Cómo deduplicar direcciones de email en una lista

Florian Poullin
Florian Poullin
17 min de lectura
Elimine emails duplicados sin perder datos
Cómo deduplicar direcciones de email en una lista
Tabla de contenidos
  1. Qué considera Datablist una misma dirección de email
  2. Lista de emails de ejemplo para este tutorial
  3. Importe y prepare la columna de email
  4. Configure Duplicates Finder
  5. Ejecute la comprobación y revise los duplicados
  6. Elija entre fusionar o eliminar
  7. Resultados de la lista de prueba con 1.000 filas
  8. Errores posibles y checklist de validación
    1. Puntos en dominios que no son Gmail
    2. Valores con formato incorrecto
    3. Coincidencia Exact
    4. Varias direcciones en una celda
    5. Buzones compartidos
    6. Eliminación de campos complementarios
  9. Continúe limpiando la lista de emails
  10. Deduplicate su lista con Datablist
  11. FAQ

Los emails duplicados suelen colarse al combinar una exportación del CRM con envíos de formularios o una lista de asistentes a un evento. La misma persona aparece dos veces, pero las filas rara vez son idénticas: una puede incluir el teléfono y la otra, la fuente o una nota útil.

Por eso no empiezo eliminando los emails repetidos. Para deduplicar direcciones de email de forma segura, utilizo Datablist Duplicates Finder con Smart matching y el Email processor. Esta combinación agrupa las variantes de una misma dirección y me permite revisar las filas completas de los contactos para fusionar los datos que quiero conservar.

Para este tutorial, preparé una lista de prueba con 1.000 contactos y los tipos de variaciones que suelo encontrar: alias con el signo más, diferencias entre direcciones de Gmail y direcciones envueltas en otros formatos, entre otros. Datablist encontró 200 pares duplicados y la colección limpia quedó con 800 contactos. A continuación le muestro la configuración que utilicé y lo que comprobé antes de fusionar ningún dato.

Busque coincidencias por email, pero decida qué conservar teniendo en cuenta toda la fila del contacto. Si necesita comparar nombres, teléfonos, dominios de empresa u otros identificadores, consulte cómo deduplicar una lista online.

Qué considera Datablist una misma dirección de email

Smart matching con el Email processor compara identidades de email en lugar del texto sin procesar de las celdas. Elimina los espacios de los extremos, compara los valores en minúsculas y quita el +sufijo de la parte local antes de buscar coincidencias.

También aplica reglas específicas de Gmail. Elimina los puntos de la parte local de las direcciones de Gmail y convierte googlemail.com en gmail.com. Además, Datablist puede extraer una dirección válida incluida en un formato con nombre visible o en un valor mailto: con una cadena de consulta.

Estos son algunos ejemplos del dataset utilizado en la prueba:

Valores almacenadosResultado de Smart Email
noraanderson40@demo.co
noraanderson40+newsletter@demo.co
La misma identidad tras eliminar el sufijo con el signo más
victorbennett62@gmail.com
victorb.ennett62@gmail.com
La misma identidad de Gmail tras eliminar los puntos
yasmincarter105@gmail.com
yasmincarter105@googlemail.com
La misma identidad de Gmail tras normalizar el dominio
camiladiaz123@testmail.net
Camila Diaz <camiladiaz123@testmail.net>
La misma identidad tras extraer la dirección envuelta
marcusevans199@testmail.net
mailto:MARCUSEVANS199@TESTMAIL.NET?subject=Hello
La misma identidad tras eliminar el formato envolvente y comparar los valores en minúsculas

El tratamiento de los puntos es específico de Gmail. Datablist no presupone que first.last@company.com y firstlast@company.com sean la misma dirección. En dominios distintos de Gmail, los puntos pueden ser relevantes.

Smart Email es una regla de comparación, no un validador de emails. Comprueba la estructura suficiente para normalizar una dirección, pero no valida por completo el dominio ni el buzón. Por ejemplo, person+tag@.example.com se convierte en person@.example.com para buscar coincidencias, aunque el dominio tenga un formato incorrecto. Revise los valores no válidos por separado antes de fusionarlos.

Para mantener separados los alias con el signo más, los puntos de Gmail y los formatos envolventes, seleccione Exact. La comparación de texto exacta también elimina los espacios de los extremos e ignora por defecto las diferencias entre mayúsculas y minúsculas. Active Case sensitive cuando deban distinguirse; los espacios de los extremos seguirán eliminándose.

