Dublettkontroll i CRM: så håller du kundregistret rent

Dublettkontroll i ett CRM betyder att systemet och dina rutiner tillsammans upptäcker när samma kund, kontakt eller samma företag finns på flera ställen. Sedan slås posterna ihop till en enda pålitlig post, och nya dubbletter stoppas innan de skapas. Det låter enkelt. I praktiken krävs tre saker: tydliga regler för vad som räknas som en unik post, matchning som klarar stavfel och varianter, och en sammanslagning som inte tappar bort avtal, order eller historik. Här går vi igenom alla tre, steg för steg, och visar vad svenska företag behöver tänka på enligt GDPR.

Kort sagt

• Dubbletter uppstår oftast vid manuell registrering, importer och när flera system skriver till CRM samtidigt.
• Matcha på minst två fält och kombinera exakt matchning med ungefärlig matchning för stavfel och omkastade ord.
• Slå aldrig ihop blint: välj huvudpost fält för fält, kontrollera kopplingar och testa på ett litet urval först.
• Förebyggande arbete slår städning. Bestäm om systemet ska varna, blockera eller rapportera, och ge någon ansvaret.
• Korrekta kunduppgifter är också ett GDPR-krav, inte bara en fråga om ordning och reda.

Innehållsförteckning

• Vad dublettkontroll i ett CRM faktiskt gör
• Därför uppstår dubbla kundposter
• Vad dubbletterna kostar dig
• Så hittar du dubbletter som inte är identiska
• Varna, blockera eller rapportera
• Slå ihop dubbletter utan att förlora historik
• Förebygg nya dubbletter vid varje ingång
• Rutiner och ansvar som håller registret rent
• GDPR när du kontrollerar och slår ihop poster
• Vårt perspektiv: ren data börjar i hur ni arbetar
• Samla kunddatan i Notyfile
• Vanliga frågor om dubbletter i CRM
• Källor

Vad dublettkontroll i ett CRM faktiskt gör

En dublett är två eller fler poster som beskriver samma verkliga kund. Det kan vara "Andersson Bygg AB" och "Anderssons Bygg", eller samma kontaktperson med en jobbmejl och en privat mejl. För CRM-systemet är det två olika kunder. För dig är det en.

Dublettkontroll består av två delar:

1. Förebyggande kontroll. När någon skapar en ny post, importerar en lista eller när en integration skickar in data, jämförs uppgifterna med det som redan finns. Vid träff varnar systemet, stoppar posten eller lägger den på en granskningslista.
2. Upprensning i efterhand. Befintliga poster gås igenom regelbundet, misstänkta par granskas och slås ihop till en huvudpost.

Båda behövs. Förebyggande kontroll utan städning lämnar gamla problem kvar. Städning utan förebyggande kontroll betyder att du gör samma jobb igen nästa kvartal.

Därför uppstår dubbla kundposter

Dubbletter är sällan någons slarv. De är en följd av hur data kommer in i systemet. Enligt Saleseffect uppstår dubbletter främst vid manuell registrering, vid import av listor och event samt när flera system skriver till CRM samtidigt. Här är de vanligaste källorna:

• Manuell registrering. En säljare söker på "Nordic Consulting", hittar inget och skapar en ny post. Kunden finns redan som "Nordic Consulting Group AB".
• Importer. Mässlistor, köpta leadslistor och exporter från gamla system har sällan samma format som ditt CRM. Läs mer i vår guide om att importera kunddata till ditt CRM utan att tappa information.
• Webbformulär. Samma person fyller i ett formulär två gånger med olika e-postadresser.
• Leads som inte konverteras. Ett lead blir en ny kontakt i stället för att kopplas till den befintliga. Aktiviteter sprids ut och rapporterna blir missvisande.
• Integrationer och anslutna verktyg. Ekonomisystem, nyhetsbrevsverktyg och formulärtjänster kan alla skapa poster. Saknas en gemensam nyckel skapar varje system sin egen version av kunden.
• Migreringar och förvärv. När två kundregister möts efter ett byte av system eller ett företagsköp är överlapp närmast garanterat.

Det sista är värt att planera för. Den som byter system eller kopplar ihop CRM med affärssystemet har mycket att vinna på en tydlig integration mellan CRM och affärssystem, där en uppgift registreras på ett ställe och flödar vidare i stället för att skrivas in två gånger.

Vad dubbletterna kostar dig

Den synliga kostnaden är dubbelarbete. Två säljare ringer samma kund. Ett utskick går ut två gånger till samma mottagare. Någon skickar en offert utan att veta att kollegan redan har en dialog igång.

