Slik scraper du leads: Fra målgruppe til leadliste

For å scrape leads må du definere kundene du vil nå, velge en kilde der disse virksomhetene eller personene er oppført, og importere et lite utvalg resultater. Behold kildeidentifikatorene, se etter duplikater og kvalifiser oppføringene før du legger til kontaktinformasjon eller eksporterer.

Jeg ville bestemt hva én rad skal representere før jeg valgte scraper: et selskap, et forretningssted eller en person. To klinikker i samme kjede kan være separate prospekter selv om de har samme navn eller nettsted. Dette valget avgjør hvilke identifikatorer du beholder, og hvilke oppføringer du slår sammen.

📌 Kort oppsummert for deg som har det travelt

Gjør målmarkedet ditt om til en leadliste du kan bruke til outreach. Denne guiden viser hvordan du velger en kilde, samler prospekter i Datablist og renser og beriker resultatene før du tar kontakt.

• Input: målmarkedet ditt og kundene du vil nå.
• Output: en gjennomgått leadliste med selskapsinformasjon, kontaktopplysninger der de er tilgjengelige, og tydelige kvalifiseringskriterier.

Dette dekker guiden

• Hva lead scraping er, og hvilke data du kan hente
• Hvorfor leadlisten, ikke verktøyet, er riktig utgangspunkt
• Slik velger du kilden som passer målmarkedet ditt
• Konfigurering av kilden og gjennomgang av et utvalg
• Slik renser, beriker og kvalifiserer du leadene
• Vanlige feil som gjør en scrape til en bortkastet liste

Hva lead scraping er, og hvilke data du kan hente

Før vi går gjennom prosessen, skal jeg kort forklare hva lead scraping er, og hvilke data du faktisk kan hente fra offentlige kilder.

Lead scraping er en arbeidsflyt

Lead scraping betyr å hente kontakt- og selskapsdata om potensielle kunder fra offentlige kilder på nettet og strukturere dem i én brukbar liste. Det kan være navn, stilling, selskap og kontaktmuligheter – samlet inn der informasjonen allerede ligger åpent tilgjengelig.

Det de fleste definisjoner utelater, er at scraping er ett trinn i en arbeidsflyt, ikke et produkt du kjøper. Scrapingen gir deg rålisten. Det er valget av kilde og kvalifiseringen av resultatene som gjør listen om til pipeline.

Du kan ikke scrape alt

En scrape returnerer vanligvis det kilden viser på siden: navn, selskap, stilling eller kategori, sted og noen ganger et telefonnummer. Det er mer enn nok til å starte en liste, men sjelden hele bildet.

Verifiserte e-postadresser og mer detaljert firmografisk informasjon kommer nesten aldri direkte fra kilden. Dette legges til senere gjennom databerikelse. Når du avklarer dette på forhånd, unngår du å behandle rådataene som en ferdig liste før de faktisk er klare.

Hvorfor lead scraping bør starte med kilden

Det er fristende å finne en scraper først. Det er feil sted å begynne, og grunnen til at så mange leadlister ender opp med å være ubrukelige.

Feilen ved å velge scraper før kilde

En god metode for å scrape leads er å starte med listen du trenger, ikke nettstedet du vil scrape. Verktøyet velger du når du kjenner kilden, og kilden velger du når du kjenner kunden.

Velger du scraper først, arver du begrensningene dens. Et LinkedIn-verktøy kan ikke hente data fra Google Maps, og dermed ender du med å scrape der verktøyet fungerer, i stedet for der kundene dine faktisk finnes.

Arbeidsflyten for lead scraping i fem faser

Når rekkefølgen er riktig, kan hele prosessen deles inn i fem faser. Resten av guiden følger dem trinn for trinn.

1. Avgrens målmarkedet: Bestem hvem du prøver å nå, før du tar i bruk et verktøy.
2. Velg riktig kilde: Scrape der disse kundene allerede er oppført.
3. Kjør en begrenset scrape: Angi filtre og grense, og start scrapingen.
4. Rens og fjern duplikater: Slå sammen duplikater og fjern ubrukelige oppføringer før du bruker credits på berikelse.
5. Undersøk og kvalifiser: Berik rålisten, og vurder deretter hvert lead opp mot kriteriene dine.

