Go to home
Unübersichtliche HubSpot-Daten kosten mehr, als Sie denken. Erfahren Sie, wie sich durch die Bereinigung von Attributen inkonsistente Werte beheben lassen und wie Sie diesen Vorgang mit dem Thalox Normalizer automatisieren können.
Wenn sich Ihre HubSpot-Daten nicht so verhalten, wie es den Anschein hat, liegt das wahrscheinlich an inkonsistenten Eigenschaftswerten. Die Lösung ist einfacher, als es klingt: Standardisieren Sie die Eingaben für jede Eigenschaft und automatisieren Sie den Vorgang, damit dies auch so bleibt.
HubSpot-Eigenschaften sind die Felder, in denen Informationen zu Ihren Kontakten, Unternehmen, Deals und Tickets gespeichert werden.
Jede einzelne Datenangabe in Ihrem CRM ist in einer Eigenschaft gespeichert: Land, Berufsbezeichnung, Branche, Lebenszyklusphase, Lead-Quelle.
Sie bilden die Grundlage dafür, wie Sie Ihre Datenbank organisieren, segmentieren und Auswertungen erstellen. Wenn Eigenschaften gut strukturiert und konsistent ausgefüllt sind, funktioniert alles, was darauf aufbaut. Ist dies nicht der Fall, funktioniert so gut wie nichts.
HubSpot stellt Ihnen die Struktur zur Verfügung. Es hat jedoch keinen Einfluss darauf, welche Daten die Nutzer dort eingeben.
Wenn Ihr Team wächst und immer mehr Daten aus Formularen, Importen, Integrationen und manuellen Eingaben hinzukommen, beginnen die Eigenschaftswerte voneinander abzuweichen. Dieselbe Information wird von verschiedenen Personen zu unterschiedlichen Zeitpunkten und über unterschiedliche Quellen auf unterschiedliche Weise gespeichert.
Das Ergebnis ist eine Datenbank, die zwar vollständig aussieht, sich aber so verhält, als wäre sie es nicht. Filter erfassen nicht alles, was sie sollten. In Segmenten fehlen Kontakte. Berichte zeigen Zahlen, die nicht stimmen.
Und wenn Sie versuchen, eine Kampagne auf der Grundlage einer bestimmten Eigenschaft durchzuführen, stellen Sie fest, dass Sie die Daten erst bereinigen müssen – was bedeutet, dass jemand Zeit damit verbringt, anstatt die Kampagne tatsächlich durchzuführen.
Einige typische Beispiele dafür, wie das aussieht:
Länderfelder: „Deutschland“, „DE“, „deutschland“, „Deutschland (DACH)“ – vier Werte, ein Land.
Berufsbezeichnungen: „Marketing Manager“, „Manager, Marketing“, „Head of Marketing“ – sich überschneidende Rollen, die eine Segmentierung nach Hierarchiestufen unzuverlässig machen.
Branchenangaben: Freitextfelder, die von verschiedenen Personen auf unterschiedliche Weise ausgefüllt werden, sodass jeder branchenbasierte Bericht bestenfalls eine grobe Schätzung darstellt.
Lebenszyklusphasen: Manchmal handelt es sich um ein Problem bei der Dateneingabe, manchmal um eine Integration, die Werte in einem Format schreibt, das nicht mit dem übereinstimmt, was das Team intern verwendet.
Keines dieser Probleme macht Ihr HubSpot-Portal unbrauchbar. Sie machen es lediglich zunehmend schwieriger, den darin enthaltenen Informationen zu vertrauen.
Inkonsistente Eigenschaftswerte sind nicht nur ein Problem der Datenqualität. Sie haben direkte Auswirkungen auf Bereiche, auf die sich die meisten HubSpot-Nutzer täglich verlassen.
Beispiele:
Segmentierung: Listen, die auf Eigenschaftsfiltern basieren, erfassen nur Kontakte, deren Werte exakt übereinstimmen. Wenn Sie nach „Deutschland“ filtern und die Hälfte Ihrer deutschen Kontakte als „DE“ gespeichert ist, ist dieses Segment bereits unvollständig, bevor Sie es überhaupt verwenden.
Berichterstellung: Dashboards und benutzerdefinierte Berichte gruppieren Daten nach Eigenschaftswerten. Inkonsistente Werte führen dazu, dass dieselbe Kategorie auf mehrere Zeilen aufgeteilt wird und Summen, die eigentlich eine einzige Zahl ergeben sollten, in mehrere kleinere Zahlen zerfallen, die kein schlüssiges Bild vermitteln.
