LinkedIn modello di dati

Trasforma una ricerca LinkedIn in una pipeline di prospezione utilizzabile.

Una ricerca LinkedIn grezza spesso mescola buoni account, profili fuori target e duplicati. Questo modello struttura l'esportazione prima del punteggio e della sincronizzazione CRM.

Ciò che l'estrazione dovrebbe normalizzare

Colonne consigliate

L'obiettivo non è quello di contattare ogni risultato di ricerca. Ogni riga dovrebbe spiegare perché un profilo merita un'azione.

Cerca
search_url, query, filtri, raccolti_at.
Conserva l'URL in modo che il segmento possa essere riprodotto o controllato.
Profilo
URL_profilo, nome_completo, titolo, azienda, posizione.
Normalizza i titoli prima del punteggio ICP.
Decisione
icp_score, score_reason, next_action, crm_owner.
Ogni profilo al di sotto della soglia dovrebbe avere un motivo di esclusione.

Dati verificati

Cosa dovrebbe chiarire lo strumento prima di essere utilizzato.

Caso d'uso

Utile quando una squadra inizia da Sales Navigator, un elenco LinkedIn o un segmento di mercato per qualificarsi.

Risultato previsto

URL di ricerca, parole chiave, filtri, data di raccolta e fonte esatta.

Prova del metodo

Conserva l'URL in modo che il segmento possa essere riprodotto o controllato.

Metodo di verifica

Come trasformare il modello in un'azione attuabile.

  1. 01 Cerca Conserva l'URL in modo che il segmento possa essere riprodotto o controllato.
  2. 02 Profilo Normalizza i titoli prima del punteggio ICP.
  3. 03 Decisione Ogni profilo al di sotto della soglia dovrebbe avere un motivo di esclusione.

Istruzioni per l'uso

La ricerca è solo il punto di partenza

Una pagina dei risultati non dice ancora chi contattare. Raccolta differenziata, deduplicazione, qualificazione e azione di vendita.

Istruzioni per l'uso

Conserva la prova del segmento

La query e i filtri spiegano perché un elenco funziona o fallisce, soprattutto quando più team arricchiscono lo stesso mercato.

Chiedi alla tua IA preferita.