如何使用 n8n 构建免费的自动化 B2B 潜在客户挖掘系统

一个装满联系人的电子表格并不是一条管道。借助 n8n，你可以构建一个线索生成引擎，它能识别购买意向信号，丰富公司数据，并自动提供合格的 B2B 线索。

在本指南中，我们将详细拆解如何构建这个系统，该使用哪些数据源，如何定义购买意向，如何在 n8n 中构建你的工作流，以及如何以可持续的方式每天生成多达 50 个合格的线索。

真正的 B2B 线索引擎实际上做什么

一个严肃的潜在客户生成系统不仅仅是一个爬虫。

它反复执行五项任务：

找到与你理想客户画像匹配的公司
探测表明近期有购买意向的信号
用足够的背景信息丰富这些公司，以便进行个性化外联
对线索进行评分和筛选，这样你就不会在无效信息上浪费时间
自动将合格的线索导入你的工作流

这就是 n8n 非常适合的原因。

它让你能够在一个自动化层中连接数据源、API、电子表格、CRM、邮件工具和逻辑步骤。你无需每天手动检查招聘网站、目录、融资新闻、公司网站和收件箱提醒，而是创建一个能为你执行这些扫描任务的工作流。

结果并非魔法。它仅仅是将自动化应用到了一个大多数团队仍在手动运行的流程中。

在你深入之前

想学习 AI 并在职业生涯中保持领先吗？

我会分享：

1000+ AI 提示词
AI 工具和自动化
职业和 LinkedIn 成长技巧
精选的技术和效率资源

在此订阅：

https://bytebuilders.beehiiv.com/subscribe

关注我获取更多职业技巧 👇

B2B 潜在客户生成中的“高意向”意味着什么

这个词被过度使用了，所以值得精确地定义一下。

一个高意向的线索不仅仅是一家符合你利基市场的公司。它是一家显示出可能时机已到的迹象的公司。

典型的意向信号包括：

积极招聘与你的服务或产品相关的职位
近期获得融资、扩张或进入新市场
采用新工具或可见的技术栈变更
网站内容更新，暗示重新定位或增长
新的案例研究、产品发布或媒体报道
表明运营痛点的职位发布，例如招聘 RevOps、数据、CRM、自动化或支持职位
围绕你产品解决的问题的内容活动
在社区、目录或论坛中公开寻求帮助

例如：

如果你销售 CRM 实施服务，一家正在招聘销售运营岗位的公司不仅仅是一个线索。这是一个带有上下文的线索。
如果你销售邮件送达率软件，一家正在快速扩大外呼招聘规模的公司可能值得关注。
如果你提供 AI 自动化服务，一家发布关于工作流自动化、内部工具或流程优化职位发布的公司，比目标细分市场中的随机公司更有潜力。

这就是你的系统应该捕获的内容。

为什么 n8n 是这个工作流的理想选择

n8n 处于一个宝贵的中间地带。

它足够灵活，可以处理高级自动化，同时对于创始人、增长运营人员和营销技术人员来说也足够易用，无需编写完整的应用程序就能构建有用的系统。

为什么它适合潜在客户生成

可视化工作流构建器，便于快速迭代
支持 HTTP 请求，用于从 API 和公共资源拉取数据
内置逻辑节点，用于过滤、分支和评分
易于集成 Google Sheets、Airtable、Notion、Slack、HubSpot 和其他 CRM
支持自托管，如果你想要更多控制和更低成本
提供代码节点，当你需要自定义解析或评分逻辑时

关键优势不在于 n8n 能给你提供线索数据。而是它提供了一个编排层，可以将零散的线索信号转化为一个可重复的系统。

开始构建前需要什么

打开 n8n 之前，先明确基础信息。

你的理想客户画像 (ICP)

你需要明确：

行业
公司规模
地理位置
买方角色
痛点
触发事件

如果你的 ICP 很模糊，你的自动化只会更快地制造噪音。

你的意向信号

选择 3 到 5 个与购买准备度强相关的信号。

示例：

招聘自动化、RevOps、CRM 或 AI 相关职位
推出新的落地页或产品线
发布集成或迁移文档
宣布融资或扩张
收到最近的评论或社区提及

合格线索的存放地

选择线索的去向：

Google Sheets
Airtable
Notion 数据库
HubSpot
Pipedrive
自定义数据库

一个简单的评分框架

第一天不要搞得太复杂。

从一个基于规则的线索评分开始，例如：

如果公司匹配目标行业，+20 分
如果员工人数符合你的 ICP，+15 分
如果最近的职位发布匹配意向信号，+25 分
如果检测到近期融资或产品发布，+20 分
如果公司使用相关工具或技术栈，+10 分
如果公司太小或不在目标市场，-15 分

