Guia completo de limpeza e enriquecimento de CRM

Habib Benabdeslam
Habib Benabdeslam
38 min de leitura
Limpe e enriqueça os dados do seu CRM
Guia completo de limpeza e enriquecimento de CRM
Índice
  1. Estrutura deste guia de limpeza de dados de CRM
  2. Como remover duplicados de contatos e contas do CRM
    1. Método 1: remover duplicados de uma lista usando todas as colunas
    2. Etapa 1 para remover duplicados usando todas as colunas
    3. Etapa 2 para remover duplicados usando todas as colunas
    4. Método 2: remover duplicados de uma lista usando colunas específicas
    5. Etapa 1 para remover duplicados usando colunas específicas
    6. Etapa 2 para remover duplicados usando colunas específicas
    7. Etapa 3 para remover duplicados usando colunas específicas
    8. Método 3: remover duplicados em várias listas
    9. Etapa 1 para remover duplicados em várias listas
    10. Etapa 2 para remover duplicados em várias listas
  3. Como verificar se os dados do CRM estão atualizados
    1. Como verificar grátis se um email é válido
    2. Etapa 1 para verificar grátis se um email é válido
    3. Etapa 2 para verificar grátis se um email é válido
    4. Como verificar se um email pode receber mensagens
    5. Etapa 1 para verificar se um email pode receber mensagens
    6. Etapa 2 para verificar se um email pode receber mensagens
    7. Como verificar em massa se uma pessoa ainda trabalha na empresa
    8. Etapa 1 para verificar se uma pessoa ainda trabalha na empresa
    9. Etapa 2 para verificar se uma pessoa ainda trabalha na empresa
    10. Etapa 3 para verificar se uma pessoa ainda trabalha na empresa
    11. Etapa 4 para verificar se uma pessoa ainda trabalha na empresa
  4. Como estruturar e formatar os dados do CRM
    1. Como separar nome e sobrenome
    2. Etapa 1 para separar nome e sobrenome
    3. Etapa 2 para separar nome e sobrenome
    4. Como extrair domínios de emails
    5. Etapa 1 para extrair domínios de emails
    6. Como formatar telefones para limpar o CRM
    7. Etapa 1 para formatar telefones na limpeza do CRM
  5. Como atualizar os dados do CRM
    1. Como encontrar domínios a partir de nomes de empresas
    2. Etapa 1 para encontrar domínios a partir de nomes de empresas
    3. Etapa 2 para encontrar domínios a partir de nomes de empresas
    4. Como extrair informações e dados de empresas
    5. Etapa 1 para extrair informações e dados de empresas
    6. Etapa 2 para extrair informações e dados de empresas
    7. Como extrair dados de empresas difíceis de encontrar
    8. Etapa 1 para extrair dados de empresas difíceis de encontrar
    9. Etapa 2 para extrair dados de empresas difíceis de encontrar
    10. Como extrair o perfil do LinkedIn de um prospect
    11. Etapa 1 para extrair o perfil do LinkedIn de um prospect
    12. Etapa 2 para extrair o perfil do LinkedIn do prospect
    13. Como encontrar emails verificados para o CRM
    14. Etapa 1 para encontrar emails verificados para o CRM
    15. Etapa 2 para encontrar emails verificados para o CRM
    16. Como enriquecer o CRM com telefones verificados
    17. Etapa 1 para encontrar telefones verificados para o CRM
    18. Etapa 2 para encontrar telefones verificados para o CRM
  6. Conclusão
  7. FAQ

A limpeza de dados de CRM começa com uma exportação segura: preserve o ID de cada contato e conta, identifique duplicados, verifique quais campos estão desatualizados, padronize os formatos e enriqueça apenas as lacunas necessárias. Revise os registros alterados antes de importá-los novamente para o CRM. O enriquecimento adiciona informações; sozinho, ele não corrige duplicados nem emails inválidos.

Por exemplo, exporte Contact ID, Email, First Name, Last Name, Company Domain e Account ID. Mantenha os IDs na sua collection do Datablist durante todo o processo. O resultado limpo poderá preservar os IDs originais junto com um status de email revisado, o nome normalizado e qualquer novo dado encontrado sobre a empresa. Assim, você consegue associar cada alteração ao registro correto no CRM.

Para nomes de contas com diferenças de maiúsculas, minúsculas ou sufixos jurídicos, teste alguns valores na ferramenta gratuita de limpeza de nomes de empresas. Compare os nomes tratados com os originais antes de adicionar uma coluna de nome de exibição à exportação do CRM.

A ordem importa: remova duplicados antes de pagar duas vezes para enriquecer a mesma pessoa, valide os dados antes de usar um endereço de contato em ações de Outbound e mantenha os valores originais disponíveis até conferir as substituições. As seções abaixo mostram cada operação no Datablist.

Estrutura deste guia de limpeza de dados de CRM

Este guia aborda quatro etapas. Comece pela mais necessária para a sua exportação e depois volte às demais enquanto prepara os dados limpos para importação:

Primeira seção: deduplicação

  1. Remover contatos e contas duplicados quando todos os atributos são idênticos
  2. Remover registros duplicados do CRM com atributos diferentes
  3. Como remover registros duplicados do CRM em listas separadas

Segunda seção: validação de dados

  1. Validar o status de domínios e emails
  2. Verificar se um email pode receber mensagens
  3. Como verificar se uma pessoa ainda trabalha na empresa

Terceira seção: estruturação de dados

  1. Separar nome, nome do meio e sobrenome
  2. Extrair domínios de emails
  3. Formatar telefones em massa de acordo com o país

Quarta seção: enriquecimento do CRM

  1. Encontrar sites a partir de nomes de empresas
  2. Enriquecer e atualizar dados de contas
  3. Como encontrar informações empresariais ausentes dos bancos de dados
  4. Atualizar informações de contatos com dados recentes do LinkedIn
  5. Como encontrar endereços de email verificados
  6. Como obter números de celular verificados

Em outras palavras, vamos remover os dados duplicados, verificar se os dados restantes continuam válidos, estruturá-los e extrair informações e, por fim, enriquecê-los com novos dados.