Slik velger du riktig leadkilde for målmarkedet

Velg kilde ut fra hvor målkundene dine allerede er oppført, ikke hvilket verktøy som har den flotteste forsiden. Denne ene regelen betyr mer for listekvaliteten enn noen verktøyinnstilling du kommer til å bruke.

Tilpass leadkilden til målkunden

Når du har definert kunden, følger kilden som regel naturlig: lokale virksomheter peker mot Google Maps, B2B-stillinger mot LinkedIn og Sales Navigator, selskaper som rekrutterer mot Indeed og jobbportaler, og så videre.

Dette er spesielt viktig ved scraping fordi hver kilde vanligvis krever sitt eget verktøy, med mindre du bruker en plattform som dekker dem alle. Da forsvinner problemet: Å gå fra Google Maps til Sales Navigator blir et kildebytte, ikke et bytte av programvare.

Tenk deg at du selger programvare for timebestilling til tannklinikker. Kunden din er en lokal virksomhet, så Google Maps er den naturlige kilden. Du ville ikke åpnet Y Combinator-katalogen, der du neppe finner en eneste tannklinikk.

Leadkildene det er verdt å scrape

• LinkedIn: fagpersoner med stilling, selskap og ansiennitetsnivå.
• Sales Navigator: de samme B2B-dataene, men med mer detaljerte filtre for målretting mot kontoer og prospekter.
• Google Maps: lokale virksomheter med sted, kategori, telefonnummer og vurdering.
• Indeed og jobbportaler: selskaper som rekrutterer aktivt, noe som kan indikere vekst og investeringsvilje.
• Clutch: byråer og tjenesteleverandører som kan filtreres etter spesialisering.
• Y Combinator-katalogen: startups som er oppført i katalogen. Nåværende finansiering, selskapsaktivitet og relevans må verifiseres separat.
• Zillow: boligannonser og eiendomsmeglere for outreach innen eiendom.

For denne katalogtypen forklarer arbeidsflyten for Clutch-byråer hvilke felter som finnes på dagens oppføringskort, og hvorfor «Serves London» ikke er det samme som en kontoradresse. Behold profil-URL-en når du beriker de godkjente byråoppføringene.

Slik scraper du leads i tre trinn

En innebygd kilde krever vanligvis søkeinnstillinger og en resultatgrense. En generell nettstedskilde krever en URL, en prompt og en definisjon av ønsket output. Dette er ulike innstillinger. Undersøk den valgte kilden i stedet for å forvente at alle nettsteder tilbyr de samme tre kontrollene.

I Datablist er hver kilde en innebygd scraper du kan kjøre uten kode. LinkedIn Scraper henter offentlige profiler og selskaper, Sales Navigator Scraper arbeider ut fra Sales Navigator-søkene dine, og Google Maps Scraper samler lokale bedriftsoppføringer etter sted og kategori.

Du kobler scraperen til en kilde, angir hva du vil ha, og resultatene skrives til en liste. Poenget med å samle scraperne på ett sted er at du kan gå fra et rått målmarked til en renset, beriket og kontaktklar liste i én plattform, i stedet for å sette sammen fem ulike verktøy.

💡 Hva Datablist er

Datablist er et AI-regneark der du finner, renser og beriker leaddata uten kode. For scraping betyr det at kildevalg, scraping og kvalifisering skjer i samme liste, slik at et målmarked blir til en kontaktklar liste uten at du må flytte data mellom ulike verktøy.

Trinn 1: Angi filtre

Åpne kilden du har valgt, og avgrens den til kunden du definerte tidligere. I Sales Navigator betyr det stillingstittel, ansiennitetsnivå og selskapsstørrelse. I Google Maps betyr det sted og kategori. Presise filtre her holder støy unna listen senere.

