天時。至少每季做一次完整更新——重新爬來源、更新公司輪廓資料、移除失效名單。ZeroBounce 報告指出，Email 名單一年內至少有 23% 會失效，所以「設定好就不管」幾乎一定會讓退信率上升。
從潛在客戶名單做冷開發，好的回覆率是多少？
根據 2025–2026 年的基準：3–5% 的正向回覆率算不錯，5–8% 很強，8% 以上就非常優秀。最關鍵的因素是名單品質——目標設定、驗證與個人化。只要名單做得好、Email 已驗證、意圖訊號清楚、訊息又有個人化，表現一定會持續優於那種聯絡人很多、內容卻很制式的名單。
延伸閱讀
