הבהרה משפטית: דוגמת העלות שלמטה נשענת על נתוני קלט היפותטיים שמצוינים במפורש (גודל רשימה, שיעור כפילויות), לא בנתונים שלכם. החליפו אותם בשלכם לפני שאתם מסתמכים על מספר כלשהו.
חפשו כמה עולים נתוני CRM מלוכלכים ותפגשו את אותם כמה מספרים: 3.1 טריליון דולר בשנה לכלכלה האמריקאית, 47% מהרשומות החדשות עם שגיאה קריטית, כותרת שלפיה רק 3% מהנתונים של חברות עומדים בסטנדרט איכות בסיסי, ורשימת אנשי קשר שרבע ממנה כפולה. חוזרים עליהם כאילו היו מדידות. רובם הערכות, מדגמים קטנים או סקרים של ספקים, והמקורות המקוריים זהירים בהרבה מאלה שמצטטים אותם.
חזרנו לטקסטים עצמם: שני המאמרים של Thomas Redman מ-2016 ומ-2017, המחקר שפורסם ב-Harvard Business Review ועומד מאחורי הכותרת על ה-3%, ושני דוחות של Validity על נתוני CRM, אחד מהם על 264 מיליארד רשומות. בקצרה: נתונים מלוכלכים הם בעיה אמיתית וניתנת למדידה, אבל את מספרי העלות המפורסמים אי אפשר להקטין לקנה מידה של קליניקה או של עסק קורסים. מה שכן אפשר למדוד לבד, תוך אחר הצהריים, הוא שיעור השגיאות אצלכם, והכפילויות שנוצרות כשאדם אחד נכתב אצלכם בכמה צורות.
עיקרי הדברים
- המספר ״3.1 טריליון דולר בשנה״ הוא הערכה של IBM לעלות של נתונים באיכות נמוכה בארה״ב ב-2016, ש-Thomas Redman מצטט ב-Harvard Business Review. המאמר לא מציג את החישוב, וזו הערכה לכלכלה שלמה, לא עלות לעסק.
- כותרת ה-3% נשענת רק על 75 ציוני איכות נתונים שמנהלים בתוכניות הכשרה לבכירים באירלנד נתנו ל-100 הרשומות האחרונות במחלקה שלהם (HBR, ספטמבר 2017; Nagle, Redman & Sammon). בממוצע ל-47% מהרשומות החדשות הייתה לפחות שגיאה אחת שפוגעת בעבודה. זה מדגם קטן שהמשתתפים דירגו בעצמם, לא מפקד של חברות.
- ״כלל העשר״ של Redman קובע שיחידת עבודה עולה פי עשרה כשהנתונים שלה פגומים. אם 11 מתוך 100 רשומות פגומות, אותה עבודה עולה 199 דולר במקום 100; ובממוצע של 47% היא הייתה עולה 523 דולר (החישוב שלנו). זה כלל אצבע, לא קבוע שנמדד.
- Validity בדקה 264 מיליארד רשומות CRM, אבל נתון ה-81% ״דורשים שיפור״ שלה מגיע מתת-קבוצה של 35 מיליון רשומות בארגונים שעדיין לא רכשו כלי לניהול נתונים, לפי מחוון שהספקית הגדירה בעצמה. ״47% מהאימיילים לא תקינים או בסיכון״ הם 13% לא תקינים ועוד 34% ״מסוכנים״, כלומר כאלה שאי אפשר לאמת.
- בסקר Validity מ-2024, שענו עליו 631 משתמשי CRM, 53% מאלה שמתקשים באיכות הנתונים ציינו כפילויות כבעיה, ו-31% מהנשאלים אמרו שנתונים גרועים עולים להם לפחות 20% מההכנסה השנתית. שני המספרים הם דיווח עצמי של משיבים מסקר של ספק.
