Éviter les fausses correspondances

Évitez que des boîtes partagées, des données de remplissage et des fiches liées soient fusionnées par erreur.

Afficher en Markdown

Une fausse correspondance est un groupe de fiches qui ressemblent à des doublons mais décrivent des personnes ou entreprises différentes : deux collègues qui partagent info@acme.com, ou chaque contact avec le numéro 000-000-0000. Dans Dedupely, vous évitez les fausses correspondances en faisant correspondre sur au moins trois champs, en choisissant la bonne option de correspondance pour chacun, en utilisant les filtres et les Paramètres de sécurité pour écarter les données faibles, et en rejetant les fausses correspondances qui persistent. Traitez chaque fusion comme définitive : vérifiez donc cela avant de fusionner en masse ou d'activer Auto Merge.

À quoi ressemblent généralement les fausses correspondances ?

Fausse correspondance Exemple Que faire
Boîte partagée Deux personnes de la même entreprise, toutes deux avec info@acme.com Ajoutez First Name et Last Name à la recherche, ou filtrez les boîtes génériques
Données factices « test@test.com », « John Doe », 000-000-0000 Garder Données pauvres ou d'exemple activé dans Safety Settings
Valeurs très courtes Une seule lettre dans First Name, ou « 1 » dans un champ Activez Valeurs très courtes dans les Safety Settings
Membres d'une famille ou conjoints Même nom de famille, adresse et téléphone fixe Ajoutez First Name (Exact) ou Email à la recherche
Même nom, autre personne Deux contacts « Maria Garcia » dans des entreprises différentes Ajoutez Email ou Company à la recherche
Agences et filiales Acme UK et Acme US, même domaine Ajoutez City ou Country (Exact), ou rejetez la correspondance
Domaines de messagerie gratuits Domain Root sur gmail.com regroupe des contacts sans rapport Filtrez les domaines de messagerie gratuits, ou n'utilisez pas Domain Root sur les e-mails personnels

Sur combien de champs une recherche doit-elle rapprocher ?

Au moins trois. Un ou deux champs créent beaucoup de fausses correspondances, car deux personnes peuvent partager un nom, et une entreprise un domaine e-mail. Par exemple :

  • Trop souple : Last Name (Exact) + Email (Domain Root). Repère chaque collègue portant le même nom.
  • Mieux : First Name (Exact) + Last Name (Exact) + Email (Exact).

Si une recherche doit rapprocher sur moins de champs, ajoutez davantage de Visible Fields, pour comparer d'autres informations (comme Phone, Company ou Created Date) avant de fusionner. Voir Duplicate Searches.

Quelle option de correspondance est trop large pour quel champ ?

  • Approximatif rapproche les noms qui se prononcent pareil (« Sean » et « Shawn »). Utilisez-le sur des noms, pas sur des e-mails ou des identifiants.
  • Similaire repère les fautes de frappe. Sur les numéros de téléphone, il compare les sept chiffres principaux, alors associez-le à un autre champ.
  • Racine du domaine regroupe tout le monde au même domaine. Utilisez-le pour les entreprises, pas seul pour rapprocher des personnes.
  • Similar Words (Any Order) peut rapprocher des noms sans lien qui partagent des mots courants. Ajoutez ces mots aux Ignored terms.
  • Exact est la plus sûre pour les e-mails, les ID et tout ce sur quoi vous ne pouvez pas vous tromper.

Voir Options de correspondance.

À quoi servent les Safety Settings ?

Les Safety Settings mettent les correspondances risquées de côté dans l'onglet Excluded pour qu'elles soient exclues de la sélection en masse et d'Auto Merge :

  • Enregistrements par correspondance (20 par défaut) : une très grande correspondance signifie en général que la recherche est trop large.
  • Données pauvres ou d'exemple (activé par défaut) : données factices et de test.
  • Valeurs très courtes (désactivé par défaut) : activez-le si vos données contiennent des initiales ou des caractères isolés.

Les changements s'appliquent après votre prochaine analyse. Voir Sécurité des fusions.

Filtrer les données génériques

Utilisez un filtre pour écarter les valeurs que vous savez partagées. Par exemple, pour ignorer les boîtes de réception partagées :

  • Champ : E-mail · S'applique à : toutes · Opérateur : ne commence pas par · Termes : info@, sales@, support@, hello@, admin@ · Tous

Vous pouvez ajouter jusqu'à 25 termes par filtre. Avec un opérateur négatif comme celui-ci, réglez le paramètre de termes à côté de l'opérateur sur Tous, pour qu'une fiche doive éviter chaque terme. Voir Filtres.

Que faire des fausses correspondances qui apparaissent encore

  • Rejeter les correspondances dont vous êtes sûr qu'elles ne sont pas des doublons. Elles sortent de toutes les recherches de cet objet, y compris Auto Match et Auto Merge. Les correspondances rejetées sont mémorisées, elles ne réapparaissent donc jamais.
  • Send to Manual Review les correspondances dont vous n'êtes pas sûr, pour que la bonne personne tranche.
  • Corrigez la recherche si vous rejetez sans cesse le même type de correspondance. Une série de fausses correspondances signifie qu'un champ ou une option de correspondance doit changer.

Exemple de configuration

Une équipe trouve sans cesse des collègues fusionnés en un seul contact, parce que beaucoup de leads arrivent par des boîtes partagées.

  1. Recherche : First Name : Exact · Last Name : Exact · Email : Exact, au lieu de Last Name + domaine de l'Email.
  2. Filtre : E-mail ne commence pas par info@, sales@, support@, office@ (réglage du terme Tous), S'applique à toutes.
  3. Safety Settings : Enregistrements par correspondance 10, Données pauvres ou d'exemple activé, Valeurs très courtes activé.
  4. Visible Fields : Phone Number, Company et Create Date, pour comparer avant de fusionner.
  5. Revue : rejetez les fausses correspondances au fil de l'eau et envoyez les cas incertains dans Manual Review.
  6. Automatiser seulement après quelques analyses sans nouvelle fausse correspondance : Auto Match d'abord, puis Auto Merge.

Erreurs courantes

  • Rapprocher sur un ou deux champs. C'est la cause la plus courante de fausses correspondances.
  • S'attendre à ce que des champs vides correspondent. Deux valeurs vides ne correspondent jamais, elles ne peuvent donc pas créer de fausse correspondance, mais les fiches avec un vide dans un champ rapproché n'apparaîtront pas dans cette recherche.
  • Utiliser Fuzzy sur les e-mails, ou Domain Root seul pour rapprocher des personnes. Fuzzy est conçu pour les noms. Domain Root sur l'e-mail regroupe tout le monde dans la même entreprise, alors associez-le à des champs de nom.
  • Désactiver Poor or example data. Les valeurs factices regroupent alors des milliers de fiches sans rapport.
  • Fusionner de grandes correspondances sans les ouvrir. Vérifiez l'onglet Excluded et ouvrez d'abord les correspondances avec beaucoup de fiches.
  • Rejeter les correspondances une par une sans corriger la recherche. Si le même type de fausse correspondance revient sans cesse, modifiez la recherche.

FAQ sur les fausses correspondances

  • Qu'est-ce qu'un faux positif en dédoublonnage ? Une correspondance de fiches qui ressemblent à des doublons sans en être, comme deux personnes qui partagent une boîte e-mail.
  • Puis-je empêcher une fausse correspondance de revenir ? Oui. Rejetez-la, et elle reste hors de toutes les recherches de cet objet.
  • Puis-je restaurer une correspondance rejetée ? Oui. Ouvrez l'onglet Correspondances rejetées , sélectionnez-la et cliquez sur Remove from Rejected.
  • Auto Merge fusionne-t-il les correspondances exclues ou rejetées ? Non. Les deux sont ignorées.
  • Et si une fausse correspondance a déjà été fusionnée ? Annulez-la depuis Merge History dans les 30 jours. Voir Annuler une fusion. Pour les anciennes fusions, voir J'ai fusionné les mauvaises fiches : que faire ?

À suivre

Correspondances rejetées Écartez les correspondances qui ne sont pas des doublons pour qu'elles cessent d'apparaître.

Toujours bloqué ?

Notre équipe aide sur chaque offre et pendant l'essai gratuit, par chat, e-mail ou Zoom.

Sur cette page

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

Commencez gratuitement

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

« Surtout, notre équipe a été impressionnée par la façon dont l'équipe Customer Success de Dedupely en fait systématiquement plus que prévu. »

Isaac J

Utilisateur Salesforce

Salesforce AppExchangeSalesforce AppExchange

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

Aller au contenu