Dédoublonnage :
deux fiches, une seule personne.
Trouver les doublons même écrits différemment : un exemple avec des adresses de France, deux fiches et la raison pour laquelle c'est la même personne.
Gratuit chaque mois : 50 vérifications d'adresse, 100 fiches pour trouver les doublons et 500 contrôles d'e-mails et de téléphones. Nous vous demandons seulement votre nom, votre e-mail et un mot de passe, sans carte bancaire : créez votre compte gratuit ou connectez-vous.
Ce que le dédoublonnage vous apporte
Un doublon, c'est l'histoire d'une personne coupée en deux. La reconstituer a quatre effets concrets.
Répondre une seule fois, et en connaissance de cause
Celui qui répond regarde une fiche : si la commande est enregistrée sur l'autre, cette personne ne reçoit rien — et s'en aperçoit. Avec une seule fiche, la confirmation part toujours, et la communication arrive une seule fois, avec le nom écrit d'une seule façon.
Chaque enveloppe en trop, c'est de l'argent jeté
Chaque doublon, c'est une impression, une enveloppe et un affranchissement payés pour une personne que votre envoi a déjà atteinte. Dans une grosse campagne, c'est la dépense la plus facile à réduire, sans perdre un seul destinataire.
Repérer les contacts les plus précieux
Qui a acheté trois fois sur une fiche et deux fois sur l'autre apparaît dans les rapports comme deux contacts tièdes. En réunissant les fiches, il apparaît pour ce qu'il est, un client fidèle, et cela change qui il vaut la peine d'appeler, à qui réserver un traitement différent, à qui proposer davantage.
Des chiffres enfin justes
Combien de clients ai-je vraiment ? Combien vaut un contact en moyenne ? Avec une base pleine de doublons, chaque réponse est gonflée, et les décisions qui en découlent naissent faussées.
D'où viennent les doublons
Ce ne sont pas des erreurs d'inattention : les doublons naissent de trois situations ordinaires, qui se répètent dans toute base de données destinée à grandir.
La commande arrive et on est pressé
La personne qui saisit a une pile de formulaires à traiter (ou de bulletins de soutien, dans une association) et ne s'arrête pas pour vérifier si cette personne est déjà dans la base. Ouvrir une nouvelle fiche prend trente secondes ; la chercher vraiment, parmi les variantes du nom et de l'adresse, prend beaucoup plus de temps.
La fiche existe, mais la recherche ne la trouve pas
C'est le cas le plus fréquent et le plus difficile à éviter : la fiche existe, mais elle est écrite de façon à peine différente de la manière dont on la cherche — « 10 place de la Comédie » contre « 10 pl. de la Comédie ». La recherche ne renvoie rien, et la fiche est recréée de bonne foi.
Une liste entière est importée
Les inscriptions depuis le site, une liste collectée lors d'un événement, un fichier reçu d'un fournisseur : ils entrent en bloc sans être comparés à la base existante. Cela arrive moins souvent que les deux autres cas, mais quand cela arrive, les doublons entrent par centaines.
Les trois se règlent de la même façon : un contrôle de la base à intervalles réguliers, et un avant chaque campagne importante.
D'abord corriger les adresses, ensuite trouver les doublons
Une comparaison mot à mot traite Philippe et Phil comme deux personnes et 10 pl. de la Comédie et 10 place de la Comédie comme deux adresses, alors qu'il s'agit de la même personne et de la même adresse. C'est pourquoi nous travaillons en deux temps : d'abord nous corrigeons les deux adresses — nom de voie en toutes lettres, code postal corrigé, bonne commune — et seulement ensuite nous les comparons, avec le nom, l'e-mail et le téléphone. Deux graphies de la même voie deviennent la même voie avant que la comparaison commence.
Le verdict a trois degrés — certain, probable ou ambigu — avec la raison à côté. Dans le fichier nettoyé, les groupes certains et probables sortent déjà réunis en une seule ligne. Les groupes ambigus restent entiers et vont parmi les lignes à contrôler : deux personnes différentes peuvent porter le même nom dans la même commune, et là c'est vous qui décidez.
Normalisation, détection des doublons, dédoublonnage, enrichissement
Quatre opérations différentes, qui finissent d'ordinaire toutes sous le mot « nettoyage ». Les distinguer est utile, parce que chacune est le préalable de la suivante.
Normalisation des adresses
Ramener chaque adresse à une écriture unique et correcte, en complétant ce qui manque : le code postal, la ville, le nom de la voie en toutes lettres.
« 10 pl. de la Comédie » et « 10 place de la Comédie » deviennent la même ligne.