这足以创建一个有用的初始过滤器。

你可以使用的免费和低成本数据源

最快浪费时间的做法是围绕不可靠或不合规的数据源构建工作流。

更好的方法是使用 公开、可访问且稳定 的资源。

寻找意向信号的强力来源

Google Alerts 的 RSS 源，用于利基关键词
招聘网站和公司职业页面
公司新闻室或博客 RSS 源
产品发布目录
商业目录
行业协会会员列表
Google Maps / Business Profile 数据，用于本地 B2B 利基市场
评论平台，企业会在上面讨论软件需求
目标市场中的社区帖子和公共论坛

好的触发关键词示例

如果你销售自动化服务：

"招聘运营经理"
"工作流自动化"
"Zapier"
"n8n"
"CRM 迁移"
"销售运营"
"内部工具"
"手动报告"

如果你销售网站开发或 SEO 服务：

"网站重新设计"
"无头电商"
"技术 SEO"
"Shopify 迁移"
"WordPress 开发"

目标不是抓取一切。而是监控表明公司正在行动的信号。

系统架构

在高层次上，你的 n8n 线索引擎应遵循以下流程：

text

1触发 -> 收集源数据 -> 提取公司详情 -> 丰富数据 -> 评分 -> 去重 -> 保存 -> 通知

一个典型的版本如下所示：

text

1计划触发器
2  -> RSS 源读取 / HTTP 请求
3  -> HTML 提取或代码节点
4  -> 标准化公司字段
5  -> 数据丰富步骤
6  -> 评分逻辑
7  -> IF 节点用于资格阈值判断
8  -> 去重检查
9  -> Google Sheets / Airtable / CRM
10  -> Slack 或邮件摘要

这就是整个游戏的核心。

其余的只是优化。

第一步：从一个清晰的线索切入角度开始

不要从十个行业和二十个信号开始。

从一个容易检测意向的用例开始。

示例线索切入角度

代理机构寻找正在招聘营销运营岗位的公司
AI 自动化顾问瞄准正在招聘工作流或运营岗位的公司
CRM 顾问瞄准正在讨论迁移或销售流程问题的企业
B2B SaaS 团队瞄准刚刚扩大员工规模并获得融资的初创公司
本地服务企业瞄准拥有过时网站和活跃增长信号的公司

一个狭窄的角度会使你的工作流更容易验证。

如果你不能用一句话解释为什么一家公司现在可能会向你购买，那么你的系统还没有准备好。

第二步：在 n8n 中构建数据收集层

现在创建你的第一个工作流。

基本的 n8n 收集设置

使用 计划触发器 每天运行一到两次。

然后连接以下一个或多个：

RSS 源读取，用于 Google Alerts 或新闻源
HTTP 请求，用于公共 API 或目录页面
HTML 提取，用于解析公开的网站内容
代码节点，用于自定义清理和字段提取

示例工作流：Google Alerts + 职业页面

你可以为以下短语创建提醒：

"销售运营" site:company.com
"工作流自动化" "招聘"
"CRM 经理" "工作"
"RevOps" 初创公司

将这些源导入 n8n 并提取：

公司名称
网址
页面标题
页面描述
来源网址
匹配的关键词
发布日期

这样你就得到了原始的线索信号。

现在先别担心完美。专注于结构化捕获。

第三步：标准化你的线索记录

不同的来源返回杂乱的数据。

一个来源提供完整的 URL。另一个提供品牌名称。另一个提供页面标题。你需要将所有内容标准化为一个干净的统一格式。

推荐的线索格式

使用如下字段：

company_name（公司名称）
website（网站）
source（来源）
source_url（来源网址）
intent_signal（意向信号）
signal_date（信号日期）
industry（行业）
location（地点）
employee_band（员工规模范围）
contact_role（联系人角色）
lead_score（线索评分）
notes（备注）
status（状态）

