CRM数据清理与Enrichment终极指南

清理并 Enrich CRM 数据，是投入产出比最高的工作之一，原因很简单：

• 你给 CRM 做 enrichment 之后，销售能更高效地跟进，约到更多会议。
• 你把 CRM 清干净之后，市场能更清晰地看全局，campaign 做得更准。
• 你把 CRM 数据结构化之后，RevOps 和 GTM 团队能更快看出哪些有效、哪些无效。

当然，干净的 CRM 还有 99+ 个好处，但我们不展开了——下面直接带你从头到尾把 CRM 清理和 enrichment 跑一遍。

开始吧！

本篇 CRM 数据清理指南大纲

这份指南分为 4 个核心模块，每一块都对保持 CRM 数据干净、实时更新至关重要。在开始前，先快速看下我在文中提供的 CRM cleanup 工作流：

第一部分：去重 Deduplication

1. 方法 1：所有字段完全一致时的一键去重
2. 方法 2：字段不完全一致时，用指定列去重
3. 方法 3：跨多个列表/集合去重

第二部分：数据校验 Data Validation}

1. 校验 domain 与 email 是否有效（免费）
2. 验证 email 是否可投递（deliverable）
3. 批量判断联系人是否还在原公司

第三部分：数据结构化 Data Structuring}

1. 拆分 first/middle/last name
2. 从邮箱中提取 domain
3. 按国家批量格式化手机号

第四部分：CRM Enrichment 更新与补全}

1. 用公司名找到官网/域名
2. 抓取企业基础信息与公司详情
3. 用 AI 挖掘数据库里找不到的公司信息
4. 用最新 LinkedIn 数据更新联系人信息
5. 获取已验证的 email 地址
6. 获取已验证的手机号（非座机）

简单来说：我们会先 全量去重 → 再 验证剩余数据是否仍然有效 → 然后 结构化/提取 → 最后再 用新数据做 enrichment。

你可以直接跳到你最需要的部分，也可以跟着我完整走一遍。

❗️ 保留你的 Record ID

这篇示例里我没有展示 Record ID（比如 contact ID、note ID、account ID 等），但你在实际操作时一定要保留它们；否则你就无法把清理后的数据 import 并正确 map 回 CRM。

如何给 CRM 联系人与客户去重

当你要给 CRM 里的 contacts 和 accounts 去重时，在 Datablist 里通常有 3 种做法：

• 方法 1：使用所有列对单一列表去重
• 方法 2：使用指定列对列表去重
• 方法 3：跨多个列表去重

这里的“列表”可以是 account list、contacts list 或 deals list——不管是什么内容，流程都一样。

方法 1：使用所有列对单一列表去重

有时候你会多次从 LinkedIn 抓取联系人 或其他来源采集数据，结果同一个联系人被重复抓了好几次。这个场景下，最快的做法就是用所有列一键去重：去重联系人。操作如下：

