Dubletter i kunderegistret:
to poster, én person.
Find dubletter, også når de er skrevet forskelligt: et eksempel med adresser i Danmark, to poster og grunden til, at de er samme person.
Gratis hver måned: 50 adressekontroller, 100 poster til at finde dubletter og 500 kontroller af e-mail og telefonnumre. Vi beder kun om navn, e-mail og en adgangskode, intet betalingskort: opret din gratis konto eller log ind.
Hvad deduplikering giver dig
En dublet er én persons historik delt i to. At samle den igen har fire konkrete virkninger.
Svar én gang, med alle oplysninger
Den, der svarer, ser på én post: er ordren registreret på den anden, får den person ingenting — og lægger mærke til det. Med én post går bekræftelsen altid ud, og kommunikationen kommer kun én gang, med navnet stavet på én måde.
Hver ekstra kuvert er penge ud ad vinduet
Hver dublet er et print, en kuvert og porto betalt for en person, som din forsendelse allerede har nået. I en stor kampagne er det her, det er lettest at spare, uden at miste en eneste modtager.
Find de mest værdifulde kontakter
En, der har købt tre gange under den ene post og to gange under den anden, optræder i rapporterne som to lunkne kontakter. Når posterne samles, fremstår personen som det, den er, en loyal kunde, og det ændrer, hvem det kan betale sig at ringe til, hvem der fortjener en anden behandling, og hvem man skal tilbyde mere.
Tallene passer igen
Hvor mange kunder har jeg egentlig? Hvad er en kontakt i gennemsnit værd? Med en database fuld af dubletter er hvert svar pustet op, og de beslutninger, der følger, er fejlbehæftede fra starten.
Sådan opstår dubletter
Det er ikke sjuskefejl: dubletter opstår i tre helt almindelige situationer, som gentager sig i ethvert kunderegister, der vokser.
Ordren kommer ind, og der er travlt
Den, der taster, har en bunke formularer at komme igennem (eller indbetalingskort i en forening) og stopper ikke op for at tjekke, om personen allerede er i systemet. At oprette en ny post tager tredive sekunder; at lede rigtigt efter den, blandt varianterne af navn og adresse, tager meget længere.
Posten findes, men søgningen finder den ikke
Det er det hyppigste tilfælde og det sværeste at undgå: posten findes, men er skrevet lidt anderledes, end der søges — »H.C. Andersens Boulevard 27« mod »H. C. Andersens Blvd. 27«. Søgningen giver ingenting, og posten oprettes igen i god tro.
En hel liste bliver importeret
Tilmeldinger fra websitet, en liste indsamlet ved et arrangement, en fil fra en leverandør: de kommer ind samlet uden at blive sammenholdt med den eksisterende database. Det sker sjældnere end de to andre tilfælde, men når det sker, kommer dubletterne ind i hundredvis.
Alle tre løses på samme måde: en kontrol af databasen med jævne mellemrum, og én før hver vigtig kampagne.
Først rettes adresserne, så findes dubletterne
En sammenligning ord for ord behandler Elisabeth og Lissi som to personer og H.C. Andersens Boulevard 27 og H. C. Andersens Blvd. 27 som to adresser, selvom det er samme person og samme adresse. Derfor arbejder vi i to trin: først retter vi de to adresser — vejnavn skrevet helt ud, korrekt postnummer, den rigtige by — og først derefter sammenligner vi dem, sammen med navnet, e-mailen og telefonnummeret. To stavemåder af samme vej bliver til samme vej, før sammenligningen begynder.
Dommen har tre grader — sikker, sandsynlig eller tvivlsom — med årsagen ved siden af. I den rensede fil kommer de sikre og sandsynlige grupper ud allerede samlet i én række. De tvivlsomme forbliver hele og havner blandt rækkerne til kontrol: to forskellige mennesker kan have samme navn i samme by, og der beslutter du.
Normalisering, dubletsøgning, deduplikering, berigelse
Fire forskellige operationer, som normalt alle ender under ordet »oprydning«. Det er vigtigt at skelne, fordi den ene er forudsætningen for den næste.
Adressenormalisering
At bringe hver adresse i én ensartet, korrekt form og udfylde det, der mangler: postnummeret, byen, vejnavnet skrevet helt ud.
»H.C. Andersens Boulevard 27« og »H. C. Andersens Blvd. 27« bliver til samme linje.
Dubletsøgning
At genkende, at to poster er samme person, selv når de er skrevet forskelligt: »H.C. Andersens Boulevard 27« og »H. C. Andersens Blvd. 27«, efternavn og fornavn byttet om.
