Come deduplicare gli indirizzi email in una lista

Florian Poullin
Florian Poullin
16 min di lettura
Deduplica le email senza perdere dati
Come deduplicare gli indirizzi email in una lista
Indice dei contenuti
  1. Quando Datablist considera due email uguali
  2. La lista email di esempio usata nella guida
  3. Importare e preparare la colonna email
  4. Configurare Duplicates Finder
  5. Eseguire il controllo e verificare i duplicati
  6. Scegliere se unire o eliminare i duplicati
  7. Risultati del test su 1.000 righe
  8. Errori comuni e checklist di validazione
    1. Punti nei domini diversi da Gmail
    2. Valori non validi
    3. Matching Exact
    4. Più indirizzi nella stessa cella
    5. Caselle email condivise
    6. Eliminazione di campi complementari
  9. Continuare la pulizia della lista email
  10. Deduplicare una lista con Datablist
  11. FAQ

I duplicati email tendono a insinuarsi nelle liste quando si combinano un export del CRM, gli invii di un form o una lista di partecipanti a un evento. La stessa persona compare due volte, ma le righe sono raramente identiche: una può contenere il numero di telefono, mentre l’altra riporta la fonte o una nota utile.

Per questo non inizio eliminando le email ripetute. Per deduplicare gli indirizzi email in sicurezza, uso Datablist Duplicates Finder con Smart matching e il processor Email. In questo modo, Datablist raggruppa le varianti dello stesso indirizzo e mi permette di esaminare le righe complete dei contatti, per poi unire i dati che voglio conservare.

Per questa guida ho creato una lista di test con 1.000 contatti e le varianti che incontro più spesso: alias con il segno più, differenze negli indirizzi Gmail e indirizzi racchiusi in altri formati. Datablist ha trovato 200 coppie di duplicati e, dopo la pulizia, la collection conteneva 800 contatti. Vediamo le impostazioni che ho usato e i controlli effettuati prima di unire i record.

Esegui prima il matching sull’email, ma decidi cosa conservare valutando l’intera riga del contatto. Se invece devi confrontare nomi, numeri di telefono, domini aziendali o altri identificatori, scopri come deduplicare una lista online.

Quando Datablist considera due email uguali

Lo Smart matching con il processor Email confronta l’identità degli indirizzi, non il semplice testo contenuto nelle celle. Rimuove gli spazi iniziali e finali, confronta i valori in minuscolo ed elimina l’eventuale +suffisso dalla parte locale prima del matching.

Applica inoltre regole specifiche per Gmail. I punti vengono rimossi dalla parte locale degli indirizzi Gmail e googlemail.com viene ricondotto a gmail.com. Datablist può anche estrarre un indirizzo valido da un formato con nome visualizzato o da un valore mailto: contenente una query string.

Ecco alcuni esempi tratti dal dataset di test:

Valori memorizzatiRisultato Smart Email
noraanderson40@demo.co
noraanderson40+newsletter@demo.co
Stessa identità dopo la rimozione del suffisso con il segno più
victorbennett62@gmail.com
victorb.ennett62@gmail.com
Stessa identità Gmail dopo la rimozione dei punti
yasmincarter105@gmail.com
yasmincarter105@googlemail.com
Stessa identità Gmail dopo la normalizzazione del dominio
camiladiaz123@testmail.net
Camila Diaz <camiladiaz123@testmail.net>
Stessa identità dopo l’estrazione dell’indirizzo dal formato completo
marcusevans199@testmail.net
mailto:MARCUSEVANS199@TESTMAIL.NET?subject=Hello
Stessa identità dopo la rimozione del wrapper e il confronto dei valori in minuscolo

La gestione dei punti è specifica per Gmail. Datablist non presume che first.last@company.com e firstlast@company.com siano lo stesso indirizzo. Nei domini diversi da Gmail, i punti possono avere un significato preciso.

Smart Email è una regola di confronto, non uno strumento di validazione delle email. Controlla una parte sufficiente della struttura per normalizzare l’indirizzo, ma non convalida completamente il dominio o la casella. Per esempio, person+tag@.example.com diventa person@.example.com ai fini del matching, anche se il dominio non è valido. Prima del merge, esamina separatamente i valori non validi.

Per mantenere distinti gli alias con il segno più, i punti di Gmail e i wrapper, seleziona Exact. Il confronto testuale Exact rimuove comunque gli spazi iniziali e finali e, per impostazione predefinita, ignora le maiuscole. Attiva Case sensitive se maiuscole e minuscole devono restare distinte; la rimozione degli spazi continuerà comunque ad applicarsi.

