TL;DR
- Das Matching entscheidet, welche Datensätze Duplikate sind und in dieselbe Gruppe gehören.
- Beim Zusammenführen wird festgelegt, welcher Datensatz bleibt und welcher Wert sich in jedem Feld durchsetzt.
- Ein richtiger Treffer kann trotzdem eine falsche Zusammenführung erzeugen, wenn die Zusammenführungsregeln falsch sind.
- Merge/Purge ist ein älterer Begriff für das Abgleichen doppelter Datensätze, deren Zusammenführung und das Entfernen überzähliger Einträge.
- Mit Dedupely legen Sie getrennt fest, was übereinstimmt und welche Werte gewinnen, und sehen dann jede Zusammenführung in der Vorschau.
"Deduplizieren und zusammenführen" klingt nach einem Schritt. In der Praxis sind es zwei Entscheidungen: welche Datensätze gleich sind und wie der finale Datensatz aussehen soll.
Wenn Teams beides als eins behandeln, sind Probleme schwer nachzuverfolgen. Ein falscher Eigentümer nach einer Zusammenführung wird dem Abgleich angelastet, oder ein guter Treffer wird abgelehnt, weil der zusammengeführte Datensatz falsch aussah.
In diesem Beitrag sehen Sie, was jede Entscheidung steuert, was „Merge/Purge“ bedeutet und was schiefgeht, wenn die beiden verschwimmen. Außerdem zeigen wir, wie Sie jede Entscheidung einzeln testen, bevor Sie massenhaft zusammenführen.
Der Abgleich findet die Gruppe, das Zusammenführen entscheidet das Ergebnis
Beim Abgleich werden Datensätze verglichen und diejenigen, die Sie als Dubletten betrachten, zu einer Gruppe zusammengefasst. Er beantwortet eine Frage: Sind das derselbe Kunde, dasselbe Unternehmen oder derselbe Deal?
Zusammenführen nimmt eine Gruppe und macht sie zu einem Datensatz. Es beantwortet eine andere Frage: Was soll dieser Datensatz behalten?
| Abgleich | Zusammenführung | |
|---|---|---|
| Die Frage | Sind diese Datensätze identisch? | Was soll der finale Datensatz behalten? |
| Was Sie entscheiden | Welche Felder verglichen werden und wie streng | Welcher Datensatz bleibt und welcher Wert sich in jedem Feld durchsetzt |
| Was sich im CRM ändert | Nichts, bis Sie zusammenführen | Datensätze werden zusammengeführt, überzählige Einträge entfernt |
| Wenn es schiefgeht | Getrennte Datensätze werden gruppiert, oder echte Duplikate werden übersehen | Die richtigen Datensätze werden kombiniert, aber die falschen Werte bleiben erhalten |
| So testen Sie es | Eine Stichprobe der Treffergruppen prüfen | Vorschau des Zusammenführungsergebnisses einer Stichprobe |
Was „Merge/Purge“ bedeutet
Merge/Purge ist ein älterer Begriff aus der Adressverwaltung. Teams führten Listen zusammen, fanden Datensätze, die sich auf dieselbe Person oder Adresse bezogen, und behielten einen Eintrag.
Die Idee lässt sich auf CRMs übertragen. Matching findet die Duplikate, Zusammenführen fasst sie zu einem Datensatz zusammen, und die Bereinigung entfernt die überzähligen Datensätze.
Im CRM erfolgt die Bereinigung als Teil der Zusammenführung. Die überzähligen Datensätze werden je nach CRM gelöscht oder archiviert, und ihre Aktivitäten und Verknüpfungen werden in der Regel auf den verbleibenden Datensatz übertragen.
Die Entscheidung über den Abgleich
Beim Abgleich geht es um Belege. Sie wählen die Felder, die einen Datensatz identifizieren, etwa E-Mail bei Kontakten oder Domain bei Unternehmen, und legen fest, wie genau jedes Feld übereinstimmen muss.
