n8nとScrapelessを使用してインテリジェントなB2Bリードジェネレーションワークフローを構築する方法

"ソフトウェア企業" "企業クライアント" 従業員:50-200
"マーケティング代理店" "B2Bサービス" "デジタルトランスフォーメーション"
"SaaSスタートアップ" "シリーズA" "ベンチャー支援"
"製造業" "デジタルソリューション" ISO

[
  {
    "markdown": "# 会社のホームページ\n\n私たちの会社へようこそ...",
    "metadata": {
      "title": "会社名 - ホームページ",
      "description": "会社の説明",
      "sourceURL": "https://company.com"
    }
  }
]

console.log("=== SCRAPELESS CRAWLER DATA の処理 ===");

try {
  // データは配列として到着します
  const crawlerDataArray = $json;
  
  console.log("データタイプ:", typeof crawlerDataArray);
  console.log("配列か:", Array.isArray(crawlerDataArray));
  console.log("配列の長さ:", crawlerDataArray?.length || 0);
  
  // 配列が空か確認
  if (!Array.isArray(crawlerDataArray) || crawlerDataArray.length === 0) {
    console.log("❌ 空または無効なクローラーデータ");
    return {
      url: "不明",
      company_name: "データなし",
      content: "",
      error: "空のクローラー応答",
      processing_failed: true,
      skip_reason: "クローラーからデータが返されませんでした"
    };
  }
  
  // 配列の最初の要素を取得
  const crawlerResponse = crawlerDataArray[0];
  
  // マークダウンサムコンテンツの抽出
  const markdownContent = crawlerResponse?.markdown || "";
  
  // メタデータの抽出（利用可能な場合）
  const metadata = crawlerResponse?.metadata || {};
  
  // 基本情報
  const sourceURL = metadata.sourceURL || metadata.url || extractURLFromContent(markdownContent);
  const companyName = metadata.title || metadata.ogTitle || extractCompanyFromContent(markdownContent);
  const description = metadata.description || metadata.ogDescription || "";
  
  console.log(`処理中: ${companyName}`);
  console.log(`URL: ${sourceURL}`);
  console.log(`コンテンツ長: ${markdownContent.length}文字`);
  
  // コンテンツの品質検証

if (!markdownContent || markdownContent.length < 100) {
    return {
      url: sourceURL,
      company_name: companyName,
      content: "",
      error: "クローラーからのコンテンツが不十分です",
      processing_failed: true,
      raw_content_length: markdownContent.length,
      skip_reason: "コンテンツが短すぎるか空です"
    };
  }
  
  // マークダウンコンテンツのクリーンアップと構造化
  let cleanedContent = cleanMarkdownContent(markdownContent);
  
  // 連絡先情報の抽出
  const contactInfo = extractContactInformation(cleanedContent);
  
  // 重要なビジネスセクションの抽出
  const businessSections = extractBusinessSections(cleanedContent);
  
  // Claude AIのためのコンテンツを構築
  const contentForAI = buildContentForAI({
    companyName,
    sourceURL,
    description,
    businessSections,
    contactInfo,
    cleanedContent
  });
  
  // コンテンツの質に関するメトリクス
  const contentQuality = assessContentQuality(cleanedContent, contactInfo);
  
  const result = {
    url: sourceURL,
    company_name: companyName,
    content: contentForAI,
    raw_content_length: markdownContent.length,
    processed_content_length: contentForAI.length,
    extracted_emails: contactInfo.emails,
    extracted_phones: contactInfo.phones,
    content_quality: contentQuality,
    metadata_info: {
      has_title: !!metadata.title,
      has_description: !!metadata.description,
      site_name: metadata.ogSiteName || "",
      page_title: metadata.title || ""
    },
    processing_timestamp: new Date().toISOString(),
    processing_status: "成功"
  };
  
  console.log(`✅ ${companyName}の処理が成功しました`);
  return result;
  
} catch (error) {
  console.error("❌ クローラーデータの処理中にエラーが発生しました:", error);
  return {
    url: "不明",
    company_name: "処理エラー",
    content: "",
    error: error.message,
    processing_failed: true,
    processing_timestamp: new Date().toISOString()
  };
}

// ========== ユーティリティ関数 ==========

function extractURLFromContent(content) {
  // マークダウンコンテンツからURLを抽出しようとする
  const urlMatch = content.match(/https?:\/\/[^\s\)]+/);
  return urlMatch ? urlMatch[0] : "不明";
}

function extractCompanyFromContent(content) {
  // コンテンツから会社名を抽出しようとする
  const titleMatch = content.match(/^#\s+(.+)$/m);
  if (titleMatch) return titleMatch[1];
  
