Зачем передавать обогащение данных на аутсорсинг, если инструменты ИИ заполняют все поля?

Команда по управлению доходами прогоняет список компаний через инструмент каскадного обогащения данных. Инструмент обращается к одному поставщику данных, затем ко второму, чтобы заполнить пробелы, а после — к третьему. ИИ-агент-исследователь заполняет оставшиеся поля, изучая сайты компаний и новости. На панели отображается показатель заполненности 97%. Менеджер по продажам открывает карточку одной из приоритетных компаний и обнаруживает два адреса штаб-квартиры, численность сотрудников, которая в зависимости от источника различается на 4 000 человек, и финансового директора, покинувшего компанию восемь месяцев назад.

В этой записи нет пустых полей. Но многие сведения неверны. Именно поэтому компании по-прежнему передают обогащение данных на аутсорсинг, даже когда автоматизированные инструменты могут заполнить каждое поле. Заполнять поля стало недорого. Но чтобы решить, какое значение верно, когда источники противоречат друг другу или содержат устаревшие сведения, по-прежнему нужны суждение и опыт. Проверка данных человеком оправдывает затраты, когда позволяет разрешать противоречия в записях компаний, от которых зависит выручка, а не просто заполнять как можно больше пустых полей.

Как обогащение данных превратилось в гонку за заполненностью?

Сервисы обогащения данных B2B дополняют записи о компаниях и контактах недостающими сведениями: фирмографическими данными, такими как отрасль, выручка и численность персонала; контактными данными, например должностью, адресом электронной почты и телефоном; техническими сведениями о программном обеспечении, которым пользуется компания; а также сигналами — данными о раундах финансирования, найме сотрудников и смене руководства.

Годами компании покупали данные у одного поставщика и мирились с пробелами в охвате. Каскадное обогащение изменило ситуацию. Вместо того чтобы полагаться на один источник, такой инструмент последовательно обращается к нескольким поставщикам и для каждого поля берет первое найденное значение. ИИ-агенты-исследователи добавляют еще один уровень: ищут информацию в интернете и структурируют найденное в виде полей.

Эти инструменты действительно полезны. Они быстро и недорого заполняют пробелы, предоставляя отделам продаж больше данных для работы. Отделы продаж активно внедряют такие решения: согласно отчету Salesforce «Состояние продаж», 54% продавцов уже пользовались ИИ-агентами, а сами продавцы ожидают, что агенты сократят время на изучение потенциальных клиентов на 34%. Значительная часть этого времени уходит на поиск тех же сведений о компаниях и контактах, которые предоставляют инструменты обогащения данных.

Проблема в том, что эти инструменты оптимизированы под охват. Главным показателем становится заполненность, и любое значение в поле считается успехом.

Почему большее число источников приводит к большему числу противоречий?

У разных поставщиков могут быть разные определения, графики обновления данных и записи о компаниях, из-за чего сведения противоречат друг другу. Если нет процедуры сравнения источников и проверки расхождений, добавление новых данных может снизить надежность записей в CRM.

Разные определения

Один поставщик считает сотрудников материнской компании, другой — местного подразделения, а третий приводит оценку из общедоступного профиля. Все три цифры могут быть обоснованными, но только одна соответствует принципам распределения ваших территорий продаж.

Разные циклы обновления

Поставщики обновляют данные по разным графикам. В одном источнике должность могла быть обновлена на прошлой неделе, а в другом все еще указано прежнее значение. Инструмент каскадного обогащения, который берет первый найденный ответ, может выбрать устаревшие сведения.

Путаница с организациями

Дочерние компании, региональные филиалы и компании с похожими названиями часто путают. ИИ-агент, изучающий информацию в интернете, может объединить сведения о двух разных компаниях в одной записи.

Отсутствие проверки расхождений

Большинство каскадных алгоритмов работает в фиксированном порядке. Они не сопоставляют значения из разных источников и не отмечают расхождения. Противоречие скрывается в уже заполненном поле.

В итоге CRM выглядит полной, но работает ненадежно.

Охват или точность: что важнее для ключевых компаний

Не все записи требуют одинаково тщательной проверки. В списке из 200 000 контактов для масштабной кампании по повышению узнаваемости бренда можно допустить некоторые ошибки. В списке из 300 целевых компаний для маркетинговой программы, ориентированной на конкретные организации, — нельзя.

Для таких приоритетных компаний неверные сведения обходятся дорого. Позвонив руководителю, который уже ушел из компании, команда продаж испортит первое впечатление. План распределения территорий, составленный на основе неверной численности персонала, направит компанию не той команде. Модель ценообразования, рассчитанная по устаревшим данным о выручке, приведет к неверной оценке размера сделки. Прогнозы, построенные на этих записях, унаследуют те же ошибки.

ИИ-агенты повышают ставки. Если агент самостоятельно составляет обращения к потенциальным клиентам, оценивает лиды или распределяет компании, он действует на основании того, что указано в CRM. Агент, работающий с противоречивыми данными обогащения, будет уверенно совершать ошибки в больших масштабах.