Détection des doublons
Reconnaître que deux fiches désignent le même contact même si elles sont écrites différemment : « 10 pl. de la Comédie » et « 10 place de la Comédie », nom et prénom inversés.
Elle vient après la normalisation : la comparaison porte ainsi sur des adresses déjà écrites dans la forme correcte.
Dédoublonnage
Décider quoi faire des doublons trouvés : quelle fiche garder, quels champs prendre de l'une et lesquels de l'autre.
La fiche finale prend dans chaque fiche le meilleur champ et en note l'origine.
Enrichissement
Ajouter ce qui manque ou ce qui se déduit de ce qui existe : la formule d'appel à partir du prénom, le titre, le complément du numéro de voie, le codice fiscale.
Des données que votre base contient déjà de façon implicite.
Pourquoi cela compte, au-delà du nettoyage : celui qui reçoit deux fois la même lettre le remarque, et celui qui ne reçoit pas le remerciement parce que le don était enregistré sur une fiche pendant que vous regardiez l'autre le remarque encore plus.
Comparaison des doublons : vous choisissez la précision, nous vous disons à quel point nous sommes sûrs
Les groupes de fiches, c'est le moteur qui les forme, et pour chacun il indique avec quelle certitude. Deux réglages. Le niveau minimal, c'est-à-dire à quel point deux fiches peuvent différer et rester le même sujet : trois valeurs, depuis le site et les fichiers c'est la valeur par défaut qui s'applique, depuis l'API vous choisissez avec livello_minimo. Et la précision, la même échelle de 1 à 5 que la vérification de l'adresse, qui agit ici sur le nom de famille : jusqu'à 3 il est lu à la lettre, à 4 les fiches dont le nom est écrit avec ou sans espace (« La Pera », « Lapera ») sont rapprochées, à 5 aussi celles dont le nom se prononce pareil (« Lepera », « La Pera ») ; ces groupes ressortent au plus comme ambigus.
Précision stricte
Nom et adresse coïncident après normalisation. Aucun groupe que vous n'auriez pas fait à la main.
La valeur par défaut
Entrent les variantes du même prénom (Phil et Philippe), les abréviations et les petites fautes de frappe. C'est le réglage avec lequel tournent la plupart des traitements.
Précision large
Les rapprochements faibles aussi : même adresse et noms proches. Elle trouve plus, et vous avez plus à regarder.
Le verdict renvoyé sur chaque groupe — certain, probable, ambigu — est notre classification : il dit à quel point le groupe est solide et décide de ce qui se passe dans le fichier nettoyé, où les groupes certains et probables sortent réunis et les ambigus restent à contrôler.
Le meilleur de chaque fiche en une seule
Nous prenons dans chaque fiche le meilleur champ et construisons une fiche nouvelle : même l'e-mail présent dans une seule des deux arrive dans la fiche qui reste.
| Champ | Fiche A | Fiche B | Fiche qui reste |
|---|---|---|---|
| Prénom et nom | Sophie Dubois | S. DUBOIS | Sophie Dubois l'écriture la plus complète |
| Adresse | 10 pl. de la Comédie | 10 place de la Comédie | 10 Place de la Comédie de la fiche la plus complète |
| Code postal et ville | 34000 Montpellier | 34 000 montpellier | 34000 MONTPELLIER dans la forme postale du pays |
| — | s.dubois@example.com | s.dubois@example.com n'existait que sur B |
En gardant A, vous auriez perdu l'e-mail ; en gardant B, l'écriture complète du nom. La fiche fusionnée a les deux, et pour chaque champ reste écrit de quelle fiche il vient : si un jour la fusion ne vous convainc pas, vous savez exactement quoi toucher.
Les doublons qu'une recherche exacte ne trouve pas
- Phil Dubois=Philippe Dubois prénom équivalent
- Dubois Sophie=Sophie Dubois nom et prénom inversés
- 10 pl. de la comédie=10 Place de la Comédie abréviation développée
- Dubois Sophie, 10 pl. de la comédie, montpellier=Sophie Dubois, 10 Place de la Comédie, 34000 MONTPELLIER adresse corrigée avant la comparaison
Nous reconnaissons aussi une faute de frappe dans le prénom ou le nom, et la signalons comme erreur de saisie possible.
Les exemples utilisent des adresses de bâtiments publics et de rues du centre-ville ; les noms, lorsqu'ils apparaissent, sont inventés à des fins de démonstration : toute ressemblance avec des personnes réelles est purement fortuite.
Questions liées
- Comment nettoyer et corriger un fichier clients ?
- Comment trouver les doublons d'un fichier clients, même écrits différemment ?
- Excel ne trouve pas les doublons : pourquoi, et que faire ?
Toutes les questions, avec la réponse, dans Questions et réponses.