Step 1：用所有列对列表去重

第一步，注册 Datablist.com

第二步，把你的列表 import 为 CSV 或 Excel。

Step 2：用所有列对列表去重

点击 Clean，选择 Duplicates Finder。

然后打开 All Properties 旁边的开关。

点击 Next。

点击 Run duplicates check。

现在你可以 review 结果，然后点击 Auto-merge duplicates when possible。

CRM 联系人去重就是这么简单！

下面我们来看第二种去重方式。

方法 2：使用指定列对列表去重

当你要去重的列表里，同一个联系人存在“轻微差异” 时，这就是最推荐的方法。

举个例子：同一个联系人出现两次，email 和姓名相同，但备注 notes 不同——那你就应该只用两三列作为去重依据，而不是全列。

我们把这种列叫做 unique identifier（唯一标识），而且你可以有多个。

Step 1：用指定列对列表去重

第一步，注册 Datablist.com。

第二步，把你的列表 import 为 CSV 或 Excel。

Step 2：用指定列对列表去重

点击 Clean，选择 Duplicates Finder。

然后勾选你要作为去重依据的列。比如我这里想用 Company Domain 和 First Name 来对比联系人。

选择列后，也要确保 processor 选对了。

除非你用的是 ID、URL 或者必须严格一致的字段，否则 Algorithm 一般保持默认。

比如：domain 选 URL，公司名选 Company Name，以此类推。

最关键的一点：processor 一定要和你用于去重的列内容匹配。

设置好后，点击 Run duplicates check。

Step 3：用指定列对列表去重

因为 notes 不完全一致，你会看到冲突（conflict）。你可以选择：

• 丢弃冲突项的值
• 合并冲突字段

接着点击 Combine conflicting properties，选中有冲突的列，用 Line break 作为分隔符，然后点击 Refresh Merging Preview。

现在你可以预览 Datablist 会如何在删除重复项前把两条 notes 合并。确认无误后，点击 Auto-merge when possible。

这就是去重后的列表效果。

👉 你也可以读读这些文章，了解更多去重用法：Mac/iOS Contacts 去重、Multi-Values Column 去重、列表里匹配相似公司名、合并 Pipedrive duplicates。

下面进入第三种：跨多个列表/集合去重。

方法 3：跨多个列表/集合去重

这是一个典型的跨列表去重场景：

目标： 做一个 ABM campaign，只 targeting 真正的新 accounts（Q1 已经触达过的不算）

流程：

• 对比两份列表：Q1 accounts 与新 accounts
• 从新列表里移除 Q1 已触达 accounts

结果： 你会得到一份只包含“真正新 account”的干净名单。

开始！

Step 1：跨多个列表去重

第一步，注册 Datablist.com

第二步，在侧边栏点击 folder icon 创建一个文件夹。

然后在该文件夹里点击 three dots，选择 New collection 创建一个 collection。

创建完成后是这样。接下来，把第一份列表 upload 到 Datablist，再重复一次把第二份列表也 upload 进来。

Step 2：跨多个列表去重

两份列表都上传后，先进入你的 Q2 列表（也就是更新、更“新”的那份）。

点击 Clean，选择 Duplicates finder。

打开 Check deduplicates across several collections? 左侧的开关。

选择要对比的 collection——我这里是 “Q1 ABM”。

选择用于对比的 property 并点击 Next。一般建议：accounts 用 domain；contacts 用 email 或 LinkedIn profile。

如果你选了 company domain 或其他链接作为唯一标识，processor 选 URL，然后点击 Run duplicates check。

接下来会出现两份 collection 共享 duplicates 的预览。

点击 Auto cleaning rule 下方字段，选择一个规则——目前只有一个选项：Remove duplicate items from collection X。

如果你对比的是 3 个或更多 collection，还会出现第二个选项：Keep duplicate items only in collection X。

然后你可以选择 从哪个 collection 删除 duplicates（务必记住：通常应该从“新数据”里删除“旧数据”，而不是反过来）。

最后点击 Click here to process duplicated items。

📘 如何拿到最好的结果

把 Q1 contacts 从 Q2 列表里删掉（而不是把 Q2 从 Q1 里删）。例如：

✅ Q1 list：100 contacts → 全部保留

✅ Q2 list：200 contacts → 移除与 Q1 重复的 → 最终得到 100 个独立 contacts

❌ Q1 list：100 contacts → 移除与 Q2 重复的

❌ Q2 list：150 contacts → 全部保留

这样做可以确保：

• Q1 的历史数据保持完整
• Q2 campaign 不会再次触达已联系账户
• 避免同一批 accounts 被重复 targeting

我这里从 Q2 列表里删掉了 5236 个重复 accounts，最后剩下 3152 个唯一 accounts。

👉 想深入了解跨数据集去重，可以看这篇：How to Deduplicate Across Several Excel Files

去重就到这里，下面进入 CRM 数据有效性校验。

如何判断你的 CRM 数据是否还是最新

检查 CRM 数据是否仍然 up-to-date，是很多人在做 CRM cleaning 时会忽略的一步——因为大家默认“只要当时是 valid，之后就一直 valid”。但 这是个很大的误区。