Den dolda kostnaden är större: förtroendet. När säljteamet märker att siffrorna inte stämmer börjar de föra egna listor i kalkylblad. Pipelinen ser större ut än den är, kundhistoriken är splittrad på flera poster och prognoserna går inte att lita på. Då har CRM-systemet slutat göra sitt jobb, hur bra det än är.

För marknadsförare blir effekten konkret i varje kampanj. Segment blir fel, personaliseringen missar och en kontakt som tackat nej till utskick på en post kan fortfarande finnas kvar som mottagare på en annan. Vi skriver mer om sambandet mellan datakvalitet och intäkter i CRM data: så säkrar du kvalitet och intäkt.

Så hittar du dubbletter som inte är identiska

De svåraste dubbletterna är de som inte är exakta kopior. "AB Svensk Fönsterteknik" och "Svensk Fönsterteknik AB" ser olika ut för en dator. Därför bygger bra dublettkontroll på flera matchningsnivåer, från strikt till förlåtande.

En stege av matchningsregler

Börja högst upp. Exakta träffar på starka fält kan du ofta lita på direkt. Ju längre ner på stegen du går, desto fler träffar får du, men också fler falsklarm. De poster som bara matchar på svaga nivåer ska granskas av en människa.

Kombinera alltid minst två fält

Ett enskilt fält räcker sällan. Två personer kan heta Erik Lindberg. Ett företag kan ha flera kontor på olika adresser. Matcha därför på kombinationer, till exempel:

• Kontakter: förnamn + efternamn + e-post, eller förnamn + efternamn + mobilnummer.
• Företag: företagsnamn + postnummer, eller organisationsnummer på egen hand när det finns.
• Privatkunder: personnummer är det säkraste matchningsfältet, men behandla det varsamt (mer om det under GDPR-avsnittet).

Svagare uppgifter som e-post, telefon, adress och namn kan vara tillräckliga tillsammans, även när de var för sig inte räcker. Och räkna med att ingen matchning blir perfekt. Folk byter jobb, mejladresser slutar fungera och adresser ändras. Målet är att minimera både felaktiga sammanslagningar och onödiga dubbletter, inte att nå noll.

Tänk på B2B-specifika fällor

I B2B är det inte alltid fel att samma företag finns två gånger. En koncern kan ha flera dotterbolag med egna organisationsnummer. En kedja kan ha butiker med separata avtal. Bestäm i förväg vad en unik post betyder hos er: juridisk person, arbetsställe eller kundrelation. Utan den definitionen kommer två personer att städa på två olika sätt.

Varna, blockera eller rapportera

När systemet hittar en möjlig dublett finns tre sätt att reagera. Valet är ett designbeslut, och rätt nivå skiljer sig ofta mellan olika vägar in i CRM.

En varning som dyker upp för ofta slutar folk läsa. Börja därför med strikta regler för blockering och mer generösa regler för rapportering, och justera efter några veckor när du ser hur träffarna faller ut.

Slå ihop dubbletter utan att förlora historik

Sammanslagning är det moment där mest kan gå fel. En felaktig sammanslagning är svårare att reda ut än en dublett. Följ den här ordningen:

1. Granska listan med misstänkta par. Sortera efter matchningsstyrka. Ta de säkra träffarna först och lägg de osäkra åt sidan för manuell bedömning.
2. Välj huvudpost. Det är oftast posten med flest kopplade aktiviteter, order och avtal, eftersom den bär mest historik.
3. Bestäm fält för fält. Den senast ändrade posten är inte alltid rätt. Ett telefonnummer som kommer från ekonomisystemet kan vara mer pålitligt än det som en säljare skrev in i går. Bestäm vilken källa som väger tyngst för varje fält och dokumentera det.
4. Kontrollera kopplingar. Order, avtal, offerter, ärenden och projekt ska flyttas till huvudposten. Tänk igenom hur relationerna mellan företag, kontakter och avtal ska se ut efteråt, på samma sätt som när man bygger ett CRM kring säljprocessen från början.
5. Bevara kontaktval. Har kontakten tackat nej till utskick på en av posterna ska det valet följa med. Ett samtycke får aldrig "vinna" över en avregistrering vid sammanslagning. Se vår guide om samtyckeshantering i CRM.
6. Förbered återställning. Exportera de berörda posterna innan du slår ihop, så att du kan backa om något går fel.
7. Testa på ett litet urval. Kör 20 till 50 par, kontrollera resultatet med de säljare som äger kunderna och skala sedan upp.