Você pode ir direto à parte mais relevante ou acompanhar todo o processo.

❗️ Preserve os IDs dos registros

Não exibi os IDs dos registros neste exemplo — como ID do contato, da nota ou da conta —, mas você deve preservá-los. Caso contrário, não conseguirá importar os dados e associá-los novamente aos registros do CRM.

Como remover duplicados de contatos e contas do CRM

Para remover contatos e contas duplicados do CRM, você pode usar três métodos no Datablist:

A lista pode conter contas, contatos ou negócios. Independentemente do conteúdo, o processo é o mesmo.

Método 1: remover duplicados de uma lista usando todas as colunas

Às vezes, ao extrair contatos do LinkedIn ou de outras fontes mais de uma vez, os mesmos contatos são coletados novamente. Nesse caso, a maneira mais rápida e eficiente de limpar os dados é remover os contatos duplicados usando todas as colunas. Veja como fazer:

Etapa 1 para remover duplicados usando todas as colunas

Primeiro, crie uma conta no Datablist.com.

Página inicial do Datablist
Página inicial do Datablist

Depois, importe sua lista em CSV ou Excel.

Tela inicial do Datablist
Tela inicial do Datablist

Etapa 2 para remover duplicados usando todas as colunas

Clique em Clean e selecione o Duplicates Finder.

Collection do Datablist para deduplicação de contatos
Collection do Datablist para deduplicação de contatos

Em seguida, ative a opção ao lado de All Properties.

Configuração de propriedades para deduplicação no Datablist
Configuração de propriedades para deduplicação no Datablist

Agora, clique em Next.

Revisão das configurações de deduplicação no Datablist
Revisão das configurações de deduplicação no Datablist

Clique em Run duplicates check.

Configurações do algoritmo de deduplicação no Datablist
Configurações do algoritmo de deduplicação no Datablist

Revise os resultados e clique em Auto-merge duplicates when possible.

Prévia da mesclagem de duplicados no Datablist
Prévia da mesclagem de duplicados no Datablist

É simples assim remover contatos duplicados do CRM.

Tela de sucesso após a deduplicação no Datablist
Tela de sucesso após a deduplicação no Datablist

Agora, vamos conhecer o segundo método.

Método 2: remover duplicados de uma lista usando colunas específicas

Este é o melhor método para deduplicar uma lista que contém o mesmo contato com pequenas variações.

Por exemplo: o mesmo contato aparece duas vezes com emails e nomes idênticos, mas as notas são diferentes. Nesse caso, você precisa deduplicar apenas duas ou três colunas específicas.

Chamamos isso de identificador único, e você pode usar mais de um.

Etapa 1 para remover duplicados usando colunas específicas

Primeiro, crie uma conta no Datablist.com.

Página inicial do Datablist
Página inicial do Datablist

Depois, importe sua lista em CSV ou Excel.

Tela inicial do Datablist
Tela inicial do Datablist

Etapa 2 para remover duplicados usando colunas específicas

Clique em Clean e selecione Duplicates Finder.

Collection do Datablist para deduplicação por colunas
Collection do Datablist para deduplicação por colunas

Depois, marque as colunas que servirão para identificar duplicados. Neste exemplo, quero comparar os contatos pelas colunas Company Domain e First Name.

Seleção de colunas para deduplicação
Seleção de colunas para deduplicação

Ao selecionar as colunas, escolha também o processor correto.

Mantenha a opção Algorithm na configuração padrão, a menos que você tenha IDs, URLs ou outras propriedades que exijam correspondência exata.

Para domínios, selecione URL; para nomes de empresas, selecione Company Name; e assim por diante.

O mais importante é alinhar o processor ao conteúdo da coluna usada na deduplicação.

Depois disso, clique em Run duplicates check.

Configuração do processor para deduplicação por colunas
Configuração do processor para deduplicação por colunas

Etapa 3 para remover duplicados usando colunas específicas

Como as notas não são idênticas, haverá um conflito. Você pode resolvê-lo de duas formas:

  • Descartar os valores dos itens conflitantes
  • Combinar as propriedades conflitantes
Prévia e configurações de duplicados no Datablist
Prévia e configurações de duplicados no Datablist

Clique em Combine conflicting properties, selecione a coluna com conflitos, use Line break como separador e clique em Refresh Merging Preview.

Configurações para tratar conflitos na deduplicação por colunas
Configurações para tratar conflitos na deduplicação por colunas

Agora você pode conferir como o Datablist combinará as duas notas antes de excluir os duplicados. Depois, clique em Auto-merge when possible.

Prévia da mesclagem na deduplicação por colunas do Datablist
Prévia da mesclagem na deduplicação por colunas do Datablist

Veja como ficará sua lista sem duplicados.

Resultado da deduplicação por colunas no Datablist
Resultado da deduplicação por colunas no Datablist

👉 Para saber mais, leia nossos artigos sobre deduplicação de contatos do Mac/iOS, deduplicação de colunas com vários valores, correspondência de nomes de empresas semelhantes em uma lista e mesclagem de duplicados no Pipedrive.

Agora, vamos ao terceiro método: remover registros duplicados do CRM em várias listas.

Método 3: remover duplicados em várias listas

Veja um exemplo prático de deduplicação entre listas:

Objetivo: executar uma campanha de ABM voltada apenas para contas novas, sem interação no primeiro trimestre.

Processo:

  • Comparar duas listas: contas do primeiro trimestre e contas novas
  • Remover da lista nova as contas que já interagiram no primeiro trimestre

Resultado: uma lista limpa, apenas com contas realmente novas para a campanha.