这一部分我会带你做：

• 如何免费判断 email 是否有效
• 如何判断 email 是否可投递
• 如何批量判断一个人是否还在原公司

开始！

如何免费判断 Email 是否有效

如果你曾经通过表单、lead magnet 或免费资源收集过邮箱，你一定见过：很多人会用非企业邮箱注册。

这种情况建议你先把“邮箱是否有效（valid）”当作第一道筛选，再决定要不要投入更贵的 deliverability 检查（尤其是你要发邮件 campaign 的时候）。

❗ 先搞清楚：Valid Email vs Deliverable Email

这个功能不告诉你邮箱是否 deliverable；它只会通过检查 MX records 来判断：邮箱背后的 domain 是否具备收信能力。

快速例子：

邮箱 habibi@datablist.com 不存在，但 domain 的 MX 记录有效，所以它在 domain 层面仍然是 valid（即使没有真实 inbox）。

邮箱 habib@datablist.ai 不存在且 domain 没有有效 MX 记录，所以它是 invalid。

邮箱 habib@datablist.com 存在且 domain 的 MX 记录有效，所以它既 valid 也 deliverable。

TL;DR

Email validation = Domain 级别

Email deliverability = Inbox 级别

Validated email = domain 能收信，但具体邮箱地址仍可能写错

Deliverable email = 有真实 inbox 能收信

不是所有 valid email 都能真正收信。

Step 1：免费检查 Email 是否有效

第一步，注册 Datablist.com

注册后，把你的 CRM accounts/contacts 列表 import 进来。

Step 2：免费检查 Email 是否有效

接下来我们会用 Datablist 的一个 免费功能：查出负责接收邮件的 MX provider。如果一个 domain 没有有效 MX Records，它就无法收信，也就 必然不可投递（undeliverable）。

点击 Enrich。

进入 People，选择 Free Email Address Validation。

把邮箱字段 map 为 input property，然后点击 Continue to output configuration。

点击 plus icons 创建输出列，然后点击 Instant Run。

这就是运行 Datablist Free Email Validator 后得到的结果。

这些结果能告诉你：

• 这个 email 是否是 business email
• 这个 email 的 domain 是否能收信（不管是 business 还是 personal）
• 该 domain 的 MX 服务由哪个 provider 托管。为什么重要？因为在 cold emailing 时，你不希望把邮件发到某些 provider（尤其是 Microsoft）上，这可能会影响你的发信账号健康度。

👉 想系统了解可以看：Free Email List Validation Guide

现在我们已经确认邮箱在 domain 层面有效，下面继续检查它是否真的可投递。

如何判断 Email 是否可以收到邮件

如果你刚做完上一步： 先从结果里筛选出 valid emails——invalid emails 自动就是不可投递的——我下面会演示。

如果你从这一段开始：你有 2 种选择：

• 回去先跑上一段的工作流。
• 注册 Datablist、import 你的列表，然后直接从 Step 2 开始。

Step 1：筛选出有效 Email

点击 Valid Email，选择 Filter on property。

确保这个 checkbox 被勾选，然后点击 Apply。

💡 给 B2B 的小建议

如果你只做 B2B，建议筛选 “Business Email” 列而不是 “Valid Email”。这里我们用更通用的例子，是因为也有很多 B2C 公司在用 Datablist。

Step 2：验证 Email 是否可投递

点击 Enrich。

进入 People，选择 Waterfall Advanced Email Address Verification。

把 email 列 map 为 input property，点击 Continue to output configuration。

点击 plus icon 只创建两个输出列：Email Status 和 Role Account，然后点击 Instant Run。

为什么只要这两项： 其他输出会让表更复杂；如果你的目标只是清理 CRM，这两列就够用了。

你会得到如下结果：

Valid： 这些邮箱背后有真实 inbox，可以收信。

Risky 邮箱通常有两类：

• 当时无法验证（临时原因导致验证失败）
• catch-all 邮箱：服务器设置为“全部接收”，即使具体邮箱账号不存在

Invalid： 该邮箱账号不存在（不要用）。

如何批量判断一个人是否还在原公司

你可能也发现了：现在大家换工作更频繁了。你发邮件时也可能越来越常收到类似 “This person doesn’t work at XYZ anymore” 的提示。