这比大多数人意识到的要重要得多。

清晰的格式设计使你的自动化在运行一周后仍然可用。

第四步：添加数据丰富

原始意向信号是不够的。你需要上下文来进行优先级排序和外联。

有用的丰富字段

首页标题
公司描述
地点
估算的公司规模
最近的媒体报道
招聘页面网址
产品类别
找到的相关职位名称
社交媒体资料或联系页面网址

免费丰富数据的方法

你可以使用：

网站首页抓取
关于我们页面提取
页面标题和描述的元数据
职业页面解析
公共目录字段
免费 API（如果有）

在 n8n 中，这通常意味着：

将公司网站发送到 HTTP 请求 节点
使用 HTML 提取 提取可见内容
使用 代码节点 清理文本
可选地，使用轻量级逻辑生成简短摘要或标签

如果你以后想添加 AI 分类，请在基于规则的工作流运行正常后再做。

大多数团队犯的错误是过早地为了弥补模糊的线索逻辑而添加 AI。

第五步：用简单规则对线索进行评分

这是你的线索引擎变得有用的地方。

没有评分，你只是在收集记录。

示例基于规则的评分模型

如果公司处于目标行业，+20 分
如果公司规模符合 ICP，+15 分
如果存在相关的招聘信号，+25 分
如果网站文案表明扩张或实施需求，+10 分
如果来源是过去 7 天内的新鲜信息，+10 分
如果发现多个信号，+10 分
如果地理区域不在目标市场，-20 分
如果公司看起来太小或不相关，-15 分

示例 n8n 代码节点逻辑

javascript

1let score = 0;
2const signals = [];
3
4const industry = ($json.industry || '').toLowerCase();
5const sourceText = `${$json.intent_signal || ''} ${$json.notes || ''}`.toLowerCase();
6const employeeBand = ($json.employee_band || '').toLowerCase();
7const location = ($json.location || '').toLowerCase();
8
9if (industry.includes('saas') || industry.includes('software')) {
10  score += 20;
11  signals.push('匹配目标行业');
12}
13
14if (employeeBand.includes('11-50') || employeeBand.includes('51-200')) {
15  score += 15;
16  signals.push('符合 ICP 的公司规模');
17}
18
19if (sourceText.includes('sales operations') || sourceText.includes('workflow automation') || sourceText.includes('crm')) {
20  score += 25;
21  signals.push('高意向招聘或运营信号');
22}
23
24if (!location.includes('india') && !location.includes('us') && !location.includes('uk')) {
25  score -= 20;
26  signals.push('不在目标地理区域');
27}
28
29return [{
30  ...$json,
31  lead_score: score,
32  score_reason: signals.join(', ')
33}];

这并不花哨，但正是因为它简单才有效。

一个简单的评分模型更容易被信任、调试和改进。

第六步：自动筛选和验证线索

一旦每个线索都有了一个分数，使用 n8n 中的 IF 节点来只保留高于你阈值的记录。

例如：

将分数 50+ 的线索发送到你的 CRM
将分数 35-49 的线索发送到审查表
丢弃或存档低于该分数的任何内容

这一步能极大地提高线索质量。

自动化应该减少决策疲劳，而不是增加它。

第七步：保存前进行去重

这是工作流中最不起眼但最重要的部分之一。

没有去重，你的系统很快就会变得烦人。

按什么进行去重

使用以下一项或多项：

公司域名
公司名称 + 地点
来源网址
域名 + 意向信号类型

在 n8n 中，你可以在以下位置检查现有记录：

Google Sheets
Airtable
你的 CRM
轻量级数据库

如果线索已存在，则更新记录而不是创建重复项。这让你可以随时间追踪同一家公司的多个意向信号。

这种历史视角比大多数团队意识到的更有价值。

一个在两周内发出三个不同意向信号的公司，通常比三个随机的、一次性的线索更值得关注。

第八步：将线索导入你的销售工作流

一旦线索被验证合格，它们应该到达采取行动的地方。

好的输出目标

Google Sheets，用于简单审查
Airtable，用于结构化的线索运营
HubSpot，用于销售漏斗和跟进
Slack，用于每日线索提醒
邮件摘要，用于创始人或 SDR

推荐的输出字段

确保每条记录包含：

公司名称
网站
线索被验证合格的原因
检测到的意向信号
分数
来源网址
建议的外联切入角度
添加日期

这区分了“这是一家公司”和“这是一家你应该联系的公司，原因如下”。

如何实际每天免费生成 50 个线索

这是可能的，但只有在条件合适的情况下。

数量取决于：

市场规模
数据源数量
ICP 的广度
你的评分阈值有多严格
新意向信号出现的频率

每天 50 个线索的现实路径

你通常需要：

3 到 5 个活跃的数据源
一个广泛但定义明确的利基市场
每日工作流执行
一个中等的资格验证阈值
强大的去重机制

示例数量组合

20 个来自招聘信号的线索
10 个来自公司新闻或产品发布的线索
8 个来自利基目录或公共列表的线索
7 个来自评论平台活动或社区提及的线索
5 个来自网站更新或扩张页面的线索

