Waarom gegevensverrijking uitbesteden als AI-tools elk veld invullen?

Een team voor revenue operations haalt zijn accountlijst door een tool voor trapsgewijze gegevensverrijking. De tool raadpleegt één dataleverancier, vervolgens een tweede voor eventuele ontbrekende gegevens en daarna een derde. Een AI-onderzoeksagent vult de resterende lege velden in door bedrijfswebsites en nieuwsberichten te lezen. Het dashboard toont een invulpercentage van 97%. Een salesmedewerker opent een belangrijk doelaccount en treft twee adressen van het hoofdkantoor aan, een personeelsaantal dat afhankelijk van de bron 4.000 verschilt en een financieel directeur die acht maanden geleden het bedrijf heeft verlaten.

In dat record is geen enkel veld leeg. Veel gegevens kloppen niet. Dat verschil verklaart waarom teams gegevensverrijking nog steeds uitbesteden, ook wanneer geautomatiseerde tools elk veld kunnen invullen. Velden invullen is goedkoop geworden. Bepalen welke waarde juist is wanneer bronnen elkaar tegenspreken of verouderd zijn, blijft mensenwerk. Gegevensverrijking die door mensen is gecontroleerd, is de kosten waard als het gaat om het oplossen van conflicten in de accounts die omzet opleveren, niet om het aantal lege velden dat wordt ingevuld.

Hoe is gegevensverrijking een spel om het invulpercentage geworden?

B2B-diensten voor gegevensverrijking vullen ontbrekende gegevens aan in bedrijfs- en contactrecords: firmografische gegevens, zoals sector, omzet en personeelsaantal; contactgegevens, zoals functie, e-mailadres en telefoonnummer; technografische gegevens, zoals de software die een bedrijf gebruikt; en signalen, zoals financieringsrondes, wervingsactiviteiten en veranderingen in het management.

Jarenlang kochten teams gegevens in bij één dataleverancier en namen ze de lacunes in diens dekking voor lief. Trapsgewijze gegevensverrijking bracht daar verandering in. In plaats van op één bron te vertrouwen, raadpleegt een tool voor trapsgewijze verrijking achtereenvolgens verschillende leveranciers en neemt voor elk veld de eerste waarde die de tool vindt. AI-onderzoeksagenten voegen daar nog een laag aan toe: ze doorzoeken het web en vatten hun bevindingen samen in gestructureerde velden.

Deze tools leveren echt voordeel op. Ze vullen ontbrekende gegevens snel en goedkoop aan en geven salesteams meer informatie om mee te werken. Salesorganisaties nemen ze snel in gebruik: uit het State of Sales-rapport van Salesforce bleek dat 54% van de verkopers al AI-agenten heeft gebruikt. Verkopers verwachten bovendien dat agenten de tijd die ze aan prospectonderzoek besteden met 34% terugbrengen. Een groot deel van die onderzoekstijd gaat op aan dezelfde account- en contactgegevens die tools voor gegevensverrijking leveren.

Het probleem is dat de tools zijn gericht op een zo volledig mogelijke dekking. Het invulpercentage wordt de belangrijkste maatstaf en elk veld met een waarde telt als een succes.

Waarom leiden meer bronnen tot meer tegenstrijdigheden?

Verschillende leveranciers hanteren mogelijk andere definities, actualiseringsschema’s en bedrijfsrecords, waardoor tegenstrijdige informatie ontstaat. Zonder een proces om bronnen te vergelijken en afwijkingen te controleren, kunnen extra gegevens de betrouwbaarheid van CRM-records juist verminderen.

Verschillende definities

De ene leverancier telt het aantal medewerkers bij het moederbedrijf, de andere bij de lokale entiteit en een derde gebruikt een schatting uit een openbaar profiel. Alle drie de aantallen kunnen verdedigbaar zijn, maar slechts één past bij de manier waarop uw salesterritoria zijn ingedeeld.

Verschillende actualiseringscycli

Leveranciers actualiseren hun gegevens volgens verschillende schema’s. Een functie die de ene bron vorige week heeft bijgewerkt, kan in een andere bron nog steeds de oude waarde hebben. Een tool voor trapsgewijze verrijking die het eerste gevonden antwoord overneemt, kan daardoor de verouderde waarde kiezen.