如果你也遇到这个问题，别担心——下面我带你 批量确认联系人是否还在原公司。

先明确你需要什么：

• 这个人的 LinkedIn profile（必需）
• 他“应该在”的公司 email 或 domain

我们要做的事：

1. 抓取 LinkedIn profile，找出他现在在哪家公司
2. 找到他现公司的 domain
3. 让 AI 对比两个 domain

注意： 这套方法也适用于“公司 LinkedIn 页面”的场景。

Step 1：准备数据

注册 Datablist.com。

把列表 import 到 Datablist。

Step 2：抓取 LinkedIn profile

这一步我们会 抓取 LinkedIn profile。

点击 Enrich。

进入 People，选择 LinkedIn People Profile Scraper。

把 LinkedIn profile URL 列 map 为 input property，点击 Continue to output configuration。

点击 plus icons 创建以下输出列：Company Name、Company page URL、Company website，然后点击 Instant Run。

其他输出你也可以一起加，但这条工作流里不需要——除非你还想顺便拿更多 LinkedIn 数据（这样就不用为同一次抓取付两次费）。

这是抓取结果。下一步我们需要 为剩余记录补齐 domain。

Step 3：从公司 LinkedIn 页面找回官网域名

点击 Enrich。

进入 Companies，选择 Company Domain/Website and LinkedIn Company Page Matcher。

把 Matching Type 设为 Get the company website from the LinkedIn page URL。

然后把 LinkedIn page URL map 为 input property，点击 Continue to output configuration。

把 “Company website” output map 到你新建的公司网站列。

注意： 千万别 map 到你旧 domain 的那一列。

点击 Instant Run。

你会看到这些选项：

• Run in Async： 勾选后在云端跑，适合大列表，你可以同时做别的事
• Test on the first 10 items： 先小范围测试效果

Select number of items to process： 只处理前 10/100/自定义数量。

Existing data rule：告诉 Datablist 如何处理已有数据——选第二个：Update only the empty cells。

设置好后点击 Run enrichment on all items。

Step 4：用 AI 对比 domain，判断是否换公司

现在我们有了旧域名和新域名，可以对比它们是否一致，从而 判断联系人是否已经换公司。

点击 Enrich。

进入 AI，选择 Ask ChatGPT/OpenAI。

勾选使用 Datablist credits，或填写你的 OpenAI API key，然后点击 Use template。

向下滚动，选择 Check if prospect is still working at a company。

把你 collection 里的列 map 进模板：

用 “/” 可以弹出列名列表，把旧 domain map 到第一个字段。

第二个字段 map 新 domain。

然后点击 Continue to output configuration。

点击 plus icon 新建输出列，然后点击 Instant Run。

这就是批量判断结果：

这样你就能确认 CRM 数据是否仍然 up-to-date 了！

你也可以顺便用 AI 给 accounts 做 lead scoring。

如何对 CRM 数据结构化与格式化

清理 CRM 时，结构化与格式化同样关键——它决定了后续销售和市场如何使用这些数据。为了把 CRM 数据统一到一个“干净格式”，我会带你做：

• 拆分 first/middle/last name
• 从邮箱中提取 domain
• 格式化手机号

把数据统一格式只是第一步——真正长期维护好 CRM 的关键，是让数据持续保持干净、结构化。这里有几种常用做法：

• 定义标准化输入格式——比如统一 call notes 的记录框架
• 限制某些列只能输入特定类型（例如手机号列只允许数字）
• 设定必填字段——例如要求销售必须填写 “Last Contact Date”，确保数据完整