Vamos começar!

Etapa 1 para remover duplicados em várias listas

Primeiro, crie uma conta no Datablist.com.

Página inicial do Datablist
Página inicial do Datablist

Depois, crie uma pasta clicando no ícone de pasta da barra lateral.

Tela inicial do Datablist com criação de pasta
Tela inicial do Datablist com criação de pasta

Agora, crie uma collection dentro da pasta clicando nos três pontos e selecionando New collection.

Criação de arquivo dentro de uma pasta no Datablist
Criação de arquivo dentro de uma pasta no Datablist

Esta é a aparência de uma nova collection. Agora, faça upload da primeira lista no Datablist e repita o processo para enviar a segunda.

Upload de arquivo para uma collection do Datablist
Upload de arquivo para uma collection do Datablist

Etapa 2 para remover duplicados em várias listas

Após enviar as duas listas, acesse a lista do segundo trimestre — ou a versão mais recente no seu caso.

Clique em Clean e selecione Duplicates Finder.

Collection do Datablist para deduplicação entre collections
Collection do Datablist para deduplicação entre collections

Ative a opção à esquerda de Check deduplicates across several collections?.

Ferramenta de deduplicação do Datablist
Ferramenta de deduplicação do Datablist

Selecione a collection com a qual deseja comparar. Neste exemplo, é a “Q1 ABM”.

Seleção de arquivo para deduplicação entre collections
Seleção de arquivo para deduplicação entre collections

Selecione a property usada na comparação e clique em Next. Para contas, recomendo usar sempre os domínios; para contatos, emails ou perfis do LinkedIn.

Seleção de identificador para deduplicação entre collections
Seleção de identificador para deduplicação entre collections

Se você escolheu o domínio da empresa ou outro link como identificador único, selecione URL como processor e clique em Run duplicates check.

Seleção do processor para deduplicação entre collections
Seleção do processor para deduplicação entre collections

Você verá uma prévia dos duplicados presentes nas duas collections.

Clique no campo abaixo de Auto cleaning rule e selecione uma opção. No momento, há apenas uma: Remove duplicate items from collection X.

Ao comparar três ou mais collections, uma segunda opção também fica disponível: Keep duplicate items only in collection X.

Configuração da regra de limpeza para deduplicação entre collections
Configuração da regra de limpeza para deduplicação entre collections

Agora você poderá escolher de qual collection excluir os duplicados. Sempre remova os dados antigos da lista nova.

Depois, clique em Click here to process duplicated items.

Seleção do arquivo para exclusão de duplicados entre collections
Seleção do arquivo para exclusão de duplicados entre collections

📘 Como obter os melhores resultados

Exclua da lista do segundo trimestre os contatos do primeiro — e NÃO o contrário. Por exemplo:

✅ Lista Q1: 100 contatos → mantenha todos

✅ Lista Q2: 200 contatos → remova os duplicados de Q1 → resultado: 100 contatos únicos

❌ Lista Q1: 100 contatos → remova os duplicados de Q2

❌ Lista Q2: 150 contatos → mantenha todos

Assim, você consegue:

  • Preservar todos os dados históricos de Q1
  • Remover da campanha de Q2 as contas já contatadas
  • Evitar abordar as mesmas contas duas vezes por engano

Neste caso, excluí 5.236 contas duplicadas da lista de Q2 e terminei com 3.152 contas únicas.

Resultados da deduplicação entre collections no Datablist
Resultados da deduplicação entre collections no Datablist

👉 Para saber mais sobre deduplicação entre conjuntos de dados, leia nosso guia “Como remover duplicados de vários arquivos Excel”.

Encerramos a deduplicação. Agora, vamos falar sobre a validação dos dados do CRM.

Como verificar se os dados do CRM estão atualizados

Verificar se os dados do CRM continuam atualizados é uma etapa que muita gente esquece durante a limpeza. Existe a suposição de que os dados coletados pelas equipes de Marketing ou Vendas permanecerão corretos depois de validados, mas isso é um grande erro.

Nesta seção, você aprenderá:

Vamos começar!

Como verificar grátis se um email é válido

Se você já coletou endereços de email por formulários, lead magnets ou ofertas gratuitas, sabe que muitas pessoas se cadastram com emails que não são corporativos.

Se esse for o seu caso, use este recurso como uma triagem inicial antes de investir em verificações mais completas de entregabilidade para sua campanha de email.

❗ Entenda: email válido vs. email entregável

Este recurso não informa se o email é entregável. Ele apenas verifica os registros MX para saber se o domínio do endereço pode receber emails.

Exemplo rápido:

O email habibi@datablist.com não existe, mas o domínio tem registros MX válidos. Por isso, ele é considerado válido, mesmo sem uma caixa de entrada real.

O email habib@datablist.ai não existe e o domínio não tem registros MX válidos. Portanto, ele é inválido e não possui caixa de entrada.

O email habib@datablist.com existe e tem registros MX válidos, o que o torna válido e entregável.

Resumo

Validação de email = nível do domínio

Entregabilidade do email = nível da caixa de entrada

Email validado = o domínio recebe mensagens, mas o endereço ainda pode estar errado

Email entregável = existe uma caixa de entrada que recebe mensagens

Nem todo email válido pode receber mensagens.

Etapa 1 para verificar grátis se um email é válido

Primeiro, crie uma conta no Datablist.com.

Página inicial do Datablist
Página inicial do Datablist

Depois, importe sua lista de contas ou contatos do CRM.

Tela inicial do Datablist
Tela inicial do Datablist

Etapa 2 para verificar grátis se um email é válido

Agora, usaremos um recurso gratuito do Datablist para identificar o provedor MX responsável pelo recebimento das mensagens. Se um domínio não tiver registros MX válidos, ele não poderá receber emails e será automaticamente não entregável.

