Pourquoi un nettoyage a fusionné deux personnes différentes

Quelqu'un ouvre un contact après un nettoyage et trouve deux personnes dans une fiche. Le téléphone d'un collègue figure à côté du mauvais nom, ou l'historique d'un client contient maintenant les commandes de sa sœur.

En tant qu'administrateur, c'est à vous de l'expliquer. La fusion a fait ce qu'on lui a demandé. La question est de savoir pourquoi la recherche lui a dit que deux personnes différentes n'en faisaient qu'une.

Dans cet article, vous verrez les cinq schémas derrière la plupart des fausses correspondances et à quoi chacun ressemble dans un ensemble en double. Vous verrez aussi comment configurer des recherches qui gardent séparées des personnes différentes avant toute fusion.

Comment deux personnes finissent en une seule fiche

La recherche décide qui est un doublon. Elle compare les champs choisis, apparie chaque ensemble de fiches qui concordent, et la fusion agit sur cette liste.

Une fausse correspondance est donc un problème de recherche. Un réglage trop lâche peut rapprocher des centaines d'ensembles de la même mauvaise façon. Une fusion en masse ou automatique répète alors l'erreur sur chacun.

C'est pourquoi il vaut mieux bien le faire dès le début : traitez chaque fusion comme définitive. Notre article sur pourquoi rapprocher et fusionner sont deux décisions distinctes explique pourquoi les deux étapes méritent des vérifications séparées.

Cinq raisons pour lesquelles une recherche apparie deux personnes différentes

Ce qui compte comme doublon dépend des cas. Ce qu'une équipe considère comme un doublon, une autre peut ne pas le voir ainsi. Ces cinq schémas reviennent dans beaucoup de CRM, quelle que soit l'activité.

1. La recherche rapprochait sur un ou deux champs

Un seul champ prouve rarement que deux fiches désignent la même personne. Deux contacts « Maria Garcia » peuvent travailler dans des entreprises différentes. Un nom de famille plus un domaine e-mail rapproche tous les collègues qui partagent un nom.

Deux champs ne sont pas beaucoup plus sûrs quand les deux peuvent être partagés. Prénom, nom et téléphone fixe peuvent décrire un parent et un enfant portant le même nom. Un troisième champ que les personnes ne partagent pas, comme l'e-mail, comble cette faille.

2. Une comparaison large portait sur le mauvais champ

Chaque champ peut être comparé de façon stricte ou souple. Les comparaisons souples sont utiles, mais seulement sur les champs pour lesquels elles ont été conçues.

• Domaine racine de l'e-mail d'une personne : comparer seulement le domaine regroupe tout le monde dans une entreprise. Sur les domaines de messagerie gratuits comme gmail.com, il regroupe des inconnus. Dans une équipe qui travaille avec des administrations, le rapprochement par domaine a regroupé des collègues qui partageaient un nom de famille et le domaine de l'administration. Ce n'était pas la même personne.
• Correspondance phonétique sur des e-mails ou des identifiants : la comparaison phonétique est faite pour des noms comme Sean et Shawn. Sur un e-mail ou un numéro d'identification, elle apparie des valeurs qui se ressemblent seulement à l'oreille.
• Comparaison partielle du téléphone : ignorer la mise en forme et les indicatifs repère de vrais doublons. Cela peut aussi associer deux numéros qui finissent par les mêmes chiffres : il faut un second champ pour confirmer.

3. Une boîte partagée faisait office de personne

Des adresses comme info@, sales@ ou support@ appartiennent à une équipe. Quand plusieurs personnes remplissent des formulaires avec la même, une correspondance sur l'e-mail les traite comme une seule personne.

La solution est de laisser les adresses partagées connues hors des correspondances sur l'e-mail, ou d'exiger aussi un prénom et un nom identiques.

4. Des données factices remplissaient le champ

Des valeurs comme test@test.com, John Doe ou 0000000000 sont saisies quand un champ est obligatoire et que la vraie valeur est inconnue. Chaque fiche avec la même valeur de remplissage ressemble à un doublon des autres, et ces ensembles sont souvent très gros. Notre article sur les valeurs factices qui font passer des fiches pour des doublons explique comment les repérer.

5. Les membres d'une famille partageaient tout sauf le prénom

Dans les activités grand public, un foyer partage souvent un nom, une adresse, un téléphone et parfois un e-mail. Sur ces champs, un parent et son enfant semblent identiques.

Certaines équipes voient prénom, nom et téléphone comme une correspondance sûre. Un parent et son fils ou sa fille portant le même nom peuvent partager les trois. Une famille peut être un client pour une entreprise et plusieurs pour une autre, c'est pourquoi ces ensembles demandent qu'une personne tranche.

Les cinq schémas en un coup d'œil

Configurer des recherches qui gardent les personnes séparées

Rapprochez sur au moins trois champs

Trois champs qui concordent font une correspondance bien plus solide qu'un ou deux. Prénom, nom et e-mail ensemble décrivent rarement deux personnes différentes. Notre guide sur sur quels champs effectuer le rapprochement détaille les combinaisons pour chaque objet.

Utiliser la comparaison la plus stricte là où une erreur coûte le plus

Comparez emails et ID à l'identique. Réservez les comparaisons tolérantes aux fautes et phonétiques aux noms, là où un autre champ confirme la correspondance. Utilisez la correspondance par domaine pour les entreprises, pas pour associer seule des personnes.

Laisser de côté les valeurs partagées connues

Un filtre peut exclure d'une recherche les boîtes partagées et les domaines e-mail gratuits. C'est plus simple que de rejeter sans cesse le même type d'ensemble.

Garder les seuils de sécurité actifs

Un groupe de plusieurs dizaines d'enregistrements est rarement une seule personne. Mettre de côté les groupes trop grands et les données factices les empêche d'atteindre une fusion en masse ou automatique.

Affichez les champs qui distinguent les personnes

Quand une recherche doit rapprocher moins de champs, affichez-en d'autres à côté de chaque ensemble, comme l'entreprise, le téléphone ou la date de création. Vous pouvez alors les comparer avant de fusionner, sans changer ce que la recherche rapproche.

Rejeter ce qui est faux et corriger la recherche quand cela se répète

Quand vous êtes sûr qu'un ensemble contient des personnes différentes, rejetez-le pour qu'il ne revienne pas. Quand le même type de fausse correspondance revient, modifiez plutôt la recherche.

N'automatisez que ce que vous fusionneriez sans regarder

Une façon courante de commencer est de n'automatiser que les recherches à trois ou quatre champs stricts, en commençant par les doublons évidents. Les recherches plus larges viennent ensuite, et leurs ensembles sont vérifiés à la main avant toute fusion.

Cette répartition garde la voie rapide pour les ensembles que personne ne contesterait. Foyers, boîtes partagées et homonymes vont à une personne capable de les distinguer.

Si un nettoyage a déjà fusionné deux personnes, le playbook sur que faire si vous avez fusionné les mauvaises fiches explique la récupération. Rejeter ensuite cette correspondance l'empêche d'être à nouveau fusionnée.

Une fausse correspondance commence dans la recherche

Quand un nettoyage fusionne deux personnes, la fusion a suivi la recherche. Elle rapprochait sur trop peu de champs ou utilisait une comparaison large au mauvais endroit. Ou elle se fiait à une boîte partagée, une valeur factice ou des coordonnées partagées par une famille.

Chaque schéma a une correction possible avant toute fusion. Rapprochez sur au moins trois champs, comparez strictement là où les erreurs coûtent le plus et laissez de côté les valeurs partagées. Puis envoyez les foyers et les paires homonymes à une personne.

Questions fréquentes