Hur ett fintech-företag gav sitt säljteam en pipeline det kan lita på genom att rensa över 4 000 duplicerade matchningar med Dedupely

01

Varifrån dubletter kom

Ett företag, två webbplatsfält och en affär för varje dublett

Företaget är en finansteknologibusiness som kör sin försäljningspipeline i HubSpot, med mer än 500 000 poster och ett par tusen affärer. RevOps-chefen hade använt Dedupely några år tidigare, flyttade bort från det och kom tillbaka med vad han beskrev som ett stort dubblettproblém på företags- och affärsnivå. Han hade redan byggt sina egna sökningar och sammanslutningsregler, och dubbletter kom fortfarande igenom.

Tre saker skapade dem hela tiden:

• Webbplatsen fanns på två ställen. Vissa företagsposter lagrades i domänfältet, andra i ett annat webbplatsfält. En sökning på ett fält missade dupliceringar i det andra.
• Företagssammanslutningar skapade duplicerade avtal. När två företag sammanfogades, tog var och en sin egen affär med sig, så det överlevande företaget slutade upp med två affärer i samma pipeline. Varje företagsrengöring kunde lämna en ny affärsrengöring efter sig.
• Inte varje post ska matcha. Företag skapade från personliga e-postdomäner, som Gmail eller Yahoo, och företag som tillhör ett moderföretag fick stanna utanför sammanslagningen, eller så skulle fel poster kombineras.

02

Vad dupliceringar orsakade

En veckovis sökning efter poster som borde sammanslås

När han kom tillbaka sa han att dupletterna orsakade kaos. Nästan varje vecka hittade han poster som borde ha sammanslagits men inte hade, och undrade varför det fortfarande fanns så många dubbletter.

På avtalsidan kunde ett samslaget företag sluta upp med två avtal för samma klient i samma försäljningspipeline, och någon var tvungen att hitta och slå samman dem för hand. Teamet hade redan bestämt vilka avtalsstadier som skulle överleva en sammanslagning, med stadier som Lost eller Bad lead inställda på att förlora.

Varför lösa regler var riskabla

Att matcha på för få fält var riskabelt i denna skala. Tidigt slogs två företag samman vars domäner matchade förutom slutet. Domain Root ignorerar www, .com och landvarianter enligt design, så sökningen gjorde det den var inställd på. Han var inte orolig för det paret, men han pausade sökningen. Auto Merge och lade till en andra kontroll, så två företag som verkligen är olika kunde inte sammanfogas på samma sätt.

Att matcha på för mycket missade riktiga dubbletter istället. En sökning som krävde både domänen och webbplatsfältet missade par där webbplatsfältet var tomt på en post, för tomma värden räknas inte som matchningar.

04

Vad deduplicering förändrade

Sökningar som körs automatiskt

Inom några veckor sammanslöt han så mycket att han slutade räkna. Snart körs hans viktigaste automatiserade företagssökning, där den fångar de flesta dubbletter och bara flaggar ett eller två kantfall ibland, så han låter den köra. En äldre engångssökning returnerar nu ingenting alls, antagligen för att dess dubbletter redan hade slagits samman.

Siffrorna stöder det. På under 7 veckor sammanslöt teamet 2 158 företagsmatchningar och 1 852 affärsmatchningar, många med tre eller fler poster i en enda matchning. Tolv sökningar körs nu på Auto Merge, så nya dubbletter över företag och affärer sammanslås enligt schemat istället för att vänta på att någon upptäcker dem.

Ett verktyg som teamet byggde vidare på

Han beskrev Dedupely som att göra ett utmärkt jobb med att deduplicera deras poster, och teamet fortsatte att lägga till inställningarna: separata sökningar för företag och erbjudanden, Merge Rules för varje objekt, och filter som håller fel poster ute.