- מספר סלולרי ישראלי אחד יכול להיכתב לפחות בתשע דרכים שונות, ולכן השוואה מדויקת של טקסט מפספסת כפילויות. נרמלו טלפונים לפורמט בינלאומי אחד והתאימו אנשי קשר לפי טלפון, אימייל ותעודת זהות שאומתה. העלות הישירה של הודעה לכפילות קטנה (כ-0.035 דולר להודעת שיווק ב-WhatsApp לישראל); הסיכונים הגדולים יותר הם בקשת הסרה שלא נקלטה, היסטוריה מפוצלת וייחוס הכנסות שבור.
מאיפה מגיע המספר ״3.1 טריליון דולר״ שמייחסים לנתונים גרועים?
ממאמר של Thomas Redman ב-Harvard Business Review מ-22 בספטמבר 2016. הוא מציג אותו כך: ״3.1 טריליון דולר, ההערכה של IBM לעלות השנתית של נתונים באיכות נמוכה, בארצות הברית בלבד, ב-2016״. זה המספר של IBM, ו-Redman מעביר אותו הלאה בלי לשחזר את החישוב. מה שהוא מציע במקומו הוא הסבר לאן העלות מסתתרת.
הוא קורא לזה ״מפעל הנתונים הנסתר״. כשמחלקה אחת מעבירה למחלקה אחרת נתונים פגומים, הצוות המקבל מוסיף בשקט שלבי בדיקה ותיקון, ועדיין חלק מהשגיאות מגיעות עד הלקוחות. הוא כותב ש״אנשי מכירות מבזבזים זמן על נתונים שגויים על לקוחות פוטנציאליים״ ו״מדעני נתונים משקיעים זמן מופרז בניקוי נתונים״. השלבים הנסתרים האלה, לדבריו, ״מהווים את הבסיס למספר של IBM, 3.1 טריליון דולר בשנה״.
באותו מאמר מופיעים שלושה נתונים ברמת החברה: 50%, 60% ו-75%. רק ל-60% מצוין מקור חיצוני (CrowdFlower); ל-50% לא צוין מקור, וה-75% הוא אומדן שנשען על ה-Friday Afternoon Measurement ועל כלל העשר. שנה אחר כך כתב Redman ב-MIT Sloan Management Review (27 בנובמבר 2017) שהוא ועמיתיו מעריכים שנתונים גרועים עולים ״15% עד 25% מההכנסות ברוב החברות״, על סמך מחקר של Experian plc ושל שני יועצים. את המחקר עצמו לא הצלחנו לראות.
| המספר שחוזרים עליו | מה כתוב במקור | סטטוס |
|---|---|---|
| ״נתונים גרועים עולים לארצות הברית 3.1 טריליון דולר בשנה״ | הערכה של IBM ל-2016, מצוטטת אצל Redman; מפעלי נתונים נסתרים ״מהווים את הבסיס״ לה | ייחוס אמיתי; הערכה לאומית, החישוב לא מוצג |
| ״עובדי ידע מבזבזים 50% מהזמן על נתונים גרועים״ | Redman מונה אותו כ״הזמן שעובדי ידע מבזבזים במפעלי נתונים נסתרים״; לא מצוין לידו מחקר | נאמר, אבל במאמר אין לו מקור |
| ״מדעני נתונים מקדישים 60% מהזמן לניקוי נתונים״ | Redman מייחס את 60% ל-CrowdFlower | מיוחס ל-CrowdFlower; על מדעני נתונים, לא על CRM |
| ״נתונים גרועים עולים 15% עד 25% מההכנסות״ | Redman, MIT Sloan Management Review, נובמבר 2017, בייחוס ל-Experian plc ולשני יועצים | מיוחס; המחקר עצמו לא נגיש לנו |
אף אחד מהמספרים האלה לא מדבר על עסק של חמישה אנשים. הם מתארים ארגונים גדולים או כלכלות שלמות, ולכן אומרים מעט על מה שרשימה קטנה עולה לכם. השארנו בחוץ ממוצעי עלות מצוטטים אחרים שאת המתודולוגיה שלהם לא הצלחנו לפתוח.
מה בעצם נמדד במחקר שמאחורי הכותרת על ה-3%?
