Quando una persona compare con più profili nel CRM, nel negozio online e in altri sistemi, il problema sembra semplice: bisogna eliminare i duplicati. Ma una corrispondenza non dimostra che due record appartengano allo stesso cliente. Un’unione errata può mescolare cronologie, modificare le comunicazioni o attribuire un acquisto a un’altra persona. La decisione richiede di bilanciare qualità dei dati, continuità operativa e possibilità di correggere gli errori.
Una politica efficace non si limita a scegliere uno strumento o una regola di corrispondenza. Definisce che cosa significa essere la stessa persona, quali prove sono sufficienti per intervenire, come risolvere i conflitti tra campi e come annullare un’operazione. L’obiettivo è rendere coerenti i profili collegati senza eliminare informazioni che potrebbero ancora essere utili.
Definire quando due record rappresentano lo stesso cliente
Prima di confrontare i dati, conviene stabilire quale identità si vuole risolvere. Si tratta di una persona, di un account aziendale, di un nucleo familiare o di una relazione commerciale? In alcuni sistemi più persone condividono un indirizzo e-mail o un numero di telefono; in altri, una stessa persona usa indirizzi e-mail diversi. La politica deve tenere conto di queste situazioni, invece di presumere che un attributo identifichi sempre un individuo.
È inoltre necessario distinguere tra duplicato e relazione legittima. Due profili possono condividere un indirizzo perché le persone vivono nella stessa casa, oppure lo stesso numero di telefono perché usano una linea familiare. Una persona può avere un account aziendale e uno personale. Se l’attività deve rappresentare separatamente questi legami, unirli cancellerebbe distinzioni valide.
Documenta lo scopo della risoluzione e le eccezioni pertinenti. Per esempio, stabilisci se gli account aziendali vanno consolidati per organizzazione o per contatto e come gestire i profili di prova, gli account condivisi e i record incompleti. Questa definizione deve essere compatibile con gli usi successivi: assistenza clienti, ordini, fatturazione e preferenze di comunicazione possono richiedere livelli di dettaglio diversi.
Scegliere gli attributi e combinare i segnali
La qualità di una corrispondenza dipende sia dagli attributi scelti sia dalla loro affidabilità. Un identificatore interno stabile può essere un segnale forte, se viene generato e conservato correttamente. L’e-mail normalizzata, il telefono o il nome forniscono informazioni, ma possono cambiare, essere condivisi o comparire con grafie diverse. Anche l’indirizzo può aiutare nel confronto, ma di norma non identifica da solo una persona.
Separa le corrispondenze esatte da quelle approssimative. L’uguaglianza di un identificatore convalidato può giustificare un livello di affidabilità maggiore rispetto alla somiglianza ortografica tra nomi. Il confronto approssimativo aiuta a gestire refusi, abbreviazioni e variazioni di formato, ma può produrre falsi positivi: due persone possono avere lo stesso nome o un cognome comune.
Prima del confronto, normalizza i formati con cautela. Puoi uniformare maiuscole e spazi o confrontare i numeri di telefono in un formato coerente. Non eliminare differenze significative per il sistema né presumere che tutti i caratteri si possano ignorare senza conseguenze. Registra le trasformazioni applicate, così i risultati possono essere spiegati e riesaminati.
Valuta i segnali nel loro insieme e considera le assenze per quello che sono. Se due record non hanno un numero di telefono, non si tratta di una corrispondenza; se lo condividono, può essere un segnale debole o una prova rilevante, a seconda del contesto. Una regola comprensibile è di solito più facile da gestire di un insieme opaco di eccezioni. Se si utilizza un modello di punteggio, il team deve poter sapere quali fattori influiscono su ciascuna decisione.
Definire tre percorsi: unire, rivedere o mantenere separati
Una politica pratica definisce livelli di affidabilità e un’azione per ciascuno. Le soglie specifiche dipendono dai dati e dal costo di un errore; non esiste un valore universale consigliabile senza aver valutato il caso concreto. L’importante è riservare le decisioni automatiche alle corrispondenze sufficientemente solide e prevedere un percorso chiaro per i casi ambigui.
- Affidabilità alta: unire automaticamente quando più segnali attendibili concordano e non ci sono contraddizioni significative.
- Affidabilità intermedia: sottoporre a revisione umana quando i segnali sono compatibili, ma non bastano per decidere con sicurezza.
- Affidabilità bassa: mantenere separati i record e, se opportuno, valutarli di nuovo quando arrivano nuove informazioni.