Verwarring over entiteiten

Dochterondernemingen, regionale vestigingen en bedrijven met vergelijkbare namen worden met elkaar verward. Een AI-agent die het web doorzoekt, kan gegevens van twee verschillende bedrijven samenvoegen in één record.

Geen beoordeling van tegenstrijdigheden

De meeste logica voor trapsgewijze verrijking volgt een vaste volgorde. Waarden uit verschillende bronnen worden niet met elkaar vergeleken en afwijkingen worden niet gemarkeerd. De tegenstrijdigheid blijft verborgen in een ingevuld veld.

Het resultaat is een CRM dat er volledig uitziet, maar onbetrouwbaar werkt.

Dekking versus juistheid bij de accounts die ertoe doen

Niet elk record vraagt om dezelfde mate van zorgvuldigheid. Een marketinglijst met 200.000 contactpersonen voor een brede bekendheidscampagne kan enkele fouten verdragen. Dat geldt niet voor een lijst met 300 doelaccounts in een accountbased programma.

Voor die prioritaire accounts heeft een onjuist gegeven directe gevolgen. Een salesteam dat een vertrokken bestuurder belt, maakt een slechte eerste indruk. Een territoriumplan op basis van een onjuist personeelsaantal wijst het account aan het verkeerde team toe. Een prijsmodel op basis van verouderde omzet leidt tot een verkeerde inschatting van de dealomvang. Prognoses op basis van deze records bevatten dezelfde fouten.

AI-agenten maken de inzet nog hoger. Wanneer een agent zelfstandig berichten opstelt, leads beoordeelt of accounts doorstuurt, handelt die op basis van wat er in het CRM staat. Een agent die werkt met tegenstrijdige verrijkingsgegevens zal op grote schaal zelfverzekerd fouten maken.

Wanneer moet u diensten voor gegevensverrijking uitbesteden?

Geautomatiseerde gegevensverrijking werkt goed voor grote databases waarin incidentele fouten beheersbaar zijn, maar accounts met een hoge waarde vereisen een grotere nauwkeurigheid. Uitbesteden wordt waardevol wanneer bedrijven besluitvormers moeten verifiëren, problemen met de bedrijfsstructuur moeten oplossen, veranderende contactgegevens moeten controleren of AI-gestuurde salesprocessen moeten ondersteunen. Dit zijn de situaties waarin uitbesteding van gegevensverrijking de meeste waarde oplevert:

1. Accounts met hoge waarde: accountbased marketingprogramma’s, strategische verlengingen en enterprise-verkooppijplijnen, waarbij elk record een aanzienlijk omzetpotentieel vertegenwoordigt.
2. Complexe bedrijfsstructuren: bedrijven met meerdere dochterondernemingen, regionale entiteiten of recente fusies, waardoor geautomatiseerde tools moeilijk onderscheid kunnen maken tussen moederbedrijven en hun dochterondernemingen.
3. Contactpersonen die vaak wisselen: sectoren met een groot verloop onder leidinggevenden of inkoopcommissies die regelmatig veranderen, waardoor contactgegevens en informatie over beslissers moeilijker actueel te houden zijn.
4. Door AI-agenten aangestuurde workflows: processen voor verkooptoewijzing, leadscoring en outreach waarbij AI-agenten CRM-gegevens gebruiken zonder dat elke stap door een mens wordt gecontroleerd.
5. Outreach in gereguleerde sectoren: markten waarin de bronnen van contactgegevens en de rechtmatige grondslag voor de verwerking en het gebruik ervan moeten zijn gedocumenteerd.

In deze omstandigheden zijn de kosten van één onjuiste waarde hoger dan die van controle. Het uitbesteden van gegevensverrijking is ook zinvol wanneer interne teams niet genoeg onderzoekstijd hebben om records bij te werken in het tempo dat de verkooppijplijn vereist. Medewerkers voor sales development kunnen een handvol accounts controleren, maar ze kunnen niet elk kwartaal 500 prioriteitsrecords actueel houden en tegelijk prospecteren.

Voor alles wat buiten deze omstandigheden valt, is geautomatiseerde verrijking met doordachte bronregels vaak een betere investering. Het doel is om controle-inspanningen te richten op de gegevens waarvan fouten gevolgen hebben voor het bedrijf.

Waarom zijn door mensen geverifieerde gegevens belangrijk in het tijdperk van AI-agenten?

Hier bewijst het uitbesteden van gegevensverrijking nog altijd zijn waarde. Een deskundig team voegt drie dingen toe die geautomatiseerde tools niet bieden.

