Quando uma pessoa aparece com vários perfis no CRM, na loja online e noutros sistemas, o problema parece simples: é preciso eliminar duplicados. Mas uma correspondência não prova que dois registos pertencem ao mesmo cliente. Uma fusão errada pode misturar históricos, alterar comunicações ou atribuir uma compra a outra pessoa. A decisão exige um equilíbrio entre qualidade dos dados, continuidade operacional e capacidade de corrigir erros.
Uma política eficaz não se limita a escolher uma ferramenta ou uma regra de correspondência. Define o que significa ser a mesma pessoa, que evidências são suficientes para agir, como se resolvem conflitos entre campos e como se reverte uma operação. O objetivo é manter coerentes os perfis associados sem apagar informações que ainda possam ser úteis.
Definir quando dois registos representam o mesmo cliente
Antes de comparar dados, convém estabelecer que identidade se pretende resolver. Trata-se de uma pessoa, de uma conta empresarial, de um agregado familiar ou de uma relação comercial? Em alguns sistemas, várias pessoas partilham um endereço de correio eletrónico ou um número de telefone; noutros, a mesma pessoa utiliza endereços diferentes. A política deve contemplar estas situações, em vez de presumir que um atributo identifica sempre um indivíduo.
Também é necessário distinguir entre duplicado e relação legítima. Dois perfis podem partilhar uma morada por viverem na mesma casa, ou ter o mesmo número de telefone por utilizarem uma linha familiar. Uma pessoa pode ter uma conta profissional e outra pessoal. Se a empresa precisar de representar estas relações separadamente, a fusão apagaria distinções válidas.
Documente o objetivo da resolução de identidades e as exceções relevantes. Por exemplo, determine se as contas empresariais são consolidadas por organização ou por contacto e como são tratados os perfis de teste, as contas partilhadas e os registos incompletos. Esta definição deve ser compatível com as utilizações posteriores: o apoio ao cliente, as encomendas, a faturação e as preferências de comunicação podem exigir diferentes níveis de detalhe.
Escolher atributos e combinar sinais
A qualidade de uma correspondência depende tanto dos atributos escolhidos como da sua fiabilidade. Um identificador interno estável pode ser um sinal forte, se for gerado e conservado corretamente. O endereço de correio eletrónico normalizado, o telefone ou o nome fornecem informação, mas podem mudar, ser partilhados ou estar escritos de formas diferentes. A morada também pode ser usada para comparação, embora, por si só, geralmente não identifique uma pessoa.
Distinga as correspondências exatas das aproximadas. A igualdade exata de um identificador validado pode justificar mais confiança do que a semelhança ortográfica entre nomes. A comparação aproximada ajuda a lidar com erros de escrita, abreviaturas e variações de formato, mas também produz falsos positivos: duas pessoas podem ter o mesmo nome ou apelidos comuns.
Antes de comparar, normalize os formatos de forma conservadora. Pode uniformizar maiúsculas e espaços ou comparar números de telefone num formato coerente. Não elimine diferenças com significado para o sistema nem presuma que todos os caracteres podem ser descartados sem consequências. Registe as transformações aplicadas para que os resultados possam ser explicados e revistos.
Avalie os sinais em conjunto e mantenha as ausências como ausências. O facto de dois registos não terem número de telefone não constitui uma correspondência; partilharem o mesmo número pode ser um sinal fraco ou uma evidência relevante, consoante o contexto. Uma regra compreensível costuma ser mais fácil de manter do que um conjunto opaco de exceções. Se for utilizado um modelo de pontuação, a equipa deve conseguir perceber que fatores influenciam cada decisão.
Definir três opções: fundir, rever ou manter separado
Uma política prática define níveis de confiança e uma ação para cada um. Os limites concretos dependem dos dados e do custo de errar; não existe um limiar universal que possa ser recomendado sem avaliar o caso. O importante é reservar as decisões automáticas para correspondências suficientemente sólidas e dar uma resposta clara aos casos ambíguos.
- Confiança elevada: fundir automaticamente quando vários sinais fiáveis estão de acordo e não existe uma contradição significativa.
- Confiança intermédia: enviar para revisão humana quando os sinais são compatíveis, mas insuficientes para uma decisão segura.
- Confiança baixa: manter os registos separados e, se for adequado, voltar a avaliá-los quando surgirem novas informações.