这样可以达到 50 个，但前提是你的市场有足够的动态。

如果你的利基市场过于狭窄，更好的目标不是 50 个线索。而是 10 到 15 个真正相关的线索。

高级运营者优化的是转化率，而不是虚荣的数量。

一个你可以先构建的简单示例工作流

如果你想要一个实用的入门版本，请构建以下内容：

工作流：面向机构或顾问的 AI 自动化线索

触发器

计划触发器每天早上运行

来源收集

Google Alerts RSS 源，关键词为：workflow automation, operations manager hiring, RevOps hiring, CRM migration, internal tools

提取

解析标题、网址、摘要和日期

数据丰富

访问公司网站
提取首页标题和关于我们页面文本
检测公司是 B2B、SaaS、代理机构还是服务企业

评分

为目标行业加分
为招聘或自动化相关语言加分
为近期活动加分
为不相关的地理区域或极小的企业规模减分

验证

只保留分数高于 50 的线索

存储

保存到 Google Sheets 或 Airtable

通知

将前 10 个线索连同分数和理由发送到 Slack

这足以在几个小时内创建一个功能性的线索引擎。

这类线索系统的最佳用例

这个工作流对以下对象特别有效：

代理机构

SEO 机构
付费广告机构
网站设计和开发工作室
RevOps 顾问
自动化机构

SaaS 团队

与明确运营痛点高度匹配的工具
能很好地销售给成长中团队的产品
与招聘、营收、支持、营销或内部运营相关的软件

自由职业者和顾问

CRM 实施
无代码自动化
数据分析设置
技术 SEO
邮件营销系统
AI 工作流咨询

如果你的服务依赖于时机，那么这个模型很有用。

导致自动化潜在客户生成失败的常见错误

大多数线索自动化系统失败的原因是可预见的。

它们优化数量，而非信号

一个包含 1000 家冷启动公司的电子表格不是一个线索引擎。

它们跳过了 ICP 的明确性

如果你不知道谁会购买，你的评分会很薄弱。

它们依赖一个脆弱的来源

建立在多个信号之上，而不是一个抓取技巧。

它们不解释线索为何被验证合格

销售团队会忽略黑箱线索列表。他们信任上下文。

它们在验证信息-市场匹配之前就自动化了

如果你的产品主张很弱，自动化只会放大低效率。

它们忽视了合规性和外联质量

糟糕的潜在客户生成会很快变成垃圾邮件。

合规性、道德和长期可持续性

这一点很重要。

一个好的潜在客户生成系统应该使外联更相关，而不是更具侵入性。

良好的操作原则

使用公开且权限合适的来源
避免以违反条款或创造风险的方式抓取平台
只收集你实际需要的数据
基于真实背景进行个性化外联
遵守当地法律和外发邮件法规
在需要时明确选择退出和同意实践

目标是识别可能合适的企业并开始更好的对话，而不是构建一个不分青红皂白的垃圾邮件引擎。

这不仅是道德问题。也是性能问题。

如何随时间改进系统

一旦工作流稳定，可以分层次进行改进。

第 1 层：更好的评分

审查哪些线索转化为了回复或演示，然后根据实际结果调整你的评分规则。

第 2 层：更好的丰富

添加更多结构化字段，例如产品类别、招聘速度或检测到的服务页面。

第 3 层：更好的路由

将不同的线索类型发送给不同的负责人、序列或产品。

第 4 层：更好的个性化

基于检测到的信号自动生成一个简短的外联切入角度。

第 5 层：更好的归因

追踪哪些数据源产生了会议，而不仅仅是线索。

这就是一个简单的自动化如何变成真正的获客资产。

最后的想法

最好的 B2B 线索系统不是从昂贵的工具开始的。它们从清晰开始。

清晰地知道你服务于谁。清晰地知道什么购买信号重要。清晰地知道哪些步骤应该自动化，哪些应该保持人工。

这就是 n8n 在这里如此有用的原因。

它为你提供了一种灵活的方式来构建一个潜在客户生成引擎，该引擎扫描公开信号，丰富上下文，验证潜在客户，并自动将有用的线索导入你的工作流。你不需要巨额预算就能让它工作。你需要一个紧密的 ICP、一个合理的评分模型，以及随时间改进系统的纪律。