Clique em Enrich.

Collection do Datablist para validação de emails
Collection do Datablist para validação de emails

Acesse People e selecione Free Email Address Validation.

Lista de enrichments de People com validação gratuita de emails
Lista de enrichments de People com validação gratuita de emails

Associe o campo dos emails à input property e clique em Continue to output configuration.

Configuração de entrada da validação gratuita do Datablist
Configuração de entrada da validação gratuita do Datablist

Clique nos ícones de mais para criar novas output properties e, depois, em Instant Run.

Configuração das colunas de saída da validação gratuita de emails
Configuração das colunas de saída da validação gratuita de emails

Estes são os resultados gerados pelo Free Email Validator do Datablist.

Resultados da validação gratuita de emails no Datablist
Resultados da validação gratuita de emails no Datablist

O que os resultados informam:

  • Se o email é corporativo
  • Se o email pode receber mensagens, seja corporativo ou pessoal
  • Qual provedor presta o serviço MX para o domínio. Isso é importante porque, em campanhas de Cold Emailing, você deve evitar emails de determinados provedores — especialmente a Microsoft —, pois isso pode prejudicar suas contas de envio

👉 Consulte nosso guia gratuito de validação de listas de emails para saber mais.

Agora que verificamos a validade desses emails, vamos conferir se eles podem receber mensagens.

Como verificar se um email pode receber mensagens

Se você seguiu o fluxo anterior: continue filtrando os emails válidos nos resultados. Emails inválidos automaticamente não são entregáveis. Veja como fazer.

Se você começou por esta seção, há duas opções:

  • Voltar e executar o fluxo anterior.
  • Criar uma conta no Datablist, importar sua lista e avançar para a segunda etapa.

Etapa 1 para verificar se um email pode receber mensagens

Clique em Valid Email e selecione Filter on property.

Collection do Datablist com cabeçalho da coluna aberto
Collection do Datablist com cabeçalho da coluna aberto

Confirme se a caixa está marcada e clique em Apply.

Janela de filtro da collection do Datablist
Janela de filtro da collection do Datablist

💡 Dica para empresas B2B

Se você trabalha apenas com B2B, filtre a coluna “Business Email” em vez de “Valid Email”. Mostramos um exemplo mais amplo porque muitas empresas B2C também usam o Datablist.

Etapa 2 para verificar se um email pode receber mensagens

Clique em Enrich.

Collection do Datablist para verificar endereços de email
Collection do Datablist para verificar endereços de email

Acesse People e selecione Waterfall Advanced Email Address Verification.

Lista de enrichments de People com o verificador de emails
Lista de enrichments de People com o verificador de emails

Associe sua coluna de emails à input property e clique em Continue to output configuration.

Configuração de entrada da verificação de emails
Configuração de entrada da verificação de emails

Clique no ícone de mais para criar novas properties apenas para “Email Status” e “Role Account”. Depois, clique em Instant Run.

Por que somente essas properties: as demais apenas aumentam a complexidade e não são necessárias se o objetivo é limpar o CRM.

Configuração das colunas de saída da verificação de emails
Configuração das colunas de saída da verificação de emails

Estes são os resultados:

Resultados da verificação Waterfall de emails
Resultados da verificação Waterfall de emails

Valid: existe uma caixa de entrada associada ao email e ela pode receber mensagens.

Emails Risky se dividem em duas categorias:

  • Não foi possível verificar o endereço no momento da consulta.
  • O domínio é catch-all: o servidor aceita qualquer mensagem, mesmo que a conta de email não exista.

Invalid: a conta de email não existe; não a utilize.

Como verificar em massa se uma pessoa ainda trabalha na empresa

Talvez você já tenha percebido que as pessoas mudam de emprego com mais frequência e esteja recebendo cada vez mais avisos de que “essa pessoa não trabalha mais na empresa XYZ” ao enviar emails.

Se for o caso, não se preocupe: vou mostrar como verificar se uma pessoa ainda trabalha na empresa.

Antes, veja o que você precisa:

  • O perfil da pessoa no LinkedIn, sem exceção
  • O email ou domínio da empresa em que ela supostamente trabalha

O que faremos

  1. Extrair o perfil da pessoa no LinkedIn para identificar onde ela trabalha
  2. Encontrar o domínio dessa empresa
  3. Usar AI para comparar os dois domínios

Observação: o processo também funciona com a página da empresa no LinkedIn.

Etapa 1 para verificar se uma pessoa ainda trabalha na empresa

Crie uma conta no Datablist.com.

Página inicial do Datablist
Página inicial do Datablist

Importe sua lista para o Datablist.

Tela inicial do Datablist
Tela inicial do Datablist

Etapa 2 para verificar se uma pessoa ainda trabalha na empresa

Nesta etapa, vamos extrair o perfil da pessoa no LinkedIn.

Clique em Enrich.

Collection do Datablist para extração de perfis do LinkedIn
Collection do Datablist para extração de perfis do LinkedIn

Acesse People e selecione LinkedIn People Profile Scraper.

Lista de enrichments de People com o scraper de perfis do LinkedIn
Lista de enrichments de People com o scraper de perfis do LinkedIn

Associe a coluna com as URLs dos perfis do LinkedIn à input property e clique em Continue to output configuration.

Configuração de entrada do scraper de perfis do LinkedIn
Configuração de entrada do scraper de perfis do LinkedIn

Clique nos ícones de mais para criar colunas para as seguintes saídas: Company Name, Company page URL e Company website. Depois, clique em Instant Run.

Você também pode criar colunas para as outras saídas, mas elas não são necessárias neste fluxo. Faça isso apenas se precisar de outros dados do LinkedIn, para não pagar duas vezes.