Was als Dublette gilt, hängt vom Einzelfall ab. Was ein Team als Dublette sieht, sieht ein anderes vielleicht nicht, etwa zwei Filialen mit derselben Domain. Deshalb brauchen dieselben Datensätze in verschiedenen CRMs oft unterschiedliche Kriterien.
Unsere Beiträge zu wie der Duplikatabgleich funktioniert und auf welchen Feldern abgeglichen wird behandeln Abgleichtypen und Felder im Detail.
Die Entscheidung zur Zusammenführung
Beim Zusammenführen geht es um das Ergebnis. Sobald Sie sich einig sind, dass Datensätze zusammengehören, müssen Sie trotzdem entscheiden, was erhalten bleibt.
Welcher Datensatz bleibt erhalten
Ein Datensatz in der Gruppe wird zum Hauptdatensatz. Übliche Wahlen sind der älteste, der neueste, der zuletzt aktualisierte oder der mit den meisten Daten.
Die Wahl ist wichtig, weil der Hauptdatensatz standardmäßig oft seine Datensatz-ID und einige Werte behält. In manchen CRMs erzeugt eine Zusammenführung stattdessen eine neue Datensatz-ID.
Welcher Wert sich in jedem Feld durchsetzt
Jedes Feld kann seiner eigenen Regel folgen. Die Telefonnummer stammt vielleicht aus dem neuesten Datensatz, der Owner aus dem ältesten und die Lifecycle-Phase aus der weitesten.
Felder mit mehreren Werten, etwa Tags, können Werte aus allen Datensätzen zusammenführen. Einwertige Felder brauchen einen Gewinner.
Was mit verknüpften Datensätzen passiert
Aktivitäten, Geschäfte und andere Verknüpfungen werden meist in den verbleibenden Datensatz übernommen. Prüfen Sie, wie Ihr CRM damit umgeht, denn genau das wird beim fehlerhaften Zusammenführen oft übersehen. Unser Beitrag zu CRM-Datensätze zusammenführen, ohne Daten zu verlieren geht tiefer darauf ein.
Was schiefgeht, wenn die beiden verschwimmen
Viele Bereinigungsfehler entstehen, weil eine Entscheidung das andere Problem lösen soll. Drei treten häufig auf.
Den Treffer für eine fehlerhafte Zusammenführung verantwortlich machen
Zwei Datensätze derselben Firma werden zusammengeführt, und der Account landet beim falschen Owner. Der Treffer war richtig. Die Owner-Regel war falsch.
Eine strengere Übereinstimmung würde hier echte Duplikate verbergen. Die Eigentümerregel zu korrigieren löst das Problem für jedes künftige Zusammenführen.
Gute Treffer versehentlich ablehnen
Wenn ein zusammengeführter Datensatz falsch aussieht, liegt es nahe, diese Art von Treffer abzulehnen. Ein abgelehnter Treffer bleibt aber bei künftigen Suchen außen vor, und die Duplikate bleiben im CRM.
Lehnen Sie einen Treffer nur ab, wenn Sie sicher sind, dass die Datensätze keine Dubletten sind. Lag das Problem im Ergebnis, ändern Sie stattdessen die Zusammenführungsregeln.
Jeden Treffer gleich bewerten
Eine exakte E-Mail-Übereinstimmung und eine Übereinstimmung bei ähnlichen Namen sind nicht gleich sicher. Sie können dieselben Zusammenführungsregeln nutzen, verdienen aber unterschiedliche Behandlung.
Führen Sie offensichtliche Dubletten, etwa exakte Treffer bei E-Mail oder Domain, gesammelt zusammen. Lockerere Treffer gehen zur Prüfung, wo jemand jede Gruppe kontrolliert, bevor sie zusammengeführt wird.
Jede Entscheidung einzeln testen
Testen Sie zuerst den Abgleich. Prüfen Sie eine Stichprobe der Treffergruppen und stellen Sie eine Frage: Sind dies derselbe Datensatz? Passen Sie die Kriterien an, bis die Antwort für die Gruppen, die Sie zusammenführen würden, Ja lautet.
