Den raskeste måten å miste tilliten til CRM-systemet ditt på er å ta en beslutning basert på det som viser seg å være feil.
Et lederteam ser på en pipeline-rapport. Tallet stemmer ikke. To av avtalene er duplikater. Tre til er teknisk sett åpne, men har ikke blitt rørt på ni måneder. En har riktig verdi, men sluttdatoen er fra forrige kvartal. Teamet gjør en prognose basert på dette, og det faktiske kvartalsresultatet ender tjue prosent under.
Etter det kommer hvert rapport fra Salesforce med et forbehold. Folk slutter å stole på dashboardene. De går tilbake til regneark, egne databaser og magefølelse. CRM-systemet blir et arkiveringsverktøy i stedet for et beslutningsverktøy.
Dette er hva dårlig datahygiene faktisk koster. Ikke bare urene oppføringer, men troverdigheten til hele systemet.
Dette innlegget handler om hva Salesforce datahygiene faktisk betyr, hva de vanligste problemene er, og hvordan du fikser dem uten å bruke måneder på et opprydningsprosjekt. Hvis du også sliter med lav brukeradopsjon ved siden av urene data, reiser disse to problemene vanligvis sammen. Les hvorfor teamet ditt ikke bruker Salesforce for adopsjonssiden av bildet.
Hva datahygiene faktisk betyr
Datahygiene er den løpende disiplinen med å holde CRM-dataene dine nøyaktige, fullstendige, konsistente og oppdaterte. Det er ikke en engangsopprydning. Det er et sett med vaner og kontroller som forhindrer at dataene blir rotete i utgangspunktet, pluss en jevnlig prosess for å fikse det som slipper gjennom.
Fire ting betyr mest:
Nøyaktighet. Dataene gjenspeiler virkeligheten. Kontaktens tittel er den faktiske tittelen. Avtaleverdien er det faktiske siterte beløpet. Kontoens bransje er riktig bransje, ikke det selgeren klikket på først.
Fullstendighet. Feltene som betyr noe for rapportering og prosess er fylt ut. Hvis du ikke kan kjøre en pipeline-rapport etter bransje fordi de fleste kontoer ikke har noen bransje registrert, er dataene ufullstendige.
Konsistens. Den samme tingen registreres på samme måte. “Software”, “SaaS” og “Tech” som alle betyr samme bransje er et konsistens-problem. Det samme gjelder om noen brukere skriver “AS” og andre “Aksjeselskap” i firmanavn.
Aktualitet. Dataene er oppdaterte. En kontakt som forlot selskapet sitt for to år siden er ikke en nyttig kontakt. En salgsmulighet som ikke har blitt rørt på seks måneder er sannsynligvis ikke lenger aktiv.
Hvis ett av disse mangler, lyver rapportene dine litt. Hvis alle fire mangler, lyver de mye.
De vanligste dataproblemene i Salesforce
Duplikater. Nesten alle Salesforce-orger har dem. Den samme personen lagt inn to ganger med litt forskjellige e-postadresser. Det samme selskapet under “ACME AS” og “ACME Aksjeselskap” og “Acme”. Duplikater forurenser rapporter, forvirrer brukere og bryter automatisering.
Tomme obligatoriske felt som ikke burde være obligatoriske, eller obligatoriske felt som burde være tomme. Noen ganger er Salesforce konfigurert til å kreve ting brukerne ikke vet ennå, så de legger inn søppel for å komme seg forbi valideringen. Andre ganger skjer det motsatte: kritiske felt er ikke håndhevet og ender opp halvtomme.
Foreldede salgsmuligheter. Avtaler som har vært i “Fase 3” i ni måneder. Ingen har oppdatert dem. Ingen jobber med dem. Men de sitter i pipeline-rapporten og blåser opp tallet.
Inkonsistente plukklisteverdier. Særlig i felt som burde vært plukklister men ble satt opp som fritekst. “Bransje” er en klassisk synder. Det samme er “Leadkilde”.
Foreldreløse oppføringer. Kontakter som ikke er koblet til kontoer. Salgsmuligheter uten produkter. Saker uten kontakt. Disse oppføringene eksisterer men kan ikke brukes i rapportering fordi de bryter koblingene.
Utdaterte kontaktdata. Telefonnumre som ikke har blitt oppdatert siden kontakten ble opprettet. E-postadresser som spretter tilbake. Jobbtitler som er tre roller utdatert.
Hvorfor det blir slik
Det er sjelden fordi brukere er slappe. Det er nesten alltid fordi systemet gjør rene data vanskelige og skitne data enkle.
