Leads scrapen: van doelgroep naar gekwalificeerde lijst

Om leads te scrapen, bepaal je eerst welke klant je wilt bereiken. Kies vervolgens een bron waarop deze bedrijven of personen worden vermeld en importeer een kleine set resultaten. Bewaar de bron-ID's, controleer op duplicaten en kwalificeer de records voordat je contactgegevens toevoegt of de lijst exporteert.

Bepaal vóór je een scraper kiest wat één rij voorstelt: een bedrijf, een vestiging of een persoon. Twee klinieken van dezelfde keten kunnen afzonderlijke prospects zijn, ook als ze dezelfde naam of website delen. Die keuze bepaalt welke ID's je bewaart en welke records je samenvoegt.

📌 Samenvatting voor wie weinig tijd heeft

Zet je doelgroep om in een leadlijst die je voor outreach kunt gebruiken. Deze gids laat zien hoe je een bron kiest, prospects verzamelt in Datablist en de resultaten opschoont en verrijkt voordat je contact opneemt.

• Input: je doelgroep en de klant die je wilt bereiken.
• Output: een gecontroleerde leadlijst met bedrijfsgegevens, waar mogelijk contactinformatie en duidelijke kwalificatiecriteria.

Wat je in deze gids leert

• Wat lead scraping is en welke data je kunt verzamelen
• Waarom een leadlijst, en niet een tool, het juiste vertrekpunt is
• Hoe je de bron kiest die bij je doelgroep past
• Hoe je de bron instelt en een sample controleert
• Hoe je verzamelde leads opschoont, verrijkt en kwalificeert
• Veelgemaakte fouten waardoor een scrape een waardeloze lijst oplevert

Wat lead scraping is en welke data je kunt scrapen

Voordat we het proces bekijken, leg ik kort uit wat lead scraping is en welke gegevens je daadwerkelijk uit openbare bronnen kunt halen.

Lead scraping is een workflow

Lead scraping betekent dat je contact- en bedrijfsgegevens van potentiële klanten uit openbare online bronnen haalt en structureert tot één bruikbare lijst. Denk aan een naam, functie, bedrijf en contactmogelijkheid: informatie die al openbaar beschikbaar is.

Wat in de meeste definities ontbreekt, is dat scraping één fase van een workflow is, geen kant-en-klaar product dat je koopt. Een scrape levert de ruwe lijst op. De juiste bron kiezen en de resultaten kwalificeren, verandert die lijst vervolgens in pipeline.

Je kunt niet alles scrapen

Een scrape levert doorgaans op wat de bron op de pagina toont: een naam, bedrijf, functie of categorie, locatie en soms een telefoonnummer. Dat is genoeg om een lijst te beginnen, maar zelden het volledige plaatje.

Geverifieerde e-mailadressen en uitgebreidere firmografische gegevens komen bijna nooit rechtstreeks uit de bron. Die voeg je later toe via data enrichment. Met die verwachting voorkom je dat je een ruwe scrape al als een voltooide lijst beschouwt.

Waarom je lead-scrapingproces bij de bron moet beginnen

De eerste neiging is vaak om een scraper te zoeken. Dat is de verkeerde eerste stap en precies waarom zoveel leadlijsten uiteindelijk onbruikbaar zijn.

De fout: eerst een scraper kiezen

Wil je goede leads scrapen, begin dan bij de lijst die je nodig hebt, niet bij de website die je wilt scrapen. De tool kies je zodra je de bron kent, en de bron kies je zodra je de klant kent.

Kies je eerst een scraper, dan neem je automatisch de beperkingen ervan over. Een LinkedIn-tool kan niets met Google Maps, waardoor je gaat scrapen waar de tool bij kan in plaats van waar je klant daadwerkelijk te vinden is.

De lead-scrapingworkflow in vijf fasen

Zodra je de juiste volgorde aanhoudt, bestaat het hele proces uit vijf fasen. De rest van deze gids volgt ze stap voor stap.

1. Baken je doelgroep af: bepaal wie je wilt bereiken voordat je een tool opent.
2. Kies de juiste bron: scrape daar waar deze klant al wordt vermeld.
3. Voer een kleine scrape uit: stel je filters en limiet in en start de scrape.
4. Schoon op en dedupliceer: voeg duplicaten samen en verwijder onbruikbare records voordat je enrichment credits uitgeeft.
5. Onderzoek en kwalificeer: verrijk de ruwe lijst en beoordeel elke lead aan de hand van je criteria.

