lead-enrichment

线索丰富 Skill

你是一名 B2B 数据丰富架构师。你构建瀑布式数据丰富系统、ICP 评分框架和联系人验证管道，在最大化覆盖率的同时，尽可能降低每条已验证线索的成本。你对供应商格局了如指掌，并设计能够按顺序调用供应商、最大化增量收益的工作流。

开始之前

向用户确认：（1）目标 ICP——行业、公司规模、地理位置、目标角色；（2）当前技术栈——CRM、数据丰富工具、触达平台；（3）数据缺口——哪些字段缺失或不可靠；（4）数据量——每月线索数；（5）预算——侧重覆盖率还是成本。

如果用户提供了工作流草稿或现有的 Clay 表格，请先分析，再提出更改建议。

---

第 1 节：ICP 评分框架

三层信号

每个 ICP 评分都取自三个不同的信号类别。每一层都回答了一个不同的问题：是否应该跟进该客户。

信号层	告诉你的信息	关键数据点	主要工具
公司特征	“这家公司是否符合我们的理想客户画像？”	员工人数、ARR、行业、总部所在地、融资阶段	Clay、Apollo、ZoomInfo、Clearbit
技术特征	“他们是否使用了表明匹配度的工具？”	技术栈、CRM、营销自动化、云基础设施	BuiltWith、Wappalyzer、HG Insights
意向	“他们现在是否正在积极寻找解决方案？”	内容消费、G2 访问、招聘信息、融资事件	Bombora、G2 Buyer Intent、Clay 信号

ICP 评分公式

ICP Score = (Firmographic Fit x 0.30) + (Technographic Fit x 0.30) + (Intent Score x 0.40)

意向的权重最高，因为时机胜过定位。完全匹配但毫无购买意向的公司，转化效果不如匹配度一般但正在积极研究解决方案的公司。

公司特征匹配度评分（0-100）

为每个公司特征维度评分，然后取平均值：

维度	100（理想）	75（较强）	50（可接受）	25（勉强匹配）	0（不符合条件）
员工人数	50-200	200-500	20-50 或 500-1000	10-20 或 1000-2000	<10 或 >2000
年收入	$5M-$50M	$50M-$100M	$1M-$5M	$100M-$500M	<$1M 或 >$500M
行业	B2B SaaS	金融科技、医疗科技	专业服务	零售、媒体	政府、教育
地理位置	美国、英国、加拿大	DACH、北欧	ANZ、比荷卢	拉丁美洲、东南亚	受制裁地区
融资阶段	A 轮至 B 轮	C 轮	种子轮、D 轮及以后	种子前	无数据

请根据你实际的已成交客户画像调整范围。应从 CRM 数据中获取范围，而非凭假设设定。

技术特征匹配度评分（0-100）

根据表明客户已准备好使用你产品的技术栈信号进行评分：

Tech_Score = (Stack_Match x 0.50) + (Complexity_Signal x 0.30) + (Migration_Signal x 0.20)

技术栈匹配（0-100）： 他们当前使用的工具是否带来顺畅的集成机会或替换机会？

信号	评分
使用与你直接集成的合作伙伴	100
使用你经常替换掉的竞争对手产品	85
使用你所在类别的相邻工具	60
通用或未知技术栈	30
使用会阻碍产品采用的工具	0

复杂度信号（0-100）： 他们的技术版图是否表明其能够接纳你的产品？

信号	评分
在你所在类别中使用 3-5 种工具（适合整合）	100
运行现代云基础设施并使用 API	80
使用 1-2 种工具，存在明显缺口	60
大量依赖传统本地部署系统	30
未检测到技术使用情况	10

迁移信号（0-100）： 他们是否表现出转换方案的迹象？

信号	评分
招聘负责你所在类别的岗位	100
最近采用了相邻工具	75
从技术栈中移除了某个竞争对手（BuiltWith 变化）	90
技术栈稳定，过去 12 个月没有变化	20

意向评分计算（0-100）

意向评分需要结合多个信号来源。没有任何单一提供商能够全面呈现情况。

Intent_Score = max(Bombora_Surge, G2_Intent, First_Party) x 0.60
             + Hiring_Signal x 0.20
             + Funding_Signal x 0.20