如何拆分姓名 first/last

CRM 清理里最常见的问题之一就是：姓和名经常被写在同一列里。这样一来，你做邮件个性化时很容易出现“把全名当名字叫”的尴尬情况。

Step 1：拆分姓名

注册 Datablist.com。

Import 一个包含联系人姓名的 CSV 或 Excel。

Step 2：用 Name Parser 拆分

点击 Enrich。

进入 People，选择 Name Parser。

把姓名列 map 为 input property，点击 Continue to outputs configuration。

你可以得到这些 outputs：

• First names
• Middle names
• Last names
• Gender
• Title
• Origin country of the name

按需点击 plus (+) 新建输出列，然后点击 Instant Run。

这就是拆分后的效果。

如何从邮箱中提取 Domain

Step 1：提取 Domain

注册 Datablist。

Import CSV 或 Excel。

点击 Extract，选择 Extract domains for email addresses or URLs。

把邮箱列 map 为 input property，点击 Preview extraction。

你会先看到前 10 行预览，确认没问题后点击 Extract data。

提取后的效果如下：

如何为 CRM 清理批量格式化手机号

手机号格式化是我最喜欢的 CRM cleaning 工作流之一，Datablist 在这个任务上特别好用：

• 支持任意国家的手机号
• 同时兼容：
  • 国际格式（+XX）
  • 本地格式
• 同一个文件里可同时处理多个国家

这个例子里，我的文件包含：

• 美国手机号
• 印尼手机号
• 德国手机号
• 阿尔及利亚手机号

我会一次性把它们全部格式化。

❗ 重要提示

如果同一个文件里有多个国家的手机号，必须包含一个 “Country” 列，用来告诉 Datablist 每条手机号来自哪个国家。

开始！

Step 1：批量格式化手机号

注册 Datablist.com。

Import CSV 或 Excel。

点击 Enrich。

进入 AI，选择 Phone Number Extractor

选择你列表里手机号的来源国家，并勾选 Advanced Settings。

勾选 Define country per Item，启用“按行输入国家”。

💡 Quick Tip

只有在处理单一国家手机号时，才建议开启 Add phone number type，因为多国家混在一起时准确率会下降。

把手机号列和国家列 map 为 input properties，点击 Continue to outputs configuration。

点击 plus icon 新建“格式化后手机号”输出列，然后点击 Instant Run。

接下来你会看到 Run Settings，可以设置：

• Run in Async（大列表强烈建议）
• Test on the first 10 items
• 选择 number of items to process（10/100/自定义）

配置好后点击 Run enrichment on all items。

这就是格式化后的手机号：

如何更新你的 CRM 数据

让 CRM 数据保持“新鲜”对业务成败非常关键。要高效更新 CRM，你需要掌握这些：

• 如何用公司名找到公司域名
• 如何抓取企业信息与公司详情
• 如何抓取难以找到的公司细节
• 如何抓取 CRM 联系人的 LinkedIn profile
• 如何拿到 verified emails
• 如何找到 verified phone numbers

走起！

如何根据公司名称找到公司 Domain

这是我们最常用的 company enrichment 之一。说白了：没有 domain，很多后续 enrichment 都无从谈起——所以我把它放在第一位（也最符合流程）。

Step 1：用公司名找 Domain

注册 Datablist.com。

Upload 一份包含公司名的列表。

Step 2：运行 Domain Finder

点击 Enrich

进入 URLs，选择 Find company domains from company names

Search Settings 说明 🔍

有两种搜索方式：

• 默认选项：Companies Dataset + Google Fallback

  先查数据库（找到则 1 credit）→ 不行再用 Google 兜底（2.5 credits）

• 最便宜选项：Use only Companies Dataset

  只查数据库（1 credit）

这些设置用于控制 domain 的匹配方式：

• Target Country：限定国家，通常更准
• Accept non-root websites：允许返回“domain + path”的网站（如 platform.com/company），而不只限主域名（company.com）
• Skip following domains：过滤掉 Crunchbase、Northdata 等目录站结果（它们通常不是公司官网）