Förebygg nya dubbletter vid varje ingång

Det mest effektiva du kan göra är att stänga dörrarna där dubbletter kommer in. Saleseffect ser dublettproblemet främst som en processfråga: olika personer och system tolkar vad en unik post är på olika sätt. Lösningen är alltså gemensamma regler, inte bara mer noggrannhet.

Vid manuell registrering

• Gör sökning före skapande till en vana, och sök på organisationsnummer eller e-post snarare än på namn.
• Använd obligatoriska fält för de uppgifter du matchar på.
• Bestäm skrivregler: "AB" alltid sist, telefonnummer i ett format, inga förkortningar i företagsnamn.

Vid import

• Tvätta filen före import: ta bort tomma rader, normalisera telefonnummer och e-post (gemener, inga mellanslag).
• Matcha filen mot befintliga poster och granska träffarna innan du importerar.
• Märk varje import med källa och datum, så att du kan hitta och rätta en dålig import i efterhand.

Vid integrationer

• Låt varje integration använda ett fast ID, till exempel kundnummer från ekonomisystemet, i stället för att matcha på namn.
• Bestäm vilket system som äger vilken uppgift. Ekonomisystemet äger fakturaadressen, CRM äger kontaktpersonerna.
• Testa vad som händer när samma formulär skickas två gånger eller när två system uppdaterar samma post samtidigt.

Färre system, färre dubbletter

Varje fristående verktyg med ett eget kundregister är en ny källa till dubbletter. När offerter, avtal, utskick och supportärenden ligger i samma system som kundkortet finns det helt enkelt färre ställen där samma kund kan skapas på nytt.

Rutiner och ansvar som håller registret rent

Utan ägare förfaller även det renaste registret. Bygg en enkel struktur:

• En dataägare. En person ansvarar för reglerna, granskningslistan och uppföljningen. Inte hela teamet, en person.
• Månadsrutin. Gå igenom nya misstänkta dubbletter, poster utan ägare och poster med tomma nyckelfält. En timme i månaden räcker långt för de flesta mindre företag.
• Kvartalsgenomgång. Utvärdera matchningsreglerna. Ger de för många falsklarm? Missar de en viss typ av dublett?
• Behörigheter. Alla behöver inte kunna slå ihop eller radera poster. Digg beskriver principen att bara behörig personal ska ha tillgång till de personuppgifter som behövs, och att olika roller kan behöva olika åtkomst. Det gäller även rätten att ändra data.
• Dokumenterade definitioner. Skriv ner vad en unik kund är hos er och vilka fält som är obligatoriska. Ett halvt A4 räcker.

GDPR när du kontrollerar och slår ihop poster

Dublettkontroll handlar inte bara om effektivitet. Den hänger ihop med kravet på att personuppgifter ska vara korrekta. Integritetsskyddsmyndigheten anger att man behöver rutiner för att hålla uppgifter riktiga och vid behov rätta eller radera felaktiga uppgifter, och att säkerhetsåtgärderna ska väljas utifrån hur känslig behandlingen är.

Tre saker är särskilt viktiga vid dubbletthantering:

Rättelse och radering ska nå alla poster. Registrerade har rätt att begära rättelse av felaktiga uppgifter, och radering när villkoren i GDPR är uppfyllda. Enligt IMY:s genomgång av de registrerades rättigheter ska mottagare av uppgifterna informeras vid rättelse, om det inte är omöjligt eller alltför betungande. Finns kunden på tre poster och du bara rättar en har du inte rättat. Läs mer om rätten till radering i CRM.

Personnummer kräver extra försiktighet. Det är ett utmärkt matchningsfält, men IMY beskriver personnummer som extra skyddsvärda. Utan samtycke får de bara behandlas när det är klart motiverat av ändamålet, behovet av säker identifiering eller något annat beaktansvärt skäl. Använd dem därför bara där du verkligen behöver säker identifiering, och visa dem för så få användare som möjligt. Är du osäker på om ert ändamål räcker, stäm av med ert dataskyddsombud eller en jurist med inriktning på dataskydd innan du gör personnummer till matchningsnyckel.

Sammanslagningsfiler är också personuppgifter. Exporter du gör som säkerhetskopia före en sammanslagning ska förvaras säkert och raderas när de inte längre behövs.

Vill du ha en bredare genomgång finns vår guide om GDPR och kunddata och våra verifierande frågor för ett GDPR-kompatibelt CRM.

