在使用 AI 之前,如何清理杂乱的 CRM 数据?

不要试图清理整个 CRM。先选定你希望 AI 支持的第一个工作流程,列出它要读取的字段,只清理这些字段。AI 可以找出重复记录、停滞的商机、缺失的字段和不一致的公司名称,并提出修正建议。由记录负责人或销售运营负责人逐批审批修改,再用新规则防止混乱卷土重来。

要点速览

• 全面的 CRM 清理很少能完成;限定在一个工作流程所需字段内的清理,通常能完成。
• AI 擅长大规模发现问题:重复记录、相互矛盾的值、过时的记录,以及本应是下拉选项的自由文本字段。
• 修正按批次提出,由记录负责人或销售运营审批,绝不悄悄生效。
• 只有同时改变数据的录入方式,清理成果才能持久:必填字段、下拉选项,以及通话后由 AI 起草、销售代表确认的更新。
• 衡量范围内通过核查的记录占比,前后对比。

#CRM 数据为什么会变得这么乱?

每个销售团队的故事都一样。CRM 是几年前在 Salesforce、HubSpot、Zoho 或 Odoo 上搭起来的。销售代表只录入拿提成必须填的内容,其他几乎不填。同一家公司的名称有三种写法,阿拉伯语和英语都有。联系人已经离职。一半在跟进的商机,预计成交日期已经过去。市场部导入了一份展会名单,却没人去重。

大多数团队都高估了自己的数据质量。在 Validity(2022 年 2 月) 对 CRM 用户的调查中,76% 的人认为自己的 CRM 数据质量好或非常好,但 44% 的人估计,公司因数据质量差每年损失超过 10% 的收入。

#糟糕的 CRM 数据真的会让 AI 项目停滞吗?

这是项目停滞最常见的原因之一。Gartner(2024 年 7 月) 预测,到 2025 年底,30% 的生成式 AI 项目会在概念验证后被放弃,并把数据质量差列为首要原因。一个依据错误联系人和过时阶段来起草跟进消息或预测说明的 AI,会信心十足地出错。

答案不是等待完美的数据,而是让数据对一个工作流程来说足够好,并阻止它继续变差。

限定在一个工作流程内的清理手册

1. 确定第一个 AI 工作流程,例如销售管道复盘准备,或跟进停滞的商机。
2. 列出它读取的字段:阶段、预计成交日期、下一步、主要联系人、公司、负责人、最近活动。
3. 为每个字段写一条直白的规则:什么算有效、缺失或过时。
4. 对范围内的所有记录运行核查,按字段和负责人统计不合格数。
5. 让 AI 按批次提出修正建议:合并这些重复记录、关闭这些已经没戏的商机、统一这些公司名称。
6. 把每一批交给记录负责人或销售运营审批、修改或驳回,并记录每一处变更。
7. 增加录入规则,让问题不再出现:必填字段、下拉选项,以及通话后由 AI 起草、销售代表确认的更新。

#哪些问题 AI 能修正,哪些需要人来处理?

AI 擅长匹配和阅读。它能发现两个客户其实是同一家公司的阿拉伯语和英语写法,找出邮件被退回的联系人,读取某个商机最近的往来邮件以判断它是否还有希望,还能从公司自己的网站上补全缺失的行业或地区信息。

凡是会产生后果的事,都由人决定。关闭商机、合并负责人不同的两个客户、更改业绩归属或删除联系人,都需要记录负责人或销售运营审批。NIST AI 风险管理框架(2023 年 1 月) 把人工监督和明确问责视为 AI 风险管理的一部分,而 CRM 记录直接影响提成和预测。

#什么时候 CRM 自带的工具就够了?

如果你们的问题主要是完全重复的记录和缺失的必填字段,就先用 CRM 内置的去重和校验规则,或者一个专门的数据质量插件。一位有清晰检查清单的销售运营人员,完全不用 AI 也能清理好一个小型 CRM。

当混乱在于含义而不是格式时,AI 才值得投入:跨语言的公司名称、掩盖了真实阶段的自由文本备注,或者成千上万个需要判断是否还有希望的商机。

#Stennir 在其中扮演什么角色?

Stennir 从 AI 咨询 评估入手。评估会确定第一个值得搭建的工作流程,从而界定哪些数据必须干净。你们会得到五个排好序的工作流程,每个都附有成本和回报测算,以及一个推荐的搭建项目,明确其范围和托管区域。无论你们是否与 Stennir 合作搭建,报告都归你们所有。

随后,限定范围的清理成为 AI 落地实施 的第一步,每一批都由销售运营审批,每一处变更都有记录,数据保留在你们的账号中。AI 培训 则教会销售代表新的录入习惯。

销售或营收运营负责人接下来该做什么?

选出你最希望 AI 帮忙的那个工作流程,统计它所需的记录中有多少通不过一项简单核查。这个数字会告诉你清理工作有多大。参见 面向销售团队的 AI,阅读 销售通话后自动更新 CRM 和 销售管道卫生,然后 做免费的就绪度评估 或 预约一次 30 分钟的通话。

常见问题