I eksemplet med tannklinikker betyr det å filtrere Google Maps etter kategorien tannklinikk i byene du selger til, ikke etter alle lokale virksomheter i nærheten.

Trinn 2: Angi en grense

Bestem hvor mange oppføringer du vil hente i denne kjøringen. Begynn i det små – noen hundre i stedet for hele resultatsettet – slik at du kan kontrollere kvaliteten før du bruker credits på hele jobben.

For et søk etter tannklinikker kan du bruke et lite utvalg fra én by og kontrollere feltene mot URL-ene til oppføringene. Et valgt utvalg beviser ikke at kilden dekker alle klinikkene i byen.

Trinn 3: Start scrapingen

Start scrapingen og la den kjøre. Resultatene legges inn som rader i listen – ett lead per rad – med de offentlige feltene kilden gjorde tilgjengelige. Resultatet ser omtrent likt ut enten du startet med LinkedIn, Google Maps eller en jobbportal.

For søket etter tannklinikker bør du beholde Name, Postal Address, Phone Number, Localized Place Category, Link, Place Id og Query når disse leveres av Google Maps Scraper. Query-feltet bevarer søkekonteksten. Manglende informasjon forblir ukjent til den er kontrollert.

Lead scraping er bare første fase

En rå scrape gir deg fornavn, etternavn, selskapsnavn og noen ganger domener, men de fleste oppføringene er ikke komplette. For å gjøre dette om til en liste det er verdt å arbeide med, må du gjennom tre faser til:

1. Fjerne duplikater og rense dataene
2. Undersøke og kvalifisere
3. Berike kvalifiserte leads

Rens rådataene og fjern duplikater

Rådata fra en scrape er sjelden rene ved første forsøk. Den samme virksomheten kan forekomme to ganger med litt ulike navn, en kjede kan ha hver filial som en egen rad, og enkelte oppføringer kan mangle et felt som kilden ikke hadde.

Ta en rask gjennomgang for å slå sammen duplikater og fjerne ubrukelige rader før du beriker dataene. Det er et lite trinn, men hopper du over det, kan du ende med å betale for å berike samme lead to ganger og kontakte samme person mer enn én gang.

For oppføringer over tannklinikker bør du først sammenligne Place Id og URL-ene til oppføringene, og deretter kontrollere navn og adresser. Behold to filialer med ulike adresser som separate oppføringer når hver rad representerer et forretningssted. Et felles kjedenavn eller domene er ikke alene tilstrekkelig grunnlag for å slå dem sammen.

Kvalifiser scrapede leads med en AI Research Agent

Kvalifiseringen kan begynne med et verifisert nettsted og en bekreftet virksomhetsidentitet. Hvis nettstedet mangler, må du først avklare identiteten i stedet for å undersøke et selskap med et lignende navn. AI Research Agent kan undersøke sider etter kriteriene du definerer, men informasjon som ikke finnes offentlig, må forbli Unknown.

Konfigurer forventet output for beslutningen, dokumenterende URL og sitert bevis. En score eller etikett generert av en agent er et foreløpig forslag. Gå gjennom dokumentasjonen før du godtar det.

For en liste over tannklinikker kan et nyttig kriterium være om klinikkens eget nettsted uttrykkelig oppgir at den tilbyr kjeveortopedisk behandling. Klinikkens størrelse og åpningsdato er kanskje ikke publisert. Definer hvilke fakta oppgaven krever, og hold ubekreftede felt atskilt fra den godkjente beslutningen.

Kontroller radenheten og dokumentasjonen før kontaktberikelse

Bruk disse beslutningene for et illustrerende utvalg av tannklinikker. Dette er eksempler til gjennomgang, ikke målte resultater fra en scrape:

Bruk separate kolonner for Source ID, Source URL, Search Context, Website, Fit Decision, Evidence Quote, Evidence URL og Reviewed At. Konfigurer de ønskede undersøkelsesfeltene under Expected Outputs, og behold de opprinnelige ID-ene. En prompt oppretter ikke automatisk alle målkolonnene.

