Koalify + האבספוט: למה מיזוג דאטה הוא הרבה יותר מניקוי כפילויות
מי שעובד עם HubSpot לאורך זמן מגלה שאחת הבעיות המרכזיות במערכת היא לא דווקא האוטומציות, הדוחות או הפייפליין. הבעיה מתחילה הרבה פעמים במקום בסיסי הרבה יותר – איכות הדאטה.
ככל שהמערכת גדלה, נכנסים אליה נתונים ממקורות רבים: טפסים באתר, ייבוא מאקסל, אנשי מכירות, LinkedIn, מערכות ERP, מערכות דיוור, Google Sheets, Zapier, API ואינטגרציות שונות. כל מקור כזה יכול ליצור רשומה חדשה, ולעיתים ליצור רשומה שכבר קיימת במערכת.
כך, אותו אדם יכול להופיע ב-HubSpot פעמיים או שלוש, ואותה חברה יכולה להופיע תחת שמות שונים. בהתחלה זו רק אי-נוחות קטנה. אבל עם הזמן, כפילויות הופכות לבעיה עסקית של ממש.
כאשר יש כפילויות ב-HubSpot, הדוחות עלולים להיות פחות מדויקים, אנשי מכירות יכולים לעבוד על אותו לקוח בלי לדעת זאת, אוטומציות עלולות להתייחס לאותה ישות כאילו מדובר בשתי ישויות שונות, והנהלת החברה עלולה לקבל תמונה לא מדויקת של מספר הלידים, הלקוחות והעסקאות.
זו הסיבה שכל הנושא של HubSpot Data Quality, ניקוי דאטה ומיזוג רשומות הפך להיות משמעותי כל כך בארגונים שעובדים עם HubSpot.
כאן נכנס Koalify
Koalify הוא כלי שנועד להתמודד עם בעיית הכפילויות וה-Deduplication בתוך HubSpot. הוא מאפשר לזהות רשומות שעשויות להיות כפולות, להגדיר כללים שלפיהם המערכת תזהה כפילות, ולקבוע כיצד לבצע את המיזוג.
היתרון המשמעותי הוא שלא מדובר רק בכלי שאומר לך "מצאתי שתי רשומות שנראות דומות". אפשר לבנות לוגיקה עסקית שמגדירה מתי שתי רשומות באמת נחשבות לאותה ישות.
לדוגמה, במקרה של אנשי קשר אפשר לבדוק כתובת אימייל, מספר טלפון או שילוב של מספר שדות. במקרה של חברות ניתן להשתמש בדומיין, בשם החברה או בשדות נוספים. במקרים מורכבים יותר ניתן להשתמש בהתאמות גמישות יותר, כולל Fuzzy Matching, כדי לזהות רשומות שאינן זהות לחלוטין אבל ככל הנראה מייצגות את אותה ישות.
וזה בדיוק ההבדל בין "לנקות את ה-CRM" לבין לנהל את איכות הדאטה של ה-CRM.
הבעיה האמיתית היא לא רק למצוא את הכפילות
נניח שיש לנו שתי רשומות של אותו לקוח. באחת יש כתובת אימייל נכונה, באחרת יש מספר טלפון. באחת יש היסטוריה של עשרות פעילויות, ובשנייה יש מידע חשוב שנוסף לאחרונה. באחת הלקוח מוגדר כליד ובשנייה כלקוח.
עכשיו נשאלת השאלה החשובה באמת: איזו רשומה צריכה להישאר?
מיזוג נכון אינו רק פעולה טכנית של מחיקת אחת הרשומות. צריך להחליט איזו רשומה היא הרשומה הראשית, אילו נתונים צריכים להישמר ומה צריך לקרות למידע שנמצא ברשומה השנייה.
Koalify מאפשר להגדיר כללים שמסייעים לקבוע איזו רשומה תהיה ה-Master Record בתהליך המיזוג. המשמעות היא שאפשר להפוך את תהליך המיזוג מתהליך ידני ואקראי לתהליך שמבוסס על כללים ברורים.
למה זה חשוב במיוחד ב-HubSpot?
HubSpot היא לא רק מאגר אנשי קשר. במערכת נמצאים אנשי קשר, חברות, עסקאות, טיקטים, פעילויות, משימות, אוטומציות, Workflows, Sequences, דוחות ועוד.
לכן בעיית דאטה במקום אחד יכולה להשפיע על תהליכים במקומות אחרים.
אם אותו איש קשר מופיע פעמיים, יכול להיות שהוא ייכנס לתהליך אוטומטי פעמיים. אם אותה חברה מופיעה בשתי רשומות, ייתכן שהדוחות יציגו תמונה שונה מזו שהנהלת החברה מצפה לראות. ואם עסקה מופיעה פעמיים, יכול להיות שהפייפליין והתחזית העסקית כבר אינם משקפים את המציאות.
כלומר, Data Quality היא לא בעיה של אנשי ה-IT בלבד. היא משפיעה ישירות על המכירות, השירות, האוטומציה והניהול.
ומה הופך את זה לחשוב במיוחד בישראל?
בהרבה חברות בישראל HubSpot לא הוקמה ביום אחד. המערכת מתפתחת עם העסק. מתחילים עם Contacts, אחר כך מוסיפים Companies ו-Deals, בהמשך מחברים טפסים, מערכות דיוור, Google Sheets, Zapier, LinkedIn, מערכות ERP ואינטגרציות נוספות.
כל חיבור חדש מגדיל את כמות הדאטה ואת המורכבות של המערכת.
