Higiena danych w CRM: jak scalać duplikaty kontaktów bez utraty historii
Dwóch handlowców dzwoni do tego samego potencjalnego klienta w odstępie godziny i żaden nie wie o telefonie drugiego. Przypomnienie o odnowieniu umowy trafia do skrzynki klienta, który zrezygnował wiosną. A gdzieś w bazie ten sam kupujący figuruje trzy razy: w jednej kopii siedzi historia rozmów, w drugiej podpisana oferta, a trzecia po cichu wisi przy otwartym zgłoszeniu serwisowym. Nikt tego nie zaplanował. Nikt nie ma czasu tego rozplątać. Więc rośnie.
Koszt widać dalej. Raporty się rozjeżdżają, bo jedno konto liczy się podwójnie. Segmentacja nie działa, bo połowie kopii brakuje pola, na którym opiera się filtr. Budżety reklamowe idą na listy wyeksportowane z bazy, która przestała odzwierciedlać rzeczywistość wiele miesięcy temu. Najbardziej obrywają funkcje AI – scoring leadów i prognozy uczone na rozbitych rekordach czytają tego samego kupującego jako dwa ubogie, niczym niewyróżniające się kontakty i oba oceniają nisko, więc twoja najlepsza szansa sprzedażowa po cichu spada na koniec kolejki.
Moja rada po dekadzie robienia tego: potraktuj to jak projekt integralności danych, a nie sprzątanie. Wartością nie są same rekordy. Wartością jest przypięta do nich historia.
Spis treści
Skąd biorą się duplikaty (i dlaczego wracają)
Duplikaty rzadko powstają z niedbalstwa. Powstają w zwykłych procesach, którym brakuje jednego drobnego zabezpieczenia. Masowe importy z arkuszy, list targowych i starych systemów wpisują dane wprost do bazy, bez kroku dopasowania. Formularze na stronie tworzą nowy rekord przy każdym wysłaniu, bo nikt nie wymusił unikalności adresu e-mail. A ręczne wpisywanie dokłada własne wariacje: Bob i Robert, sp. z o.o. i Spółka z ograniczoną odpowiedzialnością, niewidoczna spacja na końcu, dziś prywatny adres Gmail, jutro firmowa domena.
Integracje to nasilają. Narzędzie pocztowe synchronizuje kontakt z powrotem do CRM chwilę po tym, jak CRM go utworzył, a kierunek synchronizacji, który miał temu zapobiegać, po aktualizacji po cichu przestał działać. Nikt nie zauważył. Jest też przypadek zupełnie uczciwy: ludzie zmieniają pracę, więc ta sama osoba zgodnie z prawdą występuje przy dwóch pracodawcach, z dwoma adresami e-mail i w dwóch kontekstach zakupowych.
Ale wniosek jest ważniejszy niż każda pojedyncza przyczyna. Scal dane bez naprawy wejścia, a bałagan wróci w ciągu kwartału, zwykle zanim ktokolwiek to zauważy.
Audyt przed scalaniem: sprawdź, co naprawdę masz
Zacznij od trybu tylko do odczytu. Nikt nie powinien scalać danych na podstawie przeczucia, jak bardzo jest źle, bo to skala problemu decyduje o regułach, które napiszesz później.
- Rekordy w ogóle bez adresu e-mail
- Rekordy z tą samą domeną firmową i tym samym nazwiskiem
- Kontakty bez żadnej zapisanej aktywności, nigdy
- Kontakty z bogatą historią, ale bez przypisanego opiekuna
- Rekordy utworzone w ostatnich 90 dniach przez integrację, a nie przez człowieka
Podziel to, co znajdziesz, na trzy poziomy. Dopasowania pewne mają wspólny zweryfikowany adres e-mail. Dopasowania prawdopodobne mają wspólne imię i nazwisko plus numer telefonu albo domenę firmową. Dopasowania możliwe to samo podobieństwo nazw i nic więcej. Tylko dwa pierwsze poziomy nadają się do automatycznej obsługi. Trzeci to kolejka do ręcznej weryfikacji, na stałe.
Wskazówka: zanim tkniesz choćby jeden rekord, wyeksportuj pełną migawkę tabeli kontaktów. Plik CSV w chmurze to darmowy przycisk cofania, a uwierz mi, kiedyś będziesz go potrzebować.
Jeszcze jedno warto zrobić: zapisz, z których pól twój zespół faktycznie korzysta na co dzień. To te pola decydują o regułach scalania. A nie te, które ktoś dodał w pierwszym roku i wszyscy o nich zapomnieli.
Reguły dopasowania, które nie tworzą nowych problemów
Uszereguj identyfikatory według tego, na ile można im ufać. Na górze zweryfikowany służbowy adres e-mail. Niżej numer telefonu w znormalizowanym formacie międzynarodowym. Potem domena firmowa w połączeniu z imieniem i nazwiskiem. Samo nazwisko ląduje na dole – nadaje się do zaproponowania weryfikacji, nigdy do jej rozstrzygnięcia.
Zanim cokolwiek porównasz, znormalizuj dane. Wszystko małymi literami, bez znaków interpunkcyjnych, ujednolicone numery kierunkowe krajów, sprowadzone do wspólnej postaci formy prawne, żeby Acme Ltd, Acme Limited i Acme Ltd. wpadły do tego samego worka. Pominięcie tego kroku jest powodem, dla którego tyle reguł dopasowania działa słabo. To nudna robota i to na niej wszystko stoi.
