Kunskap · Prospektering

Företagsdata i CRM: prospektering med bättre datakvalitet

En användbar prospektlista behöver rätt företag, begripliga urval och tillräckligt aktuella uppgifter. Här är en praktisk rutin för datakvalitet i CRM.

Företagsdata kan hjälpa säljteam att hitta relevanta verksamheter, men en stor lista är inte samma sak som ett bra urval. Fel företagskoppling, gamla kontaktuppgifter och otydliga filter kan göra även en välfylld databas svår att använda.

Börja med vilket beslut datan ska stödja. Ska ni hitta företag i ett visst segment, förbereda en kunddialog eller uppdatera ett befintligt kundkort? De uppgifterna kräver olika fält och olika kontroller. Guiden visar hur ni går från rådata till ett granskat underlag utan att blanda ihop registerinformation med bekräftat kundbehov.

1. Skilj företag, arbetsställe och kontaktperson

SCB skiljer mellan företaget som juridisk enhet och arbetsställen där verksamhet bedrivs. Ett företag kan ha flera arbetsställen. Ett lokalt verksamhetsställe och bolagets huvudkontor behöver därför inte vara samma post i ett urval.[1]

Bestäm vilken nivå ni säljer till. Om inköpen beslutas centralt kan flera lokala adresser höra till samma kundrelation. Om varje arbetsställe har egna behov behöver ni kunna beskriva den relationen. Kontaktpersoner ska sedan kopplas till rätt sammanhang, inte bara till ett liknande företagsnamn.

Använd stabila identifierare när det är möjligt och spara vilket slags post identifieraren avser. Låt inte en ändrad stavning av företagsnamnet automatiskt skapa ett nytt kundkort.

2. Bestäm vilka fält urvalet faktiskt behöver

Skilj på urvalskriterier, kontaktuppgifter och sådant säljaren behöver kontrollera i dialogen. En registrerad bransch eller storleksklass säger inte i sig att företaget har behov av ert erbjudande.

Förslag på kvalitetskontroller. Tabellen är inte ett löfte om tillgängliga datafält i ett visst CRM.
OmrådeExempel på kontroll
IdentitetVilket företag eller arbetsställe gäller posten?
SegmentPassar bransch, storlek och geografiskt område ert erbjudande?
KontaktvägFinns en relevant och kontrollerad väg till rätt funktion?
AktualitetNär uppdaterades uppgiften och vilken källa användes?
Intern historikÄr företaget redan kund, tilldelat eller tidigare bearbetat?

Begränsa listan över obligatoriska fält. Ett urval kan vara användbart även om omsättning saknas, men inte om ert erbjudande förutsätter en viss verksamhet som ni ännu inte har kontrollerat.

3. Granska dubbletter före tilldelning

Jämför ett nytt urval med befintliga kunder, aktiva prospekt och redan tilldelade listor. Bestäm vilka identifierare som ska matchas och vad som ska hända när en möjlig dubblett hittas. Namnlikhet kan vara en signal att granska, men bör inte ensam avgöra en sammanslagning.

Microsoft beskriver dubblettkontroll som regler som jämför poster och rekommenderar även återkommande kontroller. Den praktiska lärdomen är att en kontroll vid import inte ersätter löpande datavård. Hur kontrollen fungerar måste verifieras i det system ni använder.[2]

Utse en person som avgör tveksamma fall. Spara vilken post som behölls och hur historik, aktiviteter och ansvar hanterades. Radera inte ett kundkort enbart för att ett liknande namn finns i den nya listan.

4. Bedöm aktualitet per uppgift

En källa kan uppdateras ofta samtidigt som enskilda variabler ändras mer sällan. SCB beskriver exempelvis olika uppdateringsintervall för olika variabler i sitt företagsregister. Fråga därför både när informationen hämtades och vad källan säger om just det fält ni använder.[1]

Håll källuppgifter åtskilda från säljarens egna bekräftelser. ”Registrerad adress” och ”kunden bekräftade leveransadress” kan avse olika saker. Om uppgifterna skiljer sig, markera skillnaden och kontrollera den. Skriv inte över värdefull kundhistorik utan att förstå varför den avviker.

Exempel: urval för telekomförsäljning

Ett telekomteam kan börja med en målgrupp som passar erbjudandet och sedan undersöka kundens nuvarande lösning. Håll registeruppgifter, kundens uppgifter och egna antaganden separata. Ett datum i ett externt underlag bevisar inte automatiskt aktuell bindningstid, bytesrätt eller köpmognad.

Gör därför en tydlig fråga av det som saknas: vilka tjänster används, vem ansvarar för dem och när vill kunden se över upplägget? Låt den bekräftade dialogen styra nästa steg. Planera inte hela bearbetningen utifrån ett fält vars betydelse eller aktualitet är oklar.

Fiktivt räkneexempel: från 200 rader till granskat urval

Antag att en fil innehåller 200 rader. Trettio rader är extra dubbletter och tas bort efter granskning. Av de återstående 170 unika posterna saknar 25 den kontaktväg som teamet har bestämt krävs för detta urval.

Fiktiva, stegvis avgränsade grupper: 200 − 30 − 25 = 145. Ingen post dras bort två gånger.
StegAntal
Importerade källrader200
Extra dubblettrader som tas bort30
Unika poster efter rensning170
Poster som behöver kompletteras25
Poster som uppfyller de valda datakraven145

I exemplet uppfyller 72,5 procent av källraderna datakraven efter rensning. Det är ett kvalitetsmått för just detta urval, inte en prognos för möten eller försäljning. De 25 posterna kan gå till komplettering i stället för att försvinna.

Checklista innan listan lämnas till säljarna

  • Beskriv målgruppen och varför den passar erbjudandet.
  • Kontrollera företagets identitet och relevant geografisk nivå.
  • Granska dubbletter och överlapp med befintliga kunder.
  • Dokumentera datakälla, hämtningsdatum och viktiga osäkerheter.
  • Tilldela ansvar och bestäm hur fel ska återrapporteras.
  • Respektera dokumenterade kontaktönskemål i er bearbetningsrutin.

Vanliga frågor

Är fler företag i databasen alltid bättre?
Bedöm täckningen mot er målgrupp och era nödvändiga uppgifter. En större databas kan innehålla fler verksamheter som inte passar. Granska ett relevant urval och jämför kvalitet, aktualitet och användbarhet för teamets uppgift.
Kan ett företagsnamn användas för att hitta dubbletter?
Det kan ge en första signal, men namn kan stavas olika och liknande namn kan avse olika verksamheter. Använd stabila identifierare där de finns och låt tveksamma träffar granskas innan poster slås ihop.
Hur ofta bör företagsdata uppdateras?
Utgå från hur snabbt de aktuella uppgifterna kan förändras och hur de används. Följ källans information om uppdateringar. Kontrollera avgörande uppgifter nära den kundkontakt eller det beslut där ni behöver dem.
Betyder ett färdigt urval att företagen är kvalificerade leads?
Nej. Ett företag kan passa era urvalskriterier utan att ha ett bekräftat behov eller vilja gå vidare. Håll registerurval, genomförd kontakt och kvalificerad affär som separata bedömningar i arbetssättet.

Läs vidare

Börja med ett relevant urval

Beskriv vilken typ av företag ni vill nå och vilka uppgifter ni behöver kontrollera. Ta med frågorna när ni bokar en demo.

Boka demo

Källor

  1. SCB: API:et för SCB:s allmänna företagsregister

    Källa för skillnaden mellan företag och arbetsställe samt uppdateringsintervall. Hänvisningen innebär inte att VisionCRM använder detta API.

  2. Microsoft Learn: Detect duplicate data so you can fix or remove it

    Exempel på principer för dubblettkontroll. Beskrivna produktfunktioner i källan gäller Microsofts plattform.