Kampagnen: Teilnahmekriterien, Personalisierungstoken und dynamische Inhalte hängen alle von sauberen, konsistenten Eigenschaftsdaten ab. Wenn Werte fragmentiert sind, verfehlen Kampagnen entweder ihre Zielgruppe oder liefern die falsche Botschaft an die falschen Personen.
Je länger inkonsistente Daten in einem CRM verbleiben, desto stärker verschlimmert sich das Problem. Was als kleines Ärgernis beginnt, wird zu einem strukturellen Problem, das jedes Team betrifft, das mit HubSpot arbeitet.
Die spontane Reaktion auf unübersichtliche Daten ist ein Bereinigungssprint:
Die Daten exportieren
Unstimmigkeiten identifizieren
Die Werte standardisieren
Erneut importieren.
Das funktioniert – einmal. Aber es verhindert nicht, dass das Problem wieder auftritt. Neue Daten kommen über dieselben Kanäle herein, mit denselben Abweichungen, und innerhalb weniger Wochen oder Monate ist das Problem wieder da.
Die manuelle Bereinigung ist zudem proportional zur Größe der Datenbank zeitaufwendig. Bei einem kleinen Portal mit einigen Tausend Kontakten ist dies noch überschaubar. Bei größeren Datenbanken mit Dutzenden von Objekten und mehreren Datenquellen wird es zu einem wiederkehrenden Aufwand an Zeit und Aufmerksamkeit, den die meisten Teams nicht aufbringen können.
Hinzu kommt die Frage, wer dafür verantwortlich ist. Die Datenbereinigung fällt in der Regel demjenigen zu, der das Problem als Erster bemerkt – was kein nachhaltiger Prozess ist.
Die einzige Lösung ist – zumindest derzeit – der Thalox Normalizer.
Es handelt sich um eine Funktion innerhalb der Thalox Suite, die speziell für dieses Problem entwickelt wurde. Anstatt Daten manuell zu bereinigen und darauf zu hoffen, dass sie sauber bleiben, können Sie mit dieser Funktion Normalisierungsregeln für jedes HubSpot-Attribut definieren, die dann automatisch angewendet werden.
So funktioniert es:
Dieser letzte Punkt ist wichtig. Die ursprüngliche Eigenschaft bleibt unverändert.
Sie erhalten eine normalisierte Version, die Sie bedenkenlos für Segmentierungen, Berichte und Kampagnen nutzen können, während gleichzeitig die ursprünglich erfassten Daten erhalten bleiben.
Nehmen wir das Beispiel des Felds „Land“. Vor der Normalisierung würde ein Segment, das auf „Land = Deutschland“ basiert, möglicherweise nur 60 % der vorgesehenen Kontakte erfassen, da der Rest als „DE“, „deutschland“ oder eine andere Variante gespeichert ist.
Nach der Einrichtung einer Normalisierungsregel mit dem Thalox Normalizer werden all diese Werte einem einzigen standardisierten Ergebnis zugeordnet. Das Segment erfasst nun 100 % der relevanten Kontakte, ohne dass ein manueller Eingriff erforderlich ist.
Die gleiche Logik gilt für jede Eigenschaft, bei der Abweichungen ein Problem darstellen: Branche, Berufsbezeichnung, Lebenszyklusphase, Lead-Quelle, Region...
Wo immer Ihre Daten Abweichungen aufweisen, sorgt die Normalisierung wieder für Einheitlichkeit.
Sehen Sie sich diese AWL-Folge an, in der Lisa genau zeigt, wie das funktioniert:
Wenn Sie die Thalox Suite nutzen, steht Ihnen der Normalizer bereits zur Verfügung.
Saubere Daten sorgen nicht nur dafür, dass Ihr CRM besser aussieht. Sie sorgen auch dafür, dass alles, was darauf aufbaut, besser funktioniert.
Erfahren Sie, warum Datenanreicherung und Datenbereinigung so wichtig sind und wie die Datenqualitätstools von HubSpot Ihnen helfen, Ihr CRM sauber...
Lernen Sie die Vorteile datengestützter Entscheidungsfindung kennen: Wie Sie Daten für Genauigkeit, Kostensenkung, prädiktive Analysen und...
Wie Sie Ihre CRM-Daten anreichern können, um eine bessere Kundenausrichtung, Segmentierung und Entscheidungsfindung zu erreichen. Einschließlich...