如果你追求覆盖率最大化， 保持默认搜索选项，选一个国家，其他保持空即可。

设置好后，向下把公司名列 map 为 input property，点击 Continue to outputs configuration。

然后你可以创建 “Company URL”“Company Domain” 或两者的输出列（点 plus icons）。我一般只要 company domain。完成后点击 Instant Run。

你会看到 Run Settings，可以：

• Run in Async
• 选择 number of items to process（10/100/自定义）

配置后点击 Run enrichment on all items。

运行后列表会变成这样（成本见下图）。

我为 16 个 domains 支付了 33 credits，平均每个 domain 2.06 credits。假设你有 1,000 个 domains，大概只需要 ≈ 2,062 credits = $2.03。

👉 想更深入可以看这篇：finding company websites from company names

如何抓取企业信息与公司详情

这一节我们主要拿一些基础 firmographic data，用来判断某些 accounts 值不值得继续做更深度的 research/enrichment。

这里的 firmographic data 指的是 LinkedIn 常见的公司信息，例如：

• Headcount
• Company Name
• Website
• Company headquarter
• Specialities
• Industry
• Description
• Country
• Region
• Founding year
• LinkedIn URL
• Sales Navigator ID
• Followers count
• Slogan

开始！

Step 1：准备公司 domain 或 LinkedIn URL

注册 Datablist.com。

Import 一份列表，包含 CRM 里公司的 domain 或 LinkedIn URL。

Step 2：运行 Company Enrichment

点击 Enrich。

进入 Companies，选择 Company Enrichment。

这里有两组关键设置：

1）Data Source Options： enrichment 的输入来源

• Company domain（默认）
• LinkedIn URL

2）Data Return Options & Costs： 返回数据类型与成本

• Basic data（1 credit）：行业、地点、员工数、成立年份
• LinkedIn data（5 credits）：直接从 LinkedIn 页面拉取实时信息

我建议：如果你有 LinkedIn URL 就用它拿实时 LinkedIn data；没有的话，就用 company domain + basic data。

选好设置后，把 LinkedIn URL 列 map 为 input property，点击 Continue to outputs configuration。

按需点 plus icons 新建输出列，然后点击 Instant Run。

你会看到 Run Settings：

• Run in Async
• 选择 number of items to process（10/100/自定义）

然后点击 Run enrichment on all items。

这是我从 LinkedIn 抓到的公司详情结果：

但你可能想要 LinkedIn 上没有的信息——比如那种你手动查每家公司要花几个小时的数据。这个时候 Datablist 的价值就出来了：你可以用 AI agent 把重复性的 research 自动化。

如何抓取难以找到的公司详情

这大概是我最喜欢的一部分（对，我前面也说过，但这次真的不一样）。

因为我会演示：如何用 AI research agent 去挖出 传统数据库经常漏掉的“隐藏公司信息”。

比如制造业公司，可能有多个零售分支、生产基地、细分业务线——这些信息在标准数据库里往往不全。

一些你可能想挖的“隐藏公司信息”例子：

• 专利与知识产权
• 核心高管的过往履历
• 供应链与供应商关系
• 客户成功案例与 case studies
• 研发方向与技术栈

这些数据点通常需要跨官网、新闻稿、行业报告、垂直数据库做深度检索。AI research agent 可以通过分析多个来源并汇总关键信息来完成这件事。

这个例子里，我会演示如何找出：某些企业到底有多少生产基地（production facilities）。

开始！

Step 1：准备公司列表

注册 Datablist.com。

Import 一份公司列表（包含 company domains）。

Step 2：使用 AI Agent 做自动 research

点击 Enrich。

进入 AI，选择 AI Agent。

你可以自己写 prompt，也可以先用我下面的 prompt 来测试。想更系统地写 prompt，可以看：Learn here how to prompt the AI agent