Configuração das colunas de saída do scraper de perfis do LinkedIn
Configuração das colunas de saída do scraper de perfis do LinkedIn

Estes são os resultados da extração dos perfis do LinkedIn. Eles são bons, mas ainda precisamos encontrar os domínios dos registros restantes — é o que faremos na próxima etapa.

Resultados do scraper de perfis do LinkedIn
Resultados do scraper de perfis do LinkedIn

Etapa 3 para verificar se uma pessoa ainda trabalha na empresa

Clique em Enrich.

Collection do Datablist para encontrar domínios
Collection do Datablist para encontrar domínios

Acesse Companies e selecione Company Domain/Website and LinkedIn Company Page Matcher.

Lista de enrichments do Datablist para converter páginas do LinkedIn em domínios
Lista de enrichments do Datablist para converter páginas do LinkedIn em domínios

Em Matching Type, selecione Get the company website from the LinkedIn page URL.

Depois, associe a URL da página do LinkedIn à input property.

Clique em Continue to output configuration.

Configurações do enrichment de página do LinkedIn para domínio
Configurações do enrichment de página do LinkedIn para domínio

Associe a saída “Company website” à nova coluna criada para o site da empresa.

Atenção: não a associe à coluna em que os domínios antigos estão armazenados.

Clique em Instant Run.

Configuração da coluna de saída para converter página do LinkedIn em domínio
Configuração da coluna de saída para converter página do LinkedIn em domínio

Agora você terá estas opções:

  • Run in Async: com essa opção marcada, o enrichment será executado na nuvem. Isso permite realizar outras tarefas enquanto uma lista grande é processada.
  • Test on the first 10 items: use esta opção para testar o enrichment.

Em number of items to process, escolha se deseja executar o enrichment nos primeiros 10, 100 ou em uma quantidade personalizada de itens.

Existing data rule: define como o Datablist tratará os dados existentes na coluna. Selecione a segunda opção, Update only the empty cells.

Depois, clique em Run enrichment on all items.

Configurações de execução do enrichment de página do LinkedIn para domínio
Configurações de execução do enrichment de página do LinkedIn para domínio

Etapa 4 para verificar se uma pessoa ainda trabalha na empresa

Agora que temos os domínios antigo e novo, vamos compará-los para saber se ainda são iguais e verificar se a pessoa mudou de empresa.

Clique em Enrich.

Collection do Datablist para verificar o vínculo profissional
Collection do Datablist para verificar o vínculo profissional

Acesse AI e selecione Ask ChatGPT/OpenAI.

Lista de enrichments de AI com Ask ChatGPT
Lista de enrichments de AI com Ask ChatGPT

Marque a opção para usar créditos do Datablist no enrichment ou informe sua OpenAI API key. Depois, clique em Use template.

Configurações do enrichment ChatGPT no Datablist
Configurações do enrichment ChatGPT no Datablist

Role a tela e selecione Check if prospect is still working at a company.

Template para verificar o vínculo profissional
Template para verificar o vínculo profissional

Agora, associe as colunas da collection ao template. Veja como:

Digite “/” para abrir a lista de colunas da collection e associe o domínio antigo ao primeiro campo.

Repita o processo com o domínio novo no segundo campo.

Depois, clique em Continue to output configuration.

Associação das colunas ao prompt de AI para verificar vínculo profissional
Associação das colunas ao prompt de AI para verificar vínculo profissional

Clique no ícone de mais para criar uma coluna de saída e, depois, em Instant Run.

Configuração da coluna de saída da verificação de vínculo profissional
Configuração da coluna de saída da verificação de vínculo profissional

Veja como fica o resultado após verificar se uma pessoa ainda trabalha na empresa:

Resultados da verificação de vínculo profissional
Resultados da verificação de vínculo profissional

É assim que você verifica se os dados do CRM continuam atualizados.

Você também pode pontuar suas contas com AI.

Como estruturar e formatar os dados do CRM

Estruturar e formatar os dados é essencial durante a limpeza do CRM, pois isso determina como as equipes de Vendas e Marketing trabalharão com eles. Para deixar todos os dados em um formato organizado, mostrarei:

Padronizar os dados do CRM é apenas metade do trabalho. O segredo de um CRM bem mantido é conservar as informações limpas e estruturadas. Estas práticas ajudam:

  • Definir formatos de entrada padronizados — por exemplo, criar uma estrutura consistente para registrar notas de chamadas
  • Limitar determinadas colunas a tipos específicos de entrada, como configurar a coluna de telefone para aceitar “apenas números”
  • Criar campos obrigatórios — por exemplo, exigir que os vendedores preencham campos como “Data do último contato” para garantir a integridade dos dados

Como separar nome e sobrenome

Um problema comum na limpeza de CRM é encontrar nome e sobrenome na mesma coluna. Isso pode fazer com que um Lead ou prospect receba um email com o nome completo, o que às vezes soa estranho.

Etapa 1 para separar nome e sobrenome

Crie uma conta no Datablist.com.

Página inicial do Datablist
Página inicial do Datablist

Importe um arquivo CSV ou Excel com os nomes dos contatos do CRM.

Tela inicial do Datablist
Tela inicial do Datablist

Etapa 2 para separar nome e sobrenome

Clique em Enrich.

Collection do Datablist para separar nome, nome do meio e sobrenome
Collection do Datablist para separar nome, nome do meio e sobrenome

Acesse People e selecione Name Parser.

Lista de enrichments de People com Name Parser
Lista de enrichments de People com Name Parser

Associe a coluna que contém o nome à input property e clique em Continue to outputs configuration.

Configuração de entrada do Name Parser
Configuração de entrada do Name Parser

Estas são as saídas disponíveis:

  • Nomes
  • Nomes do meio
  • Sobrenomes
  • Gênero
  • Título
  • País de origem do nome

Clique nos ícones de mais (+) para criar uma coluna para cada saída necessária e, depois, em Instant Run.