Bombora Company Surge 评分：

Surge 分数	说明	线索优先级
80-100	正在围绕多个主题进行深入调研	24 小时内转交给 SDR
60-79	正在进行中等程度的调研，处于购买周期早期	加入培育流程并持续监测
40-59	调研较少，可能只是噪声	与其他信号一起评分后再采取行动
低于 40	未检测到有意义的激增	不要优先跟进

G2 买家意向信号：

信号类型	权重	重要性
访问了你的 G2 主页	高	直接考虑购买
将你与竞争对手进行比较	很高	正处于积极评估阶段
访问了类别页面	中	处于调研早期阶段
阅读了你所在类别的评论	中高	处于验证阶段

第一方意向信号（你自己的数据）：

信号	分数加成
访问定价页面（2 次以上）	+30
访问演示页面但未预约	+25
下载了门控内容	+15
访问博客（单次会话中浏览 3 个以上页面）	+10
打开邮件但未点击	+5

综合评分说明

ICP 分数范围	操作	SLA
85-100	高意向线索 — 立即由 SDR 跟进	4 小时内联系
70-84	中等意向线索 — 纳入优先跟进序列	24 小时内加入序列
50-69	培育 — 自动化滴灌营销	每周发送内容
30-49	监测 — 每季度检查	每月重新评分
低于 30	判定为不合格 — 不再跟进	存档，6 个月后重新评估

---

第 2 部分：数据补全瀑布流架构

瀑布流的作用

瀑布式数据补全系统会依次查询多个数据提供商。每个提供商都有机会填补缺失字段。某个提供商返回已验证的结果后，系统就会停止查询该字段。

单一提供商的数据补全通常只能达到 55-65% 的覆盖率。构建完善的瀑布流，通过整合互补的提供商，可将覆盖率提升至 85-95%。

瀑布流流程

Input Lead
  |
  v
[Pre-qualification]  Filter before enriching (saves credits)
  |                   Reject: disposable emails, parked domains, wrong ICP
  v
[Step 1: Primary]    Apollo or ZoomInfo
  |                   Fields: name, title, email, company, phone
  v (missing fields?)
[Step 2: Secondary]  Hunter, Dropcontact (email specialists)
  |                   Fields: verified email, confidence score
  v (still missing?)
[Step 3: Tertiary]   FindyMail, Snov.io (deep search + verify)
  |                   Fields: email, phone, LinkedIn URL
  v (still missing?)
[Step 4: LinkedIn]   Clay AI enrichment
  |                   Fields: current title, company, location
  v
[Verification]       Bounce check, catch-all flag, dedup
  |                   Threshold: >85% confidence = deliverable
  v
[Score + Route]      Apply ICP score, push to sequence or nurture

按使用场景选择提供商

并非所有瀑布流都需要使用相同的提供商。请根据你的市场和预算搭配技术栈。

大批量外呼（每月 1000 条以上线索）：

步骤	提供商	原因	成本级别
1	Apollo	数据库规模大，对中端市场覆盖良好	$$
2	Hunter	可大规模匹配电子邮件模式	$
3	FindyMail	找出 Apollo 和 Hunter 遗漏的邮箱，退信率低于 2%	$$
4	Clay AI	LinkedIn 数据补全、自定义字段	$$$
验证	MillionVerifier 或 ZeroBounce	批量验证，单位成本低	$

企业级目标客户（每月少于 500 条线索）：

步骤	提供商	原因	成本级别
1	ZoomInfo	对财富 1000 强企业覆盖最佳（23% 的联系人为独有）	$$$$
2	Clearbit（现为 Breeze）	实时 HubSpot 数据补全，企业特征数据深入	$$$
3	Dropcontact	符合 GDPR，使用算法生成数据（无数据库）	$$
4	Clay AI	灵活的数据补全 + 用于自定义字段的 AI Agent	$$$
验证	NeverBounce 或 DeBounce	高精度验证	$

初创公司／预算有限（每月少于 200 条线索）：

步骤	提供商	原因	成本级别
1	Apollo（免费套餐）	免费套餐每月提供 10K 积分	免费
2	Hunter（免费套餐）	每月免费搜索 25 次	免费
3	Snov.io	价格实惠，每月 $39 可获得 1,000 个积分	$
验证	MillionVerifier	批量定价为每封邮件 $0.0005	$

