Kundhistoria

Hur ett rekryteringsföretag minskade sin Pipedrive-personlista med en tredjedel efter att en import hade duplicerat nästan alla, med Dedupely

  • Pipedrive
  • Efter en listimport
  • Manuell inmatning av teamet
  • Rekrytering
  • 9,092 personmatchningar sammanslutna
  • 5,667 organisationsmatchningar sammanslagna
  • 31% färre personposter efter sammanslagning

En matchning är en uppsättning duplicerade poster som sammanslogs till en enskild post. Dessa matchningar innehöll ungefär två poster vardera, så totalt antal sammanslagna poster är ungefär dubbelt antalet matchningar.

Varifrån dubletter kom

En rensning som duplicerade alla

Bolagets verkställande direktör utför nästan allt arbete i Pipedrive. Under ett par år kom och gick folk, alla registrerade sin egen data, och CRM:en blev rörig.

För att åtgärda det följde han det råd han fått: exportera personerna, rensa dem i ett kalkylark och en e-postvalideringstjänst och importera dem sedan. Importen lade till nya poster bredvid befintliga. Som han förstod det kom personerna in utan matchande organisation, så Pipedrive skapade nya personer och nya organisationer för dem.

  • Personer: ungefär 29 000 poster, där han förväntade sig ungefär 11 000 av sina egna och 18 000 i hela företaget.
  • Organisationer: omkring 21 000, där han uppskattade det riktiga antalet till 8 000 till 10 000. Omkring 8 800 av dem hade ingen adress alls.
Ett litet team som arbetar vid ett skrivbord

Vad dupliceringar orsakade

Poster som ingen kunde lita på

Med tusentals fler poster än han borde haft var siffrorna i Pipedrive meningslösa. Pipedrive:s duplikatkontroll hittade bara några hundra personer och organisationer, bara en liten del av tusentals extra poster, vilket oroade honom ännu mer. Det var också svårt att länka personer till rätt organisation, eftersom de företag han arbetar med har kontor i flera städer.

Varför manuell borttagning eller sammanfogning inte var ett alternativ

Han kunde inte bara ta bort en post från varje par, eftersom poster innehåller sin aktivitetshistorik, och att ta bort fel skulle förlora den. Att sammanslå i Pipedrive betydde att öppna en förhandsvisning och sammanslå par ett i taget, och han hade redan använt ungefär två veckor på att försöka rensa upp.

Hur dubbletter löstes

  1. 1. Slå samman personer på e-post först

    Han började från förinställningen Duplicate Searches som Dedupely skapar för varje konto. Den första genomgången på personer matchade exakt e-post, med telefon inställd på Similar så formatteringsskillnader inte spelade någon roll, och han sammanslöt dem själv. Dedupelyts kundsuccéteam rekommenderade att börja med exakta matchningar och kontrollera de första sidorna innan du sammanslår i bulk.

  2. 2. Slå samman organisationer efter namn

    Sedan sammanslog han organisationer med samma namn. Efter personhanteringen visade Pipedrive:s duplikatkontroll 49 personer kvar, och efter organisationerna fanns inga duplikatorganisationer kvar. En sammanslagning i Pipedrive förflyttar aktiviteter, anteckningar, affärer och länkade organisationer till den överlevande posten.

    Dedupely Duplicate Search som matchar organisationer efter namn

  3. 3. Utöka personsökningen

    En andra personsökning matchade förnamn, efternamn, e-post och en liknande organisation och hittade 1 937 matchningar. För organisationer kontrollerade två ytterligare sökningar vad som återstod: webbplats på Domain Root plus ett liknande namn hittade ingenting, eftersom dessa redan hade slagits samman, och webbplats på Domain Root plus de tre första orden i namnet hittade 45 möjliga matchningar att granska. En läxa på vägen: efter att ha ändrat en sökning, klicka på Scan, eller resultaten uppdateras inte.

  4. 4. Hantera de knepiga, sedan automatisera

    Vid ett uppföljningssamtal kontrollerade Dedupelyts kundsuccéteam kontot. Sökningen efter uppenbara dubbletter, exakt förnamn, efternamn, e-post och ägare, hittade inga matchningar kvar. Många av de återstående matchningarna var falskt positiva: olika personer med samma namn eller personer som delade sitt kontors huvudtelefonnummer. För dessa skapade de en sökning efter personer med samma namn där en post saknade e-post, och han gick igenom de 14 matchningarna en efter en och valde de vinnande värdena manuellt där det behövdes. Organisationer med flera platser som också hölls utanför bulk sammanslutning, eftersom varje plats är en separat post som måste bevaras.

    Till slut aktiverade de Auto Merge för sökningen på förnamn, efternamn och e-post, inställd på att köras så snart som möjligt, så nya dubbletter av den här typen sammanslås automatiskt. Den körs fortfarande.

Vad deduplicering förändrade

En ren CRM, hålla den ren

Totalt sammanslöt han 9 092 personmatchningar och 5 667 organisationsmatchningar, ungefär två poster var. Det reducerade personlistan från ungefär 29 000 till under 20 000, och organisationslistan från ungefär 20 500 till under 15 000. De uppenbara dublettterna är borta, Pipedrives egna dublettkontroll visar inga organisationsdubletter, och en sökning sammanslår automatiskt nya exakta dubletter.

Nya regler som filter

Erfarenheten ändrade också hur data kommer in i Pipedrive. Med för många personer som lägger till sina egna poster blev han grindvakten: för närvarande går uppladdningar genom honom. En veckorapport från Dedupely om dubbletter berättar för honom hur många möjliga matchningar som är kvar att granska.

Relaterat

Rensa dina Pipedrive-personer och organisationer redan idag

Prova gratis Prata med sälj
Hoppa till innehåll