Configuração das colunas de saída do Name Parser
Configuração das colunas de saída do Name Parser

Veja como ficam nomes e sobrenomes separados no Datablist.

Resultados do Name Parser no Datablist
Resultados do Name Parser no Datablist

Como extrair domínios de emails

Etapa 1 para extrair domínios de emails

Crie uma conta no Datablist.

Página inicial do Datablist
Página inicial do Datablist

Importe um arquivo CSV ou Excel.

Tela inicial do Datablist
Tela inicial do Datablist

Clique em Extract e selecione Extract domains for email addresses or URLs.

Lista de extractors do Datablist com o extrator de domínios
Lista de extractors do Datablist com o extrator de domínios

Associe a coluna de emails à input property e clique em Preview extraction.

Configuração de entrada e saída do extrator de domínios
Configuração de entrada e saída do extrator de domínios

Você verá uma prévia das primeiras dez linhas. Após aprová-la, clique em Extract data.

Prévia dos resultados do extrator de domínios
Prévia dos resultados do extrator de domínios

Veja como fica a extração de domínios de endereços de email com o Datablist:

Resultados do extrator de domínios
Resultados do extrator de domínios

Como formatar telefones para limpar o CRM

A formatação de telefones é um dos meus fluxos favoritos para limpeza de CRM. Veja por que o Datablist é especialmente útil nessa tarefa:

  • Processa telefones de qualquer país
  • Funciona com:
    • Formato internacional (+XX)
    • Formatos locais
  • Processa telefones de vários países em um único arquivo

Neste exemplo, tenho um arquivo com:

  • Telefones dos Estados Unidos
  • Telefones da Indonésia
  • Telefones da Alemanha
  • Telefones da Argélia

E vou formatar todos de uma só vez.

❗ Importante

Para formatar telefones de diferentes países em um único arquivo, você precisa incluir uma coluna “Country” que informe ao Datablist o país de cada número.

Vamos começar!

Etapa 1 para formatar telefones na limpeza do CRM

Crie uma conta no Datablist.com.

Página inicial do Datablist
Página inicial do Datablist

Importe um CSV ou Excel.

Tela inicial do Datablist
Tela inicial do Datablist

Clique em Enrich.

Collection do Datablist para formatação de telefones
Collection do Datablist para formatação de telefones

Acesse AI e selecione Phone Number Extractor.

Lista de enrichments de AI com formatador de telefones
Lista de enrichments de AI com formatador de telefones

Selecione os países de origem dos telefones da sua collection e marque Advanced Settings.

Configurações do formatador de telefones
Configurações do formatador de telefones

Marque a opção à esquerda de Define country per Item para habilitar a entrada do país.

Configurações avançadas do formatador de telefones
Configurações avançadas do formatador de telefones

💡 Dica rápida

Ative “Add phone number type” apenas ao processar telefones de um único país, pois essa opção é menos precisa com vários países.

Associe as colunas de telefones e países às input properties e clique em Continue to outputs configuration.

Configuração de entrada do formatador de telefones
Configuração de entrada do formatador de telefones

Clique no ícone de mais para adicionar uma coluna com os telefones formatados e, depois, em Instant Run.

Configuração da coluna de saída do formatador de telefones
Configuração da coluna de saída do formatador de telefones

Você verá as Run Settings, que permitem:

  • Run in Async, especialmente útil para listas grandes
  • Test on the first 10 items
  • Selecionar o number of items to process: 10, 100 ou uma quantidade personalizada

Após configurar, clique em Run enrichment on all items.

Configurações de execução do formatador de telefones
Configurações de execução do formatador de telefones

Estes são os telefones que acabamos de formatar:

Resultados do formatador de telefones
Resultados do formatador de telefones

Como atualizar os dados do CRM

Manter os dados do CRM atualizados é essencial para o sucesso do negócio. Veja o que você precisa saber para atualizar seu CRM com eficiência:

Vamos lá!

Como encontrar domínios a partir de nomes de empresas

Este provavelmente é um dos enrichments de empresas mais usados da plataforma. Afinal, sem um domínio, você praticamente não consegue avançar. Por isso, começaremos por aqui — e porque essa ordem faz sentido.

Etapa 1 para encontrar domínios a partir de nomes de empresas

Crie uma conta no Datablist.com.

Página inicial do Datablist
Página inicial do Datablist

Faça upload de uma lista com nomes de empresas.

Tela inicial do Datablist
Tela inicial do Datablist

Etapa 2 para encontrar domínios a partir de nomes de empresas

Clique em Enrich.

Collection do Datablist para enriquecimento de domínios
Collection do Datablist para enriquecimento de domínios

Acesse URLs e selecione Find company domains from company names.

Lista de enrichments de URLs com Domain Finder
Lista de enrichments de URLs com Domain Finder

Entenda as Search Settings 🔍

Há duas formas de pesquisar:

  • Opção padrão: Companies Dataset + Google Fallback

    Primeiro consulta o banco de dados — 1 crédito se encontrar — e recorre ao Google se necessário — 2,5 créditos.

  • Opção mais econômica: Use only Companies Dataset

    Pesquisa apenas no banco de dados — 1 crédito.

Estas configurações controlam como os domínios são encontrados:

  • Target Country: limita a pesquisa a um país para melhorar os resultados
  • Accept non-root websites: permite encontrar sites compostos por domínio e caminho, como platform.com/company, em vez de aceitar apenas domínios principais, como company.com
  • Skip following domains: filtra sites de diretórios, como Crunchbase ou Northdata, que não são os sites oficiais das empresas

Para obter a maior cobertura, mantenha a opção de pesquisa padrão, selecione um país e deixe todos os outros campos em branco.

Configurações do Domain Finder
Configurações do Domain Finder

Após configurar a pesquisa, role a tela, associe a coluna com os nomes das empresas à input property e clique em Continue to outputs configuration.

