Caso de sucesso

Como uma Empresa SaaS Mesclou Mais de 58.000 Registros Duplicados do Pipedrive Criados Pela Sua Migração do HubSpot, com Dedupely

  • Pipedrive
  • Após uma migração CRM
  • Após uma importação de lista
  • SaaS
  • 58,000+ registros duplicados mesclados
  • 29,000+ duplicados unificados
  • 2.5x quanto maior ficou a lista de Organizações após a migração

Uma correspondência é um conjunto de registros duplicados mesclados num único registro. Cada correspondência contém pelo menos dois registros, por isso o número de registros mesclados é pelo menos o dobro do número de correspondências.

De onde vieram os duplicados

Uma lista de prospects, importada mais de uma vez

A empresa é SaaS na Ásia-Pacífico, desenvolvendo uma plataforma de aprendizagem para empregadores. O seu fundador e CEO configurava o pipeline de vendas e migrava de HubSpot para Pipedrive. O plano era simples: trazer uma lista de prospectos de cerca de 26 mil empresas e começar a vender.

A migração levou mais de uma tentativa:

  • A primeira importação não funcionou como esperado. A lista foi exportada como uma planilha e importada para o Pipedrive, e quando os dados não chegaram da forma desejada, foi importada novamente.
  • Uma ferramenta de migração mudou tudo novamente. Depois disso, a conta completa foi transferida com uma ferramenta de migração, e foi aí que os duplicados surgiram.
  • Cada duplicata continha dados diferentes. O registro do CRM antigo tinha o endereço completo, página LinkedIn, número de colaboradores e descrição. Outros tinham apenas país, escrito em formatos diferentes.

O resultado foi aproximadamente 64.000 Organizações onde deveria ter havido cerca de 26.000, duas vezes e meia o número real.

Uma equipe a planejar um pipeline de vendas

O que os duplicados prejudicaram

Uma base de dados ilegível

Com 64.000 Organizações na tela, não havia como saber quais registros eram reais. Os dados de uma única empresa estavam divididos em dois, três, quatro e às vezes cinco registros, cada um com uma parte diferente. A verificação de duplicados do Pipedrive sinalizou cerca de 9.000, o que não dava conta de todos eles.

Os melhores dados tinham de sobreviver

A limpeza tinha de manter os dados mais ricos do CRM antigo. Um merge do registro errado eliminaria precisamente o que a importação deveria trazer. Essa preocupação manteve o CRM intacto: depois de ver mais duplicados aparecerem, a última coisa que o fundador queria era criar mais problemas antes de ter uma visão clara dos dados.

Como os duplicados foram resolvidos

  1. 1. Corresponda no nome, refine com o endereço

    Com a equipe de sucesso de cliente de Dedupely, o fundador começou com uma pesquisa por nome de organização. Sozinho, o nome retornou cerca de 26 mil correspondências, demasiado amplo para confiar, pois duas empresas diferentes podem compartilhar um nome. Adicionar o endereço com Exact matching reduziu para 4.211 correspondências. Mudar o endereço para Similar Words nas primeiras três palavras, para que pequenas diferenças na escrita do endereço não bloqueiem a correspondência, aumentou para 4.868.

  2. 2. Manter o registro com mais dados

    Merge Rules decidiu o que sobrevive. A regra Primary Record foi definida como Most Field Data, então cada mesclagem reúne os duplicados no registro que tem mais informações. A prévia da mesclagem mostra os valores vencedores em negrito antes de qualquer coisa acontecer, e valores em branco nunca sobrescrevem dados existentes.

    Uma mesclagem teste de dois registros verificada no Pipedrive confirmou: a página LinkedIn, número de colaboradores e descrição do CRM antigo continuavam. Depois, as correspondências foram mescladas em massa, em ondas, em segundo plano.

    Merge Rules do Dedupely com o Registro Primário em Mais Dados de Campo

  3. 3. Quando ainda há duplicados, altere os campos de correspondência

    Depois dos primeiros milhares de mesclagens, a pesquisa estava quase vazia, mas muitos duplicados continuavam visíveis no Pipedrive. O endereço era o motivo. Muitos duplicados tinham um endereço diferente ou nenhum, e valores em branco não contam como correspondência, então a pesquisa os ignorava.

    A solução foi parar de corresponder no endereço e corresponder em nome e telefone, com Telefone definido como Similar para que códigos de país, espaços e hífens não interfiram. Uma mesclagem teste de uma empresa com quatro registros deixou exatamente um no Pipedrive. A partir daí, o plano era uma série de mesclagens em massa, cada uma capturando um grupo que a anterior perdeu: nome e telefone, nome e endereço novamente, depois as primeiras duas palavras do nome.

    Busca de Organizações do Dedupely com correspondência em Nome e Telefone

O que a desduplicação mudou

58.000+ registros duplicados unificados

A empresa mesclou mais de 29.000 correspondências, combinando pelo menos 58.000 registros duplicados. Hoje a conta sincroniza 26.551 registros.

De nenhuma ideia para os dados que queria

No começo, o fundador disse que não fazia ideia do que estava vendo. Ao ver a primeira mesclagem manter a página do LinkedIn, o número de funcionários e a descrição do CRM antigo, ele disse que era exatamente o que estava tentando fazer. Depois da segunda rodada, disse que estava fazendo tudo do jeito errado e que a sessão tinha ajudado.

Relacionadas

Limpe as suas Pipedrive Organizations hoje

Experimente grátis Fale com vendas
Avançar para o conteúdo