Controlla gli indirizzi con plus tag sui domini aziendali prima di procedere al merge. Smart Email raggruppa sam+orders@example.com e sam@example.com usando la stessa chiave di confronto. Exchange Online prova prima a risolvere l’indirizzo completo e, se non ci riesce, utilizza quello di base. [1] Se i due indirizzi corrispondono a destinatari distinti o il routing non è chiaro, conservali entrambi. Esegui il controllo selezionando Exact per la colonna email e verifica che le due righe restino separate.

🔑 La normalizzazione propone un gruppo di duplicati

Non dimostra che tutti i campi appartengano alla stessa persona. Prima del merge, controlla nomi, aziende e caselle associate a ruoli.

Per la maggior parte delle operazioni di pulizia delle liste di contatti, consiglio Smart matching con il processor Email. Passo a Exact quando gli alias devono rimanere separati, quindi verifico l’impostazione relativa alle maiuscole in base agli identificatori presenti nel file.

Consulta la documentazione del processor Email per conoscere tutte le regole di normalizzazione e i piani che includono questa funzione.

La lista email di esempio usata nella guida

Il file di test contiene 1.000 righe di contatti sintetici, corrispondenti a 800 identità create appositamente. Nessuna coppia di duplicati presenta la stessa stringa email originale. È un aspetto importante, perché una pulizia basata sui valori esatti non mostrerebbe la capacità di riconoscere gli alias.

Il file contiene otto colonne: record_id, first_name, last_name, email, company, phone, source e notes. Il workflow esegue il matching su email, mentre gli altri campi restano visibili per consentirmi di scegliere il record master e conservare i valori utili.

Ecco quattro righe originali appartenenti a due coppie di duplicati:

record_idfirst_namelast_nameemailphonesourcenotes
CONTACT-0040-ANoraAndersonnoraanderson40@demo.coExport CRMRecord principale del contatto
CONTACT-0040-BN.A.noraanderson40+newsletter@demo.co+1-202-555-1039Form del sitoDettagli di follow-up provenienti da una seconda fonte
CONTACT-0062-AVictorBennettvictorbennett62@gmail.com+1-202-555-1061Form del sitoRecord principale del contatto
CONTACT-0062-BvictorBENNETTvictorb.ennett62@gmail.comEventoDettagli di follow-up provenienti da una seconda fonte

La coppia di Nora mostra perché non elimino i duplicati a prima vista. Il record di base contiene il nome completo preferito, mentre la riga con l’alias conserva l’unico numero di telefono e una seconda fonte di acquisizione. Con un merge è possibile mantenerli entrambi.

Il dataset contiene 200 identità duplicate composte da due righe, suddivise equamente tra cinque tipi di variazione: alias con il segno più, indirizzi Gmail con punti, gmail.com rispetto a googlemail.com, wrapper con nome visualizzato e valori mailto:. Le altre 600 identità compaiono una sola volta.

Puoi scaricare il CSV di esempio con 1.000 righe per riprodurre la procedura. Se usi un file personale, inserisci una sola email per riga e conserva i campi adiacenti che dovrai consolidare.

Importare e preparare la colonna email

Importa il file CSV o Excel in una nuova collection di Datablist. Controlla l’anteprima di importazione e associa la colonna email a una proprietà di tipo email.

Mantieni nomi, azienda, telefono, fonte, note e ID stabili in proprietà separate. Queste colonne non sono dati superflui: sono gli elementi che ti permetteranno di decidere cosa fare quando due righe coincidono per email ma differiscono negli altri campi.

Una collection di 1.000 contatti con il menu Clean aperto su Merge duplicates
Una collection di 1.000 contatti con il menu Clean aperto su Merge duplicates

Per questo workflow preferisco inoltre avere un solo indirizzo per cella. Se una cella contiene alice@example.com; bob@example.com, separa o normalizza prima i valori. La guida per deduplicare un campo con più indirizzi email spiega come gestire questo caso specifico.

Quando una cella contiene più indirizzi, la deduplicazione dei campi multi-valore confronta gli elementi separati da punti e virgola. Esamina la casella in comune prima di considerare due record come riferiti alla stessa persona.

💡 Conserva i dati utili per il merge

Non rimuovere le colonne relative a fonte, note, telefono o ID stabile prima della deduplicazione. Ti aiutano a scegliere la riga master e a non perdere informazioni uniche.

Apri Clean > Merge duplicates. Seleziona Selected Properties, quindi scegli email per questa prima verifica basata sull’indirizzo.