הכותרת מגיעה ממאמר שפרסמו Tadhg Nagle, Thomas Redman ו-David Sammon ב-Harvard Business Review ב-11 בספטמבר 2017 (שם המאמר: Only 3% of Companies' Data Meets Basic Quality Standards). השיטה פשוטה, ואפשר להעתיק אותה. בתוכניות הכשרה לבכירים באירלנד המחברים מבקשים מכל משתתף לקחת 10 עד 15 שדות קריטיים מתוך ״100 יחידות העבודה האחרונות שהמחלקה שלו השלימה״, לסמן שגיאות בולטות, ולספור את הרשומות שאין בהן אף שגיאה. הספירה הזאת היא ציון איכות הנתונים (DQ) של המחלקה. הם קוראים לשיטה Friday Afternoon Measurement.
במשך שנתיים נאספו 75 ציונים. בממוצע, ״ל-47% מהרשומות שנוצרו לאחרונה יש לפחות שגיאה קריטית אחת (כלומר כזו שפוגעת בעבודה)״. רבע מהציונים היו מתחת ל-30%, חצי מתחת ל-57%, והציונים נעו בין 0% ל-99%. המחברים מוסיפים שמנהלים ששאלו, בכיתות ובעבודת ייעוץ, מעולם לא חשבו שציון מתחת לאחוזי ה-90 הגבוהים מקובל; פחות מ-3% מ-75 הציונים עמדו בסף הזה. פילוחים לפי ענף ״לא העלו שום תובנה משמעותית״.
שימו לב למכנה. ה-3% הם 3% מ-75 ציונים שמנהלים נתנו למחלקה של עצמם, בסביבת הכשרה, לפי שיקול דעתם מהי ״שגיאה בולטת״. הכותרת אומרת ״נתוני חברות״, אבל המחקר לא בדק חברות בפועל. הוא ראיה טובה לכך ששיעורי השגיאה ברשומות שגרתיות גבוהים בהרבה ממה שמנהלים מניחים, וראיה חלשה לגבי עסק מסוים, ולכן הצעד השימושי הוא להריץ את התרגיל על הנתונים שלכם.
47%
מהרשומות החדשות כללו לפחות שגיאה אחת שפוגעת בעבודה, בממוצע, ב-75 מדגמים של 100 רשומות שהמנהלים דירגו בעצמם.
מקור: Nagle, Redman & Sammon, Harvard Business Review, 11 בספטמבר 2017
ספירת השגיאות היא סימון של המנהלים עצמם לשגיאות ״בולטות״ ברשומות של המחלקה שלהם. קראו את ה-47% כאזהרה על יצירת נתונים רשלנית בכלל, לא כשיעור השגיאות של אנשי קשר ב-CRM.
מהו ״כלל העשר״, ומה הוא אומר על רשימה קטנה?
באותו מאמר המחברים נותנים את הדרך הרגילה להפוך שיעור שגיאות לכסף: ״השלמת יחידת עבודה עולה פי עשרה כשהנתונים פגומים בצורה כלשהי, לעומת כשהם מושלמים״. הדוגמה שלהם: 100 משימות של דולר אחד כל אחת, כשהנתונים מושלמים, עולות 100 דולר. אם 89 מושלמות ו-11 פגומות, העלות היא 89 כפול 1 ועוד 11 כפול 10, כלומר 199 דולר.
מכיוון שהכלל ליניארי, אפשר להריץ אותו על כל שיעור שגיאות. בממוצע של 47% מהמחקר מקבלים 53 כפול 1 ועוד 47 כפול 10, כלומר 523 דולר, יותר מפי חמישה מהעלות עם נתונים מושלמים. לדברי המחברים, רוב האנשים מוצאים בכלל העשר ״קירוב ראשון טוב״, והם מציינים שהוא לא סופר עלויות לא כספיות כמו לקוחות שאבדו או החלטות גרועות. זה כלל אצבע להערכת סדר גודל, לא מדידה של הבעיה שלכם.
כמה מהרשומות ב-CRM באמת פגומות?