Configuração de entrada do Domain Finder
Configuração de entrada do Domain Finder

Você poderá criar uma coluna para “Company URL”, “Company Domain” ou ambas clicando nos ícones de mais. Normalmente, uso apenas o domínio. Depois, clique em Instant Run.

Configuração da coluna de saída do Domain Finder
Configuração da coluna de saída do Domain Finder

Você verá as Run Settings, que permitem:

  • Run in Async, especialmente útil para listas grandes
  • Selecionar o number of items to process: 10, 100 ou uma quantidade personalizada

Após configurar, clique em Run enrichment on all items.

Configurações de execução do Domain Finder
Configurações de execução do Domain Finder

Veja como a collection fica depois de usar o enrichment que converte nomes de empresas em domínios — confira os custos abaixo.

Resultados do Domain Finder
Resultados do Domain Finder

Usei 33 créditos para encontrar 16 domínios, ou 2,06 créditos por domínio. Para uma lista de 1.000 domínios, o investimento seria de apenas cerca de 2.062 créditos, ou US$ 2,03.

Log de enrichment do Domain Finder
Log de enrichment do Domain Finder

👉 Leia nosso guia sobre como encontrar sites a partir de nomes de empresas para saber mais.

Como extrair informações e dados de empresas

Nesta seção, vamos encontrar dados firmográficos simples que indicam se vale a pena continuar pesquisando e enriquecendo determinadas contas.

Por dados firmográficos, quero dizer informações normalmente exibidas no LinkedIn, como:

  • Número de funcionários
  • Nome da empresa
  • Site
  • Sede da empresa
  • Especialidades
  • Setor
  • Descrição
  • País
  • Região
  • Ano de fundação
  • URL do LinkedIn
  • ID do Sales Navigator
  • Número de seguidores
  • Slogan

Vamos começar!

Etapa 1 para extrair informações e dados de empresas

Crie uma conta no Datablist.com.

Página inicial do Datablist
Página inicial do Datablist

Importe uma lista com os domínios ou as URLs do LinkedIn das empresas do seu CRM.

Tela inicial do Datablist
Tela inicial do Datablist

Etapa 2 para extrair informações e dados de empresas

Clique em Enrich.

Collection do Datablist para enriquecimento de contas
Collection do Datablist para enriquecimento de contas

Acesse Companies e selecione Company Enrichment.

Lista de enrichments de Companies com Company Enrichment
Lista de enrichments de Companies com Company Enrichment

Há duas configurações principais:

1. Data Source Options: os dados usados para iniciar o enrichment

  • Company domain, opção padrão
  • LinkedIn URL

2. Data Return Options & Costs: os dados retornados pelo enrichment

  • Basic data — 1 crédito: retorna setor, localização, número de funcionários e ano de fundação
  • LinkedIn data — 5 créditos: extrai informações atuais diretamente das páginas do LinkedIn

Recomendo usar a LinkedIn URL para obter dados atuais do LinkedIn. Se você não tiver essas URLs, use o domínio da empresa e Basic data.

Configuração do Company Enrichment
Configuração do Company Enrichment

Depois de escolher as configurações, associe a coluna das URLs do LinkedIn à input property e clique em Continue to outputs configuration.

Configuração de entrada do Company Enrichment
Configuração de entrada do Company Enrichment

Crie uma coluna para cada informação necessária clicando nos ícones de mais. Depois, clique em Instant Run.

Configuração das colunas de saída do Company Enrichment
Configuração das colunas de saída do Company Enrichment

Você verá as Run Settings, que permitem:

  • Run in Async, especialmente útil para listas grandes
  • Selecionar o number of items to process: 10, 100 ou uma quantidade personalizada

Após configurar, clique em Run enrichment on all items.

Configurações de execução do Company Enrichment
Configurações de execução do Company Enrichment

Estes foram os resultados obtidos ao extrair dados atuais de empresas no LinkedIn:

Resultados do Company Enrichment
Resultados do Company Enrichment

Mas talvez você queira encontrar informações que não estão no LinkedIn ou dados que exigiriam horas de pesquisa manual por empresa. Nesse caso, o Datablist ajuda: um AI agent pode automatizar pesquisas repetitivas para você.

Como extrair dados de empresas difíceis de encontrar

Esta provavelmente é minha parte favorita do guia. Espere, eu já não disse isso?

Sim, mas esta parte é especial: mostrarei como extrair dados empresariais pouco visíveis que os bancos de dados tradicionais não encontram usando um AI research agent.

Pense em uma indústria com várias filiais, unidades de produção e especializações que não aparecem nos bancos de dados convencionais.

Alguns exemplos de informações empresariais que podem exigir pesquisa aprofundada:

  • Patentes e propriedade intelectual
  • Experiência profissional anterior dos principais executivos
  • Relações com fornecedores e detalhes da cadeia de suprimentos
  • Histórias de sucesso e estudos de caso de clientes
  • Áreas prioritárias de pesquisa e desenvolvimento

Esses dados exigem pesquisas mais profundas em sites, press releases, relatórios setoriais e bases especializadas. O AI research agent consegue descobrir essas informações analisando várias fontes e reunindo os dados relevantes.

Neste exemplo, mostrarei como descobrir quantas unidades de produção determinadas empresas possuem.

Vamos lá!

Etapa 1 para extrair dados de empresas difíceis de encontrar

Crie uma conta no Datablist.com.

Página inicial do Datablist
Página inicial do Datablist

Importe uma lista de empresas com seus domínios.

Tela inicial do Datablist
Tela inicial do Datablist

Etapa 2 para extrair dados de empresas difíceis de encontrar

Clique em Enrich.

Collection com empresas para pesquisa automatizada de unidades
Collection com empresas para pesquisa automatizada de unidades

Acesse AI e selecione AI Agent.