这个 prompt 做的事是：

• 搜索每家公司有多少生产基地
• 判断是否超过 5 个
• 超过 5 个标记为 “ICP”，否则标记为 “Irrelevant”
• 再搜索这些基地分别在哪里
• 输出完整地点清单

设置好 prompt 后，向下配置 outputs。我这里配置 2 个 outputs：

• ICP Status
• Locations

先配置第一个 output，再点 More 新增第二个（你也可以新增更多）。

然后勾选 Advanced Settings。

AI Agent 的 advanced settings 允许你：

• 选择要用的 LLM model
• 设置 agent 最大迭代次数（maximum number of iterations）
• 开启 Render HTML，让 agent 可以滚动网页

设置好后点击 Continue to outputs configuration。

点击 plus icons 为每个 output 新建列，然后点击 Instant Run。

接着配置 Run Settings（选择处理条数），然后点击 Run enrichment on all items 开始执行。

你会发现这些结果远超数据库信息，很多细节是传统数据供应商根本给不到的。

📘 想象力才是上限

这个例子是为了展示 AI agent 能做多强，所以刻意做得“夸张”一点。但你也可以用它判断医院是私立还是公立，或者做任何其他 research（我们也会协助你把 prompt 写好）。

如何抓取潜在客户的 LinkedIn 个人主页

如果你想让 prospecting 更有 human touch（更像真人），个性化（personalization）是关键。

但前提是：你得区分“有温度”和“有相关性”。而要做到这两点，你都需要抓取 LinkedIn profile。

你唯一需要的输入是：LinkedIn profile URL。

Step 1：准备 LinkedIn URLs

注册 Datablist.com

Upload 一份包含 prospects LinkedIn URLs 的列表。

Step 2：抓取 LinkedIn profile 数据

点击 Enrich

进入 People，选择 LinkedIn Profile Scraper。

LinkedIn profile scraping 的核心设置：

• Cache vs Real-time： 默认用缓存数据；开 real-time 可拿最新数据（每个 profile 50 credits）
• Work Experience： 返回多少段过往工作经历（默认 3，最多 10）
• Datablist 输入支持 普通 LinkedIn URL（linkedin.com/in/xxx）以及 Sales Navigator URL

设置好后点击 Continue to outputs configuration。

点击 plus icons 添加你需要的输出列。可选数据点包括：

• LinkedIn Profile URL - 标准化 URL（linkedin.com/in/xxx）
• Basic Info - 姓名、headline、summary
• Location - 城市、州/省、国家（code 与全称）
• Current Position - 职位、公司名、时间、公司 URL、官网、行业、规模、简介、地点
• Work History - 前 2 段工作经历
• Additional Info - 语言、connections 数

然后点击 Instant Run。

在 Run Settings 里你可以：

• Run in Async
• Test on the first 10 items
• 选择 number of items to process（10/100/自定义）

设置好后，点击 Run enrichment on first X items 开始抓取。

这是结果：

Note： 我这里没有抓取全部字段，因为我只需要姓名和 domain 来找手机号；但如果你需要，完全可以拿到更多数据点。

接下来带你用 verified emails enrich CRM！

如何为你的 CRM 找到已验证的 Email

没有 verified email，你就像在没有门牌号的城市送信——基本等于碰运气。

要 enrich CRM 并拿到 verified emails，你需要：

• 联系人姓名（必需）
• 公司名或 domain（必需）
• LinkedIn URL（可选）

Step 1：导入联系人列表

注册 Datablist.com。

Import 联系人列表。

Step 2：使用 Waterfall Email Finder

点击 Enrich。

进入 People，使用 Waterfall Email Finder。

它的工作原理很简单：

Datablist 的 Waterfall Email Finder 会串联 15+ 个 email provider 逐个尝试，帮你找到 prospect 的邮箱，而且 只对成功结果收费。很公平，对吧？

