HubSpot Unternehmen im Bulk Merge zusammenführen, ohne Daten zu verlieren

Unternehmen in HubSpot zusammenzuführen birgt sofortiges operatives Risiko. Weil dabei die IDs der Secondary-Datensätze dauerhaft gelöscht, Aktivitätsverläufe neu verknüpft und Eigenschaften zusammengelegt werden, kann ein unbedachtes Zusammenführen unbemerkt benutzerdefinierte Felder überschreiben oder die Deal-Zuordnungen des Primärdatensatzes verändern. 40 % der Teams schieben die Bereinigung ihres CRM aus Angst auf: davor, die falschen Daten zusammenzuführen, Historie zu verlieren oder Verknüpfungen zu zerstören.

Ein sicherer Bulk Merge kommt ohne manuelle Paarprüfungen und generische CSV-Exporte aus und setzt stattdessen auf eindeutige Auswahllogik, Regeln zum Felderhalt und eine gestufte Kontrolle.

Abgleich über die exakte Domain hinaus

Die eingebaute Dublettenprüfung stützt sich fast ausschließlich auf exakt gleiche Domains (company.com = company.com). In der Praxis stellen 25 % der Unternehmen fest, dass diese Bordmittel Dubletten wegen kleiner Unterschiede in Schreibweise, Formatierung oder Zeichensetzung übersehen, und bei manchen Datensätzen fehlt die Domain ganz. Solche Datensätze findet nur, wer über den reinen Exakt-Abgleich hinausgeht.

Domain-Root-Abgleich

Werden Präfixe (www.), Suffixe und Varianten der Top-Level-Domain (.com, .org, .co.uk) entfernt, gruppiert der Abgleich über die Domain-Root regionale Niederlassungen und weitere Webauftritte zusammen. So werden auch nicht exakt gleiche Domains sichtbar und lassen sich prüfen, bevor automatisch zusammengeführt wird.

Matching über andere Identifikationsfelder

Fehlt die Domain ganz, läuft der Abgleich unabhängig davon über andere zentrale Eigenschaften. Mit Feldern wie Firmenname (exakt oder unscharf), Telefonnummer, Steuernummer oder eigenen internen IDs finden Sie verwaiste Dubletten auch ohne Domain.

Modelle zur Auswahl des Primary-Datensatzes

Automatisches Zusammenführen in großem Umfang braucht eindeutige Ergebnisse. Den Primary zufällig zu vergeben oder alles von Hand zu prüfen bremst den ganzen Prozess aus.

Eine strukturierte Strategie für den Primärdatensatz beruht auf klarer Systemlogik:

• Ältester Datensatz: Erhält die ursprünglichen Conversion-Quellen, die First-Touch-Attribution und die historischen Erstellungsdaten.
• Neuester Datensatz: Bevorzugt Accounts mit aktueller Aktivität des Vertriebs und aktueller Kommunikation.
• Zuletzt aktualisierter Datensatz: Verknüpft den Primary-Status mit Datensätzen, die zuletzt durch angebundene Tools oder manuelle Bereinigung geändert wurden.
• Meiste Felddaten: Wählt den Datensatz mit den meisten gefüllten Eigenschaften, damit möglichst wenige Feldwerte verloren gehen.
• Logik für benutzerdefinierte Felder: Admins bestimmen jede beliebige Eigenschaft des Datensatzes zum Kriterium für die Auswahl des Primary.

Eigenschaften erhalten, Konflikte lösen

Datenverlust beim Massen-Merge passiert Feld für Feld. Wenn zwei Datensätze widersprüchliche Werte haben, überschreibt eine einzige globale Regel für alle Felder schnell wichtigen Kontext zum Account.

Jedes Unternehmen behandelt Daten anders, deshalb hängt der Erhalt von Eigenschaften vom Kontext ab. Wie Sie Konflikte lösen, richtet sich danach, wie Ihr Team das jeweilige Feld nutzt:

• Aktive Pipeline-Felder: Eigenschaften wie Account Owner, Lifecycle-Phase oder Deal-Status zeigen, wo der Vertrieb gerade steht. Bei einem Konflikt gewinnt der Wert, der das laufende Geschäft abbildet, unabhängig davon, welcher Datensatz älter ist.
• Beschreibende und kontextbezogene Felder: Bei Feldern wie Unternehmensbeschreibung, Adresse oder internen Notizen hängt die richtige Wahl vom Wert selbst ab. Teams entscheiden hier von Fall zu Fall und nehmen den Wert, der sauberer formatiert oder genauer ist.
• Felder aus dem System of Record: Bei Basiskennzahlen, bei denen historische Konsistenz am meisten zählt, hält der Wert des Primärdatensatzes bestehende Reporting- und Attributionsmodelle konsistent.

