外贸这些年，我接触过太多老板卡在同一个问题上，产品没毛病，价格也有竞争力，就是不知道怎么主动找到海外买家。守着阿里巴巴平台流量、靠展会碰运气，这种被动模式越来越难吃到红利。
今天把我的两套名单筛选框架完整写出来，一套适合想大范围覆盖某个行业的，一套适合打非常细分、非常精准的目标客群。两套框架都用真实案例演示一遍。
Apollo 是一个海外销售情报平台，数据库里有 2.25 亿条联系人记录，可以按职位、地区、公司规模、所属行业、使用技术栈、融资情况、招聘动态等几十种维度筛选。筛完直接在平台里发邮件、跑自动化序列、看数据反馈，整个外发流程都在里面闭环。对外贸老板来说，这个工具的核心价值就是，你可以主动找到目标客户，而不是等他们来找你。
界面左边这一栏是基础筛选条件，点开下面那个 More Filters 还能展开更多维度，从联系人层面可以筛职位、地区、部门、管理级别，从公司层面可以筛行业、人员规模、关键词、融资阶段、技术工具、职位发布情况，还有采购意向信号这类高阶功能。
拿到这个工具之后，很多人第一反应是想全部填满，行业填一个，职位填一个，地区填一个，就以为建好了名单。实际做下来你会发现，这种方式建出来的名单往往要么太宽泛，里面混了大量不相关的人，要么太随意，把真正的目标客户筛掉了。
我把自己用下来的方法整理成了两套框架。
第一套框架适合宽泛名单
分三步，先定义你要找的人的画像，然后把条件输进 Apollo，最后看一遍名单质量、按需调整。
拿一个具体案例演示。假设我现在要找的是美国营销公司的决策人，也就是那些开广告代理公司、品牌营销公司的老板。
第一步，先在纸上或者文档里把你要找的人写清楚，职位是什么、公司在哪个地区、公司规模大概多少人、属于哪个行业，把这些先想清楚，带着明确的条件去填 Apollo，比对着界面一个个猜要靠谱得多。
第二步，把条件输进 Apollo。进 Job Title 这个筛选项，填 CEO。Apollo 有个很实用的功能，它知道 CEO 和 Chief Executive Officer 是同一件事，会自动把变体都包含进去，这个选项叫 Include People with Similar Titles，默认就是开着的。如果想把覆盖面再扩大一点，可以再加 Owner，加完之后名单人数能从原来的 220 万增加到 580 万左右。
如果你想同时覆盖 CEO、CMO、COO 这类所有高管职位，不用一个个手动添加，直接用下面的 Management Level 功能，勾选 C-Suite 这个选项，所有首席级职位就都进来了。也可以在 Departments and Job Functions 里按部门交叉筛选，后面进阶框架里会用到这个。
接着填 Industry，搜索 Marketing，会弹出 Marketing and Advertising 这个选项。选上之后，在地区那里设 Contact Location 为 United States，同时也可以把 Account HQ Location 设成 United States，双重过滤，确保联系人本人和公司总部都在美国。
第三步，检查名单质量。Marketing and Advertising 这个行业标签覆盖范围很广，里面有真正的广告代理公司，也有广告科技 SaaS 公司、户外广告公司、媒体刊物，不全是你想要的。
解决方法是加一个关键词筛选，直接在 Keyword 那里填上 agency，你会发现名单里的公司基本上名字里都带有 agency 这个词，准确度一下就高了。
建议在名单建好之后，不要直接开始发邮件，先点进去随机翻看 10 到 20 个联系人的资料，去 LinkedIn 上验证一下，看他们是不是真的符合你的标准。Apollo 的排序是按相关性来的，名单最前面的人看起来很准，但翻到后面质量就可能下滑，所以要随机抽查，不能只看第一页。
这套宽泛框架 10 分钟以内就能建出一份基础名单，适合你对某个行业做大范围覆盖式外发。
第二套框架适合精准名单
这套框架适合你的目标客群非常细分的情况。我用一个案例来演示，这次要找的是美国的谷歌广告代理公司，且年营收在 100 万美金以上的，联系公司里的决策层。
分五步走。
第一步，找到一批理想的样本公司。
不要直接在 Apollo 里瞎搜，先去 Google 搜一下你要找的这类公司。直接在 Google 里输入 Google Ads PPC agency，把搜索结果里前面五到十个公司的域名都复制下来。
打开 Apollo，切到Companies 这个标签页，找到 Include/Exclude List of Companies 这个功能，把你刚才复制的那些域名逐一粘进去，然后搜索。
Apollo 会把这几家公司的资料都调出来，六家公司一字排开。你要做的事只有两件，第一看行业标签，第二看关键词。
第二步，记录行业标签和关键词。
我找的这六家公司，在 Apollo 里显示的行业标签全都是 Marketing and Advertising，非常统一。如果你找的是其他类型的目标客户，比如保健品品牌，那 Apollo 给出的行业标签可能会分散在 Health and Wellness、Retail、Consumer Goods 好几个里面，这几个都要记下来，后面都要用到。