Когда стоит передавать услуги по обогащению данных на аутсорсинг?

Автоматизированное обогащение хорошо подходит для больших баз данных, где отдельные ошибки допустимы, однако для ценных компаний нужна более высокая точность. Аутсорсинг становится полезен, когда бизнесу требуется проверить лиц, принимающих решения, разобраться в структуре корпоративной группы, подтвердить актуальность меняющихся контактных данных или обеспечить работу процессов продаж на основе ИИ. Вот в каких случаях аутсорсинг обогащения данных приносит наибольшую пользу:

1. Ценные компании: программы маркетинга, ориентированного на конкретные компании, стратегические продления контрактов и корпоративные воронки продаж, где каждая запись связана со значительным потенциалом выручки.
2. Сложные корпоративные структуры: компании с многочисленными дочерними организациями и региональными подразделениями или недавно объединившиеся компании, из-за чего автоматизированным инструментам трудно отличить материнские компании от их дочерних организаций.
3. Часто меняющиеся контактные лица: отрасли с высокой текучестью руководителей или регулярно меняющимся составом закупочных комитетов, из-за чего контактные данные и сведения о лицах, принимающих решения, сложнее поддерживать в актуальном состоянии.
4. Рабочие процессы с участием ИИ-агентов: маршрутизация продаж, оценка потенциальных клиентов и процессы взаимодействия, в которых ИИ-агенты используют данные CRM без проверки человеком на каждом этапе.
5. Регулируемые коммуникации: рынки, где для контактных данных необходимо документально подтверждать источники и наличие законных оснований для их обработки и использования.

В таких условиях цена одного неверного значения выше затрат на его проверку. Передача обогащения данных на аутсорсинг также оправданна, когда внутренним командам не хватает времени на исследования, чтобы проверять записи с требуемой воронке продаж скоростью. Специалисты по развитию продаж могут проверить несколько учетных записей, но не в состоянии каждый квартал поддерживать актуальность 500 приоритетных записей и одновременно искать новых клиентов.

Во всех остальных случаях автоматизированное обогащение данных с разумно настроенными правилами выбора источников часто оказывается более выгодным вложением. Задача — направлять усилия на проверку туда, где ошибки ощутимы для бизнеса.

Почему проверенные людьми данные важны в эпоху ИИ-агентов?

Именно здесь передача обогащения данных на аутсорсинг по-прежнему оправдывает затраты. Квалифицированная команда обеспечивает три преимущества, которых нет у автоматизированных инструментов.

ИИ-агенты все чаще используют данные CRM для подготовки обращений, оценки потенциальных клиентов и маршрутизации учетных записей, поэтому неверная информация становится бизнес-риском. Проверка данных человеком помогает убедиться, что важные записи точны, актуальны и соответствуют правилам компании, прежде чем автоматизированные системы начнут действовать на их основе.

Разрешение конфликтов

Если источники расходятся, исследователь проверяет первичные источники: собственный сайт компании, публичные документы, пресс-релизы, профессиональные профили, а в некоторых случаях — звонит напрямую. Он фиксирует, какое значение верно и почему, а также указывает источник и дату.

Проверка актуальности

Для приоритетных контактных лиц исследователи проверяют, что люди по-прежнему занимают указанные должности. Смена работы — одна из самых распространенных причин устаревания данных обогащения, а быстрая проверка помогает не тратить время на бесполезные обращения.

Соответствие бизнес-правилам

Исследователи применяют определения, принятые самим клиентом. Если при расчете показателей по вашим регионам учитываются сотрудники регионального подразделения, они фиксируют соответствующее число. Если ваш профиль идеального клиента исключает определенные дочерние организации, они отмечают их. Такие правила редко заложены в логику каскадного поиска по источникам.

Наиболее эффективный подход сочетает оба метода. Автоматизированные инструменты недорого заполняют оставшиеся пробелы в данных. Команда специалистов проверяет учетные записи и поля, влияющие на выручку, и разрешает возникающие противоречия. Результаты каждого разрешенного конфликта можно также использовать для совершенствования автоматизации, корректируя приоритет источников для отдельных полей или регионов.

Проектирование гибридного процесса обогащения данных

В гибридном процессе автоматизация обогащает большие базы данных, а специалисты проверяют важные несоответствия. Приоритизация учетных записей, выявление конфликтов, ведение записей о проверках и регулярный пересмотр источников помогают направлять ручную работу туда, где она принесет наибольшую пользу.