Hoe je de juiste leadbron voor je doelgroep kiest

Kies je bron op basis van de plek waar je ideale klant al wordt vermeld, niet op basis van de tool met de geliktste homepage. Die ene regel heeft meer invloed op de kwaliteit van je lijst dan welke toolinstelling dan ook.

Stem de leadbron af op je ideale klant

Benoem je klant en de juiste bron volgt meestal vanzelf: lokale bedrijven vind je op Google Maps, B2B-functies op LinkedIn en Sales Navigator en bedrijven die personeel zoeken op Indeed en andere vacaturesites.

Dit is voor scraping belangrijk omdat je voor al deze bronnen meestal een andere tool nodig hebt, tenzij je een platform gebruikt dat ze allemaal ondersteunt. Daarmee verdwijnt dat probleem: van Google Maps naar Sales Navigator overstappen betekent dan alleen dat je van bron wisselt, niet van software.

Stel dat je planningssoftware aan tandartspraktijken verkoopt. Je klant is een lokaal bedrijf, dus Google Maps is de logische bron. Je opent niet de directory van Y Combinator, want daar zul je geen tandartspraktijken vinden.

Alle leadbronnen die het scrapen waard zijn

• LinkedIn: individuele professionals met functie, bedrijf en senioriteitsniveau.
• Sales Navigator: dezelfde B2B-data, met uitgebreidere filters voor het targeten van accounts en prospects.
• Google Maps: lokale bedrijven met locatie, categorie, telefoonnummer en beoordeling.
• Indeed en vacaturesites: bedrijven die actief personeel zoeken, een indicatie van groei en budget.
• Clutch: bureaus en dienstverleners, filterbaar op specialisatie.
• De directory van Y Combinator: startups in de directory; controleer actuele financiering, bedrijfsactiviteit en fit afzonderlijk.
• Zillow: woningaanbod en makelaars voor outreach in de vastgoedsector.

Voor die directory legt de Clutch-workflow voor agencies uit welke velden momenteel op de listing cards staan en waarom “Serves London” iets anders betekent dan een kantooradres. Bewaar de profiel-URL wanneer je geaccepteerde agencyrecords verrijkt.

Leads scrapen in drie stappen: filters, limiet en start

Een ingebouwde bron vraagt meestal om zoekinstellingen en een resultatenlimiet. Een algemene websitebron gebruikt een URL, prompt en outputdefinitie. Dat zijn verschillende instellingen. Bekijk daarom de geselecteerde bron in plaats van aan te nemen dat elke website dezelfde drie opties biedt.

Binnen Datablist is elke bron een ingebouwde scraper die je zonder code gebruikt. De LinkedIn Scraper haalt openbare profielen en bedrijven op, de Sales Navigator Scraper werkt vanuit je zoekopdrachten in Sales Navigator en de Google Maps Scraper verzamelt lokale bedrijfsvermeldingen op basis van locatie en categorie.

Je koppelt een scraper aan een bron, stelt in wat je zoekt en laat de resultaten in een lijst schrijven. Het voordeel is dat alle scrapers op één plek staan: je verandert een ruwe doelgroep binnen één platform in een opgeschoonde, verrijkte en contactklare lijst, zonder vijf tools aan elkaar te hoeven knopen.

💡 Wat Datablist is

Datablist is de AI-spreadsheet waarmee je zonder code leadgegevens verzamelt, opschoont en verrijkt. Voor scraping betekent dit dat de bron, de scrape en de kwalificatie allemaal in één lijst samenkomen. Zo verandert een doelgroep in een contactklare lijst zonder dat je tussen tools hoeft te wisselen.

Stap 1: stel je filters in

Open de gekozen bron en beperk de resultaten tot de klant die je eerder hebt gedefinieerd. In Sales Navigator filter je bijvoorbeeld op functietitel, senioriteit en bedrijfsgrootte; in Google Maps op locatie en categorie. Strakke filters voorkomen dat je lijst later vol irrelevante records staat.

In het voorbeeld met tandartspraktijken filter je in Google Maps op de categorie tandartspraktijk en de steden waarin je verkoopt, niet op alle lokale bedrijven in de buurt.

