Sistemi / Blueprint 05
I record duplicati non arrivano mai al tuo CRM.
Un layer middleware cerca prima di creare. Il matching deterministico elimina i duplicati facili in millisecondi, il fuzzy matching assistito da LLM cattura Acme Corp contro Acme Corporation Inc, e ogni merge è registrato e reversibile. Il database resta pulito alla porta invece di essere pulito una volta all'anno a caro prezzo.
Quanto ti costano oggi i duplicati
I duplicati rovinano un CRM in silenzio. I commerciali lavorano lo stesso affare due volte, i prospect ricevono email di benvenuto a metà trattativa e i report di attribuzione mentono sulla spesa pubblicitaria. Gli strumenti nativi aiutano poco: il matcher di HubSpot confronta solo indirizzi email esatti, quindi indirizzi diversi e variazioni del nome azienda passano dritti. Lasciato solo, il database si degrada finché qualcuno non paga per un progetto di pulizia manuale.
- Dati in silo: marketing, vendite e supporto parlano tutti con lo stesso cliente senza saperlo.
- Fallimento dell'attribuzione: il ROI della spesa pubblicitaria viene calcolato male perché l'affare chiuso sta su un record diverso.
- Outreach imbarazzante: le sequenze di benvenuto automatiche partono mentre le trattative profonde sono già in corso.
- Cecità del fuzzy match: Acme Corp e Acme Corporation Inc vivono come due aziende con storie separate.
- Merge distruttivi: l'automazione cieca sovrascrive dati freschi e recenti con valori vecchi in cache.
Come funziona il layer
Middleware autonomo tra la cattura lead e il tuo CRM. Il matching multi-pass esegue prima controlli deterministici veloci, poi fuzzy matching più lento assistito da LLM per i casi limite. Ogni merge e decisione di instradamento finisce in un log di audit.
- CodaBuffer di ingestione
- ElaborazioneMotore di normalizzazione
- LogicaMatcher deterministico
- MatchingFuzzy matcher
- RegoleMotore regole di merge
- OsservabilitàLogger di audit
Buffer di ingestione
I record in arrivo si mettono in coda invece di colpire il CRM direttamente. Le race condition tra aggiornamenti simultanei dello stesso lead spariscono.
Motore di normalizzazione
Punteggiatura rimossa, suffissi aziendali come LLC e Inc standardizzati, numeri di telefono forzati al formato E.164 prima di ogni confronto.
Matcher deterministico
Passaggio veloce sui campi indicizzati: email, telefono, dominio, ID esterno. Risolve l'80% dei duplicati all'istante e a basso costo.
Fuzzy matcher
Passaggio più lento con similarità trigramma più ragionamento LLM su nomi azienda e indirizzi. È questo che cattura IBM contro Intl Business Machines.
Motore regole di merge
Regole di sopravvivenza che definisci tu: ID Salesforce vince, tieni il telefono più recente, aggiungi le nuove note. I dati freschi non vengono mai distrutti da quelli vecchi.
Logger di audit
Stato prima e dopo registrato per ogni merge. Un falso positivo diventa un rollback con un click invece di un incidente di perdita dati.
Guardrail
Interruttori automatici
I servizi esterni si degradano senza abbattere il layer. I fallback tengono i record in flusso mentre un provider si riprende.
Osservabilità
Log strutturati, metriche e alerting sulla profondità della coda e sulla latenza. Vedi l'accumulo prima delle vendite.
Permessi circoscritti
Accesso basato sui ruoli a livello di strumento e dati. Solo gli operatori che hai approvato possono avviare o annullare un merge.
Roadmap di deployment
Da sei a otto settimane dal kickoff alla copertura completa. Il layer protegge prima la tua fonte di duplicati peggiore.
Audit e primo passaggio
Baseline dei duplicati misurata, strumentazione installata, layer live sulla tua fonte di ingestione a volume più alto.
Taratura
Regole di normalizzazione adattate alle stranezze dei tuoi dati, fuzzy matcher calibrato sui duplicati storici reali.
Policy di merge
Regole di sopravvivenza approvate con le vendite, esercitazioni di rollback eseguite su copie di produzione.
Test di carico e cutover
Test di replay a volume completo, poi ogni fonte rimanente passa a ricerca prima della creazione.
Come appare una decisione di merge
L'output del resolver prima che qualsiasi record venga toccato.
{
"incoming": { "email": "[email protected]", "name": "J. Smith", "company": "Acme Logistics" },
"match": { "record_id": "ct_4412", "confidence": 0.91, "matched_on": ["email", "company"] },
"decision": "merge",
"merge_rule": "keep_richer",
"fields_updated": ["phone", "title", "last_activity"],
"fields_kept": ["email", "company", "owner"],
"audit_id": "mg_2210"
}Sistemi correlati
I pezzi a cui questo si collega.
Domande frequenti
Come cattura i duplicati che un CRM manca?
Matching deterministico su email e telefono normalizzati, più fuzzy matching su nome e azienda con soglie di confidenza. La deduplica integrata di un CRM di solito controlla solo l'email esatta.
Cosa succede quando due record confliggono?
Le regole di merge decidono: tieni il più recente, tieni il più ricco, o segnala per revisione umana. Ogni merge è registrato con il prima e il dopo.
Può girare su un CRM esistente e disordinato?
Sì. È il caso comune. Il layer esegue prima un passaggio di backfill, poi protegge ogni nuova scrittura.
Dati puliti senza il progetto di pulizia.
Nomina il tuo CRM nella diagnostica gratuita. Ti dirò dove entrano i duplicati e cosa serve per chiudere quelle porte.
Resta aggiornato.
Analisi tecniche, nuove build di sistemi e lezioni dal deploy di IA autonoma. Direttamente nella tua inbox.
Aggiornamenti architetturali settimanali. Disiscriviti in qualsiasi momento.