דאטה מלוכלכת ב-HubSpot היא כמעט אף פעם לא בעיה אחת גדולה. היא מצטברת לאט: אנשי קשר כפולים, טפסים שמולאו רק בחצי, טקסט חופשי במקום שבו הייתה צריכה להיות רשימה נפתחת (dropdown), ורשומות שאף אחד לא נגע בהן כבר שנתיים. כל בעיה כזאת לבד נראית שולית, אבל ביחד הן מקלקלות לכם את הדוחות בשקט, מפעילות אוטומציות בצורה שגויה, והיום גם מזינות תשובות שגויות לכלי ה-AI שעובדים מעל ה-CRM. ריכזנו לכם כאן מדריך מעשי לתיקון הבלגן, ולשמירה על הסדר גם אחרי שתסיימו.
חצי מעבודת ה-data hygiene נעשית עוד לפני שרשומה בכלל נכנסת ל-HubSpot. אם אתם עדיין בשלב הקמת הפורטל, תתחילו מהמדריך שלנו איך מייבאים דאטה ל-HubSpot בלי לייבא את הבלאגן. כל מה שמופיע בהמשך יוצא מנקודת הנחה שהדאטה כבר בפנים וצריך לנקות אותה.

נקודות מפתח
- דאטה נקייה עומדת בארבעה מבחנים נפרדים: רשומה ייחודית, שדות קריטיים מלאים, פורמט אחיד ומידע עדכני מספיק כדי לסמוך עליו.
- אוטומציה ו-AI קוראים את הערך שבשדה בדיוק כפי שהוא שמור, ובלי אדם באמצע כל טעות הופכת לניתוב, סגמנטציה ותשובות שגויות בהיקף גדול.
- כדאי להתחיל מארבעה תיקונים: איחוד כפילויות, אחידות ברשימות הנפתחות, השלמת שדות החובה ופורמט אחיד בעזרת הכלי Format data.
- שמירה על הסדר נשענת על כללי ולידציה ו-workflows בנקודת ההזנה, לצד סריקה חודשית או רבעונית עם רשימות שמורות ואחראי אחד.
- כלי הכפילויות המובנה של HubSpot לא יתפוס כל כפילות, ולכן משלבים אותו עם רשימות שמורות ובדיקה ידנית של הרשומות החשובות.
מה זה בעצם אומר שהדאטה ב-HubSpot ״נקייה״?
דאטה נקייה פירושה שכל רשומה היא ייחודית, שהשדות שאתם נשענים עליהם מלאים, שהפורמט אחיד, ושהמידע עדכני מספיק כדי לסמוך עליו. אלה ארבעה מבחנים נפרדים, ורשומה יכולה לעבור אחד מהם ולהיכשל בכל השאר. איש קשר בלי אף כפילות עדיין יכול להגיע עם lifecycle stage ריק, עם מדינה שהוקלדה בחמש צורות שונות ועם תאריך פעילות אחרונה מ-2023. ״נקייה״ היא לא תחושת בטן, אלא רשומה שהדוחות, ה-workflows וכלי ה-AI שלכם יכולים לקרוא בלי לנחש. ואם אתם לא יודעים לנסח את הכלל ששדה מסוים צריך לעמוד בו, גם לא תוכלו לקבוע אם הוא נקי.
למה ניקיון דאטה חשוב היום יותר מבעבר?
כי היום אוטומציה ו-AI עובדים על הדאטה שלכם בלי שאדם בודק כל צעד בדרך. במשך שנים איש המכירות הציץ ברשומה המבולגנת לפני ששלח מייל, ותיקן אותה בשקט בראש. הפילטר האנושי הזה נעלם. הרישום ל-workflow (enrollment) נקבע לפי הערך שבשדה, בדיוק כפי שהוא שמור. עוזר AI שמסכם חברה, או מודל שמחשב דירוג לידים, קוראים את מה שכתוב בשדה ולא את מה שהתכוונתם. אם תזינו למערכות האלה רשומות כפולות, שדות חובה ריקים ורשימות ערכים לא אחידות, הן יפיקו בביטחון מלא סגמנטציה שגויה, ניתוב שגוי ותשובות שגויות, מהר יותר ובהיקף גדול יותר מכל אדם. פעם המחיר של דאטה מלוכלכת היה דוח קצת לא מדויק. היום זו אוטומציה שמפספסת בכל פעם שהיא רצה.
