Um Duplikate über mehrere Excel- oder CSV-Dateien hinweg zu entfernen, legst Du jede Datei in einer separaten Datablist-Collection ab, ordnest die Eigenschaften zu, die denselben Datensatz kennzeichnen, und vergleichst anschließend die Collections. Danach kannst Du übereinstimmende Zeilen aus einer neu eingegangenen Liste entfernen, ohne Deine Referenzliste zu verändern.
Dieser Workflow ist besonders praktisch, wenn Du einen CRM-Export mit einer neuen Prospect-Liste abgleichen möchtest. Er beantwortet eine konkrete Frage: Welche Prospects sind bereits im CRM vorhanden?
Die automatische Aktion dient zur Unterdrückung von Datensätzen, nicht zum Zusammenführen. Sie entfernt übereinstimmende Datensätze aus der von Dir ausgewählten Collection. Eindeutige Werte aus diesen Datensätzen werden nicht in eine andere Collection übertragen.
Dieser Guide dokumentiert einen echten Test mit zwei CSV-Dateien mit jeweils 250 Zeilen:
| Collection | Rolle | Zeilen vorher | Abgleichseigenschaft |
|---|---|---|---|
CRM Export | Zu erhaltende Referenzliste | 250 | Email |
Event Registrations | Zu bereinigende neue Liste | 250 | Attendee Email |
Die Dateien enthalten 100 bewusst angelegte Überschneidungen. Nachdem diese Treffer aus Event Registrations entfernt wurden, bleiben 150 wirklich neue Event-Kontakte übrig.
In diesem Beispiel erfolgt der Abgleich über die E-Mail-Adresse. Wenn in Deinen Listen E-Mail-Adressen fehlen oder mehrere Kontaktkennungen vorhanden sind, solltest Du Dich zunächst mit der Lead-Deduplizierung befassen, bevor Du entscheidest, welche Treffer Du sicher entfernen kannst.
Beispieldateien herunterladen
Mit diesen Dateien kannst Du den Test selbst nachvollziehen:
Die Spaltenüberschriften unterscheiden sich absichtlich. Das CRM verwendet Email, First Name und Last Name. In der Event-Datei heißen die Spalten Attendee Email, Attendee First Name und Attendee Last Name. Durch die Zuordnung der Eigenschaften zwischen den Collections können beide Dateien ihre ursprüngliche Struktur behalten.
Die Testdaten enthalten verschiedene Formatierungen und Aliasvarianten von E-Mail-Adressen. Deshalb ist das Smart Matching mit dem Email-Prozessor hier hilfreicher als ein einfacher exakter Vergleich.
Beide Dateien importieren
Öffne Datablist und importiere jede CSV- oder Excel-Datei in eine eigene Collection. Benenne die Collections nach ihrer jeweiligen Rolle, damit Du die Bereinigungsregel leicht überprüfen kannst.
Die erste Collection in diesem Test ist die CRM-Referenzliste. Sie enthält 250 Datensätze und soll unverändert bleiben.
Die zweite Collection ist die neu eingegangene Event-Liste. Auch sie enthält zu Beginn 250 Datensätze.
Prüfe beim Import die Eigenschaftstypen. Lege für beide E-Mail-Spalten den Typ Email fest. Behalte externe IDs, Namen, Telefonnummern und andere Felder bei, da sie Dir helfen, fragliche Treffer zu überprüfen.
Identifizierende Eigenschaften zuordnen
Öffne die neu eingegangene Collection Event Registrations. Wähle Clean > Match across collections.
Aktiviere Check duplicate items across several collections? und füge CRM Export hinzu.
Wähle in der Event-Collection Attendee Email aus und ordne diese Eigenschaft in der CRM-Collection Email zu.
Eine zuverlässige Kennung ist wichtiger als der Name der Spalte. Gut geeignet sind beispielsweise:
- E-Mail-Adresse bei Kontakten.
- Telefonnummer, wenn beide Dateien kompatible Ländervorwahlen verwenden.
- LinkedIn-URL bei Prospect-Listen.
- Website-Domain bei Unternehmen.
- SKU oder eine andere beständige Kennung bei Produkten.
Vermeide einen Abgleich ausschließlich anhand des Vornamens. Viele unterschiedliche Personen haben denselben Namen.
Wenn Du mehrere Eigenschaften auswählst, bewertet Datablist deren kombinierten Score. Führe getrennte Prüfungen durch, wenn E-Mail-Adresse und Telefonnummer unabhängig voneinander abgeglichen werden sollen. Bei aktivierter Option Match on empty value erhalten Eigenschaften, die in beiden Datensätzen leer sind, einen Score von 100 % und können den Durchschnitt erhöhen. Prüfe daher die ausgefüllten Kennungen und das Beispiel zur Bewertung leerer Werte, bevor Du eine Gruppe entfernst.
Vergleich konfigurieren
Verwende Exact für beständige IDs, die vollständig identisch sein müssen. Wähle für E-Mail-Adressen Smart mit dem Email-Prozessor.
Der Email-Prozessor vereinheitlicht unterstützte Varianten von E-Mail-Adressen für den Vergleich, ohne die Werte in den Quelldaten zu verändern. Im ausführlichen Guide zum Entfernen von Duplikaten bei E-Mail-Adressen und Aliasen erfährst Du mehr über das spezifische Verhalten und die Grenzen dieser Funktion.