Vårt perspektiv: ren data börjar i hur ni arbetar

Vi har byggt Notyfile som säljare, för säljare. Och det vi ser om och om igen är att dubbletter sällan är ett tekniskt problem i grunden. De är ett tecken på att kunddatan bor på för många ställen. En lista i ett kalkylblad, offerter i ett annat verktyg, avtal i ett tredje, utskick i ett fjärde. Varje gång informationen flyttas mellan systemen skapas en ny chans för samma kund att dyka upp två gånger. Det är som att leta efter en nål i en höstack, fast höstackarna är fem.

Därför tror vi på att samla hela kundresan på ett ställe. När kundkort, prospektering, offerter, order och avtal, e-signering, marknadsutskick och supportärenden finns i samma plattform, finns det en kund och en historik. Och när ekonomisystemet, e-signeringen och kontorsverktygen kopplas in via integrationer i stället för manuell överföring, försvinner en stor del av dubbelregistreringen av sig själv.

Vårt råd är enkelt. Städa en gång ordentligt, bestäm reglerna tillsammans och ge någon ansvaret. Sedan låter du systemet göra det repetitiva jobbet. Ren data är inte ett projekt. Det är en vana, och den blir mycket lättare när du har ett ställe att hålla rent. Vi gör det tillsammans!

— Joakim

Samla kunddatan i Notyfile

Notyfile är ett modulbaserat CRM där kundhantering, prospekt- och säljstöd, offerter, order- och avtalsadministration, projektledning, e-signering, inbyggd dialer, marknadsautomation och ärendehantering finns i samma system. Plattformen integrerar med bland annat Fortnox, Scrive, Microsoft 365 och Zapier, så att kunddatan flödar mellan systemen i stället för att skrivas in på nytt. Vår AI-assistent Naia automatiserar repetitiva uppgifter, analyserar möten och ger rekommendationer om dina affärsmöjligheter.

Planerna börjar på 149 kr per användare och månad för ESSENTIAL, följt av AMBITION för 299 kr, VÄXA för 599 kr och MASTER för 749 kr per användare och månad. Större organisationer kan få skräddarsydda lösningar och integrationer. Jämför planerna på vår prissida eller läs mer om Notyfile CRM.

Vanliga frågor om dubbletter i CRM

Hur ofta ska man göra dublettkontroll i ett CRM?

Förebyggande kontroll ska ske varje gång en post skapas, importeras eller kommer in via en integration. Upprensning av befintliga poster fungerar bra som en månadsrutin för de flesta små och medelstora företag. Gör alltid en extra genomgång efter en större import, en migrering eller ett företagsförvärv.

Vilka fält är bäst att matcha dubbletter på?

Organisationsnummer, e-post och kundnummer från ekonomisystemet är de starkaste fälten eftersom de sällan delas av flera kunder. Namn, telefonnummer och adress är svagare och bör kombineras, till exempel förnamn + efternamn + e-post. Personnummer är mycket säkert men ska bara användas när det är klart motiverat enligt GDPR.

Kan man ångra en sammanslagning av två kundposter?

Det beror på systemet, och i många fall går det inte att backa helt automatiskt. Exportera därför alltid de berörda posterna innan du slår ihop, och testa på ett litet urval först. Då kan du återskapa uppgifterna om något blir fel.

Ska man radera dubbletter i stället för att slå ihop dem?

Nej, oftast inte. En dublett kan bära aktiviteter, avtal, kontaktval eller anteckningar som saknas på huvudposten. Slå ihop posterna så att historiken bevaras, och radera bara poster som är helt tomma eller uppenbart felaktiga.

Räcker det med ett verktyg för att bli av med dubbletter?

Ett verktyg hjälper, men det löser inte orsaken. Dubbletter uppstår för att människor och system tolkar vad en unik kund är på olika sätt. Utan gemensamma regler och en ansvarig person kommer dubbletterna tillbaka.

Källor

• Saleseffect: Dubletter i CRM, rutinen som håller kundregistret rent
• Ingenia: Integrazione CRM gestionale
• Marcin Rezulak: System CRM na zamówienie
• Digg: Grundläggande principer för behandling av personuppgifter
• IMY: Det här behöver ni göra för att följa dataskyddsreglerna
• IMY: De registrerades rättigheter
• IMY: Personnummer

Rekommendationer

• Radera kunddata i CRM: så hanterar du rätten till radering
• CRM data: så säkrar du kvalitet och intäkt
• Behörighetsstyrning i CRM: så skyddar du kunddata rätt
• Så importerar du kunddata till ditt CRM utan att förlora information