La proprietà email selezionata come campo per trovare i contatti duplicati
La proprietà email selezionata come campo per trovare i contatti duplicati

Selezionando una sola proprietà, la logica della regola rimane semplice da comprendere. Aggiungere già in questa fase una proprietà relativa al nome o all’azienda potrebbe impedire il riconoscimento di email valide quando questi campi sono vuoti o formattati diversamente.

Configurare Duplicates Finder

Per la proprietà email, seleziona Smart come algoritmo di confronto e scegli il processor Email.

Confronto Smart configurato con il processor Email
Confronto Smart configurato con il processor Email

Ogni impostazione svolge una funzione specifica:

  • Selected Properties limita il controllo all’identificatore che vuoi confrontare.
  • Smart abilita la normalizzazione basata sui processor invece di confrontare letteralmente le stringhe memorizzate.
  • Email applica le regole verificate per alias, Gmail, nomi visualizzati e mailto: descritte in precedenza.

Usa Smart insieme al processor Email per riconoscere le varianti della stessa identità. Exact non applica la normalizzazione specifica per le email, ma continua a rimuovere gli spazi e, per impostazione predefinita, ignora le maiuscole.

Il controllo dei duplicati è un’operazione di sola lettura. La sua esecuzione crea gruppi di possibili duplicati da esaminare, senza eliminare o unire le righe della collection. Le modifiche vengono applicate soltanto dopo aver scelto ed eseguito un’azione di merge o eliminazione.

Questa separazione è utile: voglio vedere quali valori la regola di matching considera equivalenti prima di consentire a un merge in blocco di modificare la lista.

Eseguire il controllo e verificare i duplicati

Fai clic su Run duplicates check. In questo test, Datablist ha inserito 400 delle 1.000 righe in 200 gruppi composti da due record.

Revisione dei duplicati con 200 gruppi, varianti email e campi in conflitto
Revisione dei duplicati con 200 gruppi, varianti email e campi in conflitto

Non considerare ancora il numero dei gruppi come il numero di righe da eliminare. Ogni gruppo è un candidato da esaminare. Verifica:

  • se la variante dell’indirizzo email è plausibile;
  • se nome e cognome coincidono o presentano una variazione spiegabile;
  • se i valori relativi ad azienda e telefono sono in conflitto;
  • se fonte e note aggiungono informazioni complementari;
  • se l’indirizzo appartiene a una casella condivisa.

Di solito controllo i primi gruppi e qualsiasi corrispondenza insolita tra aziende diverse prima di applicare una regola in blocco. È più rapido che correggere in seguito un merge troppo aggressivo.

⚠️ Un indirizzo ripetuto non indica sempre la stessa persona

Una casella condivisa come sales@company.com può appartenere legittimamente a più contatti. Esamina manualmente gli indirizzi associati a ruoli invece di presumere che tutte le righe debbano essere riunite.

Il file di test è stato progettato affinché ogni coppia normalizzata rappresentasse una sola identità. Un export CRM reale sarà più disordinato. Se nomi o aziende fanno pensare a persone diverse, ignora il gruppo o esaminalo separatamente.

Scegliere se unire o eliminare i duplicati

La mia regola decisionale è semplice:

  • Unisci le righe quando contengono dati complementari.
  • Elimina una riga aggiuntiva solo se non offre alcun valore utile.
  • Lascia i gruppi ambigui per una revisione manuale.

In questo test, la configurazione di merge ha selezionato come master la riga più completa. Ha conservato il record_id del master, utilizzato i valori più lunghi per nome e cognome e combinato source e notes separandoli con punti e virgola.

Regole di merge configurate per mantenere un record master e combinare fonte e note
Regole di merge configurate per mantenere un record master e combinare fonte e note

Queste impostazioni sono adatte all’esempio, ma non combinerei automaticamente tutte le proprietà in conflitto. Una cronologia delle fonti può diventare sensatamente Form del sito;Export CRM. Lo stato nel CRM, l’ID del proprietario o l’email principale richiedono invece, in genere, un unico valore autorevole.

L’anteprima serve proprio a verificare queste scelte. Dopo aver modificato una regola, controlla nuovamente la riga di destinazione.

Anteprima con tutti i 200 gruppi di duplicati verificati e pronti per il merge
Anteprima con tutti i 200 gruppi di duplicati verificati e pronti per il merge

💡 Controlla l’anteprima dopo ogni modifica

Prima di applicare la regola a tutti i gruppi pronti, verifica quale riga diventerà il master, quali valori verranno combinati e quali scompariranno.