A revisão humana precisa de contexto, não apenas de duas linhas de dados. Apresente os campos coincidentes e diferentes, a respetiva origem, as datas e os sistemas de origem, bem como o efeito de aceitar a fusão. Permita rejeitar a proposta e registe o motivo. Se houver muitos casos, dê prioridade aos que tenham um impacto operacional relevante, em vez de apresentar uma fila sem distinção.
Tenha em conta que o custo dos erros é assimétrico. Uma fusão incorreta pode expor informações ao perfil errado ou afetar um processo sensível; manter dois perfis duplicados pode gerar comunicações repetidas ou uma visão fragmentada. Dependendo do processo, um destes erros será mais dispendioso. Os limiares e o nível de automatização devem refletir essa diferença.
Resolver conflitos sem perder a proveniência
Descobrir que dois registos correspondem à mesma pessoa não determina que valor deve ser mantido em cada campo. O endereço de correio eletrónico de um sistema pode estar atualizado e o número de telefone do outro; um registo pode conter o nome legal e outro o nome preferido. Aplicar uma regra geral, como manter sempre o perfil mais recente ou mais completo, pode substituir dados válidos.
Defina a precedência por campo e tendo em conta o contexto. Um sistema pode ser a fonte preferencial para os dados de faturação, enquanto o próprio cliente pode atualizar as preferências de contacto noutro canal. Considere a data, a origem e o método de verificação do valor, não apenas o momento em que foi sincronizado. Se não houver uma fonte fiável, mantenha o conflito para resolução, em vez de inventar um vencedor.
Guarde a proveniência: sistema de origem, data de atualização e, sempre que possível, o evento que introduziu o dado. A rastreabilidade permite explicar por que motivo foi escolhido um valor, detetar sincronizações defeituosas e recuperar informações que não deveriam ter sido descartadas. Os campos com consequências legais, comerciais ou de privacidade exigem cuidados especiais e regras adequadas à sua utilização.
Tornar a fusão reversível e mensurável
Evite que fundir signifique apagar definitivamente um registo. Mantenha um identificador principal e referências aos identificadores originais para que o CRM, o comércio eletrónico e outros sistemas reconheçam a associação. Conserve o histórico necessário para reconstruir que perfis foram unidos, quando, por que regra e com que dados. A solução concreta dependerá da arquitetura, mas a reversibilidade deve fazer parte da conceção, e não ser uma reparação improvisada.
Estabeleça também um procedimento de separação. Se uma pessoa informar que os seus dados foram misturados, a equipa deve conseguir localizar a operação, restaurar os registos e corrigir as referências nos sistemas ligados. Decida quem pode pedir ou aprovar uma separação, como esta se propaga aos sistemas associados e como evitar que a mesma regra volte a fundir imediatamente os perfis.
Meça os resultados por tipo de regra e por sistema de origem. Acompanhe quantas propostas são fundidas, quantas são rejeitadas na revisão, quantas são separadas posteriormente e que conflitos entre campos surgem. Uma taxa elevada de fusões não prova qualidade. As separações posteriores e as correções manuais são sinais úteis de falsos positivos; os duplicados que continuam a aparecer podem indicar regras insuficientes ou problemas nos processos de recolha de dados.
Implementar a política por etapas
Comece com uma amostra representativa e avalie as regras sem alterar registos de produção. Reveja casos óbvios, ambíguos e contraexemplos: pessoas com nomes iguais, endereços de correio eletrónico partilhados, dados antigos e perfis incompletos. Ajuste os critérios com os responsáveis de negócio, operações e tecnologia, porque cada equipa conhece diferentes consequências de uma decisão errada.
- Defina que entidade é identificada e que casos devem permanecer separados.
- Inventarie os sistemas, os atributos disponíveis, a qualidade e a proveniência dos dados.
- Teste regras exatas e aproximadas com uma amostra revista por pessoas.
- Defina opções de fusão, revisão e separação, com responsáveis claros.
- Ative primeiro o modo de proposta ou revisão e registe os resultados.
- Automatize apenas as correspondências validadas e monitorize os erros e as alterações.
Reveja a política quando os sistemas, os processos de registo ou os tipos de clientes mudarem. Uma regra que funcionava com dados limpos pode perder eficácia após uma migração ou uma nova integração. A decisão certa não é fundir o maior número possível de perfis, mas consolidar aqueles para os quais existem evidências suficientes e manter a capacidade de explicar e corrigir cada associação.