Klicke auf Run duplicates check, nachdem Du die beiden Quellen, ihre Datensatzanzahl, die zugeordneten Eigenschaften und die Vergleichseinstellungen geprüft hast.
Treffer zwischen den Listen prüfen
In diesem Test wurden 500 Datensätze geprüft und 100 Collection-übergreifende Duplikatgruppen gefunden.
Der Collection-übergreifende Modus zeigt nur Gruppen an, die Datensätze aus mehr als einer Collection enthalten. Duplikate, die ausschließlich innerhalb von CRM Export oder ausschließlich innerhalb von Event Registrations vorkommen, werden übersprungen.
Prüfe die Gruppen, bevor Du etwas löschst:
- Vergewissere Dich, dass die zugeordnete Kennung dieselbe Person oder dasselbe Unternehmen bezeichnet.
- Prüfe, ob die neu eingegangene Zeile einzigartige Daten enthält.
- Stelle sicher, welche Collection als Referenzliste dient.
- Lade die Gruppen herunter, wenn eine andere Person die Entfernung freigeben muss.
- Nutze den Manual Merging Assistant für einzelne Gruppen, deren Daten zusammengeführt statt entfernt werden sollen.
Wenn Du zusätzlich Duplikate innerhalb einer der Dateien bereinigen möchtest, führe den Duplicates Finder Workflow für diese Collection separat aus.
Überschneidungen aus der neuen Liste entfernen
Wähle Remove duplicate items from collection {X} und anschließend Event Registrations als zu bereinigende Collection aus.
Datablist zeigt vor der Verarbeitung die Auswirkungen an:
- Übereinstimmende Datensätze werden aus
Event Registrationsentfernt. CRM Exportbleibt unverändert.- Event-Datensätze ohne Treffer im CRM bleiben erhalten.
- Eindeutige Werte, die nur in einem entfernten Event-Datensatz vorkommen, gehen verloren.
⚠️ Diese Aktion führt keine Daten im CRM zusammen
Wenn ein Event-Datensatz eine nützliche Telefonnummer, Quelle, Einwilligungsangabe oder Notiz enthält, die im CRM fehlt, wird sie bei der automatischen Entfernung nicht übernommen. Prüfe oder exportiere die Gruppen zuerst oder verwende für die betroffenen Gruppen den Manual Merging Assistant.
Bei drei oder mehr Collections bietet Datablist außerdem eine Regel an, mit der doppelte Datensätze nur in einer ausgewählten Collection erhalten bleiben. Prüfe die Zusammenfassung vor der Verarbeitung sorgfältig, da diese Aktion Datensätze aus mehreren Quellen entfernen kann.
Klicke auf Process duplicate items, sobald die ausgewählte Collection und die Zusammenfassung Deinem gewünschten Ergebnis entsprechen.
Datablist hat in diesem Durchlauf alle 100 Collection-übergreifenden Gruppen verarbeitet. Auf dem Ergebnisbildschirm wurden anschließend keine verbleibenden Gruppen mehr angezeigt.
Bereinigte Liste überprüfen
Kehre zu Event Registrations zurück. Die Collection enthält jetzt 150 Einträge.
Die Datensatzanzahl lässt sich so nachvollziehen:
250 neue Zeilen - 100 übereinstimmende CRM-Kontakte = 150 wirklich neue Zeilen
Prüfe vor dem Export Folgendes:
CRM Exportenthält weiterhin 250 Einträge.Event Registrationsenthält 150 Einträge.- Einige bekannte CRM-E-Mail-Adressen tauchen nicht mehr in der Event-Liste auf.
- Event-Kontakte ohne Treffer sind weiterhin vorhanden.
- Der verarbeitete Vorgang wird in History angezeigt, falls Du ihn rückgängig machen musst.
Exportiere die bereinigte Event-Collection als CSV- oder Excel-Datei. Sie kann nun für einen Net-New-Lead-Workflow genutzt werden, ohne Kontakte erneut zu importieren, die bereits im CRM gespeichert sind.
Grenzen des Collection-übergreifenden Abgleichs
Der Collection-übergreifende Abgleich verfolgt einen engeren Zweck als das Zusammenführen von Dateien:
- Bei der automatischen Verarbeitung werden Datensätze entfernt. Felder aus verschiedenen Collections werden nicht zusammengeführt.
- Interne Duplikate innerhalb einer Collection werden übersprungen.
- Jede Vergleichseigenschaft muss über alle ausgewählten Collections hinweg zugeordnet sein.
- Treffer für ausgewählte Eigenschaften hängen von den kombinierten Scores und den Einstellungen für leere Werte ab.
- Smart, Fuzzy und Phonetic Matching können Kandidaten liefern, die manuell geprüft werden müssen.
- Der Collection-übergreifende Abgleich erfordert einen kostenpflichtigen Tarif.
Nutze diesen Workflow für Ausschlusslisten, Prüfungen vor dem CRM-Import, die Bereinigung von Event-Leads, den Ausschluss bestimmter Kampagnenzielgruppen oder jeden anderen Prozess, bei dem eine Liste als verlässliche Datenquelle unverändert bleiben muss.
Wenn Du Dateien vor der Deduplizierung in einer Tabelle zusammenführen möchtest, folge dem Guide zum Zusammenführen von Tabellen. Möchtest Du ergänzende Werte innerhalb einer Collection bewahren, nutze den Workflow für einzelne Listen, um doppelte Leads ohne Datenverlust zusammenzuführen.