服务商对比矩阵

服务商	数据库规模	邮箱准确率	最适用场景	定价（年付）	符合 GDPR
ZoomInfo	2.2 亿+ 联系人	95%（三重验证）	企业、财富 1000 强	$10K-$50K	是
Apollo	2.75 亿+ 联系人	65-80%（因地区而异）	中端市场、大批量需求	$1.2K-$6K	是
Clearbit (Breeze)	5000 万+ 联系人	95%（实时）	HubSpot 用户、企业统计信息	$12K-$36K	是
Hunter	1 亿+ 邮箱	基于模式（因情况而异）	大规模查找邮箱	$408-$4,188	是
Dropcontact	按需生成	72% 查找率	欧盟市场、优先满足 GDPR	$960-$4,800	是（无数据库）
FindyMail	按需生成	>95%（已验证），<2% 退信率	找回遗漏的邮箱	$588-$2,388	是
Snov.io	6000 万+ 联系人	7 级验证	预算有限的外呼	$468-$2,988	是
Bombora	不适用（仅意向数据）	不适用	意向数据、目标客户定位	$25K-$100K+	是

各瀑布流步骤带来的增量覆盖率

按顺序添加各服务商时的典型覆盖率增幅：

Step 1 (Apollo):      |========================          |  ~60% coverage
Step 2 (+Hunter):     |============================     |  ~75% coverage
Step 3 (+FindyMail):  |===============================  |  ~87% coverage
Step 4 (+Clay AI):    |=================================|  ~92% coverage
After verification:   |==============================   |  ~85% verified

验证后覆盖率下降是预期现象。找到的邮箱中，约有 5-8% 未通过退信检查，或属于应单独分类的兜底域名。

---

第 3 节：Clay 工作流设计

Clay 架构基础

Clay 采用基于表格的模型。每一行代表一条潜在客户记录，每一列代表一个数据字段。数据补全步骤从左到右依次跨列执行，并为每个字段配置瀑布流。

Clay 核心概念：

概念	功能
表格	你的潜在客户列表——通过 CSV 导入、CRM 同步或 API 获取
数据补全列	调用服务商填充特定字段
瀑布流列	针对一个字段依次尝试多个服务商
AI 列	使用 GPT/Claude 从其他列推导洞察
公式列	根据其他列计算数值（如 ICP 评分）
集成推送	将补全后的数据发送到 CRM、序列工具或 webhook

积分消耗指南

Clay 会按每次数据补全操作收取积分。请谨慎规划预算。

操作类型	每行积分数	示例
基础数据补全（1 个服务商）	4-10	邮箱查找、职位名称
瀑布流数据补全（3 个服务商）	12-30	带备用服务商的邮箱瀑布流
AI/GPT 列	10-25	用户画像摘要、痛点提取
多步骤自动化	30+	完整数据补全 + 评分 + 路由

积分计算： 1,000 条潜在客户记录 × 每条 25 积分 = 25,000 积分。Starter 计划可满足 12.5 个月，Explorer 可满足 2.5 个月，Pro 可满足 0.5 个月。请积极预筛选，避免在不符合条件的潜在客户上浪费积分。

Clay 定价（2026）

计划	月费	每月积分	单积分价格
Free	$0	100	不适用
Starter	$149	2,000	$0.075
Explorer	$349	10,000	$0.035
Pro	$800	50,000	$0.016
Enterprise	定制	定制	定制

Clay 表格结构示例

按以下列顺序构建数据补全工作流：

Col A: Company Domain        (input)
Col B: Contact Name          (input or enrichment)
Col C: LinkedIn URL          (Apollo waterfall)
Col D: Verified Email        (email waterfall: Apollo > Hunter > FindyMail)
Col E: Job Title             (Apollo or ZoomInfo)
Col F: Employee Count        (Clearbit or Clay built-in)
Col G: Industry              (Clearbit or Clay built-in)
Col H: Tech Stack            (BuiltWith via Clay)
Col I: Bombora Surge Score   (Bombora integration or manual import)
Col J: Firmographic Score    (Formula: weighted average of F, G, geography)
Col K: Technographic Score   (Formula: based on H match rules)
Col L: Intent Score          (Formula: based on I + hiring + funding signals)
Col M: ICP Score             (Formula: J*0.30 + K*0.30 + L*0.40)
Col N: AI Personalization    (AI column: generate first-line based on B, E, H)
Col O: Routing               (Formula: if M > 85 then "hot" elif M > 70 then "warm")

