Dataforfald er den hastighed, hvormed oplysningerne i et CRM-system holder op med at være rigtige. For B2B-kontaktdata ligger den på 2,1 % om måneden, altså 22,5 % af databasen på et år [1]. Hver fjerde kontaktperson i jeres CRM-system er med andre ord forkert om tolv måneder, uden at nogen har rørt en tast. Derfor flytter et hurtigere prospekteringsværktøj sjældent noget: en sælger, der sender dobbelt så mange mails til de samme forkerte adresser, får dobbelt så mange afvisninger retur. Halvdelen af problemet kan danske salgsteam til gengæld løse gratis.
Hvad er dataforfald i CRM-data?
Dataforfald (data decay) er den andel af posterne i en database, der bliver forkerte inden for en given periode. En kontaktperson skifter job. En virksomhed bliver købt og skifter domæne. Et direkte nummer bliver lukket, da kontoret flyttede. Posten står stadig i CRM-systemet og ser rigtig ud, indtil nogen prøver at bruge den.
Forfaldet rammer ikke alle felter lige hårdt, og det er hele pointen. Et CVR-nummer ændrer sig aldrig. Et direkte mobilnummer til en marketingchef har en holdbarhed på måneder.
Hvor hurtigt forfalder jeres kontaktdata?
Med 2,1 % om måneden. HubSpot opgør forfaldet for B2B-databaser til 2,1 % pr. måned, hvilket svarer til 22,5 % på et år, og tallet bygger på research fra MarketingSherpa [1].
Regner I den månedlige sats frem, er cirka 6 % af kontakterne forkerte efter et kvartal og 12 % efter et halvt år [1]. Et dansk B2B-team med 3.000 kontakter i CRM-systemet mister altså omkring 675 brugbare poster om året. Ingen af dem forsvinder synligt. De bliver bare stille og roligt til afvisninger.
Hvad koster en forkert kontaktperson i salgstid?
Langt mere end de minutter, opslaget tager. Bain & Company opgør, at sælgere kun bruger cirka 25 % af deres tid på egentligt salg, og vurderer, at AI kan fordoble andelen ved at overtage det arbejde, der omgiver salget [2]. Salesforce måler 40 % af arbejdsugen i sin State of Sales-undersøgelse blandt 4.050 sælgere [5]. Vi har regnet på den fordeling i Hvor meget af en sælgers uge er salg?.
De to tal er ikke i modstrid. De måler forskellige teams, og de peger samme vej: den dyre del af dagen er ikke selve skrivearbejdet, men de afbrydelser, der opstår, når data ikke holder. En sælger, der bliver revet ud af en times prospektering af en afvist mail, skal både finde en ny adresse og finde tilbage til det, hun var i gang med.
Dertil kommer den fejl, ingen opdager: en handel, der ser kontaktet ud i pipelinen, uden at nogen nogensinde har talt med et menneske.
Hvorfor løser hurtigere AI ikke problemet?
Fordi hastighed og træfsikkerhed er to forskellige problemer. AI skriver en velskrevet mail på ti sekunder, og den kan researche en virksomhed hurtigere end en sælger kan åbne fanebladet. Ingen af delene gør adressen rigtig.
Danske virksomheder bruger da også AI til præcis det, den er nemmest at bruge til. Danmarks Statistik opgør, at 28 % af virksomhederne med mindst ti ansatte brugte kunstig intelligens i 2024, næsten en fordobling fra 15 % året før [4]. De hyppigste anvendelser er sprogopgaver: 18 % producerer tekst, og 17 % analyserer tekst [4]. Vedligeholdelse af data står ikke på listen.
De team, der får mest ud af AI, har til gengæld ryddet op først. Salesforce finder, at 79 % af topperformerne prioriterer datahygiejne mod 54 % af underperformerne [5]. Rækkefølgen er altså ikke tilfældig: oprydningen kommer før modellen.
Hvilke af jeres data kan I få gratis og opdaterede?
Virksomhedsdataene. Det Centrale Virksomhedsregister (CVR) er Danmarks register over alle registrerede virksomheder, og grunddataene er frie: de må frit hentes, deles og tilpasses under en CC BY 4.0-licens mod kreditering [3]. Navn, adresse, branchekode, virksomhedsform og status kan derfor holdes opdateret automatisk uden et dataabonnement.