AI-agenten gebruiken CRM-gegevens steeds vaker om outreach op te stellen, leads te beoordelen en accounts toe te wijzen. Onjuiste informatie vormt daardoor een bedrijfsrisico. Door mensen geverifieerde gegevensverrijking helpt ervoor te zorgen dat cruciale records nauwkeurig en actueel zijn en voldoen aan de bedrijfsregels voordat geautomatiseerde systemen ermee aan de slag gaan.

Conflicten oplossen

Wanneer bronnen elkaar tegenspreken, controleert een onderzoeker de primaire bronnen: de eigen website van het bedrijf, openbare bedrijfsdocumenten, persberichten, professionele profielen en in sommige gevallen een rechtstreeks telefoontje. De onderzoeker legt vast welke waarde juist is en waarom, en noteert de bron en datum.

Controleren of gegevens actueel zijn

Bij belangrijke contactpersonen controleren onderzoekers of zij nog steeds de vermelde functies bekleden. Veranderingen in iemands functie zijn een van de meest voorkomende redenen waarom verrijkte gegevens verouderd raken. Een snelle controle voorkomt dat outreach voor niets wordt verstuurd.

Aansluiting op bedrijfsregels

Onderzoekers hanteren de definities van de klant zelf. Als jullie territoria het aantal medewerkers bij de regionale entiteit tellen, leggen ze dat aantal vast. Als jullie ideale klantprofiel bepaalde dochterondernemingen uitsluit, markeren ze die. Deze regels zijn zelden opgenomen in de logica van een waterfall.

De beste aanpak combineert beide methoden. Geautomatiseerde tools verrijken de overige records tegen lage kosten. Een menselijk team controleert accounts en velden die de omzet bepalen en lost conflicten daarin op. Elk opgelost conflict kan ook worden teruggekoppeld aan de automatisering, zodat de prioriteit van bronnen voor specifieke velden of regio’s wordt aangepast.

Een hybride workflow voor gegevensverrijking ontwerpen

Bij een hybride workflow worden grote databases automatisch verrijkt en onderzoeken menselijke beoordelaars belangrijke afwijkingen. Door accounts te prioriteren, conflicten op te sporen, verificaties vast te leggen en bronnen regelmatig te controleren, kan handmatig werk worden gericht op de plekken waar het de meeste waarde oplevert.

1. Deel accounts in prioriteitsniveaus in. Verdeel de database in niveaus op basis van omzetpotentieel, de fase van de verkooppijplijn of deelname aan een accountbased-marketingprogramma.
2. Deel velden in prioriteitsniveaus in. Bepaal welke velden van invloed zijn op toewijzing, scoring, prijsbepaling en outreach, zoals personeelsaantal, omzet, sector en contactgegevens van beslissers.
3. Verrijk alle records automatisch en bewaar de waarde uit elke bron, niet alleen die uit de eerste bron die wordt gevonden.
4. Markeer conflicten automatisch wanneer bronnen meer van elkaar afwijken dan een ingestelde tolerantie toestaat, of wanneer een waarde ouder is dan een vastgestelde grens.
5. Stuur gemarkeerde prioriteitsrecords door voor menselijke verificatie en voeg de tegenstrijdige waarden en bronnen toe.
6. Leg de geverifieerde waarde, bron en datum vast en schrijf deze met een duidelijke status terug naar het CRM.
7. Controleer elk kwartaal de nauwkeurigheid van bronnen en pas de volgorde van de waterfall per veld, regio of sector aan op basis van de bevindingen uit de verificatie.

Zo blijft menselijke inspanning gericht op waar die het meeste oplevert en krijgt de automatisering voortdurend feedback. Na enkele kwartalen laten de verificatiegegevens ook zien welke leveranciers het betrouwbaarst zijn voor welke velden. De ene bron kan sterk zijn in personeelsaantallen in Noord-Amerika en zwak in contactgegevens in Europa, terwijl dat bij een andere bron precies andersom kan zijn. De volgorde van de waterfall kan vervolgens per veld en regio worden aangepast, zodat er überhaupt minder conflicten bij beoordelaars terechtkomen.

