Our AI-generated summary
Our AI-generated summary
No domínio da Gestão da Relação com o Cliente (CRM), garantir a fiabilidade e a qualidade das informações de registo dos clientes é um fator crítico para o sucesso das campanhas de retenção orientadas. O desafio é exacerbado quando um processo de registo descentralizado obtém dados de diversas fontes, levando a uma maior suscetibilidade de registos duplicados e erros de inserção.
As ferramentas existentes permitem detetar entradas duplicadas - no entanto, esse processo depende frequentemente de uma correspondência exata de uma determinada chave, que inclui dados pessoais únicos, como números de telefone e informações de correio eletrónico. Este processo ignora outros pormenores essenciais - a presença de informações ou caracteres inválidos em determinados campos, ou semelhanças (não correspondências exatas) que quase certamente são erros de digitação, permitindo potenciais inconsistências na base de dados.
Our AI-generated summary
Our AI-generated summary
Reconhecendo a urgência de retificar este problema generalizado, estabelecemos uma parceria com um grupo de retalho automóvel num projeto cujo principal objetivo é estabelecer uma base de dados de clientes unificada, ao mesmo tempo que melhoramos a precisão geral e a facilidade de utilização do CRM. Com o objetivo de simplificar as ações de Marketing direto e os esforços de vendas, o projeto procura implementar uma abordagem mais eficiente e automatizada para retificar duplicados, reconhecendo o papel imperativo que a qualidade dos dados desempenha em campanhas de retenção direcionadas.
A estratégia seguida pode ser resumida em quatro etapas:
- Seleção de potenciais pares de contactos duplicados: Identificar pares de contactos que possam ser duplicados com base em informações pessoais partilhadas, tais como números de telefone, e-mails ou propriedade do mesmo veículo.
- Classificação de duplicados usando pontuações de similaridade: Avaliar a semelhança entre pares de contactos através de métricas como a semelhança de caracteres e fonética. Utilize estas pontuações para treinar um modelo de classificação, determinando a probabilidade de duplicação para cada par.
- Criação de grupos de duplicados: Pares duplicados identificados. Cada grupo deve, em última análise, ser representado por uma única entrada de contacto na base de dados.
- Consolidação das informações do cliente: Para o contacto escolhido em cada grupo que permanecerá na base de dados, consolidar a informação sobre o cliente, adoptando os dados mais fiáveis e atualizados disponíveis.
A nossa abordagem para lidar com registos duplicados envolveu a utilização de modelos sofisticados de aprendizagem automática para detetar duplicados. Através de uma análise meticulosa das partes interessadas
A correção manual, um a um, dos contactos duplicados revela-se uma tarefa entediante e demorada.
Como resultado destes esforços, conseguimos detetar e remover 12% de contactos duplicados na base de dados CRM.
Os restantes contactos da base de dados foram consolidados, de modo a manter os dados mais fiáveis para cada campo. Também propusemos um processo detalhado de conversão de números de telefone e e-mails inválidos para um formato padronizado, reforçando a base de dados contra potenciais inconsistências. Além disso, recomendámos a adoção de um sistema de chave única mais robusto, minimizando o risco de duplicações e assegurando a integridade da base de dados a longo prazo.