Résumé
- Les outils d'IA d'un CRM lisent vos fiches, donc les doublons les nourrissent de données éclatées.
- Un assistant IA peut répondre à partir d'un doublon et passer à côté de l'historique stocké sur un autre.
- Le lead scoring peut disperser l'activité d'un acheteur sur plusieurs fiches et noter chacune trop bas.
- Avant un déploiement d'IA, fusionnez les doublons évidents, en général les emails ou domaines identiques.
- Dedupely trouve les doublons dans les fiches lues par vos outils d'IA et prévisualise chaque fusion.
Beaucoup de CRM proposent de l'IA, intégrée ou ajoutée par-dessus. Les assistants répondent aux questions sur les comptes, le lead scoring classe qui appeler, les rédacteurs d'e-mails préparent les relances et les agents mettent à jour les fiches pour vous.
Ils lisent tous la même chose : vos fiches. Quand un client vit dans deux ou trois fiches, chaque outil en voit une partie et la traite comme le tout. Les réponses ont l'air sûres, et reposent sur des données éclatées.
Dans cet article, je passe en revue la façon dont les doublons touchent chaque type d'outil d'IA et dont certains outils d'IA créent des doublons. Puis je traite de ce qu'il faut corriger en premier. Il s'agit de l'IA que vous utilisez déjà, et de la façon dont les doublons la gênent.
Ce que lit l'IA de votre CRM
Les outils d'IA d'un CRM travaillent à partir des fiches, champs, activités et associations que vous avez déjà. Ils ne savent pas que deux fiches appartiennent à une seule personne, sauf si quelque chose dans les données les relie.
Une personne qui lit le CRM peut voir que « Jen » et « Jennifer » avec le même nom dans la même entreprise sont un seul contact. Un outil d'IA peut les traiter comme deux personnes, chacune avec la moitié des e-mails, des appels et des transactions.
Cela touche tous les types d'IA qui fonctionnent dans ou au-dessus d'un CRM :
- Assistants qui répondent aux questions sur un compte ou un contact.
- Lead scoring qui classe leads ou contacts selon leur adéquation et leur activité.
- Les rédacteurs d'e-mails qui rédigent des messages à partir de l'historique d'une fiche.
- Prévisions qui prévoit le chiffre d'affaires à partir des transactions ouvertes.
- Agents et bots d'enrichissement qui créent ou mettent à jour des fiches d'eux-mêmes.
Les assistants répondent avec la moitié de l'histoire
Exemple : Un commercial demande à l'assistant quand l'équipe a parlé pour la dernière fois à un compte. L'assistant trouve une fiche entreprise et répond à partir d'elle. Le dernier appel, le ticket de support ouvert et le contrat signé se trouvent sur le doublon.
La réponse est juste pour cette fiche et fausse pour le client. Le commercial n'a aucun moyen de le savoir à partir de la réponse.
Marche à suivre : Fusionnez les entreprises et contacts en double avant de vous fier à un assistant pour les résumés de comptes. Vérifiez que la fusion garde activités et associations, pour que l'historique finisse au même endroit.
Le lead scoring divise un acheteur en leads faibles
Exemple : Une personne télécharge un guide avec un e-mail personnel et réserve une démo avec un e-mail professionnel. Le modèle de scoring voit deux leads avec chacun la moitié de l'engagement. Aucune ne franchit le seuil, donc personne n'appelle.
Cela peut aussi aller dans l'autre sens. La même personne comptée deux fois peut faire paraître un segment plus engagé qu'il ne l'est, et le modèle apprend de cela.
Marche à suivre : Vérifiez comment votre scoring traite les personnes qui ont plus d'une fiche. Fusionnez celles dont vous êtes sûr avant que le modèle n'apprenne d'elles.
Les rédacteurs d'e-mails IA et les prévisions partent de la mauvaise fiche
Exemple : Un rédacteur IA rédige une relance à partir de la fiche qu'on lui donne. Si cette fiche contient un ancien intitulé de poste ou une transaction clôturée, l'e-mail les mentionne comme s'ils étaient actuels. Deux fiches pour une même personne peuvent aussi recevoir deux fois la même séquence rédigée par IA.
Les modèles de prévision ont le même angle mort. Une transaction qui existe deux fois ajoute un chiffre d'affaires qui n'existe pas, et des transactions réparties sur deux fiches entreprise cachent ce que vaut un client.
Marche à suivre : Avant d'activer à grande échelle des emails ou des prévisions rédigés par l'IA, fusionnez les contacts qui partagent un email et passez les transactions ouvertes en revue. Décidez quelle valeur l'emporte pour le poste, le propriétaire et le désabonnement, car ils orientent ce que l'IA écrit.
Les agents IA et les bots d'enrichissement peuvent créer des doublons
Certains outils d'IA ne se contentent pas de lire le CRM. Ils y écrivent, ce qui en fait une nouvelle source de doublons.
Exemple : Un bot d'enrichissement ne trouve pas une entreprise au nom légèrement différent, et crée donc une nouvelle fiche. Un agent consigne une réunion et ajoute un contact pour un participant qui existe déjà avec un autre e-mail.
Marche à suivre : Vérifiez quel champ chaque agent ou bot utilise pour trouver des fiches existantes avant d'en créer une. Après en avoir activé un, surveillez les nouvelles fiches qu'il ajoute pendant les premières semaines.