En gjenbrukbar kvalifiseringsprompt kan gjøre vurderingsregelen tydelig:

Etter gjennomgangen filtrerer du godkjente prospekter separat fra Unknown og avviste rader. Eksporter kildeidentifikatoren sammen med kontaktfeltene og dokumentasjonen for relevans. Ved en oppdatering sammenligner du stabile ID-er og kontrollerer innstillingene for sammenslåing før du oppdaterer eksisterende oppføringer. Slik bevarer du uavklarte tilfeller for senere gjennomgang i stedet for automatisk å behandle dem som avviste leads.

Berik kvalifiserte leads med verifiserte kontaktdata

Legg til kontaktopplysninger etter at du har kontrollert om virksomheten passer. Email Finder er et oppslag for e-postadresser, ikke telefonnumre. Oppgi personidentifikatorene som støttes, og behold resultatet og statusen. Et selskapsnavn alene garanterer ikke en verifisert e-postadresse. Bruk en separat arbeidsflyt for telefonnumre når det er nødvendig.

For en godkjent klinikk må du identifisere riktig person eller virksomhetskontakt før berikelsen. Behold returnerte statuser og kilde-ID-er, slik at et uavklart oppslag ikke blir til en gjettet kontakt knyttet til feil filial.

💡 Leadkvalifisering og berikelse henger sammen

Berikelse og kvalifisering er ikke en enveis overlevering. De påvirker hverandre. Et lead med høy score er verdt kostnaden ved berikelse, mens informasjon fra berikelsen – som en ny filial eller en aktiv bestillingsside – kan sende leadet tilbake til kvalifisering med mer presise kriterier.

Vanlige feil ved lead scraping

De fleste dårlige leadlister kan spores tilbake til noen få uvaner. Det er billigere å kjenne dem på forhånd enn å rette dem etter at du allerede har scrapet, beriket og kontaktet en liste som aldri konverterer.

• For bred scraping: Du henter alle oppføringene en kilde tilbyr, i stedet for å filtrere etter kunden du faktisk har definert. Dermed drukner gode leads i støy.
• Volum fremfor relevans: Du vurderer en lead scrape etter antall rader i stedet for hvor mange leads som passer kundeprofilen din. Resultatet er at en større liste leverer mindre.
• Kvalifiseringen hoppes over: Du behandler berikelse som siste trinn og gir salgsteamet en liste som aldri er vurdert mot reelle relevanskriterier.
• Listen blir utdatert: Du scraper én gang og gjenbruker den samme listen i månedsvis, selv om den opprinnelige kilden har endret seg.
• Duplikater fjernes ikke: Du scraper den samme kilden på nytt og slår sammen resultatene uten å kontrollere gjentakelser, slik at samme kontakt blir kontaktet to ganger.

Alle disse er egentlig den samme feilen på ulike steder i prosessen: Du behandler scraping som en engangsoppgave i stedet for en repeterbar arbeidsflyt med kildevalg, scraping, rensing og kvalifisering hver gang.

En repeterbar prosess slår en enkeltstående scrape

Hovedpoenget er at lead scraping er en prosess, ikke et kjøp. Listen du trenger kommer først, kilden bestemmes av kunden, og verktøyet er det siste du velger.

Gjør du det slik – velg kilde, scrape et begrenset utvalg, og berik og kvalifiser deretter – får du en repeterbar arbeidsflyt som gjør ethvert målmarked om til en kontaktklar liste, i stedet for en engangseksport du aldri helt stoler på.

Dette bør du huske:

1. Kilden betyr mer for listekvaliteten enn verktøyet. Velg den ut fra kunden, ikke populariteten.
2. En scrape er et utgangspunkt, ikke en ferdig liste. Rens, berik og kvalifiser den før noen begynner å arbeide med den.
3. Følg den samme prosessen hver gang. Da blir leadlisten repeterbar, ikke en engangsjobb du stadig må starte på nytt.

Ofte stilte spørsmål om lead scraping

Hva koster det å scrape leads med Datablist?

