De meeste slechte lijsten zijn geen dataprobleem, maar een definitieprobleem. De records klopten; het filter niet. Iemand typte "VP Marketing, software, United States" in een zoekvak, exporteerde de eerste tienduizend rijen, en drie weken later toont het campagnerapport antwoorden van HR-coördinatoren bij uitzendbureaus en vraagt een salesteam waarom de helft van de accounts adviesbureaus van 12 man zijn.
Dit artikel is een praktische gids voor de definitiestap: hoe je "de juiste bedrijven, de juiste mensen" vertaalt naar filters die echt betekenen wat je bedoelde. De aanpak werkt in elke database. De voorbeelden gebruiken Argorant, omdat tellingen en voorbeelden daar gratis zijn: de werkwijze die dit artikel aanraadt, eerst bijschaven en dan pas betalen, kost je zo niets.
Begin bij accounts, niet bij mensen
De meest gemaakte structurele fout is beginnen bij het persoonsfilter. Functietitels zijn het rommeligste veld in elke contactdatabase (zelf opgegeven, opgeklopt, vertaald en per bedrijf anders). Een lijst die met een zoekopdracht op titel begint, erft al die ruis nog voordat er ook maar één bedrijfscriterium is toegepast.
Draai het om. Bepaal eerst het universum van accounts: welke branches, welke klassen van personeelsomvang, welke landen. Vraag een telling van bedrijven op, loop de namen van de matchende bedrijven door en leg pas daarna de criteria voor personen eroverheen. Velden op accountniveau zijn stabieler en beter te controleren dan velden op persoonsniveau. Een persoonsfilter op het verkeerde accountuniversum levert haarscherp getargete contacten op bij bedrijven die je nooit wilde.
Een nuttige discipline: schrijf de accountdefinitie in één zin op voordat je een tool aanraakt. "Logistiek- en vrachtbedrijven, 50–500 medewerkers, Duitsland en Nederland, zonder uitzend- en wervingsbureaus." Is de zin vaag, dan worden de filters nog vager.
Branchefilters liegen vaker dan welk ander filter ook
Branche lijkt het schoonste filter in het paneel, maar is meestal het vuilste. Daar zijn drie redenen voor. Ten eerste geven bedrijven hun classificatie deels zelf op: ze kiezen het label dat hen het best laat uitkomen. Daarom is elk bureau "technologie" en elke reseller "software". Ten tweede sluit de fijnmazigheid van de indeling zelden aan op je ideale klantprofiel: de categorie "Software" omvat zowel een pluginbedrijfje van twee personen als een enterprise-aanbieder met 40,000 medewerkers, en de codelijsten daaronder (nummeringen in de stijl van NAICS of SBI) zijn gemaakt voor overheidsstatistieken, niet voor go-to-market. Ten derde krijgen bedrijven met meerdere activiteiten één hoofdlabel: een conglomeraat met een grote logistieke tak staat misschien onder "industriële productie" en komt nooit boven in je zoekopdracht naar logistiek.
De tegenmaatregelen zijn eenvoudig. Zoek op leesbare branchesegmenten in plaats van codenummers uit je hoofd te leren, en kies een mandje van drie tot zes aangrenzende segmenten in plaats van één brede categorie. Voor logistiek kan dat betekenen: vracht en cargo, opslag, supply-chaindiensten en last-mile-bezorging als aparte keuzes. Bekijk daarna twintig bedrijfsnamen uit het resultaat. Dat voorbeeld is de test: zijn vier van de twintig uitzendbureaus of adviesbureaus die de branche bedienen in plaats van erin actief te zijn, sluit die segmenten dan expliciet uit. Dienstverleners rond een branche zijn veruit de meest voorkomende vervuiling in lijsten die op branche zijn gefilterd.
Klassen voor personeelsomvang verdienen dezelfde scepsis, maar in één richting: de ondergrens is meestal betrouwbaar, de bovengrens zacht, omdat dochterondernemingen soms de personeelsomvang van het moederbedrijf meekrijgen. Ligt de grens van je ideale klantprofiel echt bij 500 medewerkers, bekijk dan een paar van de grootste matches en controleer of het zelfstandige bedrijven zijn of lokale vestigingen van reuzen.
Senioriteit is een set patronen, geen dropdown
Dan de laag met personen. De fout hier is senioriteit behandelen als één waarde in een dropdown, terwijl het in werkelijkheid een matrix van functie en niveau is, uitgedrukt in functietitels die alle kanten op gaan. "Vice President" is een senior bestuurder bij een SaaS-bedrijf van 200 man en een medewerker op middenniveau bij een bank, waar VP berucht is als titel die je in bulk uitdeelt. "Manager" loopt van een eerstelijns leidinggevende tot de enige marketeer in het pand. En in Europese data heeft de beslisser vaak helemaal geen Engelse titel: de Duitse Geschäftsführer, de Franse directeur général en de Nederlandse directeur zijn algemeen directeuren die verdwijnen uit een naïeve zoekopdracht op "CEO OR founder".