Lista de enrichments de AI com AI Agent
Lista de enrichments de AI com AI Agent

Configure um prompt ou use o exemplo abaixo para testar a ferramenta. Veja aqui como escrever prompts para o AI agent.

O que meu prompt faz:

  • Pesquisa quantas unidades de produção cada empresa possui
  • Identifica empresas com mais de cinco unidades
  • Classifica empresas com mais de cinco unidades como “ICP” e as demais como “Irrelevant”
  • Localiza essas unidades
  • Fornece uma lista completa das localizações
Configuração do prompt do AI Research Agent
Configuração do prompt do AI Research Agent
Extrair dados de empresas

Contexto: preciso saber quantas unidades essas empresas possuem para determinar se fazem parte do nosso ICP.

===

O que você deve fazer:

  • Faça uma pesquisa no Google para descobrir quantas unidades de produção essas empresas possuem
  • Verifique se elas têm mais de cinco unidades
  • Classifique as empresas com mais de cinco como "ICP" e as demais como "Irrelevant"
  • Faça uma segunda pesquisa para descobrir onde essas unidades estão localizadas
  • Forneça uma lista completa de todas as localizações

===

Dados que você deve procurar, com exemplos:

Unidades operacionais, como:

  • Unidades de produção
  • Fábricas
  • Plantas industriais
  • Centros de P&D

===

Erros a evitar: - Não pesquise lojas ou pontos de venda. Considere apenas unidades operacionais. - Não inclua uma lista para empresas classificadas como "Irrelevant".

===

Exemplo do resultado ideal:

ICP Status: ICP Locations:

  • Bonn, Germany
  • Solingen, Germany
  • Wilkau-Haßlau, Germany
  • Neuss, Germany
  • Graz, Austria
  • Pontefract, UK
  • Castleford, UK
  • Wisconsin, USA

===

Nome da empresa: /Company

Após configurar o prompt, role a tela para definir as saídas desejadas. Neste caso, configurarei duas outputs:

  • ICP Status
  • Locations

Para isso, configuro a primeira saída e clico em More para criar a segunda. Você pode repetir o processo para quantas saídas quiser.

Quando terminar, marque Advanced Settings.

Configuração do formato de saída do AI Research Agent
Configuração do formato de saída do AI Research Agent

As configurações avançadas do AI Agent permitem:

  • Escolher o LLM model usado na tarefa
  • Definir o número máximo de iterações do agent
  • Usar Render HTML para permitir que o Agent navegue pelo conteúdo dos sites

Depois, clique em Continue to outputs configuration.

Configurações avançadas do AI Research Agent
Configurações avançadas do AI Research Agent

Clique nos ícones de mais para adicionar uma coluna para cada saída e, depois, em Instant Run.

Configuração das colunas de saída do AI Research Agent
Configuração das colunas de saída do AI Research Agent

Agora, use as Run Settings para selecionar o number of items to process.

Após configurar, clique em Run enrichment on all items. O AI agent começará a pesquisar e extrair as informações solicitadas sobre as unidades das empresas.

Configurações de execução do AI Research Agent
Configurações de execução do AI Research Agent

Como você pode ver, os resultados vão muito além das informações dos bancos de dados e revelam dados valiosos que provedores tradicionais dificilmente encontrariam.

Resultados do AI Research Agent
Resultados do AI Research Agent

📘 O limite é a criatividade

Este exemplo foi propositalmente elaborado para mostrar o que o AI agent consegue fazer. Você também poderia descobrir se um hospital é público ou privado, entre muitas outras possibilidades — e também ajudamos você a criar os prompts.

Como extrair o perfil do LinkedIn de um prospect

Se você deseja dar um toque mais humano à prospecção, a personalização é essencial — desde que saiba diferenciar “toque humano” de relevância. Para ambos, você precisa extrair os dados do perfil do LinkedIn.

Basta ter a URL do perfil no LinkedIn.

Etapa 1 para extrair o perfil do LinkedIn de um prospect

Crie uma conta no Datablist.com.

Página inicial do Datablist
Página inicial do Datablist

Faça upload de uma lista com as URLs dos perfis dos seus prospects no LinkedIn.

Tela inicial do Datablist
Tela inicial do Datablist

Etapa 2 para extrair o perfil do LinkedIn do prospect

Clique em Enrich.

Collection com URLs do LinkedIn para extração
Collection com URLs do LinkedIn para extração

Acesse People e selecione LinkedIn Profile Scraper.

Lista de enrichments de People com LinkedIn Profile Scraper
Lista de enrichments de People com LinkedIn Profile Scraper

Estas são as principais configurações para extrair perfis do LinkedIn:

  • Cache vs Real-time: por padrão, usa dados em cache. Ative a extração em tempo real para obter dados recentes — 50 créditos por perfil
  • Work Experience: escolha quantos empregos anteriores devem ser retornados — o padrão é 3 e o máximo é 10
  • O Datablist aceita como entrada URLs comuns do LinkedIn, como linkedin.com/in/xxx, e URLs do Sales Navigator

Após configurar, clique em Continue to outputs configuration.

Configuração de entrada do LinkedIn Profile Scraper
Configuração de entrada do LinkedIn Profile Scraper

Clique nos ícones de mais para adicionar uma coluna para cada saída desejada. Você pode escolher entre:

  • LinkedIn Profile URL — URL padronizada do perfil, no formato linkedin.com/in/xxx
  • Basic Info — nome, sobrenome, nome completo, headline e resumo
  • Location — cidade, estado e país, com código e nome completo
  • Current Position — cargo, empresa, datas, URL da empresa, site, setor, porte, descrição e localização
  • Work History — dois cargos anteriores, com títulos, empresas e datas
  • Additional Info — idiomas falados e número de conexões

Depois, clique em Instant Run.

Configuração das colunas de saída do LinkedIn Profile Scraper
Configuração das colunas de saída do LinkedIn Profile Scