B2Bリードリストの作り方。

ステップ1：ツールを開く前にICPを定義する

The most common list-building failure happens before the first search: targeting “companies that could conceivably use this” instead of companies that demonstrably do. Start from evidence. Pull your last twenty closed-won deals and write down what they share: industry, headcount band, geography, the title that signed, the title that championed. If you’re pre-revenue, use your closest competitor’s public customers as a proxy. The output should be one or two sentences with no adjectives: “Logistics and freight companies, 50-500 employees, in DACH and Benelux, where the buyer is a Head of Operations or COO.”

除外条件も同じくらい明確にしましょう。エージェンシー、非営利団体、従業員数が一定未満の企業、法的に販売できない国などです。フィルターが広がっても、除外条件がリストを引き締めてくれます。

ステップ2：ICPを企業属性のフィルターに置き換える

次に、ICPの文の各要素をデータベースのフィルターに置き換えます。業界、従業員数の範囲、国または地域、そしてコンタクト用の役職名や職位のパターンです。置き換えでつまずきやすいのは業界です。多くのデータベースは分類コードを基に作られていて、自分が考える市場の捉え方とは一致しないからです。「物流」は1つのラベルかもしれませんし、貨物輸送、倉庫業、ラストワンマイル配送、通関業務など、十数個の隣接するラベルにまたがっているかもしれません。販売先を普段の言葉で業界の分類から検索し、フィルターを信頼する前に、一致する企業のサンプルを確認してください。企業名を10分スポットチェックするだけで、的外れな送信を1,000件防げます。

役職は、完全一致の文字列ではなくパターンで書きましょう。同じ購買担当者でも、ある企業では「Head of Operations」、別の企業では「VP Ops」、また別の企業では「COO」です。意思決定者、社内推進者、またはその両方のどれを狙うのかを意識して決め、メッセージを変えられるよう別々のセグメントにしておきましょう。

実例：1つの文からテスト可能なセグメントへ

たとえば、ヨーロッパの物流事業者にルート計画ソフトを販売しているとします。この一文はリストではありません。文の各要素にデータベースのルールと明確な除外ルールが付いて、初めてリストになります。

最初の件数が少なく見えるからといって、対象範囲を広げないでください。まず原因を突き止めましょう。業界のマッピングが狭すぎる、役職の条件が略称を拾えていない、あるいは実際に市場が小さいだけかもしれません。原因ごとに、必要な修正は異なります。

ステップ3：クレジットを使う前に市場規模を把握する

何かをエクスポートする前に、件数を確認しましょう。まともなプラットフォームなら、フィルターに一致する企業とコンタクトの数を無料で教えてくれます。その数字は、戦略全体の妥当性を確かめるものです。「絞り込んだICP」で400,000件のコンタクトが返るなら、フィルターがICPよりあいまいです。実際に取り組める市場に見える件数になるまで絞り込んでください。800件しか返らないなら、リスト作成の問題よりも重要なことがわかったことになります。対象市場がパイプラインの計算を支えられないかもしれないのです。それを知るなら、目標未達の四半期からではなく、件数から知るほうがはるかにましです。

件数は、データベンダーを公平に比較する方法でもあります。それぞれで同じ現実的なフィルターを実行し、世界全体で最大の数字をうたうベンダーではなく、自社の市場を実際にカバーしているベンダーを確かめてください（詳しくはデータプロバイダー比較ガイドをご覧ください）。

1. 1

   クレジットを使う前に、市場のリアルタイムの件数を確認しましょう

   Argorantは、買い手がコンタクトデータを表示またはエクスポートする前に、一致する人物の件数を示します。

ステップ4：全体をエクスポートせず、セグメントに優先順位を付ける

Resist the temptation to pull the whole matching set at once. Slice the market into segments by industry vertical, country, and headcount band, then rank them by expected fit. Export the best segment first, at a size your sending infrastructure can actually consume in two or three weeks (for most teams, 500-2,000 contacts). This does three things: it keeps your cost matched to your sending capacity, it gives you a feedback loop (reply rates by segment tell you where to spend next), and it means a messaging mistake burns one segment instead of the whole market.