Dopasowanie rozmyte ma sens przy nazwiskach i nazwach firm, pod jednym warunkiem: proponuje, nie decyduje. Warto też jasno nazwać kompromis. Agresywna reguła prędzej czy później scali dwie realne osoby, które przypadkiem noszą to samo nazwisko, niszcząc kontekst nie do odtworzenia. Reguła zbyt ostrożna zostawia bałagan dokładnie tam, gdzie był. Ocena pewności dopasowania to miejsce, w którym nowoczesny CRM naprawdę pomaga – EpicCRM na przykład grupuje prawdopodobne duplikaty i podsuwa je do zatwierdzenia, więc handlowiec przegląda krótką, uszeregowaną kolejkę zamiast przewijać tysiące wierszy w poszukiwaniu par.
Scalanie bez utraty historii: reguły wyboru danych
Najpierw wybierz rekord główny. Weź ten z najbogatszą historią aktywności, a nie z najstarszym numerem ID. Wiek mówi tylko, kiedy wiersz powstał, a nie w której kopii zespół naprawdę pracował.
Wybieraj dane na poziomie pojedynczych pól, zamiast bezmyślnie zostawiać wszystko ze zwycięskiego rekordu. Zwykle wygrywa wartość najpóźniej potwierdzona w danym polu, co oznacza, że ocalały kontakt może odziedziczyć numer telefonu z jednej kopii, a stanowisko z drugiej. To działanie prawidłowe, a nie kompromis.
Scalanie nigdy nie może usuwać obiektów powiązanych. Maile, rozmowy, notatki, oferty, faktury, zgłoszenia – wszystko to musi zostać przepięte do ocalałego kontaktu. Zachowaj też oryginalne daty utworzenia i pola źródła, bo bez nich raportowanie atrybucji się sypie. Sprawdź uważnie, co twój system robi ze zgodami i flagami rezygnacji z marketingu, i przyjmij jedną nienaruszalną zasadę: rezygnacja zawsze wygrywa.
Uważaj na trwałe usuwanie i nieodwracalne operacje masowe. Kiedy nie masz pewności, zamiast tego archiwizuj albo oznacz jako nieaktywne.
Wskazówka: scalaj małymi partiami i wyrywkowo sprawdź kilka rekordów z każdej partii, zanim odpalisz kolejną.
Jak utrzymać czystą bazę po sprzątaniu
To domknięcie dziur na wejściu sprawia, że efekt się utrzyma. Zrób z adresu e-mail pole wymagane, walidowane i unikalne w każdym formularzu i na każdej ścieżce importu. Dodaj sprawdzanie duplikatów w momencie tworzenia rekordu, żeby handlowiec zobaczył ostrzeżenie przed zapisaniem drugiej kopii, a nie raport trzy miesiące później. Zastąp wolny tekst ujednoliconymi listami wyboru dla kraju, branży i statusu. Pola tekstowe to fabryki duplikatów. Dobre zarządzanie kontaktami daje ci te zabezpieczenia w punkcie wprowadzania danych, czyli w jedynym miejscu, w którym naprawdę działają.
Przypisz jakość danych jednej konkretnej osobie i wpisz krótki przegląd do kalendarza na każdy miesiąc. Wspólna odpowiedzialność oznacza, że nie odpowiada nikt.
Miesięczna rutyna, której zespoły faktycznie przestrzegają:
- Przejrzyj kolejkę propozycji duplikatów i wyczyść ją
- Oznacz i odłóż na bok adresy e-mail, z których wracają odbicia
- Skieruj rekordy bez aktywności przez dwanaście miesięcy do decyzji: zostawić czy zarchiwizować
- Każdy import przepuść przez strefę przejściową, zamiast wpisywać go wprost do bazy produkcyjnej
- Sprawdź wyrywkowo dwadzieścia losowych rekordów pod kątem pustych pól wymaganych
Najczęściej zadawane pytania
Co zrobić, gdy dwa duplikaty mają sprzeczne dane, na przykład różne numery telefonu?
Rozstrzygaj według świeżości i wiarygodności źródła. Numer, który kontakt potwierdził podczas niedawnej rozmowy, bije ten zaimportowany z listy o nieznanym wieku. Zamiast wyrzucać przegraną wartość, odłóż ją do notatki albo dodatkowego pola własnego, a potem potwierdź przy najbliższym kontakcie. Sprzeczne dane często sygnalizują realną zmianę – nowy numer stacjonarny w biurze, przejście z telefonu na biurku na komórkę – i czasem okazuje się, że to ten drugi numer nadal działa.
Co daje baza, której możesz ufać
Ta kolejność sprawdza się w prawie każdym systemie: audyt tylko do odczytu, podział dopasowań według pewności, ustalenie reguł wyboru danych na poziomie pól, scalanie małymi partiami, a na koniec domknięcie dziur, którymi wchodziły duplikaty. Nic z tego nie wymaga heroicznego wysiłku. Wymaga wykonania kroków po kolei i powstrzymania się od przeskoczenia od razu do przycisku scalania.
Czyste dane po cichu poprawiają wszystko, co jest na nich zbudowane. Automatyzacja odpala się na właściwej osobie, raporty przestają wymagać gwiazdki, prognozy odzwierciedlają realny pipeline, a scoring AI wreszcie widzi kompletnego kupującego zamiast trzech fragmentów. Jest też efekt ludzki. Handlowcy, którzy ufają temu, co widzą, przestają podważać CRM i zaczynają w nim zapisywać swoją pracę, co utrzymuje dane w czystości dla następnej osoby.
Higiena danych to nawyk o niewielkim miesięcznym koszcie. A nie projekt, który kończysz raz na zawsze.
