कोई भी CRM हाइजीन अपनाने की उम्मीद के साथ किसी कंपनी में शामिल नहीं होता। यह रेवेन्यू में सबसे कम ग्लैमरस काम है: कॉन्टैक्ट्स को डिड्यूप करना, ऐसे स्टेज नाम ठीक करना जिन्हें कोई फॉलो नहीं करता, यह पीछा करना कि एक ही लीड एक ही कंपनी की तीन अलग-अलग स्पेलिंग में चार बार क्यों मौजूद है। तो यह अनकिया रह जाता है, और CRM हर हफ्ते थोड़ा और खराब होता जाता है, चुपचाप उसके ऊपर बनी हर चीज़ पर टैक्स लगाता है: फोरकास्ट, टारगेटिंग, वह ऑटोमेशन जिसे चालू करने के लिए आप इतने उत्साहित थे।
खराब डेटा उस हर चीज़ पर टैक्स है जो आगे आती है
डुप्लीकेट रिकॉर्ड्स, बासी डील स्टेज, और मृत कॉन्टैक्ट्स वाला एक CRM सिर्फ अस्त-व्यस्त नहीं दिखता, यह सक्रिय रूप से हर उस सिस्टम से झूठ बोलता है जो इससे पढ़ता है। फोरकास्ट में ऐसी डील्स शामिल होती हैं जो महीनों पहले मर गईं क्योंकि किसी ने स्टेज नहीं बदला। मार्केटिंग ऑटोमेशन उन कॉन्टैक्ट्स को नर्चर करता है जो एक साल पहले कंपनी छोड़ चुके हैं। लीड रूटिंग एक हॉट प्रॉस्पेक्ट को उस रेप के पास भेजती है जिसके पास पहले से उसी अकाउंट के तीन खुले (डुप्लीकेट) रिकॉर्ड्स हैं।
जो भी वर्कफ्लो आप डेटा के ऊपर बनाते हैं, वह डेटा की गलतियां विरासत में लेता है, जिस भी स्केल पर वह वर्कफ्लो चलता है। ऑटोमेशन खराब डेटा को ठीक नहीं करता: यह बस खराब फैसलों को तेज़ी से एग्ज़िक्यूट करता है, ठीक वही जाल जिसकी चर्चा पहले क्या ऑटोमेट करें में की गई है: एक टूटे हुए प्रोसेस को ऑटोमेट करना उसे तेज़ी से तोड़ता है, और एक टूटा हुआ डेटाबेस एक टूटा हुआ प्रोसेस है।
सिर्फ अलर्ट्स नहीं, अनुशासन को ऑटोमेट करें
ज़्यादातर टीमों का डेटा क्वालिटी को "संभालने" का आइडिया एक डैशबोर्ड है जो समस्याओं को उनके फैल जाने के बाद फ्लैग करता है। यह कुछ न होने से बेहतर है, लेकिन यह अभी भी इस पर निर्भर करता है कि कोई अलर्ट पर एक्शन ले।
मज़बूत मूव एंट्री पॉइंट पर गड़बड़ी को रोकना है: डिड्यूप लॉजिक जो दूसरा रिकॉर्ड बनने से पहले मिलते-जुलते डोमेन या ईमेल को पकड़ता है, ज़रूरी फील्ड्स जो एक डील को उस जानकारी के बिना स्टेज आगे बढ़ने से रोकते हैं जिसकी अगली स्टेज को असल में ज़रूरत है, और बासी-डील रूल्स जो 60 दिनों से ज़्यादा बिना छुए किसी भी चीज़ को हमेशा के लिए फैंटम पाइपलाइन की तरह बैठे रहने देने की बजाय ऑटो-फ्लैग या ऑटो-क्लोज़ करते हैं। एंट्री पर रोकथाम हर बार बाद की सफाई से बेहतर होती है, क्योंकि सफाई असल में कभी शेड्यूल पर नहीं होती।
एक सिस्टम को अभी भी एक मालिक चाहिए
गार्डरेल्स को ऑटोमेट करना गड़बड़ी को कम करता है, यह उस व्यक्ति की ज़रूरत को खत्म नहीं करता जो डेटा के भरोसेमंद होने के लिए जवाबदेह है। किसी को उन अपवादों का मालिक बनना होगा जिन्हें नियम नहीं पकड़ते, यह तय करना होगा कि आपकी टीम के लिए "काफी साफ" का क्या मतलब है, और जब एक रेप एक टास्क को तेज़ी से बंद करने के लिए एक ज़रूरी फील्ड छोड़ने के लिए ललचाए तो एंट्री स्टैंडर्ड लागू करने की अथॉरिटी रखनी होगी।
बिना किसी मालिक के, अच्छा ऑटोमेशन भी समय के साथ खराब होता है क्योंकि एज केसेस बिना संबोधित के जमा होते जाते हैं। यह उसी सबक जैसा है जो किसी भी प्रोसेस का है जो कागज़ पर ठीक दिखता है और व्यवहार में फेल होता है, बड़े पैटर्न के लिए आपकी ऑपरेशंस टूटी होने के संकेत देखें।
हाइजीन को सस्ता बनाएं, तिमाही प्रोजेक्ट नहीं
हाइजीन का काम छूटने की वजह यह है कि इसे आमतौर पर एक बड़े, डरावने सफाई प्रोजेक्ट की तरह फ्रेम किया जाता है: एक हफ्ता ब्लॉक करना, सब कुछ एक्सपोर्ट करना, डुप्लीकेट्स को मैन्युअली मर्ज करना। वह फ्रेमिंग यह गारंटी देती है कि यह डीप्रायोरिटाइज़ होता रहेगा।
