例外
同名公司、近似字号让法人难以分辨时
用统一社会信用代码、域名、注册地三重比对确认；确认不了就交由人判定。不随意挑选。
Velros AI 接手的执行
对比成交和流失的交易，整理出理想客户标准的候选。
数据老化
名单适配度
“未确认”占比
中小企业没有专门做名单的人。销售翻搜索和名片册凑名字，把谁列进去全凭各人判断。这样攒出来的名单，放着不动也会坏。B2B 营销数据库因对接人离职、部门调动、企业注销，每月老化 2.1%、每年老化 22.5%（HubSpot·MarketingSherpa）。没有标准攒出来的名单一旦混进过时联系方式，主动联系还没开始就有一半打了水漂。
这样的请求，会这样处理。
把真实进来的活儿归拢起来，连每一步依据什么判断，也一并留下来。
-
提炼理想客户标准
把成交的和流失的交易并排放，从行业、规模、采购时点信号里找共同点，做出标准候选。不靠猜，而是从真实结果里倒推。
判断 什么特征能描述我们的客户／这个特征能否用公开信息核实。 -
发掘公司
从公开的企业信息、新闻、公告里找符合标准的公司，用统一社会信用代码和域名确认法人主体，并附上来源链接。
判断 是同一法人还是同名异企／是否为正在经营的法人。 -
确认对接人与决策链
区分具体经办人和有决策权的人，只整理公开的联系入口。不采集个人隐私信息和未经同意的个人联系方式。
判断 能否合法获取联系入口／现在该接触的是谁。 -
去重、去旧
与现有客户、进行中的交易、过去拒绝记录比对，剔除重复；无法确认的项不填，留作“未确认”。
判断 是新目标还是既有关系／空白是用推测填还是留空。 -
适配度分级
把适配度和紧迫度分成高、中、低，每一级都附上依据。低级别不丢弃，转入跟进队列。
判断 是立即主动联系的对象／还是以后再看的对象。
未确认的信息，不填。
现场真正会卡住的例外，我们提前定好。规则套不上的时候不硬办，连同依据一起交给人。
例外
几乎查不到公开信息的新设、小微法人
不用推测填资料，标为“未确认”，改附一份首次通话时要问的问题清单。
例外
竞争对手或既有客户又进入名单时
从新主动联系对象里剔除，改以提醒发给对接既有关系的同事。
个人信息采集和名单确定，由人来看。
牵扯到钱、合同、个人信息和品牌的执行，只做到草稿为止；发送与敲定，要等人审批之后才动。
-
个人信息的新增采集与保存范围
《个人信息保护法》要求处理个人信息具备合法性基础并遵循最小必要原则。擅自采集会带来法律责任。
-
采购外部付费数据源
会产生成本，且所购数据的合法性责任仍落在购买方。
-
确定为冷启动发送对象的名单
名单确定即发送对象确定，营业时间和品牌都一并押上。
-
适配度标准本身的变更
标准一变，之后所有名单的样子都会变。
用什么来确认
有多准，又有多新。
数据老化
B2B 数据库每月老化 2.1%、每年老化 22.5%（HubSpot·MarketingSherpa）
名单从做出来那刻起就在变旧。这就是把核验当成周期、而不是一次性工作的原因。
名单适配度
记录下回复的公司和拒绝的公司在特征上的差异，为下一份名单收窄标准。
“未确认”占比
这是没有用推测填空白的证据。这个值若为 0，反而要起疑。
规则
《个人信息保护法》第 13 条以取得个人同意作为处理个人信息的首要合法性基础，并要求遵循最小必要原则。名单阶段先标明各联系入口能否合法使用。若冷启动发送属于商业广告信息，还要适用《广告法》第 43 条：未经同意不得以电子信息方式发送广告，且须明示发送者真实身份和联系方式，并提供拒绝接收的方式。
需要人亲自扛着的事变少了。
散落的核对和重复的回复先整理好递上来，员工就能把时间花在复核和例外上，人只看真正要紧的决定。
运营诊断待确认的事都堆到人身上。
销售靠搜索和名片夹翻出名单，该收谁进来，每个人的标准都不一样。
备好的活儿先递上来。
符合理想客户标准的公司和对接人名单，会在去重和核验都做完之后交上来。
名单适配度
对接人信息准确度
核验完成账户数
把这件事托付出去之前，大家会问什么
关于目标客户名单搭建，大家实际上最先确认的那些问题。
说只用公开信息，那对接人的联系方式怎么来的？
只用公司正式公开的联系入口（公开邮箱、招聘与咨询窗口、公开主页）。未经同意采集的个人联系方式不进名单；每一项都留下来源，以便核验。
一开始就说不清理想客户的标准怎么办？
一开始用从成交、流失交易里提炼的候选标准起步。回复和拒绝积累起来后，再用结果校正标准。标准不是写死的代码，而是可编辑的文档。