Revise las direcciones con etiquetas añadidas mediante el signo más en dominios corporativos antes de fusionarlas. Smart Email agrupa sam+orders@example.com y sam@example.com bajo una misma clave de comparación. Exchange Online intenta resolver primero la dirección completa y, si no puede, recurre a la dirección base. [1] Si dos direcciones tienen registros de destinatario distintos o no está claro cómo se enrutan, conserve ambas. Ejecute la comprobación con Exact en la columna de email y verifique que las dos filas permanezcan separadas.

🔑 La normalización propone un grupo de duplicados

No demuestra que todos los campos pertenezcan a la misma persona. Revise los nombres, las empresas y los buzones asociados a funciones antes de fusionar.

Para la mayoría de las tareas de limpieza de listas de contactos, recomiendo Smart matching con el Email processor. Cambio a Exact cuando es necesario mantener separados los alias y después compruebo la configuración de mayúsculas y minúsculas según los identificadores del archivo.

Consulte la documentación del Email processor para conocer todas las reglas de normalización y los planes que incluyen esta función.

Lista de emails de ejemplo para este tutorial

El archivo de prueba contiene 1.000 filas de contactos sintéticos que representan 800 identidades creadas expresamente. Ningún par duplicado comparte exactamente el mismo texto de email. Esto es importante porque una limpieza basada en valores exactos no permitiría mostrar la detección de alias.

El archivo tiene ocho columnas: record_id, first_name, last_name, email, company, phone, source y notes. El proceso busca coincidencias en email, pero mantiene visibles los demás campos para que pueda elegir un registro maestro y conservar los valores útiles.

Estas son cuatro filas exactas del archivo de entrada, pertenecientes a dos pares duplicados:

record_idfirst_namelast_nameemailphonesourcenotes
CONTACT-0040-ANoraAndersonnoraanderson40@demo.coExportación del CRMRegistro de contacto principal
CONTACT-0040-BN.A.noraanderson40+newsletter@demo.co+1-202-555-1039Formulario webDatos de seguimiento de una segunda fuente
CONTACT-0062-AVictorBennettvictorbennett62@gmail.com+1-202-555-1061Formulario webRegistro de contacto principal
CONTACT-0062-BvictorBENNETTvictorb.ennett62@gmail.comEventoDatos de seguimiento de una segunda fuente

El par de Nora muestra por qué no elimino los duplicados nada más detectarlos. El registro base contiene el nombre completo preferido, mientras que la fila del alias con el signo más incluye el único número de teléfono y una segunda fuente de adquisición. Al fusionarlos se pueden conservar ambos datos.

El dataset contiene 200 identidades duplicadas de dos filas, repartidas por igual entre cinco familias de variaciones: alias con el signo más, direcciones de Gmail con puntos, gmail.com frente a googlemail.com, formatos con nombre visible y valores mailto:. Las otras 600 identidades solo aparecen una vez.

Puede descargar el CSV de ejemplo con 1.000 filas para reproducir el tutorial. Si utiliza su propio archivo, incluya un email por fila y conserve los campos adyacentes que necesite consolidar.

Importe y prepare la columna de email

Importe el archivo CSV o Excel en una nueva colección de Datablist. Revise la vista previa de la importación y asigne la columna de email a una propiedad de tipo email.

Mantenga los nombres, la empresa, el teléfono, la fuente, las notas y los ID estables en propiedades separadas. Estas columnas no son datos prescindibles, sino las pruebas que utilizará cuando dos filas coincidan por email pero difieran en otros campos.

Una colección de 1.000 contactos con el menú Clean abierto en Merge duplicates
Una colección de 1.000 contactos con el menú Clean abierto en Merge duplicates

También prefiero trabajar con una dirección por celda en este proceso. Si una celda contiene alice@example.com; bob@example.com, divida o normalice primero su contenido. La guía para deduplicar un campo con varias direcciones de email explica ese caso específico.

Cuando una celda contiene varias direcciones, la deduplicación de valores múltiples compara los elementos separados por punto y coma. Revise el buzón coincidente antes de considerar que dos registros de contacto corresponden a una misma persona.

💡 Conserve los datos necesarios para decidir la fusión

No elimine las columnas de fuente, notas, teléfono o ID estable antes de deduplicar. Le ayudarán a elegir la fila maestra y evitar la pérdida de datos únicos.

Abra Clean > Merge duplicates. Elija Selected Properties y seleccione email para esta primera pasada centrada en el email.