Det er en reel forskel fra det amerikanske marked, hvor de samme oplysninger købes hos kommercielle udbydere. Et dansk salgsteam kan lukke den ene halvdel af sit dataforfald med en integration frem for en kontrakt, og så koncentrere pengene om den anden halvdel.
| Virksomhedsdata | Persondata | |
|---|---|---|
| Eksempler | CVR-nummer, navn, adresse, branche, status | Navn, titel, e-mailadresse, direkte nummer |
| Autoritativ kilde | CVR som frie grunddata [3] | Findes ikke |
| Typisk forfald | Kun ved reel ændring i registret | 2,1 % om måneden [1] |
| Sådan holder I dem friske | Automatisk opslag mod CVR | Verifikation før brug, oprydning hvert kvartal |
Hvad skal CRM'et kunne, før AI'en hjælper?
Det skal vide, om kontakten kan nås, før sælgeren bruger tid på hende. Rækkefølgen er afgørende. I dag opdager sælgeren først, at nummeret er dødt, efter at researchen er lavet og mailen er skrevet.
Tre krav gør den forskel:
- Verifikation før prioritering. Kontakter uden gyldig e-mailadresse eller gyldigt nummer skal ikke ligge øverst i en opkaldsliste.
- Én kilde til virksomhedsdata. CVR-opslaget skal køre automatisk, så ingen sælger opdaterer adresser i hånden.
- Synlig alder på feltet. Et felt, der ikke er bekræftet i 18 måneder, skal se anderledes ud end et, der blev bekræftet i sidste uge.
Ingen af de tre kræver en ny AI-model. De kræver, at nogen har besluttet, hvad et brugbart datafelt er.
Hvordan måler I jeres egen datakvalitet?
Med fem tal, I kan trække i dag:
- Afvisningsprocent på udgående mails. Ligger den over 5 %, er listen ældre, end I tror.
- Andel kontakter uden aktivitet i 12 måneder. Det er jeres reelle dataforfald, målt på adfærd.
- Andel åbne handler uden en navngiven kontaktperson. Hver af dem er en prognose uden et menneske bag.
- Andel kontakter med titel udfyldt. Uden titel kan hverken sælger eller model prioritere.
- Antal dubletter pr. 1.000 poster. Dubletter er dataforfald, der er skjult bag en pæn oversigt.
Mål dem én gang, og mål dem igen om et kvartal. De fleste teams gætter for optimistisk på alle fem.
Sådan bruger I det
- Tag et udtræk i dag. Træk de fem tal ovenfor ud af CRM-systemet, og skriv dem ned. Uden et udgangspunkt kan I ikke se, om oprydningen virker.
- Sæt CVR-opslaget op først. Det er den billigste gevinst, fordi grunddataene er frie og opdateres i registret [3].
- Verificér før kampagnen, ikke efter. Kør en verifikation af e-mailadresser og numre, inden en liste går i gang, i stedet for at bruge afvisningerne som kvalitetskontrol.
- Giv hver kontakt en udløbsdato. Kontakter, der ikke er bekræftet i 18 måneder, flyttes til en oprydningsliste, som nogen har ansvaret for.
- Regn på, hvad afbrydelserne koster. Når I kender jeres afvisningsprocent, kan I omsætte den til timer. Regn på jeres egen salgstid, og beslut derefter, om oprydningen er et projekt eller en fast opgave.
Prioritér de handler, der allerede er i gang. En forkert adresse på et koldt lead koster et minut. En forkert adresse på beslutningstageren i en handel til 400.000 kr. koster kvartalet.
Ofte stillede spørgsmål om dataforfald
Hvor tit bør vi rydde op i CRM-data?
Løbende frem for årligt. Med et forfald på 2,1 % om måneden er en årlig oprydning altid bagud [1]. Sæt i stedet en fast kvartalsvis gennemgang af de kontakter, der har været inaktive længst, og lad virksomhedsdataene opdatere sig selv mod CVR.
Er købte kontaktlister en løsning?
Kun delvist, og kun kortvarigt. En købt liste forfalder med samme hastighed som jeres egen fra den dag, den leveres. Køb derfor verifikation af de kontakter, I faktisk arbejder med, frem for flere poster, ingen når at ringe til.
Hvad siger GDPR om at berige kontaktdata?
Beriget persondata er stadig persondata, og oplysningspligten gælder. I skal kunne dokumentere, hvor oplysningerne kommer fra, og have et behandlingsgrundlag. CVR-grunddata om virksomheder er offentlige og frit tilgængelige under CC BY 4.0 [3], men navn, titel og direkte nummer på en medarbejder er noget andet. Spørg jeres databeskyttelsesrådgiver, før I sætter automatikken op.
Hvorfor bounce-rate frem for antal kontakter?
Fordi antallet af kontakter ikke siger noget om, hvor mange I kan nå. En database på 20.000 poster med 15 % afvisninger er mindre værd end 4.000 verificerede kontakter. Køberne bruger i forvejen AI til at undersøge jer på forhånd, hvilket vi har beskrevet i B2B-købere bruger AI før første møde.
