Αφαίρεση διπλοεγγραφών:
δύο εγγραφές, ένα πρόσωπο.
Ένα παράδειγμα με διευθύνσεις σε Ελλάδα: δύο εγγραφές γραμμένες διαφορετικά, και γιατί είναι το ίδιο πρόσωπο.
Δωρεάν κάθε μήνα: 50 έλεγχοι διευθύνσεων, 100 εγγραφές για την εύρεση διπλοεγγραφών και 500 έλεγχοι email και τηλεφώνων. Σας ζητάμε μόνο όνομα, email και έναν κωδικό πρόσβασης, χωρίς πιστωτική κάρτα: δημιουργήστε δωρεάν λογαριασμό ή συνδεθείτε.
Τι σας δίνει η αφαίρεση διπλοεγγραφών
Μια διπλοεγγραφή είναι το ιστορικό ενός προσώπου μοιρασμένο σε δύο εγγραφές. Όταν το ξαναενώνετε, έχει τέσσερα απτά αποτελέσματα.
Απαντήστε μία φορά, με όλες τις πληροφορίες
Όποιος απαντά κοιτάζει μία εγγραφή: αν η παραγγελία είναι καταχωρισμένη στην άλλη, το πρόσωπο αυτό δεν λαμβάνει τίποτα — και το αντιλαμβάνεται. Με μία μόνο εγγραφή η επιβεβαίωση φεύγει πάντα, και η επικοινωνία φτάνει μόνο μία φορά, με το όνομα γραμμένο με έναν μόνο τρόπο.
Κάθε επιπλέον φάκελος είναι πεταμένα χρήματα
Κάθε διπλοεγγραφή σημαίνει εκτύπωση, φάκελο και ταχυδρομικά τέλη για ένα πρόσωπο που η αποστολή σας έχει ήδη φτάσει. Σε μια μεγάλη καμπάνια εδώ βρίσκεται η πιο εύκολη εξοικονόμηση, χωρίς να χαθεί ούτε ένας παραλήπτης.
Εντοπίστε τις πιο πολύτιμες επαφές
Κάποιος που αγόρασε τρεις φορές με τη μία εγγραφή και δύο με την άλλη εμφανίζεται στις αναφορές ως δύο χλιαρές επαφές. Με τη συγχώνευση των εγγραφών φαίνεται αυτό που είναι, ένας πιστός πελάτης, και αλλάζει ποιον αξίζει να καλέσετε, σε ποιον αρμόζει διαφορετική μεταχείριση, σε ποιον να προσφέρετε περισσότερα.
Αριθμοί που επιτέλους βγαίνουν
Πόσους πελάτες έχω πραγματικά; Πόσο αξίζει κατά μέσο όρο μια επαφή; Με μια βάση δεδομένων γεμάτη διπλοεγγραφές κάθε απάντηση είναι φουσκωμένη, και οι αποφάσεις που ακολουθούν γεννιούνται ελαττωματικές.
Από πού προέρχονται οι διπλοεγγραφές
Δεν είναι λάθη απροσεξίας: οι διπλοεγγραφές προέρχονται από τρεις συνηθισμένες καταστάσεις, που επαναλαμβάνονται σε κάθε βάση δεδομένων που προορίζεται να μεγαλώσει.
Η παραγγελία φτάνει και δεν υπάρχει χρόνος
Όποιος καταχωρίζει τα στοιχεία έχει έναν σωρό από φόρμες να διεκπεραιώσει (ή από αποδείξεις πληρωμής, σε έναν μη κερδοσκοπικό οργανισμό) και δεν σταματά να ελέγξει αν το πρόσωπο αυτό υπάρχει ήδη στο αρχείο. Το άνοιγμα μιας νέας εγγραφής παίρνει τριάντα δευτερόλεπτα· η πραγματική αναζήτησή της, ανάμεσα στις παραλλαγές του ονόματος και της διεύθυνσης, παίρνει πολύ περισσότερο.
Η εγγραφή υπάρχει, αλλά η αναζήτηση δεν τη βρίσκει
Είναι η πιο συχνή περίπτωση και η πιο δύσκολη να αποφευχθεί: η εγγραφή υπάρχει, αλλά είναι γραμμένη ελαφρώς διαφορετικά από τον τρόπο που αναζητείται — «Λεωφόρος Συγγρού 364» έναντι «Λεωφ. Συγγρού 364». Η αναζήτηση δεν επιστρέφει τίποτα, και η εγγραφή δημιουργείται ξανά καλή τη πίστει.
Εισάγεται μια ολόκληρη λίστα
Εγγραφές από τον ιστότοπο, μια λίστα που συγκεντρώθηκε σε μια εκδήλωση, ένα αρχείο από προμηθευτή: μπαίνουν μαζικά χωρίς να συγκριθούν με την υπάρχουσα βάση. Συμβαίνει σπανιότερα από τις άλλες δύο περιπτώσεις, αλλά όταν συμβαίνει, οι διπλοεγγραφές μπαίνουν κατά εκατοντάδες.
