sales-data-hygiene

CRM 数据卫生与质量

帮助用户清理、去重、标准化并维护 CRM 数据质量。本技能与工具无关，但包含针对 ZoomInfo OperationsOS、Salesforce 原生工具、HubSpot Operations Hub、Clay、LeanData、RingLead、Openprise 和 DemandTools 的平台专属指南。

步骤 1 — 收集背景信息

如果 references/learnings.md 存在，请先阅读，了解积累的知识。

询问用户：

1. 主要的数据问题是什么？

   • A) 重复的联系人、潜在客户或客户
   • B) 记录陈旧／过时（职位变动、公司变动）
   • C) 字段缺失（没有电话、没有邮箱、公司数据不完整）
   • D) 数据不一致（职位名称、行业、公司名称的格式不统一）
   • E) 合规问题（选择退出、GDPR、同意过期）
   • F) 常规数据审计——还不知道问题在哪里
   • G) 设置持续运行的数据卫生自动化
   • H) 其他——请描述

2. 你使用的是哪种 CRM？

   • A) Salesforce
   • B) HubSpot
   • C) Microsoft Dynamics
   • D) Pipedrive
   • E) 其他 CRM
   • F) 定制／内部系统

3. 有多少条记录受到影响？

   • A) 少于 1,000 条（小规模清理）
   • B) 1,000-10,000 条（中等规模）
   • C) 10,000-100,000 条（大规模）
   • D) 100,000 条以上（企业级规模）
   • E) 不确定——需要先审计

4. 你有哪些数据处理工具？

   • A) ZoomInfo OperationsOS
   • B) HubSpot Operations Hub
   • C) Salesforce 原生工具（重复项管理、data.com）
   • D) Clay
   • E) LeanData / RingLead / Openprise
   • F) DemandTools (Validity)
   • G) 没有——使用手动流程
   • H) 其他——请描述

步骤 2 — 策略与方法

阅读 references/platform-guide.md，了解详细的审计框架、去重策略、标准化表格、数据补全自动化和平台专属指南。

现在不必了解平台指南的详细内容——重点关注用户的具体情况。

步骤 3 — 可执行指南

快速见效（先做这些）

1. 删除明显的重复项 — 按完全匹配的邮箱去重，安全又快捷
2. 修正格式 — 统一电话号码格式、姓名大小写和国家／地区格式
3. 补全关键缺失项 — 批量补全缺少邮箱或电话的记录
4. 删除无效记录 — 硬退信、无效邮箱、已停用的电话号码

持续数据卫生计划

1. 录入时防止重复 — 在创建记录时启用重复项规则
2. 创建时补全数据 — 在新记录创建后的几分钟内自动补全数据
3. 每月去重清理 — 每月运行模糊匹配去重，并审核和合并记录
4. 每季度刷新 — 每 90 天为所有活跃记录重新补全数据
5. 每年清理 — 移除 12 个月以上没有活动的记录（归档，不要删除）

跟踪指标

• 重复率 — 存在重复项的记录占比（目标：<2%）
• 字段完整度 — 已填写的关键字段占比（目标：95%+）
• 退信率 — 外发邮件的退信率（目标：<3%）
• 数据时效 — 距离上次数据补全的中位天数（目标：<90）
• 合并率 — 每月合并的重复项数量（应随时间逐步下降）

注意事项

1. 先合并，再补充数据 — 为重复记录补充数据会浪费额度。先去重，再为保留下来的记录补充数据。

2. 先在样本上测试去重规则 — 模糊匹配可能产生误报（合并不应合并的记录）。批量操作前，务必检查 50-100 个待合并样本。

3. 合并时保留潜在客户来源 — 合并后最常见的投诉是原始潜在客户来源归属丢失。配置合并规则，保留最早记录中的潜在客户来源。

4. 不要删除，改为归档 — 不要删除过时记录，而应将其移至归档状态。删除的记录会丢失历史记录；归档的记录则可在联系人回来时重新激活。

5. GDPR 与合规性 — 数据清理必须尊重退订和同意记录。绝不要为已退订的联系人再次补充数据。执行任何批量数据补充操作前，请检查合规状态。

• 自我改进：如果发现此处未涵盖的内容，请将其附加到 references/learnings.md，并注明今天的日期。

推荐特定平台技能之前

此技能涵盖跨多个平台的策略领域。在向用户推荐任何特定平台技能之前（即 ## 相关技能 中列出的任何 /sales-{platform}，例如 /sales-mailshake、/sales-klaviyo、/sales-apollo），请先阅读该平台技能实际的 SKILL.md。## 相关技能 中的一行描述足以识别候选项，但不足以据此确定推荐，或编写能有效调用该技能的提示词。

