如何删除 CRM 重复记录

重复的联系人、客户和商机会悄悄破坏你的报表、浪费销售人员的时间,并让你在客户面前难堪。下面介绍如何找到它们、在不丢失数据的情况下合并它们,并阻止它们卷土重来。

阅读约 8 分钟8 个章节2026年6月22日

作者

Kostadin Stamboliev

创始人兼 Imaginator

Pineido 创始人兼 Imaginator。从事 IT 咨询、应用与网站开发、技术 SEO 以及 AI 与自动化。以 30 天冲刺交付生产代码,范围固定,责任明确。

领英

为什么重复记录的代价比看上去更高

大多数团队把重复记录当作表面上的小麻烦。其实不是。行业估计认为重复记录占典型 B2B 数据库的 10-30%,而 Salesforce 的研究曾指出约 90% 的 CRM 数据是不完整、过时或重复的。损害体现在三个地方。报表:你的管道和客户数量被夸大,因此预测和区域划分都是错的。生产力:销售人员浪费时间在两条记录下追逐同一个潜在客户,对话历史被拆分到两边。客户体验:同一个人被两个不同的人联系两次,而这正是那种会丢单的草率触达。这里有一条众所周知的成本曲线,常被称为 1-10-100 法则:在录入时验证一条记录大约花 1 美元,事后清理花 10 美元,如果置之不理则会在下游造成 100 美元的损害。重点不在于确切的数字。重点在于最便宜的重复记录是那条从未被创建的,其次便宜的是你在本季度而不是明年抓住的那条。

用模糊匹配而非精确匹配来查找重复项

CRM 原生的重复检测大多逐字符比较字段。这能抓到容易的情况,却漏掉其余的。真正的重复项很少完全一致:'123 Main St' 对 '123 Main Street','[email protected]' 对 '[email protected]','Smith, John' 对 'John Smith',或 'Acme Inc' 对 'Acme Incorporated'。模糊匹配通过衡量相似度而不是要求完全相同来弥补这一缺口。常见的技术有 Levenshtein 距离(把一个字符串变成另一个需要多少次编辑,所以 'Jon' 和 'John' 相差一次编辑)、Jaro-Winkler(为姓名等短字符串调优)、Soundex 等语音匹配(这样 'Smith' 和 'Smyth' 会被归到一起),以及 n-gram 比较。你不会用同一个算法处理所有字段。你按字段加权:电子邮件用精确匹配,电话用格式规范化后的匹配,公司名称和地址用模糊匹配。一条实用的 B2B 起步规则是电子邮件域名加公司名称的一致性。把相似度阈值设在 85-90% 左右,以抓住大多数近似重复项,又不会合并本应保持独立的记录,然后在此基础上进行调优。

AI 真正帮得上忙的地方(以及帮不上忙的地方)

模糊字符串匹配快速、廉价且确定,这使它成为处理你绝大多数记录的正确默认选择。但它无法对含义进行推理。它不知道 'Robert' 和 'Bob' 是同一个人,也不知道 'BAIR Lab (Former)' 和 'BAIR Lab' 是同一个组织。这些是需要上下文的判断,而这正是语言模型发挥价值的地方:作为对模糊逻辑标记出来却无法解决的那组模糊记录的第二轮处理。明智的架构是混合式的。先用模糊匹配完成廉价、大批量的工作,然后只把不确定的成对记录路由到 AI 步骤或人工审核员那里,处理更难的语义判断。不要让一个 LLM 对准你的整个数据库;那样更慢、更贵,而且在那容易的 80% 上并不会有可衡量的提升。无论如何,对关键客户和未结商机等高价值记录,都要保持人工参与,因为在这里一次错误的合并远比一次遗漏的合并代价高昂。如果数据隐私是顾虑,这类匹配可以在本地或私有 AI 上运行,而不必使用公共 API。

在合并任何东西之前先选定一条主记录

没有存活规则就合并,是团队丢失数据的方式。在你动一条记录之前,先决定哪条存活,以及每个字段以什么为准。按完整度(填充字段最多且有效的记录)、时效性(最近且合法更新的记录)和来源可靠性(经过验证的丰富化来源胜过手工录入的潜在客户表单)对候选记录评分。然后设定字段级规则:保留最近的有效电话号码、最完整的地址、漏斗中最靠后的生命周期阶段,等等。有两条保护措施很重要。第一,保留原始记录 ID。你的 Contact ID 和 Account ID 是清理后的记录映射回系统以及任何下游同步的方式,所以在合并前先记录下来。第二,匹配时忽略空白字段,这样一条记录上的空字段就不会错误地阻止合并,或者更糟,用空值覆盖好的数据。把这些规则写下来。有文档记录的存活规则,能让清理在数千条记录上保持一致,而不是一连串临时的猜测。