מאיפה מתחילים את ניקיון הדאטה, ואילו תיקונים מחזירים הכי הרבה?
תתחילו מארבע הבעיות שמקלקלות הכי הרבה מערכות בהמשך הדרך, תמורת הכי מעט מאמץ: כפילויות, ערכים לא אחידים ברשימות נפתחות, שדות חובה חסרים ופורמט לא אחיד. התיקונים האלה מחזירים את עצמם מיד, כי כל דוח וכל workflow עוברים דרך השדות האלה.
- איחוד כפילויות. כפילויות מפצלות את ההיסטוריה של לקוח בין שתי רשומות, סופרות אותו פעמיים בדוחות, ומאפשרות לשני נציגים לעבוד על אותה חברה. השתמשו בכלי ניהול הכפילויות המובנה של HubSpot לאנשי קשר ולחברות, תבדקו כל התאמה שהכלי מציע לפני המיזוג, ותחליטו מראש על כלל הכרעה: איזו רשומה גוברת כשהערכים מתנגשים.
- אחידות ברשימות הנפתחות. כש-lifecycle stage, lead status, מדינה או תעשייה מוזנים כטקסט חופשי, ״United States״, ״USA״ ו-״US״ הופכים לשלושה סגמנטים שונים. תמירו את שדות הטקסט החופשי החשובים לרשימות נפתחות, תאחדו ערכים חריגים, ותקבעו מי רשאי להוסיף אפשרויות חדשות.
- השלמת השדות שהתפעול נשען עליהם. לא כל שדה ריק הוא בעיה, אבל lifecycle stage, מנהל לקוח או כתובת מייל חסרים שוברים את הניתוב ואת הדוחות. תזהו את השדות הבודדים שה-workflows והדוחות שלכם תלויים בהם, תהפכו אותם לשדות חובה כבר בנקודת ההזנה, ותשלימו את החוסרים ברשומות הקיימות.
- פורמט אחיד ואותיות גדולות. מספרי טלפון בפורמטים שונים, רווחים מיותרים בסוף הערך, שמות שנכתבו כולם באותיות גדולות (ALL CAPS) ותאריכים בכמה פורמטים נראים כמו עניין קוסמטי. בפועל הם שוברים את ההתאמה בין רשומות, את איחוד הכפילויות ואת תגי ההתאמה האישית (personalization tokens). תיישרו אותם עם הכלי Format data של HubSpot ועם כמה workflows של תחזוקה.
איך שומרים על דאטה נקייה במקום לנקות אותה פעם אחת?
הופכים את ה-data hygiene לשגרת תפעול קבועה, עם מניעה שבנויה כבר בנקודת ההזנה. פרויקט ניקיון חד-פעמי, גם אם הוא הרואי ונמשך סוף שבוע שלם, מרגיש מצוין ומתפורר תוך רבעון, כי שום דבר לא מנע מהבלגן לחזור. לכן עובדים בשתי חזיתות: עוצרים דאטה גרועה בכניסה, ומריצים סריקה קבועה על מה שבכל זאת מחליק פנימה.

לעצור בכניסה. תהפכו את שדות החובה לחובה של ממש, גם בטפסים וגם ביצירה ידנית של רשומות. תגדירו כללי ולידציה על השדות, כדי שאי אפשר יהיה לשמור זבל. ותשתמשו ב-workflows כדי ליישר ערכים אוטומטית ברגע שרשומה נוצרת או מיובאת: להעתיק את הערך ולתקן את הפורמט שלו, לבחור את הערך הנכון ברשימה הנפתחת, לתקן אותיות גדולות וקטנות. כך הדאטה נכנסת נקייה, ולא צריך לתקן אותה אחר כך.
לסרוק לפי לוח זמנים. תבנו רשימות דינמיות שמורות (active lists) שמציפות את הבעיות: אנשי קשר בלי lifecycle stage, חברות בלי מנהל לקוח, רשומות עם ערכי מדינה לא תקניים, ואנשי קשר בלי פעילות לאורך תקופה ארוכה. תעברו גם על ההתאמות שמציע כלי הכפילויות. את הסבב הזה תריצו בקצב קבוע, חודשי או רבעוני, לפי הקצב שבו מסד הנתונים שלכם גדל, ותמנו לו אחראי אחד כדי שלא ייפול בין הכיסאות. הרשימה מאתרת את הבעיות, והאדם מפעיל שיקול דעת.