阅读方式：

• 如果本地存在 ~/.claude/skills/{skill-name}/SKILL.md，请使用 Read 阅读。
• 对于 sales-* 技能，请直接从此仓库使用 WebFetch 获取：https://raw.githubusercontent.com/sales-skills/sales/main/skills/{skill-name}/SKILL.md — 例如，对于 sales-mailshake：https://raw.githubusercontent.com/sales-skills/sales/main/skills/sales-mailshake/SKILL.md。
• 对于非 sales-* 技能（第三方技能），如果已安装，请在 ~/.claude/skills/sales-do/references/skill-sources.md 中查找 {org}/{repo}，并从该仓库下相同的 skills/{skill-name}/SKILL.md 路径获取。

**阅读后，**请根据 SKILL.md 中的具体内容（其范围、子流程、argument-hint 格式，或“不要用于……”的否定触发条件）来支撑推荐。生成的任何调用都应符合该平台技能的 argument-hint。如果平台技能不适合用户的情况，请改用其他技能，或直接在此处处理问题，而不是推荐不合适的技能。

相关技能

• /sales-hubspot — HubSpot 平台帮助（Data Hub 数据同步、数据质量自动化、去重）
• /sales-attio — Attio 平台帮助（原生支持 AI 的 CRM，支持自定义对象）
• /sales-blueconic — BlueConic CDP — 档案统一、身份解析、受众激活
• /sales-tealium — Tealium CDP — Real-Time CDP、身份解析、1300+ 个连接器
• /sales-cdp — 跨平台 CDP 对比与选型策略
• /sales-clay — Clay 平台帮助
• /sales-zoominfo — ZoomInfo 平台帮助（适用于 OperationsOS 特定设置）
• /sales-clearbit — Clearbit 平台帮助（数据补充、身份识别、潜在客户开发）
• /sales-enrich — 跨所有提供商的数据补充策略
• /sales-lead-routing — 潜在客户分配和区域规则（通常与去重配合使用）
• /sales-lead-score — 潜在客户评分模型（依赖干净的数据）
• /sales-integration — 将数据工具连接到 CRM
• /sales-prospect-list — 构建潜在客户名单（从源头保证数据质量）
• /sales-do — 不确定该使用哪个技能？此路由器会将任何销售目标匹配到合适的技能。安装：npx skills add sales-skills/sales --skill sales-do

示例

示例 1：CRM 数据审计

用户说：“我们的 Salesforce 有 50,000 个联系人，我怀疑其中很多是重复或过时的。应该从哪里开始？” 技能执行：引导用户了解数据质量审计框架——衡量完整性、准确性、重复率和衰减情况。建议先按完全匹配的电子邮件地址去重（最安全），然后运行字段完整性报告，最后抽取 100 条记录，与 LinkedIn 信息进行比对，以估算准确性。 结果：用户获得一份数据质量评分卡和按优先级排列的清理计划。

示例 2：设置持续的数据清理

用户说：“我们的 HubSpot 里一直出现重复项，数据几个月内就会过时。如何将这项工作自动化？” 技能执行：建议使用 HubSpot Operations Hub 去重，并使用 ZoomInfo 或 Clay 丰富数据。设置创建记录时的重复项预防规则、新记录自动数据丰富，以及每季度重新丰富数据的计划。 结果：用户建立了自动化的数据清理计划，可防止重复项并保持数据新鲜。

示例 3：营销活动前的数据清理

用户说：“我们即将面向 10,000 个联系人开展大型外呼营销活动。如何确保数据干净？” 技能执行：建议使用营销活动前检查清单：对名单去重，使用专用验证工具验证电子邮件地址，重新丰富超过 90 天的记录，移除任职公司已不符合 ICP 的联系人，并检查退订／DNC 状态。 结果：用户使用经过验证、去重且合规的数据开展营销活动，从而降低退信率并提高送达率。

故障排除

去重时合并了错误的记录

症状：模糊匹配去重将两个不同的人合并了，因为他们在同一家公司，且姓名相似 原因：匹配规则过于宽松——仅根据姓名和公司进行匹配，未设置其他条件 解决方案：收紧匹配规则：除了姓名和公司，还必须匹配电子邮件地址或电话号码。始终先以“review”模式运行，再使用“auto-merge”模式。将职务或部门作为打破平局的依据。

数据丰富未填充预期字段

症状：自动数据丰富已运行，但很多记录的电话或电子邮件字段仍为空 原因：单一数据丰富服务提供商无法覆盖所有联系人。覆盖情况因地理位置、资历和行业而异。 解决方案：实施瀑布式数据丰富——先尝试 Provider A；如果没有结果，再尝试 Provider B，然后是 Provider C。使用 /sales-enrich 设置瀑布流程。常见流程：ZoomInfo → Apollo → Lusha。

数据质量指标没有改善

症状：每月运行去重和数据丰富，但重复率和完整性都没有改善 原因：新增重复项的速度超过了合并速度。根本原因通常是网络表单、导入操作或集成在创建记录时未检查重复项。 解决方案：修复数据来源——在所有记录创建途径（网络表单、API 导入、手动创建、集成同步）中启用重复项预防规则。预防比清理更有效。