La propiedad email seleccionada como campo para encontrar contactos duplicados
La propiedad email seleccionada como campo para encontrar contactos duplicados

Seleccionar una sola propiedad facilita la comprensión de la regla. Si añadiera ahora una propiedad de nombre o empresa, podría impedir una coincidencia válida de email cuando esos campos estuvieran vacíos o tuvieran formatos diferentes.

Configure Duplicates Finder

Para la propiedad email, seleccione Smart como algoritmo de comparación y elija el Email processor.

Comparación Smart configurada con el Email processor
Comparación Smart configurada con el Email processor

Cada ajuste cumple una función concreta:

  • Selected Properties limita la comprobación al identificador que desea comparar.
  • Smart activa la normalización mediante processors en lugar de comparar literalmente las cadenas almacenadas.
  • Email aplica las reglas verificadas para alias, Gmail, nombres visibles y mailto: descritas anteriormente.

Utilice Smart junto con el Email processor para detectar variantes de una misma identidad. Exact omite la normalización específica de emails, aunque sigue eliminando espacios e ignorando por defecto las diferencias entre mayúsculas y minúsculas.

La comprobación de duplicados es de solo lectura. Al ejecutarla se crean grupos candidatos para su revisión, pero no se eliminan ni fusionan filas de la colección. Los cambios solo se producen cuando usted elige y aplica una acción de fusión o eliminación.

Esta separación resulta útil: quiero ver qué valores considera equivalentes la regla de coincidencia antes de permitir que una fusión masiva modifique la lista.

Ejecute la comprobación y revise los duplicados

Haga clic en Run duplicates check. En esta prueba, Datablist agrupó 400 de las 1.000 filas en 200 grupos de dos filas.

Revisión de duplicados con 200 grupos, variantes de email y campos en conflicto
Revisión de duplicados con 200 grupos, variantes de email y campos en conflicto

No interprete todavía el número de grupos como la cantidad de filas que se eliminarán. Cada grupo es un candidato que debe revisar. Compruebe en cada uno:

  • si la variación del email tiene sentido;
  • si el nombre y los apellidos coinciden o presentan una variación explicable;
  • si existen conflictos entre los valores de empresa y teléfono;
  • si la fuente y las notas aportan información complementaria;
  • si la dirección corresponde a un buzón compartido.

Normalmente reviso los primeros grupos y cualquier coincidencia inesperada entre empresas antes de aplicar una regla masiva. Es más rápido que reparar después una fusión demasiado agresiva.

⚠️ Una dirección repetida no siempre corresponde a una persona repetida

Un buzón compartido como sales@company.com puede aparecer en varios contactos legítimos. Revise manualmente las direcciones asociadas a funciones en lugar de presuponer que todas las filas deben convertirse en una sola.

El archivo de prueba se diseñó para que cada par normalizado representara una única identidad. Una exportación real del CRM será más compleja. Si los nombres o las empresas apuntan a personas diferentes, omita ese grupo o revíselo por separado.

Elija entre fusionar o eliminar

Mi regla para decidir es sencilla:

  • Fusione las filas cuando contengan datos complementarios.
  • Elimine una fila adicional solo cuando no aporte ningún valor útil.
  • Deje los grupos ambiguos para revisarlos manualmente.

En esta prueba, la configuración de fusión eligió como registro maestro la fila más completa. Conservó el record_id maestro, utilizó los valores más largos de nombre y apellidos, y combinó source y notes con puntos y comas.

Reglas de fusión configuradas para conservar un registro maestro y combinar source y notes
Reglas de fusión configuradas para conservar un registro maestro y combinar source y notes

Estos ajustes son adecuados para el ejemplo, pero no combinaría por defecto todas las propiedades en conflicto. Es razonable convertir un historial de fuentes en Formulario web;Exportación del CRM. Sin embargo, un estado del CRM, un ID de propietario o un email principal suelen necesitar un único valor autorizado.

La vista previa es el lugar donde debe comprobar estas decisiones. Después de cambiar una regla, vuelva a revisar la fila de destino.

Vista previa de los 200 grupos de duplicados revisados y listos para fusionar
Vista previa de los 200 grupos de duplicados revisados y listos para fusionar

💡 Revise la vista previa después de cada cambio de regla

Compruebe qué fila pasa a ser la maestra, qué valores se combinan y cuáles desaparecen antes de aplicar la regla a todos los grupos preparados.