  // ドメインを抽出するためにメールアドレスを検索
  const emailMatch = content.match(/@([a-zA-Z0-9.-]+\.[a-zA-Z]{2,})/);
  if (emailMatch) {
    const domain = emailMatch[1].replace('www.', '');
    return domain.split('.')[0].charAt(0).toUpperCase() + domain.split('.')[0].slice(1);
  }
  
  return "不明な会社";
}

function cleanMarkdownContent(markdown) {
  return markdown
    // ナビゲーション要素を削除
    .replace(/^\[Skip to content\].*$/gmi, '')
    .replace(/^\[.*\]\(#.*\)$/gmi, '')
    // マークダウンリンクを削除するがテキストは保持
    .replace(/\[([^\]]+)\]\([^)]+\)/g, '$1')
    // 画像とBase64を削除
    .replace(/!\[([^\]]*)\]\([^)]*\)/g, '')
    .replace(/<Base64-Image-Removed>/g, '')
    // クッキー/プライバシーに関する言及を削除
    .replace(/.*?(cookie|privacy policy|terms of service).*?\n/gi, '')
    // 複数のスペースをクリーンアップ
    .replace(/\s+/g, ' ')
    // 複数の空行を削除
    .replace(/\n\s*\n\s*\n/g, '\n\n')
    .trim();
}

function extractContactInformation(content) {
  // メール用の正規表現
  const emailRegex = /[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}/g;
  
  // 電話のための正規表現（国際サポート付き）
  const phoneRegex = /(?:\+\d{1,3}\s?)?\d{3}\s?\d{3}\s?\d{3,4}|\(\d{3}\)\s?\d{3}-?\d{4}/g;
  
  const emails = [...new Set((content.match(emailRegex) || [])
    .filter(email => !email.includes('example.com'))
    .slice(0, 3))];
  
  const phones = [...new Set((content.match(phoneRegex) || [])
    .filter(phone => phone.replace(/\D/g, '').length >= 9)
    .slice(0, 2))];
  
  return { emails, phones };
}

function extractBusinessSections(content) {
  const sections = {};
  
  // 重要なセクションを検索
  const lines = content.split('\n');
  let currentSection = '';
  let currentContent = '';
  
  for (let i = 0; i < lines.length; i++) {
    const line = lines[i].trim();
    
    // ヘッダー検出
    if (line.startsWith('#')) {
      // 前のセクションを保存
      if (currentSection && currentContent) {
        sections[currentSection] = currentContent.trim().substring(0, 500);
      }
      
      // 新しいセクション
      const title = line.replace(/^#+\s*/, '').toLowerCase();
      if (title.includes('about') || title.includes('service') || 
          title.includes('contact') || title.includes('company')) {
        currentSection = title.includes('about') ? 'about' :
                        title.includes('service') ? 'services' :
                        title.includes('contact') ? 'contact' : 'company';
        currentContent = '';
      } else {
        currentSection = '';
      }
    } else if (currentSection && line) {
      currentContent += line + '\n';
    }

}
  
  // 最後のセクションを保存
  if (currentSection && currentContent) {
    sections[currentSection] = currentContent.trim().substring(0, 500);
  }
  
  return sections;
}

function buildContentForAI({ companyName, sourceURL, description, businessSections, contactInfo, cleanedContent }) {
  let aiContent = `会社の分析リクエスト\n\n`;
  aiContent += `会社名: ${companyName}\n`;
  aiContent += `ウェブサイト: ${sourceURL}\n`;
  
  if (description) {
    aiContent += `説明: ${description}\n`;
  }
  
  aiContent += `\n連絡先情報:\n`;
  if (contactInfo.emails.length > 0) {
    aiContent += `メール: ${contactInfo.emails.join(', ')}\n`;
  }
  if (contactInfo.phones.length > 0) {
    aiContent += `電話: ${contactInfo.phones.join(', ')}\n`;
  }
  
  aiContent += `\nビジネスセクション:\n`;
  for (const [section, content] of Object.entries(businessSections)) {
    if (content) {
      aiContent += `\n${section.toUpperCase()}:\n${content}\n`;
    }
  }
  
  // メインコンテンツを追加（制限あり）
  aiContent += `\nフルコンテンツプレビュー:\n`;
  aiContent += cleanedContent.substring(0, 2000);
  