安全合并:备份、重新挂接、保留历史

安全合并的机制是故意做得枯燥的。每次在任何批量操作之前,都先备份完整的数据集。合并是破坏性的,没有哪个撤销按钮值得依赖。然后把每条子记录重新挂接到存活的主记录:相关联系人、活动、电子邮件、备注、任务和未结商机都需要跟随那条存活的记录,否则你会悄无声息地让历史成为孤儿。这正是原生工具常常力不从心的地方。Salesforce Duplicate Management 只允许少量活动匹配规则,无法跨对象检测重复项(一个与现有 Contact 匹配的 Lead),也无法批量合并自定义对象。HubSpot 在连接着 Salesforce 同步时会完全禁用其批量重复工具。如果你同时运行两个系统,顺序很重要:先在 Salesforce 中清理,而且合并时始终选择当前正在与 HubSpot 同步的那条记录作为主记录,否则你可能破坏同步,并让 HubSpot 把存活记录当作已删除。在清理期间临时关闭“在 Salesforce 中删除时也在 HubSpot 中删除”,可以防止那种意外的数据丢失。

在每个录入入口防止重复

只清理而不防范,只能给你买来几个月,然后你又回到了起点。重复率反弹的最大单一原因,是只在 CRM 表单上启用防护,而把 API、导入和自动化完全敞开。把它们全都覆盖到。在表单一侧,加入实时检查,当用户开始创建一条与现有记录匹配的记录时进行警告或拦截,并把自由文本字段替换为下拉框和选择列表,用于国家、职位和公司类型等内容,从而停止制造变体。把电子邮件和电话设为必填,因为无法匹配的记录就是未来未解决的重复项,并在保存前拒绝 'N/A' 或 '000-000-0000' 之类的垃圾值。在服务器一侧,对通过集成、导入和工作流到达的记录以同样方式进行校验,因为这些从不触及你的表单界面。商定什么使一条记录唯一(B2B 用电子邮件加公司,B2C 用电子邮件加全名),并用约束来强制执行。也要记录你的边界情况:'Acme New York' 和 'Acme Los Angeles' 是不同的实体,而像 info@ 这样基于角色的地址可以合理地出现在多条记录上。

把它当作一套系统来运营,而不是一次性的擦洗

干净的 CRM 是你维护出来的一种状态,不是你完成的一个项目。建立一个周期性的节奏:对上一周期内创建的记录做每日或每周的扫描,在只有少数几条需要审核时就抓住新的重复项,这比重新运行一次完整清理要容易得多。指派一名负责人。一位有名有姓、盯着重复队列并对边界情况做出裁决的数据管家,比任何工具都更有价值,因为一致性来自一个人应用有文档的规则,而不是软件靠猜。跟踪一个简单的指标,比如重复率占总记录数的百分比,这样你就能看到防护是否真的在起作用。如果你想要一个有条理的起点,这正是 Pineido 纳入固定价格清理冲刺的那类工作:用模糊匹配和 AI 辅助匹配检测并合并现有的积压,然后在表单、导入和集成之间接通防护,让数据库在我们离开后依然保持干净。交付物不是一份一次性的合并清单。它是一个你可以再次信赖其报表的 CRM。

每周获取运营洞见

加入服务型企业的运营者,每周收到一条关于运营、自动化和增长的可执行洞见。

正在确认您是真人,稍后即可发送。

绝无垃圾邮件,可随时退订。

订阅成功!请留意收件箱中的下一期内容。

智能体式 AI 如何更进一步

以上说的这一切,模糊匹配、留存规则、对含糊配对的 AI 复核,都是一个需要人来跑一遍的流程,一个需要人来审核的合并队列,这让它成为一种依然由人掌舵的自动化,而不是智能体。真正的智能体会在一条新记录落地的那一刻就感知到它,用同样的模糊匹配加 AI 逻辑判断它是否可能是重复记录,然后自主、持续地采取行动,阻止保存、自动合并,或者把案例转给人,而不是等到某次计划中的清理。有些供应商卖的所谓 AI 去重功能,只是一个事后告诉你重复记录数量的仪表盘,那是花架子,它描述了混乱,却没有阻止混乱形成。

智能体会盯着本指南已经标出的每一个入口点,一次表单提交、一次批量导入、一次来自集成的 API 调用,在写入的那一刻就读取新记录的原始字段:姓名、邮箱、电话、公司。这些是正确的信号,因为它们正是重复记录最初产生的地方,在门口拦住一条记录,比日后在季度扫描里再去找它要划算得多。

判断它是否重复,跑的是本指南已经推荐过的同一套分层逻辑:对标准化字段做模糊匹配,处理成本低、置信度高的情况;带着检索上下文,包括账户已有记录和过往合并决定,做一轮 LLM 复核,处理「Robert」和「Bob」这类含糊情况,或者一个可能是独立实体的子公司名字。置信度阈值就是整套机制的核心:相似度高、模型置信度也高的,自动合并;卡在不确定中间地带,也就是仅靠模糊匹配解决不了的那个区域,转给你的数据管理员,而不是靠猜。

行动意味着调用 CRM 自己的 API 去检查、合并并记录日志,而不只是算出一个相似度分数就停在那里。一次合并以记录 ID 作为幂等键,这样超时后重新跑一遍检查,不会把同一次合并再执行一遍,也不会在中途留下一条孤立的子记录;每一次合并都会写下一份合并了什么、为什么合并的记录,呼应本指南已经记录的那套留存规则。一次失败的 API 调用,一次限流,一个权限错误,不会悄悄丢掉这条记录,而是会带着退避策略重试,然后把这个待处理的重复项标记出来等待审核,而不是留下两条记录同时存活。

人工审核检查点,恰好停在本指南已经放好的位置:高置信度的重复项自动合并,关键账户和进行中的商机在被触碰之前,先转给你的数据管理员。这个划分之所以存在,是因为在一笔进行中的商机上错误合并的代价,丢失的历史记录、一个困惑的销售代表、一位被两个人联系了两次的客户,远高于让一条重复记录再多晾一天的代价,所以智能体在本指南已经让你保持谨慎的地方,也刻意保持谨慎。这个阈值也不是永远固定不变的,一位看着智能体正确处理了几百次合并的数据管理员,可以随着时间推移放宽「高置信度」的标准。永远不变的是,一个关键账户或一笔进行中的商机,无论匹配看起来多有把握,合并之前都要先过一遍人的眼睛。

这套系统直接运行在你 CRM 自己的 API 之上,无论是 Salesforce、HubSpot,还是你 FSM 内置的 CRM,逻辑都会被记录下来并交给你,而不是藏在一个租来的去重工具里,供应商一改条款你就既看不了也导不出。也要坦白说清楚它处理不干净的边界:真正含糊的实体,两个位于不同城市、都叫「Acme」的公司,一个跨部门共用的 info@ 邮箱,依然需要本指南已经给出的那套记录在案的规则和人的判断,没有哪个智能体能替代这个决定。Pineido 直接在你 CRM 自己的 API 上构建面向小企业的 AI 智能体,现实的结果是,你的销售管道数字在两次清理之间始终保持可信,而不是慢慢漂回本指南开头提到的那个重复率。

常见问题

为什么模糊匹配比我的 CRM 内置的重复检测更好?

大多数原生检测会逐字符精确比较字段,因此它只能抓到明显的副本,却漏掉常见的现实情况,比如 'John' 对 'Jon'、'123 Main St' 对 '123 Main Street',或 'Acme Inc' 对 'Acme Incorporated'。模糊匹配是对相似度评分,而不是要求字符串完全相同,使用 Levenshtein 距离、Jaro-Winkler 和语音匹配等技术。按字段加权,并把阈值设在 85-90% 左右,以抓住近似重复项而不会产生错误合并。

如何在不丢失数据的情况下合并重复记录?

先备份完整的数据集。根据完整度、时效性和来源可靠性选出一条存活的主记录,并设定字段级规则来决定以什么为准。在合并过程中,把每条子记录重新挂接到存活记录上:联系人、活动、电子邮件、备注、任务和未结商机。保留原始记录 ID,这样清理后的记录仍能映射到任何下游系统。跳过空白字段,使空值不会覆盖好的数据。

我应该用 AI 来为 CRM 去重吗?

有选择地使用。模糊字符串匹配处理绝大多数记录比 AI 模型更快更便宜,是正确的默认选择。AI 的价值在于作为对模糊逻辑无法解决的模糊情况的第二轮处理,比如判断 'Robert' 和 'Bob' 是否是同一个人。运行一条混合式流水线:先做模糊匹配,然后只把不确定的成对记录路由到 AI 或人工审核员,并对关键客户和未结商机保持人工参与。

清理之后,如何阻止重复项卷土重来?

在每个录入入口防范,而不只是在表单上。加入实时检查,在用户输入时对匹配的记录进行警告或拦截,把自由文本字段替换为下拉框,并把电子邮件和电话设为必填。关键是,对通过 API、导入和自动化到达的记录在服务器端做同样的校验,因为这些会完全绕过表单界面。那个缺口正是清理后重复率反弹的头号原因。

当 Salesforce 和 HubSpot 处于同步状态时,安全去重的方法是什么?

先在 Salesforce 中清理。合并时,始终选择当前正在与 HubSpot 同步的那条记录作为主记录;如果你选了不同步的那条记录,同步可能会中断,HubSpot 也可能把存活记录当作已删除。通过查看 HubSpot 中的 Salesforce Contact ID 或 Lead ID 属性来找到正在同步的记录。在工作期间临时关闭“在 Salesforce 中删除时也在 HubSpot 中删除”。注意,在连接着 Salesforce 同步时,HubSpot 的批量合并工具是被禁用的。

我应该多久运行一次 CRM 去重?

把它当作一个持续的过程,而不是一次性的擦洗。先对现有的积压做一次初始批量清理,然后对新创建的记录运行周期性的扫描,每日或每周一次,这样你就能在为数不多的新重复项还容易审核时抓住它们。把这与录入时的防护以及一位有名有姓、负责管理队列的数据管家结合起来,并随时间跟踪重复率,以确认它保持在低水平。

准备好交付了吗?

告诉我们您卡在哪里。我们会进行评估,并在一个工作日内给出有针对性的建议。