Si una fila duplicada contiene un teléfono, una fuente o una nota que no figura en las demás, fusiónela en lugar de eliminarla. En el ejemplo de Nora, la fila final conservó el nombre completo de un registro y el teléfono del otro.

Si trabaja con conflictos más complejos en el CRM, puede seguir el proceso detallado para fusionar Leads duplicados sin perder datos. En esta pasada centrada en el email, el objetivo es conservar los campos adyacentes útiles sin convertir todas las propiedades en cadenas con varios valores.

Resultados de la lista de prueba con 1.000 filas

La fusión produjo los siguientes resultados medidos:

MétricaResultado
Filas iniciales1.000
Filas incluidas en grupos de duplicados400
Grupos de duplicados con dos filas200
Filas duplicadas eliminadas200
Filas maestras actualizadas200
Filas finales800
Grupos de duplicados restantes0

La conciliación es directa: 1.000 filas iniciales - 200 filas eliminadas = 800 filas conservadas.

Proceso completado tras fusionar 200 grupos sin grupos duplicados restantes
Proceso completado tras fusionar 200 grupos sin grupos duplicados restantes

La fusión tardó unos segundos en la prueba manual, pero no se registró un tiempo exacto. Considere este dato una observación de esta ejecución, no una prueba de rendimiento.

El registro de cambios descargado contiene 400 entradas: 200 filas eliminadas y 200 filas maestras actualizadas. Para cada grupo fusionado, muestra los valores anteriores a la fusión y los que se conservaron en la fila de destino.

Registro descargado de cambios en emails duplicados con registros eliminados y actualizados
Registro descargado de cambios en emails duplicados con registros eliminados y actualizados

La tabla siguiente utiliza valores exactos de la prueba:

Variantes originalesMotivo de la coincidenciaEmail conservadoAcciónCampos conservados
noraanderson40@demo.co
noraanderson40+newsletter@demo.co
Sufijo con el signo más eliminadonoraanderson40+newsletter@demo.coFusionado en CONTACT-0040-BNombre completo, teléfono, Formulario web;Exportación del CRM y ambas notas
victorbennett62@gmail.com
victorb.ennett62@gmail.com
Puntos de Gmail normalizadosvictorbennett62@gmail.comFusionado en CONTACT-0062-ATeléfono, Formulario web;Evento y ambas notas
gabrielcarter113@gmail.com
gabrielcarter113@googlemail.com
Dominios de Gmail normalizadosgabrielcarter113@gmail.comFusionado en CONTACT-0113-ATeléfono, Lista de partners;Exportación del CRM y la nota de solicitud de demo
camiladiaz123@testmail.net
Camila Diaz <camiladiaz123@testmail.net>
Formato con nombre visible eliminadocamiladiaz123@testmail.netFusionado en CONTACT-0123-ANombre completo, teléfono, Lista de partners;Exportación del CRM y ambas notas
marcusevans199@testmail.net
mailto:MARCUSEVANS199@TESTMAIL.NET?subject=Hello
Formato mailto: eliminado y mayúsculas normalizadasmailto:MARCUSEVANS199@TESTMAIL.NET?subject=HelloFusionado en CONTACT-0199-BNombre completo, teléfono, Webinar;Evento y ambas notas

Observe que el valor conservado no siempre es el email visualmente más sencillo. El registro maestro seleccionado determina qué email almacenado se mantiene. La normalización se utiliza para buscar coincidencias; no convierte automáticamente todos los valores conservados a un formato canónico.

La colección Accounts limpia con 800 filas restantes
La colección Accounts limpia con 800 filas restantes

La fusión de prueba redujo las 1.000 filas a 800 porque se consolidaron 200 filas duplicadas revisadas en sus respectivos registros maestros. Este resultado corresponde a la lista de prueba diseñada para el tutorial y no representa una tasa de coincidencia universal para todos los formatos de email.

Errores posibles y checklist de validación

Smart Email matching gestiona las cinco familias de variaciones probadas, pero no debe sustituir la revisión.

Puntos en dominios que no son Gmail

Los puntos siguen siendo relevantes en los dominios que no pertenecen a Gmail. No presuponga que first.last@company.com y firstlast@company.com corresponden al mismo buzón. Si dispone de pruebas externas que las relacionan, gestione ese par manualmente.