  // Claude APIの最終制限
  return aiContent.substring(0, 6000);
}

function assessContentQuality(content, contactInfo) {
  const wordCount = content.split(/\s+/).length;
  
  return {
    word_count: wordCount,
    has_contact_info: contactInfo.emails.length > 0 || contactInfo.phones.length > 0,
    has_about_section: /about|company|私たちについて/gi.test(content),
    has_services_section: /services|products|solutions/gi.test(content),
    has_team_section: /team|leadership|staff/gi.test(content),
    content_richness_score: Math.min(10, Math.floor(wordCount / 50)),
    email_count: contactInfo.emails.length,
    phone_count: contactInfo.phones.length,
    estimated_quality: wordCount > 200 && contactInfo.emails.length > 0 ? "高" : 
                      wordCount > 100 ? "中" : "低"
  };
}

{
  "url": "https://company.com",
  "company_name": "会社名",
  "content": "会社の分析リクエスト\n\n会社名: ...",
  "raw_content_length": 50000,
  "processed_content_length": 2500,
  "extracted_emails": ["contact@company.com"],
  "extracted_phones": ["+1-555-123-4567"],
  "content_quality": {
    "word_count": 5000,
    "has_contact_info": true,
    "estimated_quality": "高",
    "content_richness_score": 10
  },
  "processing_status": "成功"
}

この処理された会社のウェブサイトコンテンツを分析し、B2Bリード情報を抽出してください。正しいJSONのみを返してください:
会社のURL: {{ $json.url }}
会社名: {{ $json.company_name }}
処理されたウェブサイトのコンテンツ: {{ $json.content }}
コンテンツ品質評価: {{ $json.content_quality }}
事前に抽出された連絡先情報: 
メール: {{ $json.extracted_emails }}
電話: {{ $json.extracted_phones }}
メタデータ情報: {{ $json.metadata_info }}

プロンプトの構造により、フィルタリングがより信頼性の高いものになり、Claudeが一貫した構造化入力を受け取るようになります。これにより、リードスコアがより正確になり、ワークフローの次のステップでの適格性判断が改善されます。

## ステップ7: Claude AI応答の解析
リードをフィルタリングする前に、マークダウン形式でラップされる可能性のあるClaudeのJSON応答を適切に解析する必要があります。

1. AIエージェント（Claude）の後にコードノードを追加
2. ClaudeのJSON応答を解析してクリーニングするように設定


![Claudeレスポンス解析設定](https://assets.scrapeless.com/prod/posts/build-b2b-lead-generation-workflow-with-n8n/aae4593790f5f1c5d34d43ecaf354e85.png)

