Dubblettrensning:
två poster, en enda person.
Hitta dubbletter även när de är skrivna på olika sätt: ett exempel med adresser i Sverige, två poster och varför de är samma person.
Gratis varje månad: 50 adressvalideringar, 100 poster för att hitta dubbletter och 500 kontroller av e-post och telefonnummer. Vi ber bara om namn, e-postadress och ett lösenord, inget betalkort: skapa ditt kostnadsfria konto eller logga in.
Vad dubblettrensningen ger dig
En dubblett är en persons historik delad i två. Att sätta ihop den igen ger fyra konkreta effekter.
Svara en gång, och med full kännedom
Den som svarar tittar på en post: om ordern är registrerad på den andra får personen ingenting – och märker det. Med en enda post går bekräftelsen alltid ut, och utskicket kommer bara en gång, med namnet stavat på ett enda sätt.
Varje extra kuvert är bortkastade pengar
En dubblett är ett tryck, ett kuvert och ett frimärke betalda för en person som ditt utskick redan har nått. I en stor kampanj är det den enklaste kostnaden att skära bort, utan att förlora en enda mottagare.
Se vilka kunder som är värda mest
Den som köpt tre gånger på en post och två på den andra syns i rapporterna som två ljumma kontakter. När posterna slås ihop framträder personen som den är, en trogen kund, och det ändrar vem det lönar sig att ringa, vem som förtjänar en annan behandling, vem man ska erbjuda mer.
Siffrorna stämmer igen
Hur många kunder har jag egentligen? Vad är en kontakt värd i genomsnitt? Med ett register fullt av dubbletter är varje svar uppblåst, och de beslut som följer är felaktiga från början.
Så uppstår dubbletter
Det är inga slarvfel: dubbletter uppstår i tre vardagliga situationer som återkommer i varje register som är tänkt att växa.
Ordern kommer in och det är bråttom
Den som registrerar har en hög med blanketter att beta av (eller inbetalningar, om du arbetar i en ideell organisation) och stannar inte upp för att kolla om personen redan finns i registret. Att öppna en ny post tar trettio sekunder; att verkligen söka efter den, bland varianterna av namn och adress, tar mycket längre tid.
Posten finns, men sökningen hittar den inte
Det är det vanligaste fallet och det svåraste att undvika: posten finns, men är skriven lite annorlunda än så som man söker – ”Hantverkargatan 1” mot ”Hantverkarg. 1”. Sökningen ger ingenting, och posten skapas på nytt i god tro.
En hel lista kommer in
Anmälningar från webbplatsen, en lista insamlad på ett evenemang, en fil från en leverantör: de kommer in i klump utan att jämföras med det befintliga registret. Det händer mer sällan än de två andra fallen, men när det händer kommer dubbletterna in i hundratal.
Alla tre löses på samma sätt: en kontroll av registret med jämna mellanrum, och en före varje viktig kampanj.
Först rättar vi adresserna, sedan hittar vi dubbletterna
En jämförelse ord för ord behandlar Kristina och Stina som två personer och Hantverkarg. 1 och Hantverkargatan 1 som två adresser, fast det är samma person och samma adress. Därför arbetar vi i två steg: först rättar vi de två adresserna – gatunamnet utskrivet, rätt postnummer, rätt kommun – och först därefter jämför vi dem, tillsammans med namn, e-post och telefon. Två skrivsätt för samma gata blir samma gata innan jämförelsen börjar.
Bedömningen har tre grader – säker, trolig eller tvetydig – med orsaken bredvid. I den rensade filen kommer säkra och troliga grupper ut redan sammanslagna på en enda rad. De tvetydiga lämnas hela och hamnar bland raderna att kontrollera: två olika personer kan ha samma namn i samma kommun, och där bestämmer du.
Normalisering, dubblettidentifiering, dubblettrensning, berikning
Fyra olika operationer som oftast hamnar under ordet ”rensning”. Det är värt att skilja dem åt, eftersom den ena är förutsättningen för den andra.
Adressnormalisering
Att föra varje adress till ett enda, korrekt skrivsätt och komplettera det som saknas: postnumret, orten, gatunamnet utskrivet.
”Hantverkarg. 1” och ”Hantverkargatan 1” blir samma rad.
Dubblettidentifiering
Att känna igen att två poster är samma subjekt även om de är skrivna olika: ”Hantverkarg. 1” och ”Hantverkargatan 1”, efternamn och förnamn i omvänd ordning.