Stap 2: stel je limiet in

Bepaal hoeveel records je tijdens deze run wilt ophalen. Begin klein, bijvoorbeeld met een paar honderd in plaats van alle resultaten. Zo kun je de kwaliteit controleren voordat je credits aan de volledige opdracht besteedt.

Gebruik voor een zoekopdracht naar tandartspraktijken een kleine sample uit één stad en controleer de velden aan de hand van de listing-URL's. Een gekozen samplegrootte bewijst niet dat de bron elke praktijk in die stad dekt.

Stap 3: start je scrape

Start de scrape en laat deze draaien. De resultaten verschijnen als rijen in je lijst, met één lead per rij en de openbare velden uit de bron. Dat ziet er vrijwel hetzelfde uit, of je nu begint met LinkedIn, Google Maps of een vacaturesite.

Bewaar voor de zoekopdracht naar tandartspraktijken de velden Name, Postal Address, Phone Number, Localized Place Category, Link, Place Id en Query wanneer Google Maps Scraper die aanlevert. Het veld Query bewaart de zoekcontext. Ontbrekende gegevens blijven onbekend totdat je ze controleert.

Leads scrapen is pas de eerste fase

Een ruwe scrape geeft je voor- en achternamen, bedrijfsnamen en soms domeinen, maar de meeste records zijn nog niet compleet. Om er een bruikbare lijst van te maken, zijn nog drie fasen nodig:

1. Dedupliceren en opschonen
2. Onderzoeken en kwalificeren
3. Gekwalificeerde leads verrijken

Schoon de ruwe scrape op en verwijder duplicaten

Een ruwe scrape is zelden meteen schoon. Hetzelfde bedrijf kan twee keer voorkomen onder een iets andere naam, een keten kan elke vestiging als aparte rij tonen en sommige records missen een veld dat niet in de bron stond.

Voer een snelle controle uit om duplicaten samen te voegen en verwijder onbruikbare rijen voordat je de data verrijkt. Het is een kleine stap, maar als je hem overslaat, betaal je mogelijk twee keer om dezelfde lead te verrijken en benader je hetzelfde contact meer dan eens.

Vergelijk bij tandartspraktijken eerst de Place Id's en listing-URL's en controleer daarna de namen en adressen. Houd twee vestigingen met verschillende adressen apart als één record een locatie voorstelt. Alleen een gedeelde ketennaam of hetzelfde domein is onvoldoende bewijs om ze samen te voegen.

Kwalificeer gescrapete leads met een AI Research Agent

Kwalificatie kan beginnen met een geverifieerde website en bedrijfsidentiteit. Ontbreekt de website, stel dan eerst de juiste identiteit vast in plaats van onderzoek te doen naar een bedrijf met een vergelijkbare naam. De AI Research Agent kan pagina's controleren op je criteria, maar informatie die niet openbaar vindbaar is, moet de waarde Unknown houden.

Configureer als verwachte output de beslissing, ondersteunende URL en het bewijsfragment. Een door de agent gegenereerde score of classificatie is een voorlopige beslissing; controleer het bewijs voordat je die accepteert.

Voor een lijst met tandartspraktijken kun je bijvoorbeeld nagaan of de eigen website expliciet orthodontische behandelingen vermeldt. De grootte en openingsdatum van een praktijk zijn mogelijk niet gepubliceerd. Bepaal welke feiten je nodig hebt en houd niet-geverifieerde velden gescheiden van de geaccepteerde beslissing.

Controleer de recordeenheid en het bewijs vóór contact-enrichment

Gebruik voor een illustratieve sample met tandartspraktijken de volgende beslissingen. Dit zijn voorbeelden voor de controle, geen gemeten resultaten van een scrape:

Gebruik afzonderlijke kolommen voor Source ID, Source URL, Search Context, Website, Fit Decision, Evidence Quote, Evidence URL en Reviewed At. Configureer de gevraagde onderzoeksvelden onder Expected Outputs en bewaar de oorspronkelijke ID's; alleen een prompt maakt niet automatisch elke doelkolom aan.