1. Разделите учетные записи на уровни приоритета. Распределите базу данных по приоритетным уровням с учетом потенциальной выручки, этапа работы с потенциальным клиентом или участия в программе маркетинга на основе учетных записей.
2. Определите приоритетность полей. Выделите поля, влияющие на маршрутизацию, оценку, ценообразование и взаимодействие, например численность персонала, выручку, отрасль и контактные данные лиц, принимающих решения.
3. Выполните автоматизированное обогащение всех записей и сохраняйте значения из каждого источника, а не только из первого найденного.
4. Автоматически отмечайте конфликты, если расхождение между источниками превышает установленный допуск или значение старше заданного срока.
5. Направляйте отмеченные приоритетные записи на проверку специалистам, прикладывая противоречащие друг другу значения и сведения об источниках.
6. Фиксируйте проверенное значение, источник и дату и вносите их обратно в CRM, указывая четкий статус.
7. Ежеквартально проверяйте точность источников и корректируйте порядок их использования с учетом полей, регионов или отраслей, опираясь на результаты проверок.

Такая схема позволяет направлять усилия специалистов туда, где они окупаются, и постоянно передавать обратную связь системе автоматизации. За несколько кварталов данные проверок также покажут, какие поставщики наиболее надежны для тех или иных полей. Один источник может хорошо предоставлять сведения о численности персонала в Северной Америке, но плохо — о контактных лицах в Европе, тогда как другой может показывать противоположные результаты. После этого порядок использования источников можно менять в зависимости от поля и региона, чтобы до специалистов доходило меньше противоречий.

Выбор компании для обогащения данных

Многие компании, занимающиеся обогащением данных, теперь обещают высокую долю заполненных полей и исследования с помощью ИИ. Гораздо полезнее задать вопросы о том, как они разрешают противоречия и поддерживают актуальность данных:

• Как команда решает, какое значение верно, если два источника противоречат друг другу?
• Сохраняются ли все исходные значения или только выбранное?
• Как часто и каким образом повторно проверяют приоритетные контакты?
• Может ли поставщик применять собственные определения клиента для численности персонала, отрасли и организационной структуры?
• Какую точность поставщик указывает для проверенных приоритетных записей, измеряя её отдельно от общего показателя заполнения?
• Как в CRM помечают проверенные значения, чтобы пользователи могли отличить их от автоматически заполненных?

Компания, предоставляющая услуги по обогащению данных, которая отвечает только показателями заполнения, не решила проблему. Компания, которая показывает правила разрешения противоречий, исходные записи и точность проверки на примере тестовых аккаунтов, готова к работе, критически важной для получения выручки.

Соблюдение нормативных требований и происхождение данных

Обогащение данных связано с обработкой персональных данных, поэтому требования к соблюдению нормативных актов нужно учитывать с самого начала. Общий регламент по защите данных (GDPR) требует наличия законного основания для обработки персональных данных жителей Европейского союза, а также прозрачности в отношении источников данных. Закон Калифорнии о защите конфиденциальности потребителей (CCPA) даёт жителям Калифорнии право знать, исправлять и удалять свои персональные данные. Правила взаимодействия с клиентами, например закон CAN-SPAM в США, устанавливают дополнительные требования к коммерческой электронной почте.

Отслеживание происхождения данных помогает выполнять все эти требования. Если для каждого значения указан источник и дата проверки, команда может ответить на запрос субъекта данных, внести исправление и показать, откуда получена информация. При использовании каскадных систем, которые сохраняют только итоговое значение, эта история теряется. Узнайте у каждого поставщика, как он фиксирует источники, обрабатывает отказы от рассылки и списки исключения, а также удаляет данные по запросу. Прежде чем передавать выгрузки из CRM, проверьте актуальность сертификатов безопасности, например SOC 2 Type II или ISO/IEC 27001.

Оценка действительно важных показателей

Замените долю заполненных полей в качестве главного показателя успеха метриками, отражающими точность:

• Точность проверки для приоритетных аккаунтов, оцениваемая с помощью выборочного аудита.
• Доля противоречий по полям и источникам, показывающая, в каких случаях поставщики чаще всего расходятся во мнениях.
• Актуальность контактных данных — доля приоритетных контактов, проверенных за последние 90 дней.
• Доля возвратов писем и ошибочно указанных получателей при рассылке обогащённым контактам.
• Доверие торговых представителей, оцениваемое на основе простой обратной связи о качестве записей.

Эти метрики показывают, помогает ли обогащение данных отделу продаж или лишь заполняет базу. Каждый квартал обсуждайте их с руководителями отдела продаж.

Сегодня команды передают услуги по обогащению данных на аутсорсинг, чтобы получать точные значения для наиболее важных аккаунтов. Каскадные инструменты и ИИ-агенты недорого заполняют поля, но при этом накапливают устаревшие и противоречивые значения, не устанавливая, какое из них считать верным. Проверка данных человеком особенно полезна там, где точность влияет на выручку: при разрешении противоречий, подтверждении актуальности и применении бизнес-правил к приоритетным аккаунтам. Надёжные B2B-сервисы обогащения данных сочетают автоматическое обогащение с проверенным разрешением противоречий для ценных записей. По мере того как всё больше ИИ-агентов действуют на основе данных CRM без участия человека, важно ответить на один вопрос: каким из заполненных полей вы бы доверили агенту руководствоваться уже сегодня?