Se una riga duplicata contiene un numero di telefono, una fonte o una nota unici, uniscila invece di eliminarla. Nell’esempio di Nora, la riga finale conserva il nome completo di un record e il telefono dell’altro.

Chi deve gestire conflitti più complessi nel CRM può seguire il workflow dettagliato per unire Lead duplicati senza perdere dati. In questa procedura incentrata sulle email, l’obiettivo è conservare i campi adiacenti utili senza trasformare ogni proprietà in una stringa multi-valore.

Risultati del test su 1.000 righe

Il merge ha prodotto questi risultati misurati:

MetricaRisultato
Righe iniziali1.000
Righe inserite nei gruppi di duplicati400
Gruppi di duplicati con due righe200
Righe duplicate eliminate200
Righe master aggiornate200
Righe finali800
Gruppi di duplicati rimanenti0

La verifica è immediata: 1.000 righe iniziali - 200 righe eliminate = 800 righe conservate.

Completamento del merge di 200 gruppi, senza gruppi di duplicati rimanenti
Completamento del merge di 200 gruppi, senza gruppi di duplicati rimanenti

Nel test eseguito manualmente, il merge ha richiesto pochi secondi, ma non è stato registrato un tempo preciso. Consideralo un dato relativo a questa esecuzione, non un benchmark delle prestazioni.

Il change log scaricato contiene 400 voci: 200 righe eliminate e 200 righe master aggiornate. Per ogni gruppo unito, mostra i valori precedenti al merge e quelli conservati nella riga di destinazione.

Change log scaricato con i record email eliminati e aggiornati
Change log scaricato con i record email eliminati e aggiornati

La tabella seguente riporta i valori esatti del test:

Varianti originaliMotivo del matchingEmail conservataAzioneCampi conservati
noraanderson40@demo.co
noraanderson40+newsletter@demo.co
Suffisso con il segno più rimossonoraanderson40+newsletter@demo.coMerge in CONTACT-0040-BNome completo, telefono, Form del sito;Export CRM ed entrambe le note
victorbennett62@gmail.com
victorb.ennett62@gmail.com
Punti di Gmail normalizzativictorbennett62@gmail.comMerge in CONTACT-0062-ATelefono, Form del sito;Evento ed entrambe le note
gabrielcarter113@gmail.com
gabrielcarter113@googlemail.com
Domini Gmail normalizzatigabrielcarter113@gmail.comMerge in CONTACT-0113-ATelefono, Lista partner;Export CRM e la nota sulla richiesta di demo
camiladiaz123@testmail.net
Camila Diaz <camiladiaz123@testmail.net>
Wrapper con nome visualizzato rimossocamiladiaz123@testmail.netMerge in CONTACT-0123-ANome completo, telefono, Lista partner;Export CRM ed entrambe le note
marcusevans199@testmail.net
mailto:MARCUSEVANS199@TESTMAIL.NET?subject=Hello
Wrapper mailto: rimosso e maiuscole normalizzatemailto:MARCUSEVANS199@TESTMAIL.NET?subject=HelloMerge in CONTACT-0199-BNome completo, telefono, Webinar;Evento ed entrambe le note

Come puoi notare, il valore conservato non è sempre l’indirizzo visivamente più semplice. È il record master selezionato a determinare quale email memorizzata rimane. La normalizzazione viene usata per il matching, ma non riscrive automaticamente tutti i valori conservati in un formato canonico.

La collection Accounts pulita con 800 righe rimanenti
La collection Accounts pulita con 800 righe rimanenti

Il merge di test ha ridotto le righe da 1.000 a 800 perché 200 record duplicati verificati sono stati consolidati nei rispettivi record master. Questo risultato descrive la lista creata per il test e non rappresenta un tasso di matching universale per ogni formato email.

Errori comuni e checklist di validazione

Lo Smart Email matching gestisce i cinque tipi di variazione verificati, ma non sostituisce la revisione manuale.

Punti nei domini diversi da Gmail

Nei domini diversi da Gmail, i punti rimangono significativi. Non presumere che first.last@company.com e firstlast@company.com appartengano alla stessa casella. Se disponi di prove esterne che li collegano, gestisci manualmente la coppia.

Valori non validi

Non considerare un risultato di matching come una verifica di validità. Gli input privi di una struttura @ utilizzabile o contenenti spazi interni non vengono normalizzati come indirizzi ordinari, ma il processor non rifiuta ogni possibile dominio malformato. Due valori non validi possono comunque produrre lo stesso valore di confronto. Verifica separatamente il formato dell’indirizzo e il dominio ed escludi le righe dubbie dai merge automatici. Il controllo dell’esistenza della casella o della deliverability è un passaggio successivo.