### 1. コードノード設定

```javascript
console.log("連絡先メール:", leadData.contact_email);

// バリデーションとデータクリーニング
const cleanedLead = {
    company_name: leadData.company_name || "不明",
    industry: leadData.industry || null,
    company_size: leadData.company_size || null,
    location: leadData.location || null,
    contact_email: leadData.contact_email || null,
    phone: leadData.phone || null,
    key_services: Array.isArray(leadData.key_services) ? leadData.key_services : [],
    target_market: leadData.target_market || null,
    technologies: Array.isArray(leadData.technologies) ? leadData.technologies : [],
    funding_stage: leadData.funding_stage || null,
    business_model: leadData.business_model || null,
    social_presence: leadData.social_presence || { linkedin: null, twitter: null },
    lead_score: typeof leadData.lead_score === 'number' ? leadData.lead_score : 0,
    qualification_reasons: Array.isArray(leadData.qualification_reasons) ? leadData.qualification_reasons : [],
    decision_makers: Array.isArray(leadData.decision_makers) ? leadData.decision_makers : [],
    next_actions: Array.isArray(leadData.next_actions) ? leadData.next_actions : [],
    content_insights: leadData.content_insights || {},

    // フィルタリング用のメタ情報
    is_qualified: leadData.lead_score >= 6 && leadData.contact_email !== null,
    has_contact_info: !!(leadData.contact_email || leadData.phone),
    processing_timestamp: new Date().toISOString(),
    claude_processing_status: "SUCCESS"
};

console.log(`✅ リード処理完了: ${cleanedLead.company_name} (スコア: ${cleanedLead.lead_score}, 資格: ${cleanedLead.is_qualified})`);

return cleanedLead;

} catch (error) {
    console.error("❌ Claude応答解析中のエラー:", error);
    console.error("生の出力:", $json.output);

    // 構造化エラー応答
    return {
        company_name: "Claude解析エラー",
        industry: null,
        company_size: null,
        location: null,
        contact_email: null,
        phone: null,
        key_services: [],
        target_market: null,
        technologies: [],
        funding_stage: null,
        business_model: null,
        social_presence: { linkedin: null, twitter: null },
        lead_score: 0,
        qualification_reasons: [`Claude解析失敗: ${error.message}`],
        decision_makers: [],
        next_actions: ["Claude応答解析を修正", "JSON形式を確認"],
        content_insights: {},
        is_qualified: false,
        has_contact_info: false,
        processing_timestamp: new Date().toISOString(),
        claude_processing_status: "FAILED",
        parsing_error: error.message,
        raw_claude_output: $json.output || "出力を受信していません"
    };
}

1. 「B2Bリードデータベース」という名前のスプレッドシートを作成します。
2. 列を設定します：
- 会社名
- 業界
- 会社サイズ
- 所在地
- 連絡先メール
- 電話
- ウェブサイト
- リードスコア
- 追加日
- 資格ノート
- 次のアクション

私の方では、Discordのウェブフックを直接使用することを選びます。

## ステップ9-2：Discord通知（他のサービスにも適応可能）
新しい適格なリードのリアルタイム通知を送信します。

1. Discordのウェブフック用のHTTPリクエストノードを追加します。

![Discord webhook configuration](https://assets.scrapeless.com/prod/posts/build-b2b-lead-generation-workflow-with-n8n/98c3949614e5f494da309294f5608c51.png)

2. Discord特有のペイロードフォーマットを設定します。

![Discord webhook configuration](https://assets.scrapeless.com/prod/posts/build-b2b-lead-generation-workflow-with-n8n/51d1812dbe3492005ad2d4e3ba20a3bb.png)

**Discordウェブフックの設定：**

- メソッド：POST
- URL：あなたのDiscordウェブフックURL
- ヘッダー：Content-Type: application/json

**Discordメッセージペイロード：**

## 結果

![Discord webhook configuration](https://assets.scrapeless.com/prod/posts/build-b2b-lead-generation-workflow-with-n8n/62582c86b30ab8c40d7e4adf67a36bf9.png)

## 業界特有の設定
### SaaS/ソフトウェア会社

検索クエリ：

資格基準：

- 従業員数：20-500
- 最新の技術スタックを使用
- APIドキュメントがある
- GitHub/技術コンテンツでアクティブ

### マーケティング代理店
検索クエリ：

資格基準：

- クライアントのケーススタディーが利用可能
- チームサイズ：10-100
- B2Bを専門
- アクティブなコンテンツマーケティング

### Eコマース/小売
検索クエリ：

資格基準：

- 収益指標
- マルチチャネルの存在
- 言及された技術プラットフォーム
- 成長軌道のシグナル

## データ管理と分析
### リードデータベーススキーマ
最大の利用効率のためにGoogleシートを構築します：

コアリード情報：

- 会社名、業界、サイズ、所在地
- 連絡先メール、電話、ウェブサイト
- リードスコア、追加日、ソースクエリ

資格データ：

- 資格の理由、意思決定者
- 次のアクション、フォローアップ日
- 担当営業、リードステータス

エンリッチメントフィールド：

- LinkedIn URL、ソーシャルメディアの存在
- 使用技術、資金調達ステージ
- 競合、最近のニュース

### 分析と報告
追加のシートでワークフローのパフォーマンスを追跡：

デイリーサマリーシート：

- 日別に生成されたリード数
- 平均リードスコア
- 検出されたトップ業界
- コンバージョン率

検索パフォーマンス：

- ベストパフォーミングクエリ
- 地理的分布
- 会社サイズの内訳
- 業界別の成功率

ROI追跡：

- リードあたりのコスト（APIコスト）
- 接触までの時間
- 機会へのコンバージョン
- 収益の帰属

## 結論
このインテリジェントなB2Bリード生成ワークフローは、潜在顧客の発見、資格付け、整理を自動化することで、営業プロスペクティングを変革します。Google検索とインテリジェントなクロール、AI分析を組み合わせることで、営業パイプラインを構築するための体系的アプローチを作成します。

このワークフローは、特定の業界、会社の規模ターゲット、資格基準に適応しながら、AI駆動の分析を通じて高いデータ品質を維持します。適切な設定と監視を行うことで、このシステムは営業チームにとって一貫した質のあるリードの源となります。

Google Sheetsとの統合は、営業チームにとってアクセス可能なデータベースを提供し、Discordの通知により高価値のプロスペクトを即座に認識できます。モジュラー設計により、異なる通知サービス、CRMシステム、データストレージソリューションに容易に適応できるようになっています。

----

Scrapelessは、関連する法律および規制を厳守し、ウェブサイトの利用規約およびプライバシーポリシーに従ってのみ、公に利用可能なデータにアクセスします。このソリューションは、正当なビジネスインテリジェンスおよびマーケティング最適化目的のために設計されています。