Du har scraped en leadliste, beriget den med e-mailadresser, og nu er du klar til at sende. Men så opdager du det: "Acme Solutions LLC", "Tech Company, INC.", "Müller & Söhne GmbH & Co. KG".
Før du indsætter navnene i din outreach, har du brug for et læsevenligt visningsnavn. Gem det oprindelige juridiske navn i en separat kolonne, så du stadig kan matche virksomheden med den oprindelige datapost.
Hvis dit lead-workflow kører via kode, kan du rense rå virksomhedsnavne i Python før personalisering.
I denne artikel kan du se, hvordan du renser en kolonne med virksomhedsnavne i Datablist og gennemgår resultatet. Værktøjet fjerner som standard selskabsbetegnelser, men kan også bevare dem, hvis dit workflow kræver det.
Til mindre datasæt kan du prøve det gratis værktøj til normalisering af virksomhedsnavne. Det kan behandle op til ti navne ad gangen og lader dig kontrollere det rensede output, før du bruger det i en e-mail. Åbn More options, og aktivér Keep legal suffixes, hvis selskabsbetegnelserne skal bevares.
📌 Kort opsummering til dig, der har travlt
Denne artikel viser, hvordan du normaliserer virksomhedsnavne til cold outreach med Datablists Company Name Cleaner. Her er den korte version:
- Hvad værktøjet gør: Fjerner selskabsbetegnelser (LLC, Inc., GmbH osv.), retter formateringen og standardiserer automatisk virksomhedsnavne
- Indstilling, du skal kontrollere: Keep Legal Forms er som standard slået fra. Aktivér den, når selskabsbetegnelsen er vigtig.
- Pris: Den aktuelle enrichment-definition angiver 0,5 credits pr. navn. Kontrollér prisestimatet, før du behandler hele listen.
- Sådan gør du: Importér listen, åbn Clean > Clean Company Names, map inputtet, vælg en outputkolonne, test et lille udsnit, og gennemgå derefter resultaterne.
Læs hele artiklen for at forstå, hvorfor det er vigtigt for outreach, og hvordan du opnår de bedste resultater.
Hvad er normalisering af virksomhedsnavne?
Normalisering af virksomhedsnavne handler om at rense uensartede virksomhedsnavne og omdanne dem til et ensartet, læsevenligt format. Det indebærer typisk:
- At fjerne selskabsbetegnelser som LLC, Inc., Corp., GmbH, Ltd., S.A. og mange andre
- At fjerne overflødig tegnsætning og specialtegn
- At rette store og små bogstaver ("ACME SOLUTIONS" bliver til "Acme Solutions")
Derfor er rene virksomhedsnavne vigtige i cold outreach
Et importeret virksomhedsnavn kan indeholde en selskabsbetegnelse eller formatering, som du normalt ikke ville bruge i en sætning. Med en separat kolonne til visningsnavnet kan du skrive naturligt og samtidig bevare originalen til matching.
Når du personaliserer e-mails med virksomhedsnavne, har formateringen nemlig stor betydning.
Sammenlign disse to indledninger:
↳ "Jeg kan se, at TechFlow Solutions, LLC er ved at ekspandere til..."
↳ "Jeg kan se, at TechFlow Solutions er ved at ekspandere til..."
Den anden formulering lyder mere naturlig i en indledende e-mail. Du skal dog stadig have en verificeret grund til at skrive, at virksomheden er ved at ekspandere.
💡 Hvad er Datablist?
Datablist er en platform til opbygning af workflows til leadgenerering, hvor du kan finde, berige og rense data med mere end 60 forskellige værktøjer. Fra AI Agents og Email Finders til værktøjer til datarensning og automatisering af workflows: Datablist håndterer det tidskrævende arbejde med listeopbygning, så du kan fokusere på outreach.
Hvis du skal indsamle eller rense data eller automatisere databaserede workflows på en nem, hurtig og pålidelig måde, er Datablist bygget til netop det.