Den kommer efter normaliseringen: så jämförs adresser som redan är skrivna i rätt form.
Dubblettrensning
Att bestämma vad som ska göras med de dubbletter som hittats: vilken post som ska behållas, vilka fält som ska tas från den ena och vilka från den andra.
Den slutliga posten tar det bästa fältet från varje post och noterar varifrån det kommer.
Berikning
Att lägga till det som saknas eller kan härledas ur det som finns: hälsningsfrasen från namnet, titeln, gatunumrets tilläggsbokstav, det italienska skattenumret.
Uppgifter som ditt register redan innehåller underförstått.
Varför det spelar roll, bortom rensningen: den som får samma brev två gånger märker det, och den som inte får något tack därför att gåvan registrerades på en post medan du tittade på den andra märker det ännu mer.
Dubblettsökning: du väljer hur strikt jämförelsen ska vara, vi säger hur säkra vi är
Motorn bildar grupperna av poster och anger för varje grupp hur säker den är. Två vred. Lägsta nivå, alltså hur olika två poster får vara och ändå vara samma subjekt: tre värden, från webbplatsen och i filjobb används standardvärdet, i API:et väljer du med livello_minimo. Och precisionen, samma skala från 1 till 5 som i adresskontrollen, som här verkar på efternamnet: upp till 3 läses det bokstav för bokstav, vid 4 förs poster med efternamnet skrivet med eller utan mellanslag (”La Pera”, ”Lapera”) samman, vid 5 även sådana med efternamn som låter lika (”Lepera”, ”La Pera”); dessa grupper kommer ut som högst tveksamma.
Strikt
Namn och adress sammanfaller efter normaliseringen. Ingen grupp du inte skulle ha gjort för hand.
Standardvärdet
Varianter av samma namn (Stina och Kristina), förkortningar och små stavfel kommer med. Det är inställningen de flesta jobb körs med.
Vid
Även de svaga kopplingarna: samma adress och liknande namn. Den hittar mer, och du får titta på mer.
Bedömningen som kommer tillbaka för varje grupp – säker, trolig, tvetydig – är vår klassificering: den säger hur stabil gruppen är och avgör vad som händer i den rensade filen, där de säkra och de troliga kommer ut sammanslagna och de tvetydiga återstår att granska.
Det bästa från varje post i en enda
Vi tar det bästa fältet från varje post och bygger en ny: även e-postadressen som bara fanns i den ena hamnar i posten som blir kvar.
| Fält | Post A | Post B | Posten som blir kvar |
|---|---|---|---|
| Namn | Anna Andersson | A. ANDERSSON | Anna Andersson den mest fullständiga stavningen |
| Adress | Hantverkarg. 1 | Hantverkargatan 1 | Hantverkargatan 1 från den mer fullständiga posten |
| Postnummer och ort | 11152 Stockholm | 111 52 STOCKHOLM | 111 52 STOCKHOLM i landets postform |
| E-post | — | a.andersson@example.com | a.andersson@example.com fanns bara på B |
Hade du behållit A hade du förlorat e-posten, med B namnets fullständiga stavning. Den sammanslagna posten har båda, och för varje fält står det kvar vilken post det kommer från: om sammanslagningen en dag inte övertygar dig vet du exakt vad du ska ändra.
Dubbletter som en exakt sökning missar
- Stina Andersson=Kristina Andersson likvärdigt namn
- Andersson Anna=Anna Andersson efternamn och förnamn i omvänd ordning
- hantverkarg. 1=Hantverkargatan 1 förkortning utskriven
- Andersson Anna, hantverkarg. 1, stockholm=Anna Andersson, Hantverkargatan 1, STOCKHOLM adressen rättad före jämförelsen
Vi känner också igen ett stavfel i för- eller efternamnet och markerar det som ett möjligt skrivfel.
Exemplen använder adresser till offentliga byggnader och gator i centrum; namnen, där de förekommer, är påhittade i demonstrationssyfte: varje likhet med verkliga personer är en ren tillfällighet.
Relaterade frågor
- Hur rensar och rättar man ett kundregister?
- Hur hittar jag dubbletter i kundregistret, även när de är skrivna olika?
- Excel hittar inte dubbletterna: varför, och vad gör man?
Alla frågor, med svaret, under Frågor och svar.