Een bedrijf voor gegevensverrijking kiezen

Veel bedrijven voor gegevensverrijking beloven tegenwoordig een hoge invullingsgraad en AI-gestuurd onderzoek. De nuttigere vragen gaan over hoe ze omgaan met conflicten en actualiteit:

• Hoe bepaalt het team welke waarde juist is wanneer twee bronnen elkaar tegenspreken?
• Worden alle bronwaarden bewaard, of alleen de geselecteerde?
• Hoe vaak worden belangrijke contactpersonen opnieuw geverifieerd, en hoe?
• Kan de dienstverlener de eigen definities van de klant hanteren voor personeelsomvang, sector en hiërarchie?
• Welke nauwkeurigheid rapporteert de dienstverlener voor geverifieerde belangrijke records, afzonderlijk gemeten van het algemene invulpercentage?
• Hoe worden geverifieerde waarden in het CRM gemarkeerd, zodat gebruikers ze kunnen onderscheiden van automatisch ingevulde waarden?

Een gegevensverrijkingsbedrijf dat alleen invulpercentages noemt, heeft het probleem niet aangepakt. Een bedrijf dat zijn beoordelingsregels, brongegevens en geverifieerde nauwkeurigheid voor voorbeeldaccounts laat zien, is klaar voor werk dat cruciaal is voor de omzet.

Compliance en herkomst van gegevens

Bij gegevensverrijking worden persoonsgegevens verwerkt. Daarom moet vanaf het begin rekening worden gehouden met compliance. De Algemene verordening gegevensbescherming (GDPR) vereist een rechtmatige grondslag voor de verwerking van persoonsgegevens van mensen in de Europese Unie, evenals transparantie over de bronnen. De California Consumer Privacy Act (CCPA) geeft inwoners van Californië het recht om hun persoonsgegevens in te zien, te corrigeren en te laten verwijderen. Regels voor commerciële benadering, zoals de CAN-SPAM Act in de Verenigde Staten, stellen aanvullende eisen aan commerciële e-mail.

De herkomst van gegevens helpt hierbij. Als bij elke waarde de bron en de verificatiedatum worden vastgelegd, kan een team reageren op een verzoek van een betrokkene, een correctie doorvoeren en laten zien waar de informatie vandaan komt. Bij cascadeverrijking waarbij alleen de winnende waarde wordt bewaard, gaat die herkomst verloren. Vraag elke dienstverlener hoe deze bronnen registreert, omgaat met afmeldingen en uitsluitingslijsten, en gegevens op verzoek verwijdert. Controleer voordat u CRM-exports deelt of de huidige beveiligingscertificeringen, zoals SOC 2 Type II of ISO/IEC 27001, geldig zijn.

Meten wat ertoe doet

Vervang het invulpercentage als belangrijkste succesmaatstaf door meetwaarden die de juistheid weerspiegelen:

• Geverifieerde nauwkeurigheid bij belangrijke accounts, gecontroleerd door middel van een willekeurige audit.
• Conflictratio per veld en bron, die laat zien waar dienstverleners het vaakst van mening verschillen.
• Actualiteit van contactgegevens: het aandeel belangrijke contactpersonen dat in de afgelopen 90 dagen is geverifieerd.
• Percentage onbestelbare berichten en percentage verkeerde contactpersonen bij benadering van verrijkte contactpersonen.
• Vertrouwen van medewerkers, gemeten aan de hand van eenvoudige feedback over de kwaliteit van records.

Deze meetwaarden laten zien of gegevensverrijking het verkoopteam helpt of alleen de database vult. Bespreek ze elk kwartaal met de verkoopleiding.

Teams maken tegenwoordig gebruik van uitbestede gegevensverrijkingsdiensten om de juiste waarden te verkrijgen voor de accounts die er het meest toe doen. Tools voor cascadeverrijking en AI-agenten vullen velden goedkoop in, maar stapelen ook verouderde en tegenstrijdige waarden op, zonder regels om te bepalen welke waarde de doorslag geeft. Door mensen geverifieerde gegevensverrijking loont wanneer nauwkeurigheid de omzet bepaalt: conflicten oplossen, controleren of gegevens actueel zijn en bedrijfsregels toepassen op belangrijke accounts. Betrouwbare B2B-diensten voor gegevensverrijking combineren geautomatiseerde verrijking met geverifieerde conflictoplossing voor waardevolle records. Nu steeds meer AI-agenten zonder tussenkomst van een persoon met CRM-gegevens werken, verdient één vraag een antwoord: op welke van de ingevulde velden zou u een agent vandaag vertrouwen om actie te ondernemen?