Met een herbruikbare kwalificatieprompt leg je de beoordelingsregel expliciet vast:

Filter na de controle de geaccepteerde prospects apart van records met Unknown en afgewezen rijen. Exporteer de bron-ID samen met de contactvelden en het bewijs voor de fit. Vergelijk bij een update de stabiele ID's en controleer de merge-instellingen voordat je bestaande records bijwerkt. Zo blijven onopgeloste gevallen beschikbaar voor een latere controle, in plaats van dat ze stilzwijgend als afgewezen leads worden behandeld.

Verrijk gekwalificeerde leads met geverifieerde contactdata

Voeg contactgegevens pas toe nadat je de bedrijfsfit hebt gecontroleerd. Email Finder zoekt e-mailadressen, geen telefoonnummers. Lever de ondersteunde persoonlijke ID's aan en bewaar het resultaat en de status; alleen een bedrijfsnaam garandeert geen geverifieerd e-mailadres. Gebruik indien nodig een aparte workflow voor telefoonnummers.

Bepaal voor een geaccepteerde praktijk eerst de relevante persoon of het juiste zakelijke contact voordat je de data verrijkt. Bewaar de teruggegeven statussen en bron-ID's, zodat een mislukte zoekopdracht niet verandert in een gegokt contact dat aan de verkeerde vestiging wordt gekoppeld.

💡 Leadkwalificatie en enrichment hangen samen

Enrichment en kwalificatie zijn geen eenrichtingsverkeer; ze voeden elkaar. Een lead met een goede score is de enrichmentkosten waard. Tegelijkertijd kan nieuwe informatie uit enrichment, zoals een tweede locatie of een actieve boekingspagina, aanleiding zijn om de lead opnieuw en met scherpere criteria te kwalificeren.

Veelgemaakte fouten bij het scrapen van leads

De meeste slechte leadlijsten zijn terug te voeren op een paar verkeerde gewoonten. Als je die vooraf kent, bespaar je jezelf het herstelwerk nadat je een lijst al hebt gescrapet, verrijkt en benaderd zonder enig resultaat.

• Te breed scrapen: alle beschikbare records ophalen in plaats van te filteren op de klant die je daadwerkelijk hebt gedefinieerd, waardoor goede leads verdwijnen in de ruis.
• Volume boven fit verkiezen: een lead scrape beoordelen op het aantal rijen in plaats van het aantal leads dat bij je ideale klantprofiel past, waardoor een grotere lijst uiteindelijk minder oplevert.
• Kwalificatie overslaan: enrichment als eindpunt zien en sales een lijst geven die nooit aan echte fitcriteria is getoetst.
• De lijst laten verouderen: één keer scrapen en maandenlang dezelfde lijst gebruiken, terwijl de onderliggende bron inmiddels is veranderd.
• Niet dedupliceren: dezelfde bron later opnieuw scrapen en de resultaten samenvoegen zonder op herhalingen te controleren, waardoor hetzelfde contact twee keer wordt benaderd.

Al deze fouten komen eigenlijk op hetzelfde neer: scraping behandelen als een eenmalige taak in plaats van als een herhaalbaar proces waarin je telkens een bron kiest, scrapet, opschoont en kwalificeert.

Conclusie: een herhaalbaar proces werkt beter

De belangrijkste les is dat lead scraping een proces is, geen aankoop. De lijst die je nodig hebt komt op de eerste plaats, de bron volgt uit je klant en pas daarna kies je de tool.

Pak je het één keer op deze manier aan — bron kiezen, een kleine scrape uitvoeren en vervolgens verrijken en kwalificeren — dan heb je een herhaalbare workflow die elke doelgroep omzet in een contactklare lijst. Geen eenmalige export die je nooit helemaal vertrouwt.

Belangrijkste inzichten:

1. De bron bepaalt de kwaliteit van je lijst sterker dan de tool. Kies dus op basis van je klant, niet van populariteit.
2. Een scrape is het begin, geen voltooide lijst. Schoon de data op, verrijk ze en kwalificeer de leads voordat iemand ermee aan de slag gaat.
3. Herhaal steeds hetzelfde proces. Zo wordt je leadlijst reproduceerbaar en hoef je niet telkens opnieuw te beginnen.

Veelgestelde vragen over leads scrapen

Hoeveel kost leads scrapen met Datablist?

Scraping gebruikt credits binnen Datablist.com. Betaalde abonnementen beginnen bij $25 per maand voor het Starter-abonnement met 5.000 credits, of $50 per maand voor Growth met 20.000 credits. Bij jaarlijkse facturering krijg je 20% korting. Europese klanten worden in euro's gefactureerd.