Pourquoi mettre l'IA en pause coûte plus cher que nettoyer d'abord
Ce que je vois : Une équipe avec qui j'ai échangé a mis un bot d'IA en pause jusqu'à ce que ses données soient propres. Pour elle, les données devaient passer d'abord.
Mettre en pause coûte du temps, et la confiance dans l'outil est plus dure à regagner qu'à perdre. Les commerciaux qui reçoivent une mauvaise réponse vérifient ensuite tout à la main, ce qui annule l'intérêt.
Marche à suivre : Prévoyez un nettoyage avant le déploiement, avec son propre temps dans le projet. Il est plus facile de nettoyer avant que l'IA ne commence à répondre que d'expliquer ensuite pourquoi elle s'est trompée.
Savoir ce qu'est un doublon dans votre propre CRM
Exemple : Une équipe lance un projet d'IA en supposant que tout le monde s'accorde sur ce qu'est un doublon. Puis les ventes, le marketing et le support répondent chacun différemment.
Deux contacts qui partagent info@company.com peuvent être une boîte partagée, deux personnes ou une famille. Deux entreprises du même nom peuvent être une seule entreprise ou une société mère et son agence. Ce qu'une équipe considère comme un doublon, une autre peut ne pas le faire.
Marche à suivre : Regardez où les fiches se chevauchent dans votre CRM et convenez de ce qui rend deux fiches identiques. Vous pourrez alors décider quels champs rapprocher, le niveau de rigueur de chacun et l'aspect de la fiche fusionnée.
Ce qu'il faut nettoyer avant d'activer l'IA
- Listez les outils d'IA qui lisent ou écrivent dans votre CRM et les objets que chacun utilise.
- Fusionnez d'abord les doublons évidents, en général les emails identiques pour les personnes et les domaines identiques pour les entreprises.
- Examinez les correspondances moins sûres, comme des noms proches dans la même entreprise, avant de les fusionner.
- Cherchez les nouveaux doublons après le lancement, car formulaires, imports, intégrations et agents continuent d'ajouter des fiches.
Comment Dedupely donne à vos outils d'IA une fiche par client
Avec Dedupely, vous créez des recherches de doublons pour les fiches que lisent vos outils d'IA, en commençant par les correspondances exactes sur l'e-mail ou le domaine. Vous définissez quelle valeur l'emporte et prévisualisez chaque fusion, et les activités et associations passent sur la fiche conservée. Si vous êtes sûr que deux fiches ne sont pas identiques, vous rejetez la fausse correspondance, qui ne réapparaîtra plus dans vos recherches.
Des fiches propres rendent les réponses de l'IA fiables
Chaque outil d'IA de votre CRM travaille à partir des fiches que vous lui donnez. Quand un client est éclaté sur plusieurs fiches, les assistants répondent à partir d'une partie de l'historique et les scores sortent trop bas. Les e-mails partent deux fois, les prévisions comptent des affaires qui n'existent pas, et les agents peuvent ajouter leurs propres doublons.
La solution commence par savoir ce qu'est un doublon dans votre CRM et fusionner d'abord les cas évidents. Avec une fiche par client, l'IA a une vue complète, et votre équipe a une raison de croire ce qu'elle dit.
Questions fréquentes
Les fiches en double affectent-elles l'IA d'un CRM ?
Oui : les outils d'IA lisent les fiches de votre CRM, et un client réparti sur plusieurs fiches leur donne donc des données fragmentées. Les assistants peuvent répondre à partir d'une fiche et rater l'historique d'une autre. Les scores de leads peuvent être trop bas, et les prévisions peuvent compter deux fois la même transaction.
Comment préparer les données du CRM pour l'IA ?
Mettez-vous d'abord d'accord sur ce qui compte comme doublon dans chaque objet lu par l'IA. Fusionnez d'abord les doublons évidents, en général les emails ou domaines identiques. Puis décidez quelle valeur l'emporte pour les champs clés comme le propriétaire et le désabonnement, et relisez les correspondances moins sûres avant de les fusionner.
Les contacts en double peuvent-ils fausser le lead scoring ?
Oui : quand une personne a deux fiches, son activité se répartit entre elles. Chaque fiche obtient un score plus bas que la personne, donc un acheteur prêt peut ne jamais franchir le seuil. Compter une personne deux fois peut aussi faire paraître un segment plus engagé qu'il ne l'est.
Faut-il nettoyer mon CRM avant ou après le déploiement de l'IA ?
Avant, puis continuez à vérifier après le lancement. Nettoyer d'abord permet à l'IA de démarrer avec une fiche par client, et votre équipe ne perd pas confiance après quelques mauvaises réponses. Formulaires, imports, intégrations et agents d'IA continuent d'ajouter des fiches, donc les nouveaux doublons demandent de l'attention une fois l'IA en service.
Pourquoi l'assistant IA de mon CRM donne-t-il des réponses incomplètes sur les comptes ?
Souvent parce que l'historique du compte est réparti sur des fiches en double. L'assistant trouve une fiche et répond à partir d'elle, alors que les appels, transactions ou demandes de support récents sont sur une autre. Fusionner les entreprises et contacts en double, en gardant activités et associations, réunit l'historique au même endroit.
Ou inscrivez-vous avec Google
