Apollo 给你联系人，置信度分数不是投递保证。
Apollo.io 是使用最广泛的 B2B 销售智能平台之一。其联系人数据库、富集能力和外发功能使其成为许多销售技术体系的标准组成部分。
Apollo 的邮件置信度分数反映了 Apollo 系统根据域名模式、公开数据信号和历史准确性，对地址与联系人匹配程度的确定性。高分意味着模式常见且一致。它不意味着具体邮箱当前活跃。
这种差异在大规模营销活动中最为重要。Apollo 可能显示 10,000 个置信度 80% 以上的联系人。其中有相当比例可能包含全接收域、离职员工的过时记录、角色型收件箱和重复条目——而置信度分数无法区分这些情况。在导入前而非首次发送后验证，是在损害发件方声誉之前发现问题的唯一方法。
Apollo 的数据模型产生什么。
Apollo 结合几种数据源构建联系人记录：公开个人资料数据、公司网站、第三方供应商的富集数据，以及社区来源的更新。每种来源有不同的更新周期和准确性特征。
| Apollo 数据来源 | 更新频率 | 邮件准确性特征 |
|---|---|---|
| 公开 LinkedIn 个人资料 | Apollo 重新索引时 | 当前员工高，近期离职者低 |
| 公司网站和目录页面 | 可变 | 抓取时准确，可能漂移 |
| 第三方富集供应商 | 取决于供应商 | 因供应商和行业而异 |
| 社区验证信号 | 持续但稀少 | 改善热门域名，对 SMB 有限 |
这种混合来源模型意味着单次导出可能包含来自不同时间最后更新的记录的地址。高置信度分数表明 Apollo 的内部一致性检查通过——它不表明底层数据最后何时针对实时邮件服务器进行验证。
Apollo 置信度分数实际测量什么。
| Apollo 置信度级别 | 含义 | 不代表 |
|---|---|---|
| 高（90% 以上） | 地址符合该域名最常见的模式 | 邮箱当前活跃且会接受邮件 |
| 中（70-89%） | 地址可能匹配，存在一些不确定性 | 地址自 Apollo 采集以来未发生变化 |
| 低（70% 以下） | 模式匹配不太可靠 | 地址根本存在 |
| 未显示（无标签） | 无置信度评分的来源地址 | 风险更高——视为未验证 |
Apollo 从域名邮件模式、个人资料数据和采集时可获取的其他信号推导置信度分数。当员工离职、公司重组、域名更新其邮箱配置时，地址会发生变化。这些变化都不会自动反映在置信度分数中。
Apollo 导出中的具体风险。
| 风险 | 来源 | 影响 |
|---|---|---|
| 无效地址 | 数据采集后离职的员工 | 硬退信 |
| 全接收域 | 接受所有传入邮件的公司 | 投递不确定，列表规模虚增 |
| 角色型收件箱 | 来自公司页面的 sales@、info@、support@ | 共享收件箱，无具名联系人 |
| 过时的个人邮件 | 导入 Apollo 的旧 LinkedIn 数据 | 错误的人或不活跃的地址 |
| 重复联系人 | 跨重叠列表的多次 Apollo 搜索 | 重复发送，投诉风险 |
| 低置信度猜测地址 | 无直接验证的模式匹配 | 不存在邮箱的概率更高 |
未经验证的 Apollo 导出的常见失败模式。
跳过导入 Apollo 导出前验证步骤的团队往往遇到相同的问题序列：
- 针对大型导出启动营销活动
- 初始退信率看起来可控，因为服务器尚未标记该域名
- 全接收域模糊性意味着许多地址看似已投递，但实际进入了不活跃邮箱
- 营销活动中期，硬退信率攀升超过安全阈值
- 发件方声誉分数下降，影响后续发送的收件箱落地
- 回复率下降，因为"已投递"消息的一部分停留在全接收域黑洞中
代价在各营销活动中累积。在多次高退信发送后恢复发件方声誉，需要数周的低发量预热发送，可能还需要新的发送基础设施。
在导入前验证 Apollo 导出。
任何 Apollo 导出的正确工作流是在它到达 CRM、发件工具或序列之前通过 BillionVerify。不是在第一个营销活动波次之后。不是当退信率开始攀升时。