אחת המדידות הנפוצות של נתוני CRM אמיתיים מגיעה מ-Validity, ספקית של תוכנות ניקוי נתונים ל-Salesforce. בדוח קצר בשם ״5 Things We Learned from Evaluating 264 Billion CRM Records״ היא מדווחת שבדקה 264 מיליארד רשומות של יותר מעשרת אלפים ארגונים שמשתמשים ב-CRM באמצעות המוצר שלה, DemandTools. רשומה נכשלה ב״בדיקת איכות בסיסית״ אם הייתה כפילות, אם חסר בה מידע בשדות קריטיים, או אם הכילה נתון לא תקין.
הכותרת היא ״81 אחוז מהרשומות שנבדקו דורשות שיפור״. אבל קראו את המשפט שמתחתיה: הנתון הזה נוגע ל״למעלה מ-35 מיליון רשומות CRM של ארגונים שעוד לא השקיעו בפתרון לניהול נתונים״. זו תת-קבוצה, מארגונים שעוד לא עשו סדר, שדורגה בסולם שהספקית הגדירה. בתוכה Validity מדווחת ש-17% מהרשומות ״תקינות״, 32% ״גרועות״, 25% ״גרועות מאוד״ ו-24% ״בלתי שמישות״. באימייל, ״כמעט מחצית (47 אחוז) מכתובות האימייל של לידים ואנשי קשר״ היו ״לא תקינות או בסיכון״: 13% לא תקינות ו-34% בסיכון, כאשר ״בסיכון״ פירושה כתובת שאי אפשר לאמת עד הסוף, וייתכן שמאחוריה פשוט שרת שמקבל כל כתובת.
לכן הקריאה הישרה צרה מהכותרת. רק 13 מתוך 47 הנקודות האלה הן כתובות שידוע שיחזרו בבאונס; השאר כתובות שאיש לא הצליח לאשר. ונתון ה-81% מגיע מארגונים שעוד לא רכשו פתרון לניהול נתונים, הקהל שהספקית מוכרת לו; הדוח לא מפרט יותר על מדגם האימיילים. הוא מלמד שנתונים מתיישנים ושרשימות שלא מנוהלות במצב גרוע, וזה שימושי, אבל הוא לא שיעור מכלל העסקים.
Validity מוכרת את כלי הניקוי שהמספרים שלה מתארים. זה לא הופך את המספרים לשגויים, אבל זו סיבה לקרוא אותם כאות על נתונים לא מנוהלים ולא כממוצע ענפי.
מה אומרים מנהלי מערכות CRM על כפילויות ועל מחיר הנתונים הגרועים?
הסקר של Validity מ-2024, ״The State of CRM Data Management in 2024״, ענו עליו 631 משתמשים ובעלי עניין ב-CRM בארצות הברית, בבריטניה ובאוסטרליה. משיבים שאמרו שהם מתקשים באיכות הנתונים נשאלו אילו בעיות הם פוגשים. כפילויות הגיעו למקום הרביעי עם 53%, אחרי נתונים לא שלמים (68%), נתונים חסרים (65%) ונתונים שגויים (61%), ולפני נתונים שפג תוקפם (49%). שימו לב לבסיס: אלה אחוזים מתוך אנשים שכבר אמרו שהם מתקשים, לא מתוך כל המשיבים.
הממצא הבולט ביותר בסקר הוא ש-31% ממנהלי המערכת אמרו שנתונים באיכות נמוכה עולים להם לפחות 20% מההכנסה השנתית, מה ש-Validity מתארת כעלייה של 933% לעומת הסקר שלה מ-2021. מדובר בקפיצה מכ-3% שאמרו את זה שלוש שנים קודם. שינוי פי עשרה בדעה מוצהרת הוא סימן שהמספר מודד תחושה, לא הכנסה. הדוח גם אומר ש״מחקר עדכני של Salesforce מצא שבמאגר אנשי הקשר הממוצע של לקוח יש יותר מ-25 אחוז כפילויות״, ושרוב ספקי ה-CRM גובים לפי מספר אנשי הקשר השמורים. את המחקר של Salesforce עצמו לא מצאנו, ולכן את נתון ה-25% אפשר לאתר רק דרך Validity.
זה סקר של ספק בקרב מנהלי CRM. הוא מראה מה אנשי המקצוע אומרים שמקולקל, וכפילויות נמצאות בין הבעיות שהם מציינים. הוא לא אומר כמה מאנשי הקשר שלכם כפולים.