Matching Exact

Exact non rimuove i suffissi con il segno più, i punti di Gmail, gli alias di dominio o i wrapper con nome visualizzato. Elimina però gli spazi iniziali e finali e, per impostazione predefinita, confronta il testo in minuscolo. Per esempio, NAME@example.com e name@example.com coincidono con le impostazioni Exact predefinite; name+tag@example.com e name@example.com restano invece distinti. Attiva Case sensitive quando il confronto deve rispettare maiuscole e minuscole. Exact è utile quando le differenze tra alias sono importanti, ma non è uno strumento di validazione né un confronto byte per byte della cella originale.

Più indirizzi nella stessa cella

Questo metodo presuppone che ogni cella contenga un solo indirizzo. Se sono presenti più indirizzi separati da delimitatori, occorre prima utilizzare il workflow dedicato ai campi multi-valore e poi eseguire il matching delle righe.

Caselle email condivise

Due righe con sales@company.com possono riferirsi a persone diverse. Nomi, ruoli, aziende e note devono guidare la decisione durante la revisione. Non eseguirei un merge in blocco delle caselle associate a ruoli senza prima controllarle.

Eliminazione di campi complementari

Eliminando una riga aggiuntiva potresti perdere l’unico numero di telefono, la fonte di acquisizione o una nota. Usa l’anteprima del merge per vedere quali dati verranno conservati.

Il test progettato ha individuato tutte le 200 identità previste senza creare gruppi inattesi tra identità diverse. Non ha però verificato ogni possibile formato reale, valore malformato o schema di casella condivisa.

Prima di esportare la tua lista, controlla che:

  • Ogni gruppo approvato rappresenti una sola identità.
  • Le caselle condivise e associate a ruoli siano state esaminate manualmente.
  • La riga master contenga il nome, l’ID e l’indirizzo email preferiti.
  • I valori unici relativi a telefono, azienda, fonte e note rimangano disponibili dopo il merge.
  • Il numero di righe iniziali meno quelle eliminate corrisponda al numero di righe finali.
  • Il controllo a campione includa ogni tipo di normalizzazione presente nella lista.
  • Il numero di gruppi di duplicati rimanenti corrisponda alle aspettative.

📌 Verifica il conteggio delle righe

Righe iniziali - righe eliminate = righe finali è il controllo di completezza più rapido dopo un merge.

Continuare la pulizia della lista email

La deduplicazione risolve le identità ripetute, ma non verifica l’esistenza delle caselle, i provider di email temporanee, lo stato di disiscrizione o la deliverability.

Preferisco risolvere prima le identità duplicate. I controlli successivi vengono così eseguiti sui contatti conservati, senza elaborare più versioni della stessa persona. Quando il merge ha superato la checklist di validazione, completa la pulizia della lista email, quindi apri Export e scegli CSV o Excel.

Deduplicare una lista con Datablist

Importa il file dei contatti in Datablist, esegui il controllo dei duplicati specifico per le email, verifica i gruppi proposti, unisci i valori utili ed esporta la lista pulita.

FAQ

Le maiuscole contano nel matching delle email?

Il confronto Smart Email utilizza valori in minuscolo per il matching. Di conseguenza, NAME@example.com e name@example.com possono essere inseriti nello stesso gruppo se il resto dell’indirizzo normalizzato coincide.

I punti Gmail e gli alias con più indicano la stessa email?

Lo Smart Email matching rimuove dalla parte locale il suffisso introdotto dal segno più e ignora i punti nella parte locale degli indirizzi Gmail. La regola sui punti si applica esclusivamente a Gmail: negli altri domini, i punti restano significativi.

È meglio unire o eliminare i contatti duplicati?

Esegui il merge quando un’altra riga aggiunge un numero di telefono, una fonte, una nota, un’azienda o qualsiasi altro campo utile. Elimina la riga aggiuntiva soltanto se non contiene nulla che ti serva.

Cosa fare se una cella contiene più indirizzi email?

Separa o normalizza la cella multi-valore prima di eseguire questo workflow a livello di riga. Segui la guida per deduplicare un campo con più indirizzi email.

Le caselle condivise come sales@company.com vanno unite?

Non automaticamente. Un unico indirizzo condiviso può rappresentare diversi contatti. Confronta i nomi e gli altri campi, quindi esamina manualmente questi gruppi.

Fonti