La revisione umana richiede contesto, non soltanto due righe di dati. Mostra i campi uguali e diversi, la loro provenienza, le date e i sistemi di origine, oltre agli effetti dell’approvazione dell’unione. Consenti di rifiutare la proposta e registra il motivo. Se i casi sono numerosi, dai priorità a quelli con un impatto operativo rilevante, invece di presentarli in una coda indistinta.
Considera che il costo degli errori può essere asimmetrico. Un’unione errata può esporre informazioni al profilo sbagliato o compromettere una gestione delicata; lasciare due profili duplicati può generare comunicazioni ripetute o una visione frammentata. A seconda del processo, uno dei due errori sarà più costoso. Le soglie e il livello di automazione devono riflettere questa differenza.
Risolvere i conflitti senza perdere la provenienza
Scoprire che due record corrispondono alla stessa persona non chiarisce quale valore conservare in ciascun campo. L’e-mail di un sistema può essere aggiornata e il telefono dell’altro; un record può contenere il nome legale e l’altro quello preferito. Applicare una regola generale, come conservare sempre il profilo più recente o più completo, può sovrascrivere dati validi.
Definisci la precedenza per campo e in base al contesto. Un sistema può essere la fonte preferita per i dati di fatturazione, mentre il cliente può aggiornare le proprie preferenze di contatto in un altro canale. Considera la data, l’origine e il metodo di verifica del valore, non soltanto il momento in cui è stato sincronizzato. Se non esiste una fonte affidabile, conserva il conflitto per risolverlo invece di scegliere arbitrariamente un valore.
Conserva la provenienza: sistema di origine, data di aggiornamento e, quando possibile, evento che ha introdotto il dato. La tracciabilità consente di spiegare perché è stato scelto un valore, individuare sincronizzazioni difettose e recuperare informazioni che non avrebbero dovuto essere scartate. I campi con conseguenze legali, commerciali o legate alla privacy richiedono particolare attenzione e regole coerenti con il loro utilizzo.
Rendere l’unione reversibile e misurabile
Evita che l’unione comporti la cancellazione definitiva di un record. Mantieni un identificatore principale e riferimenti agli identificatori originali, così CRM, e-commerce e gli altri sistemi possono riconoscere il collegamento. Conserva la cronologia necessaria per ricostruire quali profili sono stati uniti, quando, in base a quale regola e con quali dati. La soluzione concreta dipenderà dall’architettura, ma la reversibilità deve far parte del progetto, non essere una riparazione improvvisata.
Definisci anche una procedura per separare i profili. Se una persona segnala che i propri dati sono stati mescolati, il team deve poter individuare l’operazione, ripristinare i record e correggere i riferimenti distribuiti. Stabilisci chi può richiedere o approvare la separazione, come propagare la modifica ai sistemi collegati e come impedire che la stessa regola unisca subito di nuovo i profili.
Misura i risultati per tipo di regola e sistema di origine. Monitora quante proposte vengono approvate, quante sono respinte durante la revisione, quante vengono separate in seguito e quali conflitti tra campi si verificano. Un numero elevato di unioni non dimostra che il processo sia di qualità. Le separazioni successive e le correzioni manuali sono segnali utili di falsi positivi; i duplicati che continuano a comparire possono indicare regole insufficienti o problemi nei processi di raccolta dei dati.
Attuare la politica per fasi
Inizia con un campione rappresentativo e valuta le regole senza modificare i record in produzione. Esamina casi evidenti, ambigui e contrari alle ipotesi: persone con lo stesso nome, e-mail condivise, dati obsoleti e profili incompleti. Affina i criteri insieme ai responsabili di business, operazioni e tecnologia, perché ogni team conosce conseguenze diverse di una decisione errata.
- Definisci quale entità viene identificata e quali casi devono restare separati.
- Fai l’inventario dei sistemi, degli attributi disponibili, della qualità e della provenienza dei dati.
- Prova regole esatte e approssimative su un campione esaminato da persone.
- Assegna i percorsi di unione, revisione e separazione a responsabili chiari.
- Attiva inizialmente la modalità di proposta o revisione e registra i risultati.
- Automatizza solo le corrispondenze convalidate e monitora errori e modifiche.
Rivedi la politica quando cambiano i sistemi, i processi di registrazione o le tipologie di clienti. Una regola che funzionava con dati puliti può peggiorare dopo una migrazione o una nuova integrazione. La decisione corretta non consiste nell’unire il maggior numero possibile di profili, ma nel consolidare quelli supportati da prove sufficienti e mantenere la possibilità di spiegare e correggere ogni unione.