איך לקוח אחד נהפך לכמה רשומות?
כפילות היא רק לעיתים נדירות אדם שהוקלד פעמיים בדיוק באותה צורה. היא אדם אחד שנרשם בכמה צורות, ולכן מערכת שמשווה טקסט תו אחר תו רואה זרים. מספרי טלפון הם הדוגמה הברורה ביותר. אותו קו סלולרי ישראלי יכול להישמר בכל אחת מתשע הצורות שבטבלה, וכולן וריאציות סבירות של מספר אחד. התיקון הוא לנרמל לפני שמשווים: להסיר מפרידים, להוריד את האפס המוביל של החיוג המקומי, ולשמור צורה בינלאומית אחת כמו +972501234567. אימייל דורש אותה זהירות (אותיות גדולות וקטנות, רווחים בסוף, כתובת עבודה וכתובת פרטית של אותו אדם). שמות הם המפתח החלש מכולם: יוסי, Yossi ו-Yosi יכולים להיות אותו אדם.
| הטקסט שנשמר | איך הוא יכול להגיע לשם |
|---|---|
| 0501234567 | מוקלד כמו שכותבים בישראל |
| 050-1234567 | מקף אחרי הקידומת |
| 050-123-4567 | חלוקה לשלושה חלקים |
| 050 123 4567 | רווחים מטופס או מהעתקה והדבקה |
| +972501234567 | פורמט בינלאומי מאיש קשר ב-WhatsApp או מ-API |
| +972-50-123-4567 | פורמט בינלאומי עם מפרידים |
| 972501234567 | כלי כלשהו הסיר את סימן הפלוס |
| 00972501234567 | קידומת חיוג בינלאומית כתובה במלואה |
| 501234567 | גיליון אלקטרוני השמיט את האפס המוביל |
גם מיזוג יכול להשתבש לכיוון ההפוך. שני אנשים שונים יכולים לחלוק טלפון קווי ביתי או כתובת אימייל משפחתית, ומיזוג שגוי קשה יותר לזיהוי מכפילות. לכן מיזוג שאפשר לבדוק ולבטל חשוב יותר ממיזוג מהיר.
איך עובדת ספרת הביקורת בתעודת זהות ישראלית?
תעודת זהות היא מפתח ההתאמה החזק ביותר, ובישראל יש בה בדיקת תקינות מובנית. מספר הזהות כולל תשע ספרות, והאחרונה היא ספרת ביקורת שמחושבת לפי אלגוריתם Luhn (כך מתוארת תעודת הזהות הישראלית בוויקיפדיה; ספריית הקוד הפתוח python-stdnum משלימה מספרים קצרים יותר באפסים מובילים לפני הבדיקה). קחו את 039337423, מספר שמופיע בתיעוד של אותה ספרייה כתקין. הכפילו את הספרות משמאל לימין ב-1, 2, 1, 2, 1, 2, 1, 2, 1. מכפלה שהיא 10 ומעלה מפרקים לשתי ספרותיה ומחברים. תקבלו 0 ועוד 6 ועוד 9 ועוד 6 ועוד 3 ועוד 5 ועוד 4 ועוד 4 ועוד 3, כלומר 40, כפולה של 10, והמספר עובר. החליפו את הספרה האחרונה ב-2 והסכום יהיה 39, והמספר לא עובר.
הבדיקה הזאת תופסת רק שגיאות הקלדה. מספר בעל מבנה תקין לא מוכיח שהונפק אי פעם למישהו, ולכן השתמשו בה כדי לדחות ספרה שהוקלדה לא נכון בעת ההזנה, לא כדי לאמת אדם.
כמה עולה לעסק קטן כפילות בפועל?
