Comment nettoyer son CRM ET LE RENDRE ACTIONNABLE ?
Nettoyer les données de son CRM est essentiel. Ne pas faire ce travail, c’est rendre son CRM inutilisable. Je vais vous partager dans cet article, les étapes à suivre pour nettoyer ton CRM et le rendre actionnable.
Attention, ce n’est pas une solution parfaite. Elle permet de faire un premier nettoyage. Si votre CRM est illisible, je vous invite à mettre en place des méthodes d’intégration de vos données en lien avec votre stratégie commerciale.
Les 3 avantages de nettoyer son CRM
- Avoir une vision claire de vos clients, prospects et suspects ;
- Rendre le CRM actionnable ;
- Baisser le coût d’acquisition de vos prospects avec des stratégies pointues de relance.
Introduction
💡 Un point important, vous devez avoir un profil administrateur pour avoir accès à toutes les données du CRM.
Les 3 étapes pour nettoyer votre CRM
Étape 1 : Trouver la poussière
Voilà une bonne façon de démarrer en déterminant ce que vous trouvez dans votre CRM.
Vous allez jouer les détectives et lister ce qu’il manque comme les incohérences, voire les choses bizarres.
- Il y a des colonnes entières qui sont vides comme les numéros de téléphone.
- Pour la colonne des emails, il manque un email sur deux.
- Il y a des formats qui n’ont pas de sens. Par exemple, les dates de naissance commencent par l’année
- Dans la même colonne, il y a des noms de produit qui commence par une majuscule et d’autres par une minuscule.
Une fois, que vous avez listé les problèmes, on va mettre en place un protocole pour nettoyer la poussière.
Quelques exemples de symptômes :
- Données manquantes
- Valeurs aberrantes
- Données contaminées
- Données invalides
- Données en double
- Erreurs structurelles
Si vous êtes un peu perdu (e), voici une vidéo pour vous présenter comment faire.
Étape 1 : Noter le nombre de personnes et d’organisations que vous avez dans votre CRM.
Étape 2 : Extraire les personnes et les organisations en .CSV pour mettre de côté votre base de données
Étape 3 : Détecter les personnes qui n’ont pas d’organisation.
Un petit récapitulatif de ce que j’ai trouvé dans mes premières recherches :
Nombre de personnes : 17 604
Nombre de personnes avec email : 16 184
Nombre de personnes avec email mais sans organisation : 3 979
Nombre de personnes sans email : 1 420 personnes
Finalement, je dois travailler sur les 3 979 personnes qui ont un email mais sans organisation et sur les 1 420 personnes sans email.
Ce sera assez simple pour cet exemple, il suffit de me rendre sur la dernière partie de l’article pour expliquer comment utiliser Dropcontact pour enrichir la donnée.
Étape 2 : Les 6 types de données à détecter
Vous allez détecter 6 types de données à détecter pour nettoyer son CRM.
Les données aberrantes
Les valeurs aberrantes sont des points de données qui n’ont pas de sens.
Ils ont des valeurs, soient une valeur importante ou pas du tout :
- un capteur antarctique lisant la température de 100
- Un client qui achète vos produits pour une valeur de 0.01 euro par an
Comment interpréter ces données ?
Les valeurs aberrantes signifient généralement un processus de collecte interrompu.
Il y a 3 approches pour gérer les données aberrantes :
- Retirer les données aberrantes de l’analyse. Avoir des valeurs aberrantes peut gâcher votre analyse en faisant monter ou descendre les moyennes et en général en déformant vos statistiques. Supprimez-les en supprimant le centile supérieur et inférieur de vos données.
- Segmentez les données afin que les valeurs aberrantes soient dans un groupe séparé. Mettez toutes les données d’apparence normale dans un groupe et les valeurs aberrantes dans un autre. Ceci est particulièrement utile pour l’analyse d’intérêt. Vous découvrirez peut-être que vos clients les mieux rémunérés, qui achètent en fait 3 fois plus que la moyenne, sont une cible intéressante pour le marketing et les ventes.
- Conserver les valeurs aberrantes, mais utiliser des méthodes statistiques différentes pour l’analyse. Les moyennes pondérées et les moyennes tronquées sont deux approches courantes d’analyse des ensembles de données avec des valeurs aberrantes, sans subir les conséquences négatives des valeurs aberrantes.
Les données contaminées
Les données contaminées est un autre drapeau rouge pour votre processus de collecte.
Imaginez avoir une rangée d’informations sur les transactions financières pour chaque jour.
Les colonnes incluraient la date, le type d’actif, le prix demandé, le prix de vente, la différence de prix demandé par rapport à hier, le prix demandé moyen pour ce trimestre.