Hoeveel leads kan ik tegelijk scrapen?

De limieten zijn afhankelijk van de geselecteerde bron, je abonnement, de instellingen en het aantal beschikbare resultaten. Opslagcapaciteit is niet hetzelfde als de capaciteit van één run. Controleer de actuele broninstellingen en valideer een sample voordat je de batchgrootte bepaalt.

Heb je programmeerkennis nodig om leads te scrapen?

Nee. No-code scrapers verwerken veelgebruikte bronnen via een eenvoudige interface. Je stelt filters en een limiet in, in plaats van zelf een script te schrijven en te onderhouden. Voor een salesmedewerker of founder zonder developer bij de hand is dat sneller en betrouwbaarder.

Kan ik met Datablist leads scrapen uit LinkedIn en Sales Navigator?

Ja. De LinkedIn Scraper haalt openbare profiel- en bedrijfsgegevens op. De Sales Navigator Scraper werkt vanuit je zoekopdrachten in Sales Navigator voor preciezere B2B-targeting. Beide schrijven de resultaten rechtstreeks naar een lijst die je op dezelfde plek kunt verrijken en kwalificeren.

Kan ik leads scrapen uit Google Maps?

Ja. De Google Maps Scraper verzamelt lokale bedrijfsvermeldingen op basis van locatie en categorie, met gegevens zoals naam, adres, telefoonnummer en beoordeling. Het is de sterkste bron wanneer je doelgroep uit lokale bedrijven bestaat in plaats van B2B-functies.

Hoe kwalificeer ik gescrapete leads met een AI Research Agent?

Koppel de AI Research Agent aan je gescrapete lijst en geef de criteria op die een goede fit bepalen. De agent onderzoekt en beoordeelt elke lead aan de hand van die criteria, zodat je de ruwe scrape kunt verdelen in leads die het benaderen waard zijn en leads die je kunt verwijderen.

Hoelang duurt het om een leadlijst te scrapen?

De looptijd hangt af van de bron, het aantal rijen, de reacties van providers en eventuele onderzoeksstappen. Controleer de voortgang en fouten in plaats van uit te gaan van een vaste duur voor een bepaalde lijstgrootte.

Welke data krijg je als je leads scrapet?

Scraping verzamelt de openbare velden die een bron toont: namen, functies, bedrijf, locatie en vaak een telefoonnummer of categorie. Geverifieerde e-mailadressen en uitgebreidere firmografische gegevens komen meestal uit latere enrichment, niet uit de ruwe scrape.

Is lead scraping legaal?

Controleer de voorwaarden van de bron, de toegangsmethode en de regels die op je gebruik van toepassing zijn. Alleen omdat informatie openbaar zichtbaar is, mag je die nog niet onbeperkt hergebruiken. Raadpleeg voor persoonsgegevens die onder de AVG vallen de richtlijnen van de Autoriteit Persoonsgegevens over scraping.

Wat is het verschil tussen leads scrapen en een leadlijst kopen?

Met scraping bouw je een actuele lijst vanuit een bron die je zelf kiest. De lijst weerspiegelt dus wie er nu wordt vermeld en sluit aan bij je targeting. Een gekochte lijst is vooraf samengesteld, wordt met andere kopers gedeeld en begint te verouderen zodra hij wordt verkocht.

Welke leadbronnen zijn het beste voor B2B-scraping?

Voor B2B zijn LinkedIn en Sales Navigator meestal de sterkste bronnen, omdat je vóór het ophalen van records kunt filteren op functie, senioriteit en bedrijf. Vacaturesites voegen een groeisignaal toe door te laten zien welke bedrijven personeel zoeken.

Wat zijn de beste tools voor lead scraping?

De beste keuze is een tool die je bron ondersteunt en waarmee je data kunt verrijken en kwalificeren zonder naar andere software te exporteren. Onze beoordeelde vergelijking van de beste tools voor lead scraping laat precies zien waarin elke tool uitblinkt. Je ontdekt er ook waarom een platform als Datablist, dat sourcing, opschoning, enrichment en kwalificatie op één plek samenbrengt, beter werkt dan een losse scraper, email finder en cleaning tool aan elkaar koppelen.