Scraping bruker credits i Datablist.com. Betalte abonnementer starter på 25 dollar per måned for Starter med 5 000 credits, eller 50 dollar per måned for Growth med 20 000 credits. Årlig fakturering gir 20 % rabatt. Europeiske kunder faktureres i euro.

Hvor mange leads kan jeg scrape samtidig?

Grensene avhenger av valgt kilde, abonnement, innstillinger og tilgjengelige resultater. Lagringskapasiteten er ikke det samme som kapasiteten for én kjøring fra en kilde. Kontroller de gjeldende kildeinnstillingene og valider et utvalg før du bestemmer størrelsen på hver batch.

Trenger jeg kodekunnskaper for å scrape leads?

Nei. No-code-scrapere håndterer vanlige kilder gjennom et enkelt grensesnitt, slik at du angir filtre og en grense i stedet for å skrive og vedlikeholde et script. For en selger eller gründer uten en utvikler tilgjengelig er dette den raskere og mer pålitelige løsningen.

Kan jeg scrape leads fra LinkedIn og Sales Navigator?

Ja. LinkedIn Scraper henter offentlige profil- og selskapsdata, mens Sales Navigator Scraper arbeider ut fra Sales Navigator-søkene dine for mer presis B2B-målretting. Begge skriver resultatene rett til en liste som du deretter kan berike og kvalifisere på samme sted.

Kan jeg scrape leads fra Google Maps?

Ja. Google Maps Scraper samler lokale bedriftsoppføringer etter sted og kategori, med informasjon som navn, adresse, telefonnummer og vurdering. Dette er ofte den sterkeste kilden når målkunden er en lokal virksomhet og ikke en person i en B2B-rolle.

Hvordan kvalifiserer jeg leads med en AI Research Agent?

Koble AI Research Agent til den scrapede listen, og gi den kriteriene som definerer en god match. Den undersøker hvert lead opp mot kriteriene og gir det en score, slik at du kan sortere rålisten i leads det er verdt å kontakte, og leads som bør fjernes.

Hvor lang tid tar det å scrape en leadliste?

Kjøretiden avhenger av kilden, antall rader, svarene fra leverandøren og eventuelle undersøkelsestrinn. Følg med på fremdrift og feil i stedet for å anta en fast tid for en bestemt listestørrelse.

Hvilke data får du når du scraper leads?

Scraping henter de offentlige feltene kilden viser: navn, stillinger, selskaper, steder og ofte telefonnummer eller kategori. Verifiserte e-postadresser og mer detaljert firmografisk informasjon kommer vanligvis fra etterfølgende berikelse, ikke fra rådataene.

Er lead scraping lovlig?

Kontroller vilkårene til kilden, tilgangsmetoden og reglene som gjelder for bruken din. At opplysninger er offentlig synlige, gir ikke i seg selv rett til ubegrenset gjenbruk. For personopplysninger som omfattes av GDPR, bør du se Datatilsynets veiledning om innhenting og bruk av personopplysninger.

Hva er forskjellen på scraping og kjøpte leadlister?

Scraping bygger en fersk liste fra en kilde du selv velger, slik at den gjenspeiler hvem som er oppført akkurat nå og passer målrettingen din. En kjøpt liste er satt sammen på forhånd, deles med alle andre kjøpere og begynner å bli utdatert samme dag som den selges.

Hvilke leadkilder er best for B2B-scraping?

For B2B er LinkedIn og Sales Navigator vanligvis de sterkeste kildene, siden du kan filtrere etter stilling, ansiennitetsnivå og selskap før du henter en oppføring. Jobbportaler tilfører et vekstsignal ved å vise hvilke selskaper som rekrutterer.

Hvilke verktøy er best for lead scraping?

Det beste valget er verktøyet som dekker kilden din og lar deg berike og kvalifisere uten å eksportere til annen programvare. Vår poengbaserte sammenligning av de beste verktøyene for lead scraping viser nøyaktig hvor hvert verktøy utmerker seg, og hvorfor en plattform som Datablist – som samler sourcing, rensing, berikelse og kvalifisering – er bedre enn å koble sammen en separat scraper, Email Finder og datarenser.