Kundhistoria

Hur ett AI-telefonsvar-företag slutade att manuellt kontrollera Pipedrive och slog samman 20 000+ dubblettpostningar med Dedupely

Pipedrive
Manuell inmatning av teamet
Formulärfyllningar och registreringar
SaaS

20,000+ duplicerade poster slagna samman
10,000+ Matchningar av personer och organisationer slagna samman
0 dubbletter av personer i Pipedrives duplikatkontroll

En matchning är en uppsättning dubblettsposter sammanslutna till en enda post. Varje matchning innehåller minst två poster, så antalet sammanslutna poster är minst två gånger antalet matchningar.

Varifrån dubletter kom

Samma företag, skrivet på olika sätt

Företaget säljer AI-telefonsvar till hemserviceentreprenörer och kör både marknadsföring och försäljning via Pipedrive. Poster kom in genom manuell registrering och formulärfyllningar, så samma entreprenör eller kontakt kunde hamna i Pipedrive flera gånger. När rensningen började hade kontot ungefär 22 000 organisationer och 19 000 Personer.

Pipedrive flaggade inte dubbletter som var uppenbara för en person:

Namnvarianter. En entreprenör kunde dyka upp som endast affärsnamnet, med Inc. tillagt, eller med en extra tjänst i namnet, som HVAC på en post och HVAC och VVS på en annan.
Halvfyllda poster. Ibland saknades webbplatsen, ibland telefonnumret eller adressen, och ibland hade en post bara ett företagsnamn.
Personer inmatade på olika sätt. Vissa förnamn innehöll ett mellannamn, och samma person kunde vara Steven på en post och Steve på en annan.

Vissa liknande poster var tvungna att bli kvar

Många av deras kunder är grupper med flera grenar. I Pipedrive är dessa grenar länkade till ett moderföretag, och några delar samma webbplats. De ser ut som dubletter men är det inte, och länkarna mellan dem var tvungna att stanna exakt som de var.

Vad dupliceringar orsakade

Granska, sammanslå, upprepa

Utan ett sätt att deduplicera i bulk letade ledningsdirektören för marknadsföring själv efter dubletter, granskade dem och slog samman dem en i taget. Hon sa att det tog för evigt. Tidigare samma dag hade hon slagit samman fyra dubblettorganisationer för hand.

Tillväxt på felaktig data

Företaget expanderade sitt team och sin verksamhet, och hon sa att de inte kunde fortsätta med dålig data. Ingenting flaggade nya dubbletter automatiskt heller, så det manuella arbetet aldrig slutade.

Hur dubbletter löstes

1. Skydda moderbolag innan du sammanfogar något

Med Dedupely:s kundsupportteam synkade de Organisationer och tog med Pipedrives föräldraföretagsfält i sökningen. Ett filter för 'föräldraföretag är tomt' håller alla filialer som redan har en föräldragrupp utanför sökningen, så filialer inte kan sammanslås med sitt föräldraföretag eller varandra. Det lämnade största delen av databasen i sökningen. De få dussintalen filialer kontrollerades för hand.
2. Matcha organisationer på namn och stad

Matchning endast på namn hittade cirka 7 000 matchningar, för bred för att lita på: två VVS-företag med nästan samma namn, ett med en stad tillagd, kan vara två olika företag. Att lägga till staden begränsade resultatet till matchningar hon kunde lita på. Namnet använder liknande matchning, vilket hittar stavfel och små skillnader, och hon kontrollerade ett resultat i Pipedrive före sammanslagning. Namn med webbplats och namn med telefon var planerade för nästa pass.
3
3. Rensa personer i etapper, var och en som fångar en ny grupp

Personhanteringen började med en exakt e-postmatchning, sedan en Bulk Merge. För att hitta de dubbletter som återstod provade de nya fältpar:
- Efternamn och e-post, vilket hon sa att hon aldrig hade tänkt på att prova.
- Efternamn och telefon, som identifierade personer som Steven och Steve.
- Förnamn och telefon, med Förnamn inställd på Similar Words bara på det första ordet, så ett mellannamn inte blockerar en matchning.
De återstående matchningarna granskas en för en, eftersom två personer som delar ett telefonnummer kan vara två olika människor.

Vad deduplicering förändrade

Noll duplicerade personer, bekräftade av Pipedrive

Företaget har sammanslutit mer än 10 000 matchningar över Personer och Organisationer och kombinerat minst 20 000 dubblettsposter. Efter de sista genomgångarna visade Pipedrive's egen dubblettövervakning ingen duplett av Personer och två Organisationer.

Nya sätt att dela upp datan

Hon sa att genomgångarna visade henne sätt att titta på data som hon inte hade tänkt på, och hon planerar att fortsätta att kontrollera med nya kombinationer för att se till att ingenting missas.

Rensa personer och organisationer i Pipedrive redan idag

Prova gratis Prata med sälj

Hur ett AI-telefonsvar-företag slutade att manuellt kontrollera Pipedrive och slog samman 20 000+ dubblettpostningar med Dedupely