ステップ5：送信元に渡す前にすべてチェックする

未確認のリストは、バウンスのリスクを送信元の評価の低下に変え、評価の低下は個々のキャンペーンよりも長く尾を引きます。原則は、最近のチェック結果がないアドレスをシーケンサーに入れないことです。ベンダーが何か月も前の収集時に付けた印ではなく、リアルタイムのチェックが理想です。Argorantでは、この工程がエクスポート自体に組み込まれています。ダウンロードした瞬間にすべてのアドレスをチェックし、無効な行は除外されてクレジットはかかりません。キャッチオールのドメインは「有効」に黙って混ぜるのではなく、別途オプトインで選べます。チェックはエクスポート時に行われるため、結果は常にメールボックスの現在の状態を反映します。方法の詳細はメールチェックの方法で説明しています。

ほかのデータソースからリストを作る場合も、原則は同じです。メールチェックを必須の予算項目として確保し、使う直前に再チェックしてください。Googleの送信者ガイドラインは、ドメイン認証も必須としており、送信量の増加に合わせて迷惑メール率と送信者評価を監視するよう勧めています。きれいなリストがあっても、SPF、DKIM、DMARC、オプトアウトの対応、送信量の管理の代わりにはなりません。Gmailの送信者ガイドラインをご覧ください。

1. 1

   有効のみを選ぶか、キャッチオールを別途オプトインで含める

   エクスポートの概要では、有効とキャッチオールの結果を分けて表示し、除外した無効または確認できない行をダウンロード前に示します。

ステップ6：データ補完はため込むためではなく、パーソナライズのために

データ補完とは、コンタクトに背景情報を付け加えることです。企業規模、所在地、業界など、文面で実際に参照する項目です。大切なのは、使うものだけを補完することです。最初のメールで実際に使うのは、氏名、役職、企業、業界、それに都市や規模帯くらいの4〜5項目です。使わないファーモグラフィックの列が40もあっても返信率は上がらず、CRMが膨らみ、コンプライアンス上の扱いも複雑になります。GDPR第5条は、個人データが適切で、関連性があり、必要な範囲に限定され、正確で、最新に保たれることを求めています。シーケンスで参照する項目だけをエクスポートし、それ以外はデータベースを正式な記録として残しておきましょう。GDPRの公式条文をご覧ください。

ステップ7：シーケンサーまたはCRMにエクスポートする

インポート時は項目を明示的に対応付けてください。特にシーケンスで使うカスタム変数は重要です。差し込み項目が壊れる（「Hi {{first_name}}」）ことは、セグメントを台無しにする一番の近道だからです。送信を始める前に、CRMと除外リストに照らして重複を削除してください。既存顧客、進行中の商談、過去にオプトアウトした人が対象です。そして出所を残しておきましょう。インポートしたすべてのコンタクトに、元のセグメントとエクスポート日のタグを付けておけば、返信が来たときにどの仮説が機能しているか、いつコンタクトのメールチェックの結果が古くなるかがわかります。

ステップ8：経過時間と根拠に基づいて更新する

リストが古くなる理由はいくつもあります。人は転職し、企業の規模は変わり、メールボックスはなくなり、自社のICPも変化します。どのセグメントにも当てはまる、正直な「毎月の劣化率」はありません。エクスポート日とチェックの時刻を保存し、再利用の前に再チェックし、保存した検索を決まった間隔で再実行して差分を比べてください。任意の経過期間だけで判断するのではなく、役職、到達率、関連性が大きく悪化したときにそのセグメントを廃止します。

最新のやり方：エージェントにループを回させる

ここまでの内容は、すべて会話でも行えます。Argorantはすべての有料プランでMCPサーバーとAPIを提供し、npmでCLI（npx argorant）も公開しています。つまり、Claude、GPT、独自のエージェントがこのワークフローをそのまま実行できます。ICPを自然な言葉で説明し、エージェントがフィルターに変換し、件数を確認し、セグメントの規模を比較し、サンプルをプレビューしてから、確認済みのエクスポートを実行します。クレジットを使う前に件数を確認する習慣も自然に身につきます。エージェントは無料でフィルターを何度でも調整でき、クレジットを使うのは規模を確認した最終的な確認済みデータの取得時だけです。AIファーストのスタックで仕事をしているチームは、エージェントの接続方法をご覧ください。ワークフローの費用を見積もるなら、プランは月額$100未満から始まります。エージェントからのアクセスだけが必要なチームは、サブスクリプションなしでコンタクト1件あたり$0.035の前払いウォレットも使えます。料金をご覧ください。