Testen Sie dann die Zusammenführung. Prüfen Sie die Vorschau für eine Stichprobe, einschließlich einiger Grenzfälle, und kontrollieren Sie die wichtigsten Felder wie Verantwortlichen, Phase und E-Mail-Abmeldung.
Sobald beides Bestand hat, können Sie einen Bulk Merge durchführen. Sind Ihre Regeln getestet, lassen sich sichere neue Dubletten, etwa exakte E-Mail-Treffer, automatisch nach Zeitplan zusammenführen.
So hält Dedupely Abgleich und Zusammenführung getrennt
Erstellen Sie in Dedupely Suchen, um Treffer-Kandidaten zu finden, und legen Sie Zusammenführungsregeln fest, die bestimmen, welche Werte erhalten bleiben. Bestätigen Sie die Identität, prüfen Sie das Ergebnis in der Vorschau und geben Sie unsichere Sets zur Prüfung frei. Prüfen Sie die unterstützten Aktivitäten, Verknüpfungen und Ausnahmen Ihres Connectors; Feldregeln allein garantieren nicht, dass alle verknüpften Daten übertragen werden.
Zwei Entscheidungen, ein sauberer Datensatz
Abgleich und Zusammenführung beantworten unterschiedliche Fragen. Der Abgleich entscheidet, ob Datensätze identisch sind; die Zusammenführung entscheidet, was der finale Datensatz behält. Merge/Purge ist der ältere Begriff für beides, einschließlich des Entfernens überzähliger Datensätze.
Wenn Sie die Entscheidungen getrennt halten, lassen sich Probleme leichter beheben. Eine falsche Gruppe bedeutet, die Kriterien anzupassen, ein falscher Wert bedeutet, die Zusammenführungsregel zu ändern. Testen Sie jede Stufe an einer Stichprobe, dann werden Massenzusammenführungen deutlich weniger riskant.
Häufige Fragen
Worin unterscheiden sich Abgleichen und Zusammenführen?
Matching ermittelt anhand von Feldern wie E-Mail, Domain oder Name, welche Datensätze Duplikate sind, und gruppiert sie. Merging macht daraus einen Datensatz und legt fest, welcher erhalten bleibt und welcher Wert sich pro Feld durchsetzt. Matching verändert das CRM erst beim Merging.
Was bedeutet merge/purge?
Merge/Purge ist ein älterer Begriff aus der Adressverwaltung. Gemeint ist das Zusammenführen von Listen, das Finden von Datensätzen, die dieselbe Person oder Adresse betreffen, das Zusammenführen dieser Datensätze und das Entfernen der Überzähligen. Im CRM bedeutet das: Duplikate abgleichen, jede Gruppe in einen Datensatz zusammenführen und die übrigen Datensätze entfernen.
Was bedeuten Deduplizieren und Zusammenführen?
Dies bedeutet, doppelte Datensätze zu finden und jede Gruppe zu einem Datensatz zu kombinieren. Deduplizierung umfasst den gesamten Prozess, vom Abgleich der Datensätze, die sich auf denselben Kunden beziehen, bis zu deren Zusammenführung. Der Zusammenführungsschritt entscheidet, welcher Datensatz bestehen bleibt und welche Werte er behält, sodass es am Ende einen Datensatz pro Kunde gibt.
Können Sie Dubletten abgleichen, ohne sie zusammenzuführen?
Ja. Der Abgleich fasst Datensätze nur zu Gruppen zusammen, sodass Sie sie prüfen oder zählen können, ohne etwas zu ändern. Ein Abgleich vorab zeigt, wie viele Duplikate Sie haben. Danach entscheiden Sie, welche Gruppen Sie zusammenführen, prüfen oder verwerfen.
Welcher Datensatz soll nach einer Zusammenführung bestehen bleiben?
Das hängt von Ihren Daten ab. Übliche Optionen sind der älteste Datensatz, der neueste, der zuletzt aktualisierte oder der mit den meisten Daten. Den ältesten Datensatz zu behalten kann je nach CRM dessen Datensatz-ID erhalten. Wählen Sie danach Feld für Feld den maßgeblichen Wert.
Oder mit Google registrieren
HubSpot Marketplace 