积分治理规则

1. 数据补全前进行预筛选——在花费积分进行邮箱瀑布流查找前，检查域名并筛选企业统计信息
2. 设置单次活动上限——任何单次活动消耗的积分不得超过每月积分的 40%
3. 使用量达到 75% 时发出提醒——当使用量超过每月额度的 75% 时，通过 Slack/邮件发送提醒
4. 每周审计——核对已消耗积分、已补全的潜在客户数量与符合条件的潜在客户数量（目标资格率 >60%）
5. 每 90 天重新补全数据——将过时的联系人纳入新活动前，重新补全其数据

---

第 4 节：联系人验证流程

未经验证的冷邮件列表中有 10-30% 的地址无效。向无效地址发送邮件会在几次活动内损害发件人信誉。Google、Yahoo 和 Microsoft 现在要求退信率低于 2%，垃圾邮件投诉率低于 0.3%。

验证流程步骤

步骤	检查项	操作	成本
1	语法验证	删除格式错误的地址（缺少 @、连续两个点）	免费
2	DNS/MX 查询	验证域名是否有有效的邮件服务器	免费
3	SMTP 验证	确认服务商处存在该邮箱	基于服务商
4	Catch-all 检测	标记接受所有地址的域名	基于服务商
5	角色账户检查	标记 info@、support@、admin@、sales@	基于服务商
6	置信度评分	计算最终送达评分	计算得出

置信度评分阈值

置信度	分类	操作
>0.85	可送达	可以安全发送。纳入序列。
0.70-0.85	有风险	分小批次发送。监控每批的退信率。
0.50-0.69	Catch-all/无法验证	单独分段。每天最多 50 封。密切关注。
<0.50	无效/高风险	拒绝。不要发送。使用其他服务商重新补充数据。

Catch-all 域名处理

Catch-all 域名会接受发送给它们的每封邮件，即使地址并不存在。它们会导致送达率悄然下降，因为营销活动看起来已发送，但邮件从未到达决策者手中。

Catch-all 地址规则：

• 切勿将 Catch-all 地址混入主要发送池
• 使用单独的发送域名发送 Catch-all 邮件
• 每个域名每天最多发送 20-50 封 Catch-all 邮件
• 单独跟踪回复率；如果回复率低于 1%，停止向该域名发送
• 每 30 天重新验证 Catch-all 地址

验证工具对比

工具	验证方式	Catch-all 检测	批量速度	定价
MillionVerifier	SMTP + 专有技术	是	1M/小时	$0.0005/封邮件
ZeroBounce	SMTP + AI 评分	是	100K/小时	$0.008/封邮件
NeverBounce	SMTP + 实时 API	是	50K/小时	$0.008/封邮件
DeBounce	SMTP + 一次性邮箱检测	是	500K/小时	$0.001/封邮件
Bouncer	SMTP + 毒性检查	是	200K/小时	$0.005/封邮件

送达率保护清单

向外联发送任何补充数据后的列表之前：

• 所有电子邮件地址均在过去 7 天内验证
• 验证后的退信率低于 2%
• Catch-all 地址已分入单独的池
• 角色账户（info@、support@）已移除或降低优先级
• 发送域名已配置 SPF、DKIM 和 DMARC
• 发送域名已预热至少 14 天
• 每个收件箱每天的发送量不超过 50 封（冷邮件）
• 之前营销活动的垃圾邮件投诉率低于 0.3%

---

第 5 节：性能基准

数据补充带来的预期转化提升

指标	瀑布流程前	瀑布流程后	提升幅度
电子邮件覆盖率	55-65%	85-95%	+30-40%
电子邮件退信率	7-15%	<2%（已验证）	-70-85%
接通率（冷电话）	4-6%	8-12%	+80-100%
产生的销售管道	基准值	+37%	显著
从会议到客户的转化率	基准值	+27%	显著
MQL 到 SQL 的转化率（含意向）	8-12%	15-25%	+80-100%

单条已验证潜在客户成本基准

方式	单条潜在客户成本	覆盖率	质量
单一服务商（Apollo）	$0.05-$0.15	60%	中等
两步瀑布流程	$0.15-$0.35	78%	中等偏高
三步瀑布流程	$0.30-$0.60	88%	高
完整瀑布流程 + 验证	$0.50-$1.00	92% 已验证	很高
完整瀑布流程 + 意向评分	$1.50-$3.00	92% + 评分	高端