Bouw het persoonsfilter als twee expliciete lijsten. Een insluitset: de titelpatronen die op je koper wijzen, over talen en conventies heen (voor operationeel leiderschap kan dat zijn: head of operations, VP operations, COO, operations director, Betriebsleiter, operationeel directeur). En een uitsluitset: de patronen die op de insluitstrings matchen maar het niveau missen (assistant to, deputy, intern, former, en in dit voorbeeld warehouse shift lead, die de substring "operations" zonder moeite meepakt). In de uitsluitlijst zit het grootste deel van de precisie, en bijna niemand schrijft er een.
Stem de matrix af op bedrijfsgrootte. Bij een bedrijf met 2,000 medewerkers is de koper van een operationele tool een director of VP; bij een bedrijf van 60 man bestaat er geen VP operations en ligt dezelfde aankoopbeslissing bij een oprichter of algemeen directeur. Omvat je accountuniversum allebei, splits de lijst dan in een segment kleine bedrijven gericht op oprichters en eigenaren en een segment middelgrote bedrijven gericht op afdelingshoofden, met teksten die voor elk segment zijn geschreven. Eén gemengde lijst met één gemengde boodschap presteert slechter dan allebei.
Reken de lijstgrootte terug vanuit je verzendcapaciteit
Doe vóór je iets exporteert de rekensom die bepaalt hoe groot de lijst moet zijn. Die uitkomst is bijna altijd kleiner dan de verleiding. Je outbound-capaciteit wordt begrensd door je inboxen: een verstandig opgewarmde mailbox mailt zo'n 20-40 nieuwe koude contacten per dag, dus twee verzendinboxen zijn goed voor grofweg 1,200-2,400 nieuwe contacten per maand. Een export van 50,000 rijen tegenover die capaciteit is geen pipeline, maar voorraad die je al aan het afschrijven bent: B2B-contactdata veroudert naar schatting 2-3% per maand terwijl ze in je CRM op haar beurt wacht.
Haal steeds genoeg contacten binnen voor vier tot zes weken verzendcapaciteit en kom terug voor de volgende tranche als je die nodig hebt. De database loopt niet weg, en bij controle bij export krijgt elke tranche een verse SMTP-controle in plaats van te verouderen in een spreadsheet. Beperk ook het aantal contacten per account: twee of drie goed gekozen mensen per bedrijf werken bijna altijd beter dan acht, zowel voor hoe je overkomt bij het ontvangende domein als omdat het op drie na beste contact bij een account zelden een credit waard is.
Schaaf bij met tellingen en voorbeelden voordat je betaalt
De werkwijze die dit samenbrengt is een lus, en die lus hoort gratis te zijn. Stel de accountfilters in en lees de telling af. Bekijk een voorbeeld van bedrijven en verbeter het mandje met branches. Voeg de laag met personen toe en lees de telling opnieuw af. Zakken 4,800 personen in tot 90, dan zijn je titelpatronen te smal; zwellen ze aan tot 40,000, dan matcht een insluitpatroon iets wat je niet bedoelde. Bekijk de echte titels, breid de uitsluitlijst uit en herhaal. Reken op drie tot vijf rondes voordat de voorbeelden je niet meer verrassen. Een definitie die de voorbeelden overleeft, is kwaliteitscontrole die je gratis krijgt.
Bij Argorant kost elke stap van die lus (tellingen, voorbeelden van bedrijven, voorbeelden van titels) nul credits: in het dashboard, via de API en CLI, of via een agent die met MCP is gekoppeld en de verfijningsrondes in een gesprek doorloopt. Credits gaan pas weg bij de laatste stap, als gecontroleerde contacten worden vrijgegeven of geëxporteerd, en ook dan kosten ongeldige adressen niets.
Exporthygiëne: de laatste tien procent
Een paar gewoontes bij het exporteren beschermen het werk dat je net hebt gedaan. Sluit domeinen uit die je al kent: huidige klanten, lopende kansen, concurrenten en iedereen die zich heeft afgemeld. Een sterke filterdefinitie ontdekt anders vrolijk je eigen pipeline opnieuw. Bepaal bewust hoe je met catch-all-resultaten omgaat in plaats van een standaardinstelling te laten beslissen. Als catch-alls apart worden gemarkeerd, kun je ze voor een koude campagne volledig uitsluiten of ze bewust meenemen waar dekking belangrijker is dan zekerheid.
Sla tot slot de definitie zelf op (het mandje met branches, de klassen voor personeelsomvang, de landen, de insluit- en uitsluitpatronen) als tekst, in een runbook of in het projectbestand van een agent. De lijst die je hebt geëxporteerd, is een bezit dat in waarde daalt; de definitie is het blijvende bezit. Volgend kwartaal draai je dezelfde zin opnieuw tegen een opnieuw gecontroleerde database en krijg je de actuele stand van de markt. Precies daarom loont het om het filter de eerste keer zorgvuldig te bouwen.