Sådan normaliserer du virksomhedsnavne i 5 trin
Sådan normaliserer du en kolonne med virksomhedsnavne ved hjælp af Datablists Company Name Cleaner. Kør først et lille udsnit: Navne med forkortelser, tegnsætning eller flere selskabsbetegnelser kan kræve manuel kontrol.
Trin 1: Opret en konto, og upload dine data
- Gå til Datablist.com, og opret en gratis konto.
- Når du er logget ind, uploader du din CSV- eller Excel-fil med de virksomhedsnavne, du vil normalisere.
Filen kan indeholde flere kolonner. I de næste trin kan du vælge den kolonne, der indeholder virksomhedsnavnene.
Trin 2: Åbn Company Name Cleaner
-
Når dine data er uploadet, skal du klikke på Clean i topmenuen.
-
Vælg Clean Company Names (det åbner Company Name Normalizer).
Dette værktøj fjerner selskabsbetegnelser og normaliserer dine virksomhedsnavne.
Trin 3: Map dine inputdata
Du får nu vist en konfigurationsmulighed, hvor du skal angive din Input Property. Vælg den kolonne i rullemenuen, der indeholder virksomhedsnavnene.
Klik på Continue to outputs configuration, når du er klar.
Trin 4: Konfigurér dit output
Vælg, hvor de rensede virksomhedsnavne skal gemmes. Opret en ny kolonne, hvis det oprindelige navn bruges til matching, deduplikering eller historik. Lad Keep Legal Forms være slået fra i enrichment-indstillingerne, hvis du ønsker naturlige visningsnavne. Aktivér indstillingen, hvis du har brug for et renset juridisk navn.
Du har to muligheder:
- Opret en ny kolonne til de normaliserede navne (anbefales, hvis du vil sammenligne før og efter)
- Overskriv den eksisterende kolonne med de rensede data
Klik på ikonet ⊕ for at oprette en ny kolonne, eller vælg en eksisterende kolonne i rullemenuen.
Trin 5: Kør enrichment-processen
Til sidst konfigurerer du kørslen ved at klikke på vinkelikonet i højre side af knappen. Her kan du vælge mellem følgende muligheder:
- Run on first 10 items: Velegnet til at kontrollere resultaterne, før du fortsætter
- Run on first 100 items: Praktisk, hvis du vil validere et større udsnit
- Run on first {X} items: Giver dig mulighed for selv at vælge, hvor mange poster der skal behandles
- Run on all view items: Behandler hele listen eller den aktuelle visning, hvis du har aktiveret filtre
Når udsnittet ser korrekt ud, vælger du det ønskede omfang og klikker på den tilhørende Run-knap.
Når kørslen er færdig, skal du sammenligne den rensede kolonne med originalen. Kontrollér et udsnit af korte navne, stavemåder på brands og virksomheder med lignende navne, før du bruger outputtet i outreach. Værktøjet bruger AI, så betragt resultatet som et foreslået visningsnavn og ikke som en entydig virksomhedsidentifikator.
Kontrollér rensede navne før outreach
Den rensede værdi er et foreslået visningsnavn – ikke dokumentation for, at to dataposter tilhører den samme virksomhed. Acme Solutions LLC kan eksempelvis blive til Acme Solutions, mens et kort navn som ABC kan henvise til flere forskellige virksomheder. Bevar det oprindelige navn, og gem virksomhedens website sammen med den rensede værdi, når det er tilgængeligt.
Gennemgå rækker, hvor outputtet er tomt, uventet forkortet eller identisk for forskellige virksomheder. Kontrollér navnene på virksomhedernes egne websites, før du bruger dem i en besked. Hvis du har brug for juridiske navne til kontrakter eller matching i dit CRM, skal du bruge det oprindelige felt eller køre processen igen med Keep Legal Forms aktiveret.
Konklusion
Et normaliseret visningsnavn kan få en outreach-besked til at lyde mere naturlig. Bevar kildenavnet til matching, kontrollér et udsnit af de rensede værdier, og brug først derefter den nye kolonne i din kampagne. Værktøjet bruger credits pr. navn, så kontrollér det aktuelle prisestimat, før du behandler en stor liste.