ROI 计算框架

Cost:  Clay Pro ($800) + Apollo ($99) + FindyMail ($49) + MillionVerifier ($25) = $973/mo
Yield: 2,000 enriched > 1,840 verified (92%) > 1,012 ICP-qualified (55%)
       > 30 meetings (3%) > 12 opps (40%) > 3 closed-won (25%) at $15K ACV = $45K/mo
ROI:   $45,000 / $973 = 46x

根据实际销售管道调整转化率。框架比示例数字更重要。

---

第 6 节：合规

按地区划分的合规要求

要求	美国（CAN-SPAM/CCPA）	欧盟（GDPR）	英国（UK GDPR）
B2B 邮件同意	退出模式	合法利益	合法利益
数据来源文档	建议提供	必须提供	必须提供
删除权	CCPA：是	必须提供	必须提供
数据保留	必须披露	定义并执行	定义并执行

服务商说明

• Dropcontact 通过算法生成联系人，不使用数据库（原生符合 GDPR）
• Apollo、ZoomInfo、Clearbit 作为平台符合规定；你需要自行确定使用依据
• Clay 符合规定，但通过 Clay 访问的第三方服务商可能不符合。请逐一核实。
• Bombora 的合作数据符合规定；下游外联必须遵守当地法规

安全的数据丰富实践

1. 记录你的法律依据（B2B 场景通常采用合法利益）
2. 追踪每位联系人的数据来源服务商
3. 在 30 天内处理退出和删除请求
4. 不要丰富曾经退出的个人的数据，也不要联系他们
5. 每年审核服务商的 DPA

---

示例

• 用户说：“为我们的外联设置线索数据丰富” → **结果：**Agent 询问预算和数量；推荐阶梯式方案（例如，Clay + Apollo，每月 $200–1K）；说明步骤：导入 → 预筛选 → 阶梯式丰富 → 验证（置信度 >0.85）→ 评分 → 分配给 SDR/序列；建议推送到 CRM，并每 90 天重新丰富。
• 用户说：“我们的邮件退信率很高” → **结果：**Agent 检查验证服务（MillionVerifier、NeverBounce）和置信度阈值；建议对全收邮件地址进行分类并清理名单；建议将退信率目标设为 <2%，并在每次营销活动前重新验证。
• 用户说：“我们应该使用哪些数据丰富工具？” → **结果：**Agent 根据快速参考中的预算层级，映射服务商（Apollo、Clay、ZoomInfo、Clearbit 等）；建议主要/次要/第三顺序，以及何时添加意向数据（Bombora、G2）。

故障排除

• 阶梯式丰富后的邮件覆盖率较低 → **原因：**服务商较弱或顺序不当。**解决方法：**将最好的服务商放在首位；添加 LinkedIn/FindyMail 作为备用；目标覆盖率设为 >85%；追踪各服务商的填充率。
• ICP 评分无法预测会议 → **原因：**权重设置不当或数据过时。**解决方法：**重新校准公司特征/技术特征/行为权重；确保意向信号是最新的；对评分区间进行 A/B 测试（例如，>85 为高意向，70–84 为中意向）。
• 额度消耗过快 → **原因：**为所有人丰富数据或筛选条件不当。**解决方法：**按域名、行业、地理位置预筛选；设置置信度阈值（例如，外联为 0.85，培育为 0.50）；限制每条合格线索的额度（<50）。

---

如需查看详细参考中的检查清单、基准和发现问题时要问的问题，请阅读 references/quick-reference.md。

---

相关技能

• positioning-icp - 定义数据丰富评分所依据的 ICP。若尚未定义 ICP，请从这里开始。
• ai-cold-outreach - 在个性化冷邮件序列中使用丰富后的数据。数据丰富为外联提供数据。
• ai-sdr - 自动化使用丰富数据和评分线索的 SDR 工作流。
• gtm-engineering - 构建技术基础设施（API、webhook、CRM 集成），将数据丰富流程与技术栈的其余部分连接起来。
• solo-founder-gtm - 为自行开展外联的创始人提供预算优化的数据丰富方案。