Le prix moyen demandé pour ce trimestre est la source de la contamination.
Vous ne pouvez calculer les moyennes qu’une fois le trimestre terminé, mais cette information ne vous serait pas donnée à la date de négociation – introduisant ainsi des données futures, qui contaminent les données actuelles.
Avec des données corrompues, vous ne pouvez pas faire grand-chose à part les supprimer. Cela nécessite une grande expertise du domaine.
En cas de manque de connaissances dans le domaine, consultez les membres non analytiques de votre équipe.
Assurez-vous également de corriger les fuites de votre pipeline de collecte de données afin que la corruption des données ne se répète pas avec la collecte de données future.
Les données non constantes
Est-ce que vous vendez des Pommes, des pommes ou des POMMES ?
Vous devez vous attendre à des incohérences dans vos données.
Surtout quand il y a une plus grande possibilité d’erreur humaine.
La meilleure façon de repérer la représentation incohérente des mêmes éléments dans votre base de données est de les visualiser.
Tracez des graphiques à barres par catégorie de produits. Faites un décompte des lignes par catégorie si c’est plus facile.
Lorsque vous repérez l’incohérence, normalisez tous les éléments dans le même format. Les humains pourraient comprendre que « pommes », est le même que « Pommes » qui est la même chose que « pommes », mais les ordinateurs pensent que ces trois se réfèrent à trois choses différentes.
La mise en minuscules par défaut et la correction des fautes de frappe sont vos amis ici.
Les données invalides
Comme pour les données corrompues, les données invalides sont illogiques.
Par exemple, les utilisateurs qui passent 2 heures sur notre application, ou une personne âgée de 170 ans.
Contrairement aux données corrompues, les données invalides ne résultent pas de processus de collecte défectueux, mais de problèmes de traitement des données.
Passons en revue un exemple : vous préparez un rapport pour votre PDG sur le temps moyen passé sur votre application mobile récemment lancée.
Tout fonctionne bien, le temps d’activités est superbe, à l’exception de quelques exemples voyous.
Vous remarquez que certains utilisateurs ont passé -22 heures dans l’application. En creusant plus profondément, vous allez à la source de cette anomalie.
Après avoir réalisé cela, vous pouvez corriger les calculs pour éviter de telles données illogiques.
Le nettoyage des données invalides consiste principalement à modifier les fonctions et les transformations qui ont rendu les données invalides. Si cela n’est pas possible, nous supprimons les données invalides.
Les données en double
Pas besoin de beaucoup d’explications pour ce type de données.
Pipedrive tente de vous aider à vous proposer des doublons pour les personnes et les organisations mais ce ne sera pas suffisant : pipedrive.com/settings/duplicates
Étape 3 : Rincer et recommencer
Une fois nettoyé, vous répétez les étapes 1 et 2.
Ceci est utile pour trois raisons :
1. Vous avez peut-être oublié quelque chose. La répétition du processus de nettoyage vous aide à détecter ces problèmes cachés embêtants.
2. Grâce au nettoyage, vous découvrez de nouveaux problèmes. Par exemple, une fois que vous avez supprimé les valeurs aberrantes de votre ensemble de données, vous avez remarqué que les données ne sont plus en forme de cloche et doivent être remodelées avant de pouvoir les analyser.
3. Vous en apprenez plus sur vos données. Chaque fois que vous parcourez votre ensemble de données et examinez les distributions de valeurs, vous en apprenez davantage sur vos données, ce qui vous donne des intuitions sur ce qu’il faut analyser.
Quel outil pour enrichir son CRM après le nettoyage ?
Une fois que vous avez supprimé les données inutiles, vous pouvez utiliser un bon outil comme Dropcontact.
vérifier ses 3 points une fois l'enrichissement terminée
- Avoir une vision claire de vos clients, prospects et suspects
Utilisez les étiquettes pour classer vos clients, prospects et suspects. Cela vous permet d’avoir une vision claire de votre CRM selon le statut.
- Rendre le CRM actionnable
Partez des données de votre CRM pour relancer vos prospects. J’utilise Lemlist pour mes clients pour garder une trace des anciennes de campagne de prospection. Je peux relancer des campagnes si le prospect a ouvert un email, acceptez une invitation Linkedin ou répondu un email.
- Baisser le coût d’acquisition de vos prospects avec des stratégies pointues de relance
En mettant en place, le nettoyage du CRM, l’enrichissement des données, le classement de vos prospects selon les dernières campagnes, vous pourrez relancer avec précisions vos prospects.
Conclusion
Maintenant, vous savez comment nettoyer son CRM. 🙂