Vorschau auf Feldebene

Ein CSV-Backup gilt beim Bulk Merge oft als Absicherung, doch eine Tabelle sichert nur statische Feldwerte. Bevor Änderungen im CRM landen, sollten Admins Match-Optionen auf Feldebene setzen und Merge Rules für den Primärdatensatz definieren, damit nach eigenen Kriterien bestimmte Werte gewinnen. Ein Scan zeigt auf Feldebene, wie die Duplikatgruppen zusammengeführt werden. Fällt ein Ergebnis anders aus als erwartet, lassen sich Matching-Logik oder Feldregeln anpassen, bevor ein Datensatz geändert wird.

Stehen die Regeln auf Feldebene, testen Sie die Merge-Logik an einer abgegrenzten Stichprobe von 50 Dubletten-Sets. Prüfen Sie diese 50 zusammengeführten Datensätze direkt in HubSpot: So sehen Sie, dass verknüpfte Kontakte, Deals, Tickets, Kommunikationsverläufe und benutzerdefinierte Felder wie gewollt erhalten bleiben, bevor Sie den Rest der Datenbank verarbeiten.

Merge Rules mit vorhersehbarem Ergebnis schützen die Historie eines Accounts auch bei großen Bereinigungen. Zusammen mit dem Domain-Root-Abgleich und einer eigenen Logik für den Felderhalt behalten Teams die volle Kontrolle über ihre Daten.

Häufige Fragen

Wie verhindern Sie doppelte Unternehmen, wenn Kontakte regionale oder abweichende Domains nutzen (z. B. .org, .com.mx, .mx)?

HubSpot legt automatisch einen neuen Unternehmensdatensatz an, sobald eine eingehende Domain nicht exakt mit einer vorhandenen primären Domain übereinstimmt. Nativ lässt sich das Anlegen nicht verhindern, die Bereinigung aber automatisieren: Mit Domain-Root-Abgleich entfernen Sie nach dem Anlegen Länderendungen und TLD-Varianten, danach greifen Ihre Regeln für den Primärdatensatz und Auto Merge fasst alles zu einem Primärdatensatz zusammen.

Wie geht man mit komplexen Konzernstrukturen und eigenen Marken-Domains um?

Das hängt ganz von Ihrem Go-to-Market ab:

• Account-basiertes Modell (ein Account): Mit dem Abgleich über die Root-Domain fallen Präfixe und Suffixe weg und regionale Datensätze werden zu einem zentralen Primary-Account zusammengeführt. So bleiben alle Deal-Historien, Kommunikationsverläufe und zugehörigen Kontakte unter einem globalen Firmendatensatz.
• Modell nach Einheiten (getrennte Tochtergesellschaften): Beschränken Sie den Domain-Abgleich auf exakte regionale Varianten, damit eigenständige Geschäftseinheiten getrennt bleiben, und verknüpfen Sie sie über Parent-Child-Beziehungen, statt sie zusammenzuführen.

Ab wann reicht die native Duplikaterkennung von HubSpot nicht mehr aus?

Native Tools stoßen in fünf Fällen an strukturelle Grenzen:

1. Angebundene Web-Tools und Integrationen legen für bestehende Kunden neue Datensätze an, statt aktive Profile zu aktualisieren, und umgehen so die nativen Regeln für exakte Übereinstimmung.
2. Bei 20, 30 oder mehr als 40 Dubletten zu einem einzigen Unternehmen verlangen die CRM-Bordmittel mühsame Durchgänge Datensatz für Datensatz, statt die ganze Gruppe in einem Durchgang zu bereinigen.
3. Große Datenbanken stoßen schnell an die Anzeigegrenzen nativer Tools (je nach Tarif zwischen 2.000 und 10.000 Treffer).
4. Native Regeln übersehen Datensätze mit abweichenden Domain-Endungen oder kleinen Tipp- und Formatierungsfehlern.
5. Ihre Daten hängen an eigenen Feldern, die bedingte Regeln brauchen, damit Secondary-Felder die Primary-Daten nicht überschreiben.

Doppelte Unternehmen in HubSpot zusammenführen ist genau das, wofür Dedupely gebaut ist: Matching auf die Root-Domain, Regeln für den Primärdatensatz, die Sie selbst setzen, und eine Vorschau auf Feldebene, bevor sich ein einziger Datensatz ändert.

Kostenlos starten, CRM verbinden und Ihre Duplikate sehen, bevor Sie etwas zusammenführen. Hier starten.