你还可以配置 waterfall，比如：

• 用 full name 替代 first/last
• 选择你偏好的 providers，并使用你自己的 API keys

这些都是可选项。想要覆盖率最大，就保持默认设置。

向下 map 输入列，点击 Continue to output configuration。

这个 enrichment 会输出 3 个字段：

• Email address
• Email address status
• MX provider

点 plus icons 新建输出列，然后点击 Instant Run。

然后在 Run Settings 里选择处理条数，点击 Run enrichment on all items。

你会看到：只要有数据可用，它就能把邮箱找出来。用 Waterfall Email Finder，你可以很轻松地批量 enrich 成千上万条准确的联系人邮箱。

下面继续：如何找 verified mobile phone numbers！

如何用已验证的手机号 Enrich 你的 CRM

Cold caller 是“猎人”。当其他人都在用自动化消息塞满收件箱时，一通 cold call 反而更容易穿透噪音。

是的，两种方式都有效——但电话往往更有“真人感”。

下面是获取这些高价值手机号的方法。

Step 1：导入 LinkedIn profile URLs

注册 Datablist.com。

Upload 一份包含 LinkedIn profile URLs 的列表。

Step 2：使用 Waterfall Phone Finder

点击 Enrich。

进入 People，选择 Waterfall Phone Finder

把 LinkedIn profile URL 列 map 为 input property，点击 Continue to outputs configuration。

点击 plus icons 添加输出列：

• Phone Number： 返回带国家区号的国际格式（例如 +1-555-0123）
• Country： 返回两位国家代码（例如 US、GB、DE）

然后点击 Instant Run。

在 Run Settings 里选择处理条数，然后点击 Run enrichment on all items 开始找手机号。

Datablist 几乎帮我找到了所有手机号。你也可以试试。

总结

在节奏越来越快的今天，商业关系变化极快，过期或错误的 CRM 数据会直接拉低成功率，导致机会流失、资源浪费。

定期做数据清理与 enrichment，应该成为优先级任务。

使用 Datablist 这类工具把这些策略落地，你就能持续维护一套高质量 CRM 数据库，从而获得更好的触达体验与更高的转化率。

别忘了：市场、销售和客服的质量，最终都取决于背后的数据质量。把 enrichment 变成 CRM 维护流程的一部分，你才能保持竞争力。

“你如何收集、管理并使用信息，将决定你赢还是输。” - Bill Gates

CRM 清理常见问题 FAQ

CRM 数据每年有多少会过期？

大约每年有 30% 的 CRM 数据会变得过期（obsolete）。包括：

• 15–20% 的邮箱地址会失效
• 18% 的手机号会变更
• 21% 的 CEO 职位会更替
• 25–33% 的人会换工作

糟糕的 CRM 数据会让公司损失多少钱？

糟糕的 CRM 数据平均每条错误记录会造成约 100 美元损失。对于大型组织，这可能意味着每年数百万美元的损失，来源包括：

• 浪费的 marketing 预算
• 生产力损失
• 错过的机会
• 因客户沟通错误带来的品牌信誉损伤

什么是 CRM 清理？

CRM Cleaning 是一套系统化的方法，用于维护并提升客户数据库的数据质量。它由 4 个核心支柱组成：

1. Deduplication：删除重复项并合并记录
2. Validation：验证已有数据点的准确性，例如 email 与手机号
3. Structuring and Formatting：统一数据格式，让信息组织一致
4. Data Enrichment：补充新的、相关的数据来完善客户画像

规律性地做 CRM cleaning，可以确保团队一直在用准确、最新的数据做决策与客户触达。

如何保持 CRM 一直干净？

• 定义标准化输入格式——例如统一 call notes 的记录框架
• 限制某些列只能输入特定类型（例如手机号列只允许数字）
• 设定必填字段——例如要求销售必须填写 “Last Contact Date”，确保数据完整

ChatGPT 能做数据清理吗？

ChatGPT 不是为数据清理而生的——做这件事你会有更合适、甚至免费的工具，比如 Datablist。这并不意味着 ChatGPT 完全不能处理数据，但它无法稳定处理大文件；一旦你有 1k+ records，出错概率会非常高。