Και οι τρεις λύνονται με τον ίδιο τρόπο: ένας έλεγχος της βάσης σε τακτά διαστήματα, και ένας πριν από κάθε σημαντική καμπάνια.
Πρώτα διόρθωση των διευθύνσεων, μετά εύρεση των διπλοεγγραφών
Η σύγκριση λέξη προς λέξη αντιμετωπίζει τα Δημήτριος και Μήτσος ως δύο πρόσωπα και τα Λεωφ. Συγγρού 364 και Λεωφόρος Συγγρού 364 ως δύο διευθύνσεις, ενώ είναι το ίδιο πρόσωπο και η ίδια διεύθυνση. Γι' αυτό δουλεύουμε σε δύο βήματα: πρώτα τακτοποιούμε τις δύο διευθύνσεις — όνομα οδού ολογράφως, σωστός ταχυδρομικός κώδικας, η σωστή πόλη — και μόνο μετά τις συγκρίνουμε, μαζί με το ονοματεπώνυμο, το email και το τηλέφωνο. Δύο γραφές της ίδιας οδού γίνονται η ίδια οδός πριν αρχίσει η σύγκριση.
Η ετυμηγορία έχει τρεις βαθμούς — βέβαιο, πιθανό ή αμφίβολο — με την αιτία δίπλα. Στο καθαρό αρχείο οι βέβαιες και οι πιθανές ομάδες βγαίνουν ήδη ενωμένες σε μία γραμμή. Οι αμφίβολες μένουν ακέραιες και πηγαίνουν στις γραμμές προς έλεγχο: δύο διαφορετικά πρόσωπα μπορεί να έχουν το ίδιο όνομα στην ίδια πόλη, και εκεί αποφασίζετε εσείς.
Κανονικοποίηση, εντοπισμός διπλοεγγραφών, αφαίρεση διπλοεγγραφών, εμπλουτισμός
Τέσσερις διαφορετικές εργασίες, που συνήθως καταλήγουν όλες κάτω από τη λέξη «καθαρισμός». Το να τις ξεχωρίζετε έχει σημασία, γιατί η καθεμία είναι η προϋπόθεση της επόμενης.
Κανονικοποίηση διευθύνσεων
Να αναχθεί κάθε διεύθυνση σε μία μοναδική, σωστή γραφή, συμπληρώνοντας ό,τι λείπει: τον ταχυδρομικό κώδικα, την πόλη, το όνομα της οδού ολογράφως.
«Λεωφ. Συγγρού 364» και «Λεωφόρος Συγγρού 364» γίνονται η ίδια γραμμή.
Εντοπισμός διπλοεγγραφών
Να αναγνωριστεί ότι δύο εγγραφές είναι το ίδιο υποκείμενο ακόμη κι αν είναι γραμμένες διαφορετικά: «Λεωφ. Συγγρού 364» και «Λεωφόρος Συγγρού 364», επώνυμο και όνομα αντεστραμμένα.
Έρχεται μετά την κανονικοποίηση: έτσι η σύγκριση γίνεται ανάμεσα σε διευθύνσεις ήδη γραμμένες στη σωστή μορφή.
Αφαίρεση διπλοεγγραφών
Να αποφασιστεί τι θα γίνει με τις διπλοεγγραφές που βρέθηκαν: ποια εγγραφή θα κρατηθεί, ποια πεδία θα ληφθούν από τη μία και ποια από την άλλη.
Η τελική εγγραφή παίρνει από κάθε εγγραφή το καλύτερο πεδίο και καταγράφει την προέλευσή του.
Εμπλουτισμός
Να προστεθεί ό,τι λείπει ή μπορεί να συναχθεί από ό,τι υπάρχει: η προσφώνηση από το όνομα, ο τίτλος, το επίθημα του αριθμού, ο φορολογικός κωδικός.
Δεδομένα που η βάση σας περιέχει ήδη σε λανθάνουσα μορφή.
Γιατί έχει σημασία, πέρα από τον καθαρισμό: όποιος λαμβάνει δύο φορές την ίδια επιστολή το προσέχει, και όποιος δεν λαμβάνει το ευχαριστήριο επειδή η δωρεά ήταν καταχωρισμένη σε μία εγγραφή ενώ εσείς κοιτάξατε την άλλη, το προσέχει ακόμη περισσότερο.
Σύγκριση διπλοεγγραφών: εσείς επιλέγετε την ακρίβεια, εμείς σας λέμε πόσο σίγουροι είμαστε
Τις ομάδες εγγραφών τις σχηματίζει η μηχανή, και για καθεμία δηλώνει με πόση βεβαιότητα. Δύο ρυθμίσεις. Το ελάχιστο επίπεδο, δηλαδή πόσο διαφορετικές μπορεί να είναι δύο εγγραφές και να παραμένουν το ίδιο υποκείμενο: τρεις τιμές, ο ιστότοπος και οι εργασίες σε αρχεία χρησιμοποιούν την προεπιλογή, το API σας επιτρέπει να επιλέξετε με livello_minimo. Και η ακρίβεια, η ίδια κλίμακα από 1 έως 5 με τον έλεγχο της διεύθυνσης, που εδώ επιδρά στο επώνυμο: έως το 3 διαβάζεται γράμμα προς γράμμα, στο 4 ζευγαρώνουν οι εγγραφές με το επώνυμο γραμμένο με ή χωρίς κενό («La Pera», «Lapera»), στο 5 και εκείνες με επώνυμο που ακούγεται ίδιο («Lepera», «La Pera»)· αυτές οι ομάδες βγαίνουν το πολύ ως αμφίβολες.
