Dados sujos no CRM são o "joão da silva santos" numa única linha do campo de nome, telefones em dez formatos diferentes, erros de digitação no e-mail e nos comentários. Uma base assim quebra a geração de documentos, a personalização de e-mails e a busca por duplicatas. Vamos ver quatro robôs que limpam os dados direto no processo de negócios: separar o nome completo em partes com detecção de gênero, validar o e-mail antes do disparo, operadora e região pelo número de telefone, correção de erros de digitação no texto.

De onde vêm os dados sujos no CRM e por que eles atrapalham?

São três as origens. Formulários e chats: o cliente escreve o nome em minúsculas e em ordem aleatória. Importação: a base antiga traz seus próprios formatos. Digitação manual: o vendedor tem pressa — "j. da silva", o número escrito errado, erros de digitação. Daí a sujeira se espalha pelo sistema: no contrato gerado por modelo entra "prezado joão", o disparo de e-mails vai para endereços inexistentes e estraga a reputação do domínio remetente, e a busca por duplicatas não entende que "+55 11…" e "(11)…" são a mesma pessoa (mais detalhes no artigo sobre duplicatas no Bitrix24). O mais certo é limpar os dados no momento em que surgem — com robôs no processo de criação de lead ou contato, antes que a sujeira se espalhe.

Como separar o nome completo em sobrenome, nome e patronímico?

No campo está "petrov piotr petrovich" numa única linha, a ordem das palavras é qualquer uma, as maiúsculas são aleatórias. Para documentos e formas de tratamento são necessárias as partes separadas, e não há recurso nativo para fatiar o campo. O robô «Análise de nome completo» recebe a string com o nome completo e, pelo serviço de padronização DaData, a decompõe em partes. Saída: sobrenome, nome e patronímico como valores separados, gênero (M/F/ND), nome completo normalizado com as maiúsculas corrigidas e o indicador "Reconhecido" (S/N). As partes são gravadas em campos do contato separados, o gênero é usado para a forma de tratamento correta em modelos de e-mails e documentos, e pelo indicador N cria-se uma tarefa para conferir o card manualmente — a string não se parecia com um nome. (Serviço orientado a dados russos: o DaData processa nomes em russo.)

Como validar o e-mail antes do disparo?

Um erro de digitação no endereço significa um e-mail não entregue; endereços descartáveis e de função geram reclamações de spam e estatísticas de disparo estragadas. Não existe validação nativa de e-mail nos processos de negócios. O robô «Validação de e-mail» normaliza o endereço pelo serviço de padronização e devolve: e-mail corrigido, o tipo do endereço — pessoal, corporativo, de função ou descartável — e os indicadores "Válido" e "Reconhecido" (S/N). A receita: o processo de criação de contato passa o endereço pelo robô; quando "Válido = N", o card é marcado e não entra no segmento de disparo; um endereço descartável é motivo para desconfiar do lead; um de função (info@, vendas@) — não faz sentido enviar um e-mail pessoal para ali. O endereço normalizado é gravado de volta no campo.

Como descobrir a operadora e a região pelo telefone?

Há um número no card, mas não há região nem fuso horário — e o vendedor liga para Vladivostok às três da manhã no horário local. O robô «Telefone: operadora e região» recebe o número em qualquer formato e devolve: telefone normalizado, tipo de linha, operadora, região, fuso horário e os indicadores "Válido" e "Reconhecido" (S/N). A identificação, assim como a análise de nome completo, passa pelo serviço de padronização DaData. Os resultados são gravados nos campos do card e funcionam nas condições do processo: roteamento do lead para o gerente regional, escolha da janela de ligação pelo fuso horário, descarte de números incorretos antes de passar a lista para a ligação. (Serviço orientado a dados russos: a identificação cobre números de operadoras russas.)

Como corrigir erros de digitação no texto?

"Bom dia" facilmente vira "bmo dia", e o nome da empresa vira um amontoado de letras no layout de teclado errado. Em comentários isso é tolerável; em campos a partir dos quais se montam documentos e e-mails, não. O robô «Corrigir erros de digitação» passa o texto por um serviço de revisão ortográfica: corrige erros típicos em textos em russo e em inglês, reconhece palavras digitadas no layout de teclado errado. Saída: o texto corrigido e o indicador de se houve correção. A receita: antes de gerar o documento, o campo é passado pelo robô; se houve correção, o texto atualizado é gravado de volta, e pelo indicador o card pode ser marcado para conferência seletiva — a correção automática vez ou outra exige um olhar humano.

Checklist

Limpe os dados na entrada: no processo de criação de lead — análise de nome completo, validação de e-mail e telefone; antes do disparo — descarte de endereços incorretos, descartáveis e de função; antes da geração de documentos — erros de digitação e maiúsculas. Todos os quatro robôs estão no catálogo da Roboteka, instalam-se de graça pelo Bitrix24.Market e funcionam no designer de processos de negócios ao lado das ações nativas. Não achou a verificação que precisava — descreva a tarefa, criamos o robô de graça e adicionamos à biblioteca compartilhada.