Проще говоря, перед созданием нового лида агент должен спросить: а этот человек или компания уже есть в CRM? Если проверку пропустить, появляются дубли: менеджеры пишут одному клиенту несколько раз, сделки конкурируют друг с другом, отчеты по pipeline искажаются, а follow-up теряется.
В CRM-дедупликации обычно используют несколько признаков: email, телефон, домен компании, ИНН, название компании, имя контакта, Telegram или WhatsApp ID, UTM-источник, номер заказа, активная сделка, статус клиента и история коммуникаций. Один признак редко дает полную уверенность, поэтому полезен confidence score.
Есть два уровня проверки. Exact match ищет точное совпадение: тот же email, телефон или ИНН. Fuzzy match ищет похожие записи: разные написания компании, опечатки в телефоне, разные домены одного бренда, похожие имена контактов. Fuzzy match почти всегда требует ручной проверки или аккуратных правил.
Для AI-агента дедупликация должна быть обязательным шагом перед записью в CRM. Агент может нормализовать входящий лид, найти возможные совпадения, подготовить merge candidate, объяснить причину совпадения и предложить действие: обновить существующий контакт, добавить заметку, создать новую сделку или отправить случай менеджеру.
Важно: агент не должен автоматически объединять CRM-записи, если есть риск потерять историю или связать разных людей. Merge, перенос ответственного, изменение стадии сделки и массовые обновления должны проходить через approval workflow и audit log.
Хорошая схема хранит dedupe_log: кто проверял запись, какие поля сравнивались, какие кандидаты найдены, какой confidence, какое действие выбрано и почему. Это помогает разбирать ошибки и не создавать дубли при повторном webhook или retry.
Примеры
- На сайт пришла заявка с email, который уже есть в CRM. Агент не создает новый контакт, а добавляет заявку к существующей карточке или отправляет на проверку.
- Новый лид указал тот же телефон, но другое имя. Агент ставит medium confidence и отправляет merge candidate менеджеру.
- Outbound-агент нашел компанию для холодного письма, но в CRM уже есть активная сделка по домену. Агент блокирует добавление в кампанию.
- Повторный webhook от формы пришел два раза. Workflow использует idempotency key и не создает две одинаковые сделки.
- Компания написана как “ООО Ромашка” и “Ромашка, ООО”. Агент нормализует название, сравнивает ИНН и предлагает объединение только после approval.
Где используется
- проверка дублей перед созданием лида
- нормализация email, телефона, домена и ИНН
- поиск существующих контактов и компаний
- контроль активных сделок перед outbound-кампанией
- merge candidates для менеджера или администратора CRM
- защита от повторных webhooks и retries
- очистка CRM-данных перед аналитикой продаж
- снижение дублей в lead inbox
- контроль качества данных в AmoCRM, Bitrix24, HubSpot
- ведение dedupe_log и audit log
Связанные термины
Action allowlist
API credentials
Approval queue
Approval workflow
Audit log
Blocked action
Confidence score
CRM
Частые вопросы
Что такое дедупликация CRM?
Это поиск и обработка повторных записей в CRM: контактов, лидов, компаний и сделок, чтобы один клиент не был создан несколько раз.
Когда агент должен проверять дубли?
Перед любым созданием контакта, лида, компании или сделки, а также перед outbound-кампанией, массовой загрузкой лидов и повторной обработкой webhook.
По каким полям искать дубли в CRM?
Минимум по email, телефону и домену. Для B2B полезны ИНН, название компании, сайт, активные сделки, client_id, мессенджер ID и история коммуникаций.
Можно ли автоматически объединять дубли?
Только для очень надежных exact match и с понятными правилами. Fuzzy match, разные ответственные, активные сделки и спорные поля лучше отправлять на approval.
Чем дедупликация отличается от data cleaning?
Data cleaning шире: исправляет форматы, пустые поля, мусор и ошибки. Дедупликация фокусируется на повторных сущностях и решает, создавать новую запись, обновлять старую или объединять.
