Diagnostica y reduce las tasas de rebote de Apollo.io enriqueciendo cada cliente potencial con datos de búsqueda en vivo antes de enviarlo. Las altas tasas de rebote generalmente se deben a datos obsoletos: las personas cambian de trabajo, las empresas cambian de nombre y los dominios caducan. Al ejecutar una consulta de búsqueda con el nombre y la empresa de cada cliente potencial antes de la comunicación, puede verificar que la persona todavía trabaja allí, confirmar que el dominio se resuelve y encontrar información de contacto actualizada. Este paso de enriquecimiento suele tardar menos de un segundo por cliente potencial y puede reducir significativamente las tasas de rebote.
Requisitos previos
- Python 3.8+ instalado
- solicita biblioteca instalada
- Una clave API de Scavio de scavio.dev
- Una exportación de leads de Apollo.io (CSV)
Guia paso a paso
Paso 1: Cargar clientes potenciales de Apollo desde CSV
Lea los clientes potenciales exportados de Apollo y extraiga los campos necesarios para el enriquecimiento.
import os, csv, requests, json
API_KEY = os.environ['SCAVIO_API_KEY']
def load_leads(csv_path: str) -> list:
leads = []
with open(csv_path) as f:
reader = csv.DictReader(f)
for row in reader:
leads.append({
'name': row.get('First Name', '') + ' ' + row.get('Last Name', ''),
'company': row.get('Company', ''),
'email': row.get('Email', ''),
'title': row.get('Title', ''),
'domain': row.get('Website', ''),
})
return leads
leads = load_leads('apollo_export.csv')
print(f'Loaded {len(leads)} leads')Paso 2: Enriquece cada cliente potencial mediante la búsqueda
Busque cada cliente potencial por nombre y empresa para verificar su puesto actual.
def enrich_lead(lead: dict) -> dict:
query = f"{lead['name']} {lead['company']} LinkedIn"
resp = requests.post('https://api.scavio.dev/api/v1/search',
headers={'x-api-key': API_KEY},
json={'platform': 'google', 'query': query}, timeout=15)
results = resp.json().get('organic_results', [])
enriched = {**lead, 'verified': False, 'search_results': []}
for r in results[:3]:
title = r.get('title', '').lower()
snippet = r.get('snippet', '').lower()
enriched['search_results'].append(r.get('title', ''))
if lead['company'].lower() in title or lead['company'].lower() in snippet:
enriched['verified'] = True
break
return enriched
sample = enrich_lead(leads[0]) if leads else {}
print(f"Verified: {sample.get('verified')}")Paso 3: Validar dominio está activo
Compruebe que el dominio de la empresa aún se resuelve buscándolo directamente.
def check_domain(domain: str) -> bool:
if not domain:
return False
resp = requests.post('https://api.scavio.dev/api/v1/search',
headers={'x-api-key': API_KEY},
json={'platform': 'google', 'query': f'site:{domain}'}, timeout=15)
results = resp.json().get('organic_results', [])
return len(results) > 0
def enrich_with_domain(lead: dict) -> dict:
lead['domain_active'] = check_domain(lead.get('domain', ''))
return lead
for lead in leads[:3]:
lead = enrich_with_domain(lead)
print(f"{lead['company']}: domain active = {lead['domain_active']}")Paso 4: Riesgo de rebote de puntuación
Asigne una puntuación de riesgo a cada cliente potencial en función de las señales de enriquecimiento.
def bounce_risk(lead: dict) -> str:
score = 0
if not lead.get('verified'):
score += 2
if not lead.get('domain_active'):
score += 3
if not lead.get('email'):
score += 3
if score >= 5:
return 'high'
elif score >= 2:
return 'medium'
return 'low'
def score_leads(leads: list) -> list:
for lead in leads:
enriched = enrich_lead(lead)
enriched = enrich_with_domain(enriched)
enriched['bounce_risk'] = bounce_risk(enriched)
lead.update(enriched)
return leads
scored = score_leads(leads[:5])
for lead in scored:
print(f"{lead['name']} ({lead['company']}): {lead['bounce_risk']} risk")Paso 5: Exportar clientes potenciales limpios
Escriba clientes potenciales verificados y de bajo riesgo en un nuevo CSV para su divulgación.
def export_clean(leads: list, output_path: str):
clean = [l for l in leads if l.get('bounce_risk') != 'high']
if not clean:
print('No clean leads found')
return
keys = ['name', 'company', 'email', 'title', 'domain', 'verified', 'domain_active', 'bounce_risk']
with open(output_path, 'w', newline='') as f:
writer = csv.DictWriter(f, fieldnames=keys, extrasaction='ignore')
writer.writeheader()
writer.writerows(clean)
print(f'Exported {len(clean)} clean leads (removed {len(leads) - len(clean)} high-risk)')
export_clean(scored, 'apollo_clean.csv')Ejemplo en Python
import requests, os
H = {'x-api-key': os.environ['SCAVIO_API_KEY']}
def verify_lead(name, company):
data = requests.post('https://api.scavio.dev/api/v1/search', headers=H,
json={'platform': 'google', 'query': f'{name} {company} LinkedIn'}).json()
for r in data.get('organic_results', [])[:3]:
if company.lower() in (r.get('title', '') + r.get('snippet', '')).lower():
return True
return False
print(verify_lead('Jane Doe', 'Acme Corp'))Ejemplo en JavaScript
const H = {'x-api-key': process.env.SCAVIO_API_KEY, 'Content-Type': 'application/json'};
async function verifyLead(name, company) {
const r = await fetch('https://api.scavio.dev/api/v1/search', {
method: 'POST', headers: H,
body: JSON.stringify({platform: 'google', query: `${name} ${company} LinkedIn`})
});
const results = (await r.json()).organic_results || [];
return results.slice(0, 3).some(r =>
((r.title || '') + (r.snippet || '')).toLowerCase().includes(company.toLowerCase()));
}
verifyLead('Jane Doe', 'Acme Corp').then(console.log);Salida esperada
A lead enrichment pipeline that verifies Apollo contacts via live search, scores bounce risk, and exports clean leads for outreach with reduced bounce rates.