如果你把它构建得好，你不仅仅是在收集名字。

你是在创建一个可重复的管道，其中充满了已经显示出可能需要你所销售产品的迹象的公司。

这就是为什么构建一个自动化的线索引擎是值得的。

快速工作流回顾

如果你想要一个简短的版本，这里是：

定义你的 ICP 和 3 到 5 个强意向信号
使用 n8n 从 RSS 源、网站和目录收集公开的线索信号
将数据标准化为干净的线索格式
用网站和商业背景信息丰富公司记录
使用简单规则对线索进行评分
按资格阈值过滤
保存前对记录进行去重
将合格的线索发送到 Sheets、Airtable、Slack 或你的 CRM
根据回复、会议和转化情况改进模型

这就是一个免费的自动化 B2B 潜在客户生成系统的基础。

常见问题

n8n 本身是否足以构建一个潜在客户生成系统？

是的，用于编排和自动化。你仍然需要数据源和存储线索的地方，但 n8n 可以连接整个过程并处理大部分工作流逻辑。

我真的可以每天免费生成 50 个线索吗？

在某些市场中，是的。但数量取决于你的利基市场、公开信号的数量以及线索评分的严格程度。对于许多企业来说，少量但更好的线索更有价值。

我应该使用 AI 来评分线索吗？

你可以，但首先从基于规则的评分开始。它更容易验证，也更容易维护。只有在你理解哪些信号与转化率实际相关之后，才添加 AI。

一开始我应该将线索存储在哪里？

对于第一个版本，Google Sheets 或 Airtable 通常就足够了。一旦系统证明有用，再将合格的线索导入你的 CRM。

要避免的最大错误是什么？

在验证相关性之前自动化数量。一个较小的、经过良好验证的线索列表几乎总是优于一个包含大量普通潜在客户的大列表。

如何使用 n8n 构建免费的自动化 B2B 潜在客户挖掘系统

真正的 B2B 线索引擎实际上做什么

在你深入之前

B2B 潜在客户生成中的“高意向”意味着什么

为什么 n8n 是这个工作流的理想选择

开始构建前需要什么

你可以使用的免费和低成本数据源

系统架构

第一步：从一个清晰的线索切入角度开始

第二步：在 n8n 中构建数据收集层

第三步：标准化你的线索记录

第四步：添加数据丰富

第五步：用简单规则对线索进行评分

第六步：自动筛选和验证线索

第七步：保存前进行去重

第八步：将线索导入你的销售工作流

如何实际每天免费生成 50 个线索

一个你可以先构建的简单示例工作流

这类线索系统的最佳用例

导致自动化潜在客户生成失败的常见错误

合规性、道德和长期可持续性

如何随时间改进系统

最后的想法

快速工作流回顾

常见问题

使用 YouMind AI 深度阅读爆款文章

近期爆款文章

Leslie's 第 11 章破产：EBITDA 暴跌致零售商崩溃

为什么公开目标反而导致失败：纽约大学对 168 人的研究

自动化工程师的崛起

OpenAI Dots：如何构建防止漂移的 4 席位 Agent 团队（完整指南）

言出必行：Coinbase 九月重磅更新

EXCEEDS 与 Slayer：故事由此开始

如何使用 n8n 构建免费的自动化 B2B 潜在客户挖掘系统

真正的 B2B 线索引擎实际上做什么

在你深入之前

B2B 潜在客户生成中的“高意向”意味着什么

为什么 n8n 是这个工作流的理想选择

开始构建前需要什么

你可以使用的免费和低成本数据源

系统架构

第一步：从一个清晰的线索切入角度开始

第二步：在 n8n 中构建数据收集层

第三步：标准化你的线索记录

第四步：添加数据丰富

第五步：用简单规则对线索进行评分

第六步：自动筛选和验证线索

第七步：保存前进行去重

第八步：将线索导入你的销售工作流

如何实际每天免费生成 50 个线索

一个你可以先构建的简单示例工作流

这类线索系统的最佳用例

导致自动化潜在客户生成失败的常见错误

合规性、道德和长期可持续性

如何随时间改进系统

最后的想法

快速工作流回顾

常见问题

使用 YouMind AI 深度阅读爆款文章

把你的 Markdown 变成干净的 𝕏 文章

近期爆款文章

Leslie's 第 11 章破产：EBITDA 暴跌致零售商崩溃

为什么公开目标反而导致失败：纽约大学对 168 人的研究

自动化工程师的崛起

OpenAI Dots：如何构建防止漂移的 4 席位 Agent 团队（完整指南）

言出必行：Coinbase 九月重磅更新

EXCEEDS 与 Slayer：故事由此开始