להדריך את הצוות. רוב הדאטה המלוכלכת מגיעה מאנשים עם כוונות טובות, שפשוט אף פעם לא למדו את כללי ההזנה. מסמך קצר וכתוב שמסביר אילו שדות הם חובה, מה המשמעות של כל ערך ברשימות הנפתחות ומה עושים כשנתקלים בכפילות אפשרית, ימנע יותר בלגן ממה שכל כלי ניקוי יצליח לתקן.
מתי כדאי להביא עזרה, ומתי אפשר לעשות את זה לבד?
תעשו את זה בעצמכם כשהבעיות תחומות ויש לצוות זמן. כדאי להביא עזרה כשהפורטל גדול, כשהדאטה מזינה אוטומציות שההכנסות תלויות בהן, או כשאף אחד בארגון לא באמת אחראי עליה. כמה מאות אנשי קשר וקומץ שדות לא אחידים הם פרויקט פנימי טוב. אבל פורטל עם שנים של חוב מצטבר, כמה אינטגרציות שכותבות ערכים סותרים, ודוחות שההנהלה מקבלת לפיהם החלטות, הוא המקום שבו גישת RevOps מסודרת מחזירה את ההשקעה. בשלב הזה הסיכון גדול בהרבה מרשימה מבולגנת: החלטות מתקבלות בשקט על בסיס מספרים שגויים.
שאלות נפוצות
כל כמה זמן כדאי לנקות את הדאטה ב-HubSpot?
תריצו סריקה קבועה פעם בחודש או פעם ברבעון, לפי הקצב שבו מסד הנתונים שלכם גדל, ובמקביל תעצרו דאטה גרועה בכניסה כל הזמן. פורטל עם נפח גבוה, טפסים פעילים ואינטגרציות צריך קצב צפוף יותר ממסד נתונים שמשתנה לאט. המטרה היא סבבים קטנים וקבועים, כדי שלא תגיעו למבצע חירום פעם בשנה.
האם ניקוי של אנשי קשר ישנים יפגע במספרים שלי?
ברוב המקרים ההפך. כשמסירים או מחריגים אנשי קשר לא תקינים, או כאלה שלא היו פעילים זמן רב, המספרים בדרך כלל משתפרים: יכולת המסירה של המיילים (deliverability), שיעורי המעורבות ודיוק הדוחות עולים ברגע שמפסיקים לספור רשומות מתות. אם יש ספק, עדיף להחריג או להעביר לארכיון מאשר למחוק לגמרי, כך שההיסטוריה נשמרת והרשומות הגרועות לא מעוותות את הדוחות הפעילים.
האם כלי הכפילויות של HubSpot יתפוס כל כפילות?
לא. הכלי המובנה תופס התאמות שהוא בטוח בהן ברמה גבוהה, אבל מפספס כפילויות עם כתובות מייל שונות, שגיאות הקלדה או שם חברה שנכתב בכמה גרסאות. תשלבו אותו עם רשימות שמורות ובדיקה ידנית של הרשומות החשובות ביותר, ותיישרו קודם את הפורמט, כי כשהפורמט אחיד, הרבה יותר קל לזהות כפילויות.
למה דאטה נקייה חשובה ל-AI ולאוטומציה של HubSpot?
כי AI ואוטומציה פועלים על הערך שבשדה בדיוק כפי שהוא שמור, ואין אדם באמצע שיתפוס את הטעות. הרישום ל-workflow נקבע לפי הערך המילולי, וסיכום ה-AI קורא את אותו ערך מילולי. כפילויות, שדות ריקים ורשימות ערכים לא אחידות הופכים לניתוב שגוי, לסגמנטציה שגויה ולתשובות AI שגויות, בהיקף גדול ובכל הרצה מחדש.
רוצים לדעת כמה הדאטה בפורטל שלכם באמת נקייה?
אם אתם לא בטוחים, זה בדרך כלל סימן שכדאי להעיף בדאטה מבט. ב-IV-Lead אנחנו עובדים עם צוותי B2B כדי לעשות סדר בדאטה ב-HubSpot ולשמור עליו לאורך זמן: איחוד כפילויות, האחדה של השדות, ולידציה וה-workflows שדואגים שהבלגן לא יחזור. תראו איך אנחנו ניגשים להטמעה ואופטימיזציה של HubSpot, או קבעו אבחון פורטל של 30 דקות ונגיד לכם בכנות איפה הדאטה שלכם עומדת, והאם IV-Lead מתאימה לכם. בלי מצגת ובלי פיץ׳.


