Como os dados internacionais criam duplicados no CRM

Um cliente em Madri preenche um formulário como "José García López". Um vendedor do seu escritório nos EUA cadastra-o como "Jose Garcia". Sua ferramenta de faturamento envia "GARCIA LOPEZ, JOSE" com o número em formato internacional. Para você, é uma só pessoa. Para uma correspondência exata, são três.

Os dados internacionais trazem variações para as quais muitas configurações de correspondência não foram concebidas. Os caracteres mudam nas exportações, os nomes seguem convenções diferentes e os números de telefone trazem por vezes indicativos de país.

Neste artigo, você vai ver quatro fontes de variação em nove países: acentos, ordem dos nomes, números de telefone e endereços. Você também vai ver como corresponder registros sem mesclar pessoas que apenas parecem semelhantes.

Porque deixam de corresponder os registros internacionais

Os registros vêm de formulários, importações, vendedores, enriquecimento e outras ferramentas conectadas. Cada fonte escreve nomes, números e endereços do seu jeito, e os dados internacionais dão mais formas de divergirem.

• Caracteres: os acentos e letras como ñ, ü, ß ou å são digitados, omitidos ou substituídos.
• Ordem do nome: dois sobrenomes e nomes compostos são divididos em campos de forma diferente.
• Números de telefone: o mesmo número aparece em formato nacional e internacional.
• Endereços: o número da porta, o código postal e a localidade aparecem em ordem diferente em cada país.

Saber se dois destes registros são duplicados depende de cada caso. O que uma equipe considera duplicado, outra pode não considerar, por isso defina o que conta como uma pessoa ou empresa antes de mesclar.

Acentos e caracteres especiais

Uma pessoa escreve o próprio nome com acentos. Um vendedor com teclado americano costuma deixá-los de fora. Um correspondência exata compara carácter a carácter, por isso "José" e "Jose" são dois valores diferentes.

Letras que se perdem ou são substituídas

Cada idioma acrescenta o seu próprio conjunto de letras. Estas são as que aparecem nos nove países analisados neste artigo:

• Espanhol: á, é, í, ó, ú e ñ, como em José ou Muñoz.
• Português: ã, õ e ç, como em João ou Gonçalves.
• Alemão: ä, ö, ü e ß, como em Müller ou Strauß.
• Sueco: å, ä e ö, como em Åsa ou Björk.
• Italiano: à, è e ò, por vezes escritos com apóstrofo depois da vogal.

Diferentes formas de escrever a mesma letra

Retirar o acento não é a única alteração. Em alemão, quando não há ü ou ß, a convenção é escrever ue e ss. "Müller" pode então aparecer como Müller, Mueller ou Muller em três registros.

As exportações também podem danificar caracteres. Quando um arquivo é guardado com uma codificação e aberto com outra, "José" pode voltar como "José." Esses registros não correspondem a nada até alguém os corrigir.

Ordem do nome e dois sobrenomes

Os CRMs costumam guardar um primeiro nome e um sobrenome. Muitos nomes não se encaixam bem nessa divisão, e cada fonte os divide do seu jeito.

Nomes em espanhol

Os nomes espanhóis costumam ter dois sobrenomes, o primeiro sobrenome do pai seguido do da mãe. No dia a dia, muitas pessoas usam apenas o primeiro. "José García López" pode ser guardado com "García López" como sobrenome, ou apenas "García".

Portugal e Brasil

Os nomes portugueses e brasileiros podem conter vários sobrenomes, e a ordem e o uso no dia a dia variam. "Ana Costa Ferreira" pode aparecer abreviado em outro registro. Não deduza identidade ou relações familiares apenas pela ordem dos sobrenomes.

Nomes próprios compostos

Nomes compostos, como "José Luis" ou "Maria Fernanda," podem acabar parcialmente no campo de sobrenome. Um formulário com um único campo "Nome completo" torna isso mais provável, já que algo precisa decidir onde separar.

Comparar as palavras que dois nomes compartilham, em qualquer ordem, pega muitos desses casos. Funciona melhor com um segundo campo, como email ou telefone, porque sobrenomes compartilhados são comuns.

Números de telefone e indicativos de país

Os números de telefone são um bom campo de correspondência para registros internacionais, uma vez que não têm acentos nem ordem de nomes. O problema é o formato. O mesmo número pode aparecer com indicativo de país, sem ele, com espaços, traços ou parênteses.

O formato internacional começa com o sinal de mais e o código do país, seguido do número nacional. O zero inicial também varia: no Reino Unido, ele é retirado depois de +44. Na Itália, os números fixos o mantêm, por isso um número de Roma começa com +39 06.

O que ter em conta em nove países

Use a tabela de países como ponto de partida, e não como regra para cada pessoa ou endereço. Consulte as orientações nacionais de numeração e de CEP relevantes ao normalizar os dados. As referências abaixo cobrem planos de numeração, variações de nomes e convenções de endereços nos EUA.

Formatos de endereço

Nos EUA, o número da porta vem antes da rua. Na Alemanha, em Portugal, no Brasil e na Suécia, vem depois. Os códigos postais também diferem em comprimento, pontuação e posição.

As abreviações acrescentam mais variação. "Rua" e "R.", "Straße" e "Str." ou "Avenida" e "Av." são a mesma palavra, escrita de duas formas. Além disso, muitos registros não têm endereço algum.

Por isso um endereço funciona melhor como prova de apoio. Um CEP ou uma cidade que coincidam podem aumentar a sua confiança numa correspondência de nome. Um endereço longo que difere levemente diz pouco.

Nomes de empresas e domínios em vários países

As empresas trazem variações internacionais próprias. Sufixos legais como GmbH, S.r.l. ou S.A. de C.V. variam de país para país, e abordamos o tema em como os sufixos das empresas escondem duplicados.

Os sites nacionais são outra fonte. Uma empresa pode usar example.com, example.de e example.com.br. Remover o caminho ou o prefixo www de um URL não torna iguais domínios diferentes. Use um mapeamento de domínios verificado e os dados da empresa para identificar registros relacionados, e depois decida se as entidades nacionais se mantêm separadas.

Como fazer correspondência de registros internacionais com segurança

Os princípios são os mesmos de qualquer limpeza. Os dados internacionais apenas tornam o segundo e o terceiro passos mais importantes.

Comece pelos duplicados óbvios

Emails e domínios exatos são pesquisas de candidatos úteis em vários formatos de nomes. Verifique as caixas compartilhadas e separe as entidades de países diferentes antes de mesclar, e depois revise as correspondências mais difíceis, baseadas em nomes, com dados independentes.

Compare nomes de forma flexível, com um segundo campo

Ignore acentos, maiúsculas e ordem das palavras ao comparar nomes. Depois exija que um segundo campo coincida, como telefone, email ou empresa. Leia mais sobre como escolher em que campos fazer a correspondência.

Compare os números de telefone pelos seus dígitos

Normalize o formato, mantendo o indicativo de país e a extensão. Comparar os últimos dígitos pode encontrar candidatos em formatos diferentes, mas números sem relação em regiões diferentes podem compartilhar o mesmo final. Confirme o número completo e outro campo de identidade antes de mesclar.

Adicione o país quando as entidades devem permanecer separadas

Duas pessoas chamadas Maria Silva, em Portugal e no Brasil, são provavelmente pessoas diferentes. Acrescentar o país à correspondência por nome as mantém separadas.

Manter os valores originais

Ignore os acentos na correspondência, mas mantenha-os no registro. As pessoas percebem quando o nome está escrito errado, e "Muller" numa saudação de email soa como erro para o Sr. Müller.

Um cliente, muitas grafias

Registros internacionais escondem duplicados em pequenas diferenças: um acento faltando, um segundo sobrenome, um código de país ou um CEP em outro formato. A correspondência exata vê cada diferença como uma pessoa nova.

Comparar nomes de forma flexível, números de telefone pelos dígitos e endereços como evidência complementar encontra muitos desses casos. Exigir um segundo campo e adicionar o país quando isso importa mantém pessoas diferentes separadas.

Referências: W3C: Nomes pessoais em todo o mundo; ITU: Planos Nacionais de Numeração; USPS: Publicação 28; Encontrar empresas duplicadas por domínio.

Perguntas frequentes