Hvis det å opprette et duplikat tar ett klikk og det å slå sammen to oppføringer tar fem steg, vil du få duplikater. Hvis plukklisten for bransje har førti alternativer uten klar definisjon av hvilken som skal velges, vil du få inkonsistens. Hvis valideringsregelen for avtalens sluttdato tillater enhver tidligere dato, vil du få avtaler med sluttdatoer fra i fjor.
God datahygiene starter med systemdesign. Systemet må gjøre det riktige enkelt og det gale vanskelig.
Løsningen: En praktisk tilnærming til datahygiene
Du trenger ikke et seks måneder langt opprydningsprosjekt. Du trenger tre ting som kjører parallelt: forebygging, jevnlige gjennomganger og tydelig eierskap.
Forebygging: stopp dårlige data ved inngangspunktet.
Her sitter mesteparten av verdien. Konverter fritekstfelt som burde være plukklister til plukklister. Legg til valideringsregler som fanger de vanligste feilene ved registreringspunktet. Bruk duplikatregler og matchingregler (Salesforces innebygde verktøy) for å advare brukere før de oppretter en duplikatoppføring. Fyll ut felt automatisk fra e-postsignaturer, kalenderbegivenheter og integrasjoner slik at brukerne skriver mindre. Salesforces Flow Builder er særlig nyttig her: det kan håndheve feltutfylling og automatisk stemple oppføringer uten at noen trenger å huske på det.
Jevnlige gjennomganger: fiks det som slipper gjennom.
En månedlig tretti minutters gjennomgang rekker langt. Sjekk for foreldede salgsmuligheter (eldre enn X dager uten aktivitet), utildelte leads, kontoer uten bransje, kontakter uten e-post. Rapporter kan lagres og kjøres på nytt hver måned. Tildel hvert oppryddingspunkt til en eier. Gå videre.
For duplikater, kjør Salesforces duplikatbehandlingsregler eller et verktøy som Data Loader for å finne og slå sammen de åpenbare i bulk. De fleste orger kan rydde opp de øverste 80 prosentene av duplikatene sine i en uke med fokusert arbeid.
Tydelig eierskap: noen må bry seg.
Dette er delen som avgjør om noe av det faktisk holder. Uten en eier er datahygiene alles problem og dermed ingens. Velg én person (vanligvis en salgsoperasjonsansvarlig, en Salesforce-administrator, eller konsulenten som driver orgen din) og gjør datakvalitet til en del av det faktiske ansvaret deres. Gi dem en månedlig datakvalitetsrapport og tid til å handle på den.
Hva et sunt Salesforce ser ut som
Du trenger ikke perfekte data. Du trenger data som er rene nok til å ta beslutninger fra. I en sunn Salesforce-org:
Pipeline-tallet på dashboardet stemmer overens med hva salgsteamet ville fortalt deg hvis du spurte dem i et møte. Duplikater er sjeldne og fikset innen dager når de dukker opp. Åpne salgsmuligheter jobbes faktisk med. Obligatoriske felt er fylt ut fordi brukerne har en grunn til å fylle dem ut, ikke fordi validering tvinger dem. Plukklister er korte, klare og brukt konsekvent. Rapporter er tilstrekkelig pålitelige til at ledelsen bruker dem i møter uten forbehold.
Dette er oppnåelig for de fleste små bedrifter innen en måned med fokusert innsats, pluss forebyggingskontrollene på plass for å holde det slik.
Når du bør søke hjelp
Hvis Salesforce-dataene dine er i dårlig stand og du ikke vet hvor du skal begynne, er det nøyaktig den typen ting det er verdt å få et nytt blikk på. En kort datakvalitetsrevisjon (som ser på duplikatene dine, feltbruken din, valideringsreglene dine og de mest brukte rapportene dine) avdekker vanligvis de mest effektive rettelsene i løpet av noen timer. Hvis du er usikker på om du trenger en engangsfiks eller løpende støtte, se hva en Salesforce-supportpakke faktisk inkluderer før du bestemmer deg.
Målet er ikke å rydde opp i hver oppføring. Målet er å gjøre systemet pålitelig nok til at teamet ditt bruker det og rapportene dine forteller sannheten. Og hvis du lurer på hvor lang tid det tar å sette opp Salesforce riktig i utgangspunktet, gir dette innlegget om Salesforce implementeringstider deg et realistisk bilde.
Book en gratis konsultasjon på satisferra.com
Mustafa Ahmed er grunnlegger av Satisferra og Senior Salesforce-konsulent med 10+ års erfaring. Han har gjennomført datahygieneprogrammer for salgs- og serviceteam i Irland, Norge, Sverige og Storbritannia, med fokus på å gjøre CRM-data rene nok til å ta reelle beslutninger fra.
Leave a Reply