Blog
HubSpot

Pourquoi les doublons de HubSpot et de Dedupely diffèrent

Pourquoi HubSpot et Dedupely comptent les doublons différemment, et comment la logique de correspondance influe sur ce que chaque outil trouve.

3
min de lecture
Two stacks of layers either side of a not-equal sign

Sommaire

Contacter les ventes
Essayer gratuitement
Afficher en Markdown

Le nombre de doublons ne correspond pas, voici pourquoi

Si Dedupely affiche moins de doublons que HubSpot, pas d'inquiétude : ce n'est pas un bug, c'est une question de périmètre. Dedupely applique vos règles à la lettre, alors que HubSpot utilise une logique interne ni visible ni configurable. Tant que votre logique de rapprochement et vos Merge Rules ne reproduisent pas cette logique, les résultats diffèrent.

Le nombre de correspondances dépend de votre définition d’un doublon, pas de celle d’un autre outil. Pour expliquer l’écart, revoyez d’abord votre logique de correspondance, pas votre statut de synchronisation.

Ce que Dedupely examine réellement

Dedupely vérifie exactement ce que vous lui demandez. Vous le définissez via des Duplicate Searches avec des options de correspondance spécifiques par champ, notamment :

  • Les champs à comparer : prénom, nom, e-mail, nom de l’entreprise et champs personnalisés
  • Une option de correspondance par champ : exacte, similaire, approximative, Similar Words (ordre indifférent) ou racine de domaine

Si un doublon ne correspond pas exactement à votre Duplicate Search, il est exclu, car il n'y a pas de logique partielle. Cela signifie que la qualité de vos résultats de correspondance dépend entièrement des champs que vous incluez et de la façon dont vous les faites correspondre. Ne vous fiez pas aux configurations par défaut ; examinez chaque champ et chaque option de correspondance utilisés.

En savoir plus sur les Duplicate Searches ici.
Apprenez à construire un système de Duplicate Search pour trouver tous vos doublons avec ce guide.

Les conditions de correspondance exacte peuvent limiter les résultats

Comparer les numéros de téléphone ou les prénoms en correspondance exacte écarte souvent des doublons valides : une simple différence de format casse la correspondance. Par exemple :

  • « +1 555-123-4567 » et « 5551234567 » ne correspondent pas avec la correspondance exacte
  • “Horizon Labs Inc.” et “Horizon Labs Incorporated” ne correspondent pas, même s'il s'agit de la même entité

Pour une détection plus fine, utilisez la correspondance Similaire là où le format varie légèrement : numéros de téléphone, noms et, parfois, e-mails.

Conseil : testez les options en dupliquant une Duplicate Search, en changeant un champ d'Exact à une autre correspondance, puis en relançant le scan. La différence est généralement immédiate.

Comment évaluer les résultats de rapprochement après une modification

Après un scan avec une logique de correspondance mise à jour, regardez quels types de fiches sont rapprochés

Repérez les tendances dans les nouvelles correspondances :

  • Ces doublons sont-ils réels, ou seulement similaires ?
  • Certaines valeurs génèrent-elles du bruit (noms d'entreprise incomplets, e-mails réutilisés) ?
  • Les champs vides affaiblissent-ils vos rapprochements ?

Cette vérification vous permet de décider : garder la modification, ajuster les options de correspondance ou ajouter un champ pour équilibrer. L’itération sert à améliorer la qualité des doublons détectés.

Ce que vous contrôlez, vous pouvez y faire confiance

La force de Dedupely tient à sa restitution fidèle de votre logique de correspondance.

Pour obtenir plus de correspondances, assouplissez vos options de correspondance. Pour un contrôle plus fin, resserrez-les. Dans les deux cas, c’est vous qui définissez ce qui est un doublon. Cette clarté donne des résultats que vous pouvez expliquer, diagnostiquer et améliorer, sans deviner.

Portrait de Gaby Salinas

Derrière l'article

Gaby Salinas

Assistante marketing chez Dedupely

Gaby Salinas est arrivée aux données CRM depuis le marketing et la publicité, si bien qu'elle aborde les doublons sous deux angles : la logique de correspondance et de fusion qui les sous-tend, et ce qu'ils provoquent chez les personnes qui utilisent le CRM, comme le commercial qui appelle un client deux fois, l'administrateur à qui l'on reproche la situation et le nettoyage que personne ne veut entreprendre.

En tant qu'assistante marketing chez Dedupely, elle suit la manière dont les équipes RevOps, les utilisateurs finaux, les consultants et les équipes techniques travaillent réellement avec leurs données : les enregistrements auxquels ils cessent de faire confiance, les solutions de contournement qu'ils mettent en place et le moment où ils décident enfin de procéder au nettoyage. Ce qu'elle découvre façonne l'essentiel de ce que Dedupely publie.

Se connecter avec Gaby sur LinkedIn

Nous contacter

Nous vous aidons volontiers à le mettre en place.

Écrivez-nous

Nous avons sans doute déjà la réponse à votre question

E-mail copié dans le presse-papiers !

Réserver un Zoom

Que vous débutiez ou que vous passiez la vitesse supérieure.
Contactez-nous

Commencez gratuitement

20 fusions gratuites en essai et autant d’assistance gratuite que nécessaire pour maîtriser vos doublons.

"Nous avions 300 000 enregistrements dans notre CRM. Malgré ce volume, Dedupely a été parfait. Le support a été particulièrement remarquable."
Simon W

Simon W

Tillhub

~50 employés

Vous nettoyez des CRM pour vos clients ? Voir le programme partenaires

Aller au contenu