重点在关键词这里。每家公司的资料页里都会有一列 Keywords，这些关键词是 Apollo 从这家公司的网站和注册信息里提取出来的，相当真实。
这里有个判断逻辑需要说清楚。你要找的不是这些公司有的全部关键词，而是那些只要公司有这个关键词，就几乎可以确定它是你要找的那类公司的词。
举个例子，我在这几家公司里看到了 Google Ads、AdWords、Google Ads Management、PPC Management 这几个关键词。任何一家公司，只要它带有 AdWords 或者 Google Ads Management 这种关键词，基本就可以确定它在做谷歌广告代理业务。
反过来，我也看到有公司带有 Web Design、Social Media、SEO 这些词，但这些词并不能说明它一定是谷歌广告代理商，把这些词加进筛选条件只会带来噪音，不要加。
第三步，把行业和关键词输入到 People 标签页。
切换到 People 页，在 Industry 里填入 Marketing and Advertising，然后在 Keyword 里把刚才记下来的几个关键词依次填进去，Google Ads、AdWords、PPC Management，每个都加上。
第四步，添加其他筛选条件。
地区先设置好，Contact Location 选 United States，这个没什么好说的。
接下来是规模和营收的问题。Apollo 里有一个 Revenue Filter，很多人会直接用它来筛年营收超过 100 万的公司，但我不建议这么做。
原因是在美国这类市场，只有上市公司才需要公开披露财务数据，绝大多数中小企业的营收数字是私人信息。Apollo 里显示的营收数字，是平台根据网站流量、员工人数、行业类型等因素估算出来的，本质上是个估算值，误差很大。
相比之下，员工人数这个数据就靠谱得多，因为一家公司在 LinkedIn 上有多少员工是公开可见的，Apollo 可以直接抓到，比营收数字准确很多。
那怎么用员工人数来代替营收？我的做法是直接去问 AI。
AI 给出的数字大概是这样的，精品型和中等规模的代理公司人均营收在 10 万到 13 万美元之间，小微代理公司大约在 8.5 万左右。换算下来，如果一家营销代理公司有 10 个员工，年营收基本已经在 100 万美元的门槛附近了。
所以我的筛选逻辑是，把员工人数设置在 10 人以上，基本上就能把大多数年营收不足 100 万的小公司过滤掉。如果你想更保守一点，可以把门槛提到 11 到 20 人，这样的公司基本可以确定营收超过 100 万了。
第五步，批量生成决策人职位列表。
职位筛选这里，只填一个 CEO 太窄了。如果你的目标是找到公司里真正能拍板的人，要把各种决策层职位都加进去。
一个省事的方法是直接问 AI，让它帮你生成一份决策层职位清单。我的提问方式是这样的，我要向营销代理公司的决策人做销售推广，请列出所有可能相关的决策人职位，输出为逗号分隔的列表。
为什么要逗号分隔？因为 Apollo 有一个很方便的功能，你把一串逗号分隔的职位直接粘进 Job Title 输入框，它会自动识别并拆分成一个个独立的标签，不需要逐个手动输入。
AI 一般会给出一长串，比如 CEO、Owner、Founder、CMO、Head of Marketing、Director of Marketing、Managing Partner、Chief Growth Officer 等等。拿到这份清单之后，根据你的实际情况筛一遍，把那些明显不相关的职位删掉，比如你做的是 AI 运营工具，Account Director 或者 Head of Client Services 这类专注服务交付的职位就没必要发邮件，删掉就好。
把整理好的职位列表粘进 Apollo，地区、行业、关键词、员工人数这些条件都到位之后，一份覆盖了谷歌广告代理公司决策层的精准名单就建好了。
名单建完之后，最后一步一定要做，不要跳过。
质量核查
随机点进去 5 到 10 个联系人，点开他们的 LinkedIn 主页，看他们是不是真的符合你的标准。Apollo 的排序逻辑是按相关性来的，越靠前的人看起来越准，越往后质量越参差不齐，所以要翻到第五页、第十页甚至更后面，随机抽几个出来检查。
如果你发现某一类不想要的职位一直出现，比如 Paid Media Director、Head of Paid Media，而你只想联系决策人而不是执行层，直接在名单里把这类人手动移除就好，Apollo 支持单个联系人的剔除操作。
做完这一轮人工核查，名单的准确率已经可以到一个不错的水平了。
如果还想再提升一层，Apollo 里有一个 AI Research 功能，你可以写一段提示词，告诉 AI 什么样的公司和联系人算是符合标准，让它去爬取每个联系人的网站和个人主页，然后给出一个是否匹配的判断。我自己更习惯把名单导出，放到 Clay 这个数据处理工具里跑 AI 评分，把明确不匹配的全部过滤掉，最后剩下的才是真正要发邮件的名单。
这两套框架放在一起，已经可以覆盖外贸获客里大部分场景。宽泛框架适合你刚进入一个新行业，需要快速摸清市场、大范围触达；精准框架适合你已经清楚自己的目标客群，想把每一封邮件都打在真正有转化价值的人身上。
两套框架建好的名单，接下来就可以接上冷邮件序列去做外发了，这一块以后单独写一篇。