Valores con formato incorrecto

No confunda una coincidencia con una validación. Los valores sin una estructura @ utilizable o con espacios internos no se normalizan como direcciones convencionales, pero el processor no rechaza todas las formas de dominio no válidas. Dos valores incorrectos pueden normalizarse al mismo valor de comparación. Compruebe por separado el formato de la dirección y el dominio, y excluya las filas dudosas de las fusiones automáticas. La verificación del buzón o de la entregabilidad sería un paso adicional.

Coincidencia Exact

Exact no elimina los sufijos con el signo más, los puntos de Gmail, los alias de dominio ni los formatos con nombre visible. Sí elimina los espacios de los extremos y, por defecto, compara el texto en minúsculas. Por ejemplo, NAME@example.com y name@example.com coinciden con la configuración predeterminada de Exact, mientras que name+tag@example.com y name@example.com permanecen separados. Active Case sensitive cuando la comparación deba distinguir entre mayúsculas y minúsculas. Exact es útil cuando las diferencias entre alias son importantes, pero no valida direcciones ni realiza una comparación byte a byte de la celda original.

Varias direcciones en una celda

Este método presupone que cada celda contiene una sola dirección. Si una celda incluye varias direcciones separadas por delimitadores, deberá aplicar primero el proceso específico para valores múltiples y después buscar coincidencias entre filas.

Buzones compartidos

Dos filas con sales@company.com pueden describir a personas diferentes. La decisión debe basarse en los nombres, los cargos, las empresas y las notas. No fusionaría en bloque buzones asociados a funciones sin revisarlos.

Eliminación de campos complementarios

Al eliminar una fila adicional podría perder el único teléfono, la única fuente de adquisición o una nota importante. Utilice la vista previa de la fusión para comprobar qué datos se conservarán.

La prueba diseñada encontró las 200 identidades previstas y ningún grupo inesperado que combinara identidades diferentes. No se probaron todos los formatos de email reales, los posibles valores incorrectos ni todos los patrones de buzones compartidos.

Antes de exportar su propia lista, compruebe lo siguiente:

  • Cada grupo aprobado representa una sola identidad.
  • Los buzones compartidos y asociados a funciones se han revisado manualmente.
  • La fila maestra contiene el nombre, el ID y el email preferidos.
  • Los valores únicos de teléfono, empresa, fuente y notas sobreviven a la fusión.
  • Las filas iniciales menos las filas eliminadas equivalen al número final de filas.
  • La revisión por muestreo cubre cada familia de normalización presente en su lista.
  • El número de grupos de duplicados restantes coincide con sus expectativas.

📌 Concilie las cifras

Filas iniciales - filas eliminadas = filas finales es la comprobación de integridad más rápida después de una fusión.

Continúe limpiando la lista de emails

La deduplicación resuelve las identidades repetidas. No comprueba si existe el buzón, si el proveedor es desechable, si el contacto se ha dado de baja ni si el email es entregable.

Prefiero resolver primero las identidades duplicadas. Así, las comprobaciones posteriores se ejecutan sobre los contactos conservados en lugar de procesar varias versiones de la misma persona. Cuando la fusión supere su checklist de validación, limpie el resto de su lista de emails, abra Export y elija CSV o Excel.

Deduplicate su lista con Datablist

Importe su archivo de contactos en Datablist, ejecute la comprobación de duplicados específica para emails, revise los grupos propuestos, fusione los valores útiles y exporte la lista limpia.

FAQ

¿Importan las mayúsculas al comparar emails?

La comparación de Smart Email utiliza valores en minúsculas, por lo que NAME@example.com y name@example.com pueden agruparse cuando el resto de la dirección normalizada coincide.

¿Los puntos de Gmail y los alias con + son iguales?

Smart Email matching elimina de la parte local los sufijos añadidos mediante el signo más e ignora los puntos en la parte local de las direcciones de Gmail. La regla de los puntos es específica de Gmail; en otros dominios, los puntos siguen siendo relevantes.

¿Debo fusionar o eliminar los contactos duplicados?

Fusione los registros cuando otra fila aporte un teléfono, una fuente, una nota, un valor de empresa u otro campo útil. Elimine la fila adicional solo cuando no añada ningún dato que necesite.

¿Qué hago si una celda contiene varios emails?

Divida o normalice la celda con varios valores antes de ejecutar este proceso entre filas. Siga la guía para deduplicar un campo con varias direcciones de email.

¿Debo fusionar buzones como sales@company.com?

No automáticamente. Una misma dirección compartida puede representar a varios contactos. Compare los nombres y los demás campos, y revise esos grupos manualmente.

Fuentes