विकल्प यह है कि हर एक दिन अच्छी डेटा एंट्री को सबसे कम प्रतिरोध का रास्ता बनाया जाए: स्मार्ट डिफॉल्ट्स, मैन्युअल टाइपिंग की बजाय एनरिचमेंट से ऑटोफिल, वैलिडेशन जो एक गलती को उसके होने के पल पकड़ लेती है न कि एक तिमाही बाद। एक CRM जिसे सही तरीके से इस्तेमाल करना थोड़ा तंग करने वाला है, हमेशा गड़बड़ हो जाएगा। एक जहां सही करना सबसे तेज़ विकल्प है, बिना किसी के इसके बारे में सोचे साफ रहता है।
यह लोगों की उम्मीद से ज़्यादा क्यों कंपाउंड होता है
साफ डेटा सिर्फ ज़्यादा व्यवस्थित नहीं है: यह एक ऐसे लीड स्कोरिंग और एक अंदाज़ा लगाते लीड स्कोरिंग के बीच का फर्क है जिसका कोई मतलब है।
डुप्लीकेट रिकॉर्ड्स और गलत लेबल वाली स्टेजेज़ पर ट्रेन किया गया एक स्कोरिंग मॉडल आत्मविश्वास से गलत अकाउंट्स को आपकी सबसे अच्छी लीड्स की तरह रैंक करेगा, ठीक वही फेलियर मोड जो लीड क्वालिटी सिग्नल समस्याओं के पीछे है: टीमें वॉल्यूम पीछा करती हैं क्योंकि वे सिग्नल पर भरोसा नहीं कर सकतीं, और वे सिग्नल पर भरोसा नहीं कर सकतीं क्योंकि अंतर्निहित डेटा शुरू से कभी भरोसेमंद नहीं था। हाइजीन कोई साइड प्रोजेक्ट नहीं है। यह वह नींव है जिस पर रेवेन्यू ऑपरेशंस में बाकी सब कुछ टिका है।
CRM हाइजीन डिफॉल्ट रूप से खराब होती है क्योंकि किसी को इसका मालिक बनने का उत्साह नहीं है, लेकिन गंदे डेटा पर बना हर ऑटोमेशन और फोरकास्ट स्केल पर उसकी गलतियां विरासत में लेता है। तिमाही सफाई पर निर्भर रहने की बजाय एंट्री पॉइंट पर गड़बड़ी को रोकें, उन अपवादों के लिए एक नामित मालिक जवाबदेह रखें जिन्हें नियम नहीं पकड़ते, और सही डेटा एंट्री को सबसे आसान विकल्प बनाएं, अतिरिक्त कदम नहीं। एक CRM जिस पर कोई भरोसा नहीं करता वह डेटा समस्या नहीं है: यह डेटा समस्या का कॉस्ट्यूम पहने एक ऑपरेशंस समस्या है।
FAQ
CRM हाइजीन क्या है?
CRM हाइजीन आपके CRM में रिकॉर्ड्स को सटीक और अपडेटेड रखने का चलता हुआ अनुशासन है: डीड्यूप किए गए कॉन्टैक्ट्स, सही डील स्टेज, पूरे किए गए ज़रूरी फील्ड्स, और सिस्टम में कोई मृत या पुराना रिकॉर्ड जो लाइव पाइपलाइन होने का दिखावा न करे।
CRM हाइजीन क्यों मायने रखती है?
CRM के ऊपर बना हर सिस्टम उसकी डेटा क्वालिटी विरासत में लेता है। एक गंदा CRM बढ़ा-चढ़ाकर बताए गए फोरकास्ट्स, ऐसे कॉन्टैक्ट्स को पोषण देने वाला मार्केटिंग ऑटोमेशन जो कंपनी छोड़ चुके हैं, गलत रूट किए गए लीड्स, और लीड-स्कोरिंग मॉडल्स पैदा करता है जो गलत अकाउंट्स को आत्मविश्वास से आपके सबसे अच्छे प्रॉस्पेक्ट्स के रूप में रैंक करते हैं।
आप खराब CRM डेटा कैसे ठीक करते हैं?
समय-समय पर होने वाले सफाई प्रोजेक्ट्स पर निर्भर रहने की बजाय एंट्री के पॉइंट पर ही गड़बड़ी को रोकें: डीड्यूप लॉजिक जो दूसरा रिकॉर्ड बनने से पहले मैच पकड़ता है, ज़रूरी फील्ड्स जो ज़रूरी जानकारी के बिना आगे बढ़ने से रोकते हैं, और स्टेल-डील नियम जो 60-प्लस दिनों से बिना छुए किसी भी चीज़ को ऑटो-फ्लैग करते हैं।
CRM डेटा क्वालिटी का मालिक किसे होना चाहिए?
एक नामित मालिक जो उन अपवादों के लिए जवाबदेह हो जिन्हें ऑटोमेशन नहीं पकड़ सकता, एंट्री स्टैंडर्ड्स लागू करने के अधिकार के साथ। ऑटोमेटेड गार्डरेल्स गड़बड़ी को कम करते हैं लेकिन किसी ऐसे व्यक्ति की ज़रूरत को खत्म नहीं करते जो तय करे कि "काफी साफ" का क्या मतलब है और जब एज केसेस जमा हों तो फॉलो-अप करे।
आगे पढ़ें
ऐसा CRM चाहिए जिस पर आप असल में भरोसा कर सकें?
मैं टीमों को वे गार्डरेल्स, ओनरशिप और वर्कफ्लो बनाने में मदद करता हूं जो सिस्टम ऑफ रिकॉर्ड को साफ रखते हैं (ताकि फोरकास्ट, टारगेटिंग और ऑटोमेशन सब उस डेटा से काम करें जो असल में सच है), देखें मैं कैसे काम करता हूं।
कॉल शेड्यूल करें