פחות בעלות ישירה ממה שהכותרות מרמזות, ויותר בכל מה שמסביב. קחו רשימה היפותטית של 10,000 רשומות, שבה 8% רשומות עודפות (800) הן כפילויות של מישהו שכבר ברשימה. שני הנתונים הם הנחות שלנו. אם קמפיין שולח תבנית שיווקית ב-WhatsApp לכל רשומה, הרי שלפי המחירון של Meta לישראל (בתוקף מ-1 באוקטובר 2026) הודעת שיווק שנמסרה עולה כ-0.0353 דולר. לכן 800 כפילויות עולות 800 כפול 0.0353, כלומר 28.24 דולר לקמפיין. כסף אמיתי על פני שנה של קמפיינים, אבל רחוק מהמספרים שרואים בכותרות.
העלויות שקשה לתמחר הן אלה שעושות את הנזק. אלה מנגנונים שאפשר לתאר, לא מספרים שאפשר לצטט:
| איפה זה כואב | מה קורה | אפשר לשים לזה מספר? |
|---|---|---|
| הודעות בתשלום | כל כפילות שמקבלת הודעה היא הודעה שאתם משלמים עליה | כן: רשומות כפול התעריף (כ-28 דולר לקמפיין בדוגמה שלמעלה) |
| בקשת הסרה שלא נקלטה | מישהו מבקש הסרה ברשומה אחת, בזמן שרשומה שנייה של אותו אדם נשארת מאושרת לקבלת הודעות, והקמפיין הבא מגיע לאדם שאמר ״מספיק״ | לא, והחשיפה תלויה בערוץ ובנסיבות |
| היסטוריה מפוצלת | השיחה יושבת על רשומה אחת והרכישה על אחרת, ולכן גם ערך חיי הלקוח וגם ייחוס ההכנסות שגויים | רק בבדיקה של הנתונים שלכם |
| שני אנשים, לקוח אחד | שני אנשי צוות פונים לאותו ליד בלי לדעת | לא, אבל הלקוחות שמים לב |
לגבי שורת ההסרה: חוק הספאם בישראל (סעיף 30א לחוק התקשורת) נוגע להודעות מסחריות באימייל, ב-SMS, בפקס ובחייגן אוטומטי, והפיצוי ללא הוכחת נזק לפיו הוא תקרה שבית משפט רשאי לפסוק, לא סכום אוטומטי. המאמר שלנו על החוק מפרט. אין כאן חוות דעת משפטית.
האם רשימה מבולגנת מייקרת את החשבון?
זה תלוי באופן שבו הספק גובה. הדוח של Validity מ-2024 אומר שרוב ספקי ה-CRM גובים לפי מספר אנשי הקשר השמורים, כך שרשימה מנופחת יכולה להעלות את החשבון. זה מודל תמחור, לא חוק טבע. ב-oToK אנשי הקשר בלתי מוגבלים בכל מסלול, ולכן כפילויות לא מעלות חיוב לפי מספר אנשי קשר, אבל שליחת הודעות עדיין עולה כסף: מסלולים בתשלום מתומחרים לפי נפח אימיילים שיווקיים חודשי, והודעות WhatsApp מחויבות על ידי Meta לפי הודעה.
איך בודקים את איכות הנתונים שלכם תוך אחר הצהריים?
אפשר להתאים את ה-Friday Afternoon Measurement ל-CRM (8 עד 10 שדות במקום 10 עד 15 במחקר). לפי ההערכה שלנו זה לוקח כשעה ונותן לכם מספר על הנתונים שלכם ולא על הנתונים של מישהו אחר.
- 1שלפו את 100 אנשי הקשר האחרונים שנוצרו, בכל דרך: טפסים, ייבוא, תיבת הדואר הנכנס, הצוות, אינטגרציות.
- 2בחרו 8 עד 10 שדות שהעבודה שלכם תלויה בהם, למשל מספר סלולרי תקין, אימייל, שם, בעלים, מקור, ומצב הסכמה לכל ערוץ.
- 3עברו רשומה אחרי רשומה וסמנו אותה כתקינה רק אם כל השדות שבחרתם נכונים. ספרו את הרשומות התקינות. הספירה הזאת היא ציון ה-DQ שלכם מתוך 100.
- 4אמדו את גודל הבעיה בכלל העשר: מכפיל עלות = 1 ועוד 9 כפול (שיעור הרשומות הפגומות). ציון 80 משמעו מכפיל 2.8; ציון 53 משמעו 5.2.
- 5בדקו כפילויות בנפרד: ייצאו את הרשימה, נרמלו טלפונים לפורמט בינלאומי, הפכו אימיילים לאותיות קטנות, וספרו כמה מספרי טלפון או כתובות אימייל מופיעים ביותר מרשומה אחת.
- 6עקבו אחרי שלוש השגיאות החמורות ביותר עד לנקודה שבה נכנסו (טופס, קובץ ייבוא, הקלדה ידנית), ותקנו קודם את נקודת הכניסה ורק אחר כך את הרשימה.
| ציון ה-DQ שלכם (רשומות תקינות מתוך 100) | מכפיל העלות לפי כלל העשר | קריאה |
|---|---|---|
| 97 | 1.3 | קרוב לרף של אחוזי ה-90 הגבוהים, שלדברי המחברים מנהלים רואים בו את המינימום המקובל |
| 80 | 2.8 | העבודה עולה כמעט פי שלושה ממה שצריך |
| 53 | 5.2 | ממוצע המחקר: יותר מפי חמישה |
המכפיל הוא כלל העשר שהופעל על הספירה שלכם. זו דרך לראות כמה נקודות אחוז של שגיאה משנות, לא תחזית לעלויות שלכם.
איך oToK מונעת כפילויות?
oToK פועלת לפי העיקרון שזול יותר לעצור כפילות מלמזג אחת. מניעת כפילויות, מיזוג אנשי קשר וניהול כפילויות זמינים בכל מסלול, והזיהוי נשען על שלושה ערכים: טלפון, אימייל ותעודת זהות. מספרי זהות מאומתים תוך כדי הקלדה, בבדיקת ספרת ביקורת לישראל ובבדיקה כללית לשאר העולם.
- התראת כפילות בזמן ההקלדה, לפני שאיש הקשר נשמר; בוחרים לכל סביבת עבודה אם להזהיר או לחסום
- ייבוא עם בחירה לפי אילו מזהים להתאים (טלפון, אימייל, תעודת זהות) ובאיזה סדר עדיפות, ודוח שגיאות להורדה שורה אחר שורה
- אינטגרציות, API ו-Webhooks לעולם לא יוצרים כפילות בשקט: כל התנגשות בין זיהויים נפתרת או עולה לבדיקה
- התאמות שאינן סותרות, כמו טלפון שמתאים לאיש קשר אחד ואימייל שמתאים לאחר, מתמזגות אוטומטית ברגע שהן נכנסות למערכת; כל מה שלא ברור או סותר ממתין לבדיקה
- מיזוג זה לצד זה, שדה אחר שדה, עם הסבר למה אנשי הקשר זוהו כקבוצה אחת והיסטוריית השינויים של כל ערך, כדי שתשמרו את הערך העדכני
- אפשר לבטל מיזוג תוך 24 שעות, ואם החלטתם להשאיר שני אנשי קשר נפרדים, המערכת זוכרת זאת ולא מציעה למזג אותם שוב
שום דבר מזה לא מחליף את הבדיקה של אחר הצהריים. מניעה בכניסה מורידה את השיעור; מדידה אומרת לכם אם זה עבד.
שאלות נפוצות
- כמה עולים לעסק קטן אנשי קשר כפולים?
- לא מצאנו מחקר שמתמחר את זה לעסק קטן. העלות הישירה היא פשוט חישוב: כל כפילות שמקבלת הודעה בתשלום עולה לכם את תעריף ההודעה (כ-0.0353 דולר להודעת שיווק ב-WhatsApp לישראל במחירון שנכנס לתוקף ב-1 באוקטובר 2026), ולכן 800 כפילויות עולות כ-28 דולר לקמפיין. הסיכונים הגדולים יותר הם בקשת הסרה שלא עוברת בין שתי רשומות, היסטוריית רכישות ושיחות מפוצלת, ושני אנשי צוות שפונים לאותו ליד.
- איזה אחוז מאנשי הקשר ב-CRM הם כפילויות?
- אין מספר ניטרלי. בסקר Validity מ-2024 שהשתתפו בו 631 משתמשי CRM, 53% מאלה שמתקשים באיכות נתונים ציינו כפילויות כבעיה, ואותו דוח מעביר טענה שמיוחסת ל-Salesforce, על יותר מ-25% כפילויות, שלא הצלחנו לאתר במחקר המקורי. מדדו אצלכם: ייצאו, נרמלו טלפונים ואימיילים, וספרו רשומות שחולקות ערך אחד.
- מאיפה מגיע המספר 3.1 טריליון דולר שמייחסים לנתונים גרועים?
- זו הערכה של IBM לעלות השנתית של נתונים באיכות נמוכה לכלכלת ארה״ב ב-2016, ש-Thomas Redman מצטט ב-Harvard Business Review ב-22 בספטמבר 2016. Redman אומר שמפעלי נתונים נסתרים, העבודה הנוספת שצוותים עושים כדי לתקן נתונים פגומים, מהווים את הבסיס לה. המאמר לא מציג את החישוב, ולכן ראו בו הערכה לכלכלה שלמה, לא מספר שמקטינים לקנה מידה של עסק.
- מהו ״כלל העשר״ באיכות נתונים?
- זה הכלל שהשלמת יחידת עבודה עולה פי עשרה כשהנתונים פגומים לעומת כשהם מושלמים, כפי שניסחו Nagle, Redman ו-Sammon ב-Harvard Business Review ב-2017. עם 100 משימות של דולר כל אחת, 89 מושלמות ו-11 פגומות, העלות היא 89 כפול 1 ועוד 11 כפול 10, כלומר 199 דולר. לדברי המחברים רוב האנשים רואים בו קירוב ראשון טוב, והוא לא כולל לקוחות שאבדו והחלטות גרועות.
- מהו כלל 1-10-100?
- היוריסטיקה קרובה: בערך דולר אחד למנוע פגם, 10 דולר לתקן אותו בתוך הארגון ו-100 דולר לתקן אחרי שהוא הגיע ללקוח. לעיתים מייחסים אותה לספר Making Quality Work מ-1992 של Labovitz, Chang ו-Rosansky, אך הייחוסים משתנים ולא הצלחנו לאמת את המקור. היחסים הם להמחשה ולא קבועים שנמדדו. לפעמים מבלבלים אותה עם כלל העשר של Redman.
- איך בודקים אם מספר תעודת זהות ישראלי תקין?
- מספר הזהות כולל תשע ספרות, והאחרונה היא ספרת ביקורת שמחושבת לפי אלגוריתם Luhn. משלימים מספרים קצרים באפסים מובילים, מכפילים את הספרות ב-1 וב-2 לסירוגין החל מ-1, מחברים את ספרות כל מכפלה, והסכום חייב להיות כפולה של 10. זה תופס שגיאות הקלדה בלבד; זה לא מראה שהמספר הונפק לאדם אמיתי.
- איך לשמור מספרי טלפון ישראליים כך שכפילויות ייתפסו?
- בפורמט בינלאומי אחד, למשל +972501234567 למספר סלולרי שמקומית נכתב 050-123-4567: מורידים את האפס המוביל, מוסיפים +972 ומסירים מפרידים. אחרת אותו קו יכול להופיע בתשע צורות או יותר, כולל אחת שבה גיליון אלקטרוני השמיט את האפס. התאימו לפי הצורה המנורמלת, לא לפי הטקסט שהוקלד.
- האם oToK גובה יותר אם ברשימה שלי יש כפילויות?
- לא לפי מספר אנשי קשר: אנשי קשר, עסקאות וצינורות מכירה בלתי מוגבלים בכל מסלול. שליחת הודעות עדיין עולה כסף. מסלולים בתשלום מתומחרים לפי נפח אימיילים שיווקיים חודשי, והודעות WhatsApp מחויבות על ידי Meta לפי הודעה בלי תוספת של oToK, ולכן כפילות שמקבלת הודעה היא עדיין הודעה שאתם משלמים עליה. מניעת כפילויות ומיזוג זמינים בכל מסלול.