Αυστηρή
Ονοματεπώνυμο και διεύθυνση συμπίπτουν μετά την κανονικοποίηση. Καμία ομάδα που δεν θα φτιάχνατε με το χέρι.
Η προεπιλογή
Μπαίνουν οι παραλλαγές του ίδιου ονόματος (Μήτσος και Δημήτριος), οι συντομογραφίες και τα μικρά τυπογραφικά λάθη. Είναι η ρύθμιση με την οποία τρέχουν οι περισσότερες εργασίες.
Χαλαρή
Και οι αδύναμοι δεσμοί: ίδια διεύθυνση και παρόμοια ονόματα. Βρίσκει περισσότερα, και πρέπει να κοιτάξετε περισσότερα.
Η ετυμηγορία που επιστρέφει για κάθε ομάδα — βέβαιο, πιθανό, αμφίβολο — είναι δική μας ταξινόμηση: λέει πόσο στέρεη είναι η ομάδα και καθορίζει τι συμβαίνει στο καθαρό αρχείο, όπου οι βέβαιες και οι πιθανές βγαίνουν ενωμένες και οι αμφίβολες μένουν προς έλεγχο.
Το καλύτερο κάθε εγγραφής σε μία μόνο
Παίρνουμε από κάθε εγγραφή το καλύτερο πεδίο και χτίζουμε μια νέα: ακόμη και το email που υπήρχε μόνο στη μία φτάνει στην εγγραφή που μένει.
| Πεδίο | Εγγραφή Α | Εγγραφή Β | Εγγραφή που μένει |
|---|---|---|---|
| Ονοματεπώνυμο | Γιώργος Παπαδόπουλος | Γ. ΠΑΠΑΔΟΠΟΥΛΟΣ | Γιώργος Παπαδόπουλος η πληρέστερη γραφή |
| Διεύθυνση | Λεωφ. Συγγρού 364 | Λεωφόρος Συγγρού 364 | Λεωφόρος Συγγρού 364 από την πληρέστερη εγγραφή |
| Ταχυδρομικός κώδικας και πόλη | 17674 Καλλιθέα | 176 74 ΚΑΛΛΙΘΕΑ | 176 74 ΚΑΛΛΙΘΕΑ στην ταχυδρομική μορφή της χώρας |
| — | g.papadopoulos@example.com | g.papadopoulos@example.com υπήρχε μόνο στη Β |
Κρατώντας την Α θα είχατε χάσει το email, κρατώντας τη Β την πλήρη γραφή του ονόματος. Η συγχωνευμένη εγγραφή τα έχει και τα δύο, και για κάθε πεδίο μένει καταγεγραμμένο από ποια εγγραφή προέρχεται: αν κάποια μέρα η συγχώνευση δεν σας πείθει, ξέρετε ακριβώς τι να αγγίξετε.
Οι διπλοεγγραφές που μια ακριβής αναζήτηση δεν βρίσκει
- Μήτσος Παπαδόπουλος=Δημήτριος Παπαδόπουλος ισοδύναμο όνομα
- Παπαδόπουλος Γιώργος=Γιώργος Παπαδόπουλος επώνυμο και όνομα αντεστραμμένα
- λεωφ. κηφισίας 124=Λεωφόρος Κηφισίας 124 συντομογραφία ολογράφως
- Παπαδόπουλος Γιώργος, λεωφ. συγγρού 364, καλλιθέα=Γιώργος Παπαδόπουλος, Λεωφόρος Συγγρού 364, ΚΑΛΛΙΘΕΑ διεύθυνση τακτοποιημένη πριν από τη σύγκριση
Αναγνωρίζουμε επίσης ένα τυπογραφικό λάθος στο όνομα ή στο επώνυμο και το επισημαίνουμε ως πιθανό λάθος πληκτρολόγησης.
Τα παραδείγματα χρησιμοποιούν διευθύνσεις δημόσιων κτιρίων και οδών του κέντρου· τα ονοματεπώνυμα, όπου εμφανίζονται, είναι επινοημένα για λόγους επίδειξης: κάθε αναφορά σε πραγματικά πρόσωπα είναι εντελώς συμπτωματική.
Σχετικές ερωτήσεις
- Πώς καθαρίζω και διορθώνω ένα αρχείο πελατών;
- Πώς βρίσκω τις διπλοεγγραφές σε ένα αρχείο πελατών, ακόμη κι αν είναι γραμμένες διαφορετικά;
- Το Excel δεν βρίσκει τα διπλότυπα: γιατί, και τι να κάνω;
Όλες οι ερωτήσεις, με την απάντηση, στις Ερωτήσεις και απαντήσεις.