Den kommer efter normaliseringen: sådan sammenlignes adresser, der allerede er skrevet i den korrekte form.
Deduplikering
At beslutte, hvad der skal ske med de fundne dubletter: hvilken post der beholdes, hvilke felter der tages fra den ene, og hvilke fra den anden.
Den endelige post tager det bedste felt fra hver post og noterer, hvor det kommer fra.
Berigelse
At tilføje det, der mangler eller kan udledes af det, der er der: tiltalen ud fra navnet, titlen, husnummerets tilføjelse, skattenummeret.
Data, som din database allerede indeholder implicit.
Hvorfor det betyder noget, ud over oprydning: den, der modtager samme brev to gange, lægger mærke til det, og den, der ikke modtager takkebrevet, fordi donationen var registreret på den ene post, mens du så på den anden, lægger endnu mere mærke til det.
Dubletsammenligning: du vælger præcisionen, vi siger, hvor sikre vi er
Motoren danner grupperne af poster og oplyser for hver gruppe, hvor sikker den er. To knapper. Mindste niveau, altså hvor forskellige to poster kan være og stadig være samme person: tre værdier, websitet og filjobbene bruger standarden, API'et lader dig vælge med livello_minimo. Og præcisionen, samme skala fra 1 til 5 som i adressekontrollen, som her virker på efternavnet: op til 3 læses det bogstav for bogstav, ved 4 sættes poster med efternavnet skrevet med eller uden mellemrum («La Pera», «Lapera») sammen, ved 5 også dem med efternavne der lyder ens («Lepera», «La Pera»); disse grupper kommer højst ud som tvivlsomme.
Stram
Navn og adresse stemmer overens efter normaliseringen. Ingen gruppe, du ikke selv ville have lavet i hånden.
Standarden
Varianter af samme navn (Lissi og Elisabeth), forkortelser og små tastefejl kommer med. Det er den indstilling, de fleste job kører med.
Løs
Også de svage forbindelser: samme adresse og lignende navne. Den finder mere, og du skal se på mere.
Dommen, der kommer tilbage for hver gruppe — sikker, sandsynlig, tvivlsom — er vores klassificering: den siger, hvor solid gruppen er, og afgør, hvad der sker i den rensede fil, hvor de sikre og de sandsynlige kommer ud samlet, og de tvivlsomme venter på at blive gennemgået.
Det bedste fra hver post samlet i én
Vi tager det bedste felt fra hver post og bygger en ny: også den e-mail, der kun stod i den ene, kommer med i den post, der bliver tilbage.
| Felt | Post A | Post B | Post, der bliver |
|---|---|---|---|
| Navn | Mette Jensen | M. JENSEN | Mette Jensen den mest fuldstændige stavemåde |
| Adresse | H.C. Andersens Boulevard 27 | H. C. Andersens Blvd. 27 | H.C. Andersens Boulevard 27 fra den mest komplette post |
| Postnummer og by | 1553 København | DK-1553 KØBENHAVN | 1553 KØBENHAVN i landets postform |
| — | m.jensen@example.com | m.jensen@example.com stod kun på B |
Beholdt du A, havde du mistet e-mailen, beholdt du B, navnets fulde stavemåde. Den flettede post har begge, og for hvert felt står der, hvilken post det kommer fra: hvis fletningen en dag ikke overbeviser dig, ved du præcis, hvad du skal røre ved.
Dubletter, som en præcis søgning ikke finder
- Lissi Jensen=Elisabeth Jensen tilsvarende navn
- Jensen Mette=Mette Jensen efternavn og fornavn byttet om
- h.c. andersens blvd. 27=H.C. Andersens Boulevard 27 forkortelse skrevet ud
- Jensen Mette, h.c. andersens boulevard 27, københavn=Mette Jensen, H.C. Andersens Boulevard 27, 1553 KØBENHAVN adresse rettet før sammenligningen
Vi genkender også en tastefejl i for- eller efternavnet og markerer den som en mulig skrivefejl.
Eksemplerne bruger adresser på offentlige bygninger og gader i centrum; navnene, hvor de forekommer, er opdigtede til demonstration: enhver henvisning til virkelige personer er tilfældig.
Relaterede spørgsmål
- Hvordan vasker og retter man et kunderegister?
- Hvordan finder jeg dubletter i et kunderegister, også når de er skrevet forskelligt?
- Excel finder ikke dubletterne: hvorfor, og hvad gør man?
Alle spørgsmålene, med svar, under Spørgsmål og svar.