אם אין תהליך מסודר של Data Management, ה-CRM מתחיל לצבור "רעש". השמות לא תמיד אחידים, חברות נוצרות מספר פעמים, אנשי קשר מוכנסים ממקורות שונים והמערכת הופכת בהדרגה לפחות אמינה.
לכן ארגון שעובד ברצינות עם HubSpot צריך לחשוב לא רק על השאלה "איך נכניס עוד דאטה למערכת?", אלא גם על השאלה "איך נדאג שהדאטה שנמצא במערכת יהיה אמין?"
HubSpot כבר כוללת כלים לניהול כפילויות
חשוב לציין ש-HubSpot עצמה כוללת יכולות מובנות לזיהוי וניהול Duplicate Records. המערכת יודעת לזהות כפילויות פוטנציאליות ולאפשר למשתמשים לבדוק ולמזג רשומות.
אבל בארגונים שבהם קיימת כמות גדולה של מידע, מקורות מידע רבים ותהליכי אוטומציה מורכבים, לפעמים נדרשת שכבה נוספת של ניהול.
כאן Koalify יכול להיות משמעותי. במקום להסתפק בניקוי ידני מדי פעם, ניתן לבנות תהליך שמבוסס על Rules, זיהוי, קביעת הרשומה הראשית, מיזוג ואוטומציה.
במילים אחרות, המטרה היא לא רק לנקות את הבעיה שכבר קיימת. המטרה היא לבנות תהליך שמקטין את הסיכוי שהבעיה תחזור.
מיזוג דאטה הוא חלק מהטמעת HubSpot
מניסיון של שנים בהטמעות HubSpot בישראל, אחת הטעויות הנפוצות היא להתייחס ל-CRM כאל פרויקט טכנולוגי.
מתקינים HubSpot, מייבאים את הנתונים, בונים כמה Pipelines ו-Workflows ואז אומרים שהמערכת מוכנה.
אבל מערכת CRM טובה לא נמדדת רק בשאלה האם היא עובדת טכנית. היא צריכה לשקף את הדרך שבה העסק באמת עובד.
זו גם הסיבה שבמד-מן אנחנו מסתכלים על בעיית הכפילויות בצורה קצת אחרת.
כאשר אנחנו רואים שתי רשומות כפולות, אנחנו לא שואלים רק איך למזג אותן. אנחנו רוצים להבין למה הן נוצרו מלכתחילה.
האם הכפילות הגיעה מייבוא מאקסל? האם היא נוצרה מטופס באתר? האם אינטגרציה חיצונית יוצרת רשומות חדשות? האם אנשי המכירות מכניסים מידע בצורה שונה? האם אין הגדרה ברורה של מהו Contact ומהי Company?
רק אחרי שמבינים את המקור אפשר לבנות פתרון אמיתי.
CRM טוב מתחיל בדאטה שאפשר לסמוך עליו
אפשר להחזיק 100,000 אנשי קשר ב-HubSpot ועדיין לא להיות עם CRM טוב.
לעומת זאת, מערכת עם 20,000 אנשי קשר יכולה להיות מערכת עסקית מצוינת אם המידע בה אמין, הרשומות אינן כפולות, החברות מקושרות לאנשי הקשר הנכונים, העסקאות משויכות בצורה נכונה והתהליכים האוטומטיים עובדים על בסיס מידע אמיתי.
זו נקודה שאנחנו מדגישים במד-מן שוב ושוב: CRM הוא לא מאגר נתונים. הוא מערכת לניהול העסק.
וכדי שמערכת כזו תוכל לנהל עסק, צריך קודם כל להיות מסוגלים לסמוך על המידע שבתוכה.
כאן נכנס הניסיון של מד-מן
מד-מן מתמחה ביישום והטמעת HubSpot בישראל, עם יותר מעשור של ניסיון ומאות פרויקטים של HubSpot בעסקים.
הגישה שלנו אינה מתחילה בשאלה איזה כפתור צריך ללחוץ בתוך HubSpot. היא מתחילה בשאלה איך העסק צריך לעבוד, איזה מידע צריך להיות במערכת, מי צריך להשתמש בו, אילו תהליכים צריכים להיות אוטומטיים ואיך ניתן למדוד את התוצאה.
לכן גם כלים כמו Koalify צריכים להיבחן לא רק ככלי טכנולוגי, אלא כחלק מארכיטקטורה עסקית רחבה יותר.
מיזוג דאטה, ניקוי כפילויות, אוטומציות, Workflows, דוחות ותהליכי מכירות אינם אוסף של פיצ'רים נפרדים. הם חלק ממערכת אחת.
השורה התחתונה
Koalify יכול להיות כלי משמעותי לארגונים שעובדים עם HubSpot ורוצים להתמודד בצורה מתקדמת עם כפילויות ואיכות דאטה.
אבל החשיבות האמיתית של הנושא רחבה הרבה יותר.
Data Quality היא התשתית שעליה יושב ה-CRM.
אם הנתונים אינם אמינים, גם הדוחות אינם אמינים. אם הדוחות אינם אמינים, קשה לנהל את המכירות. ואם אי אפשר לסמוך על המידע, גם האוטומציה המתקדמת ביותר לא תפתור את הבעיה.
לכן מיזוג דאטה ב-HubSpot אינו רק "ניקוי כפילויות".
זה חלק מהמעבר מ-CRM שמכיל מידע ל-CRM שאפשר באמת לנהל באמצעותו את העסק.
מד-מן – יישום והטמעת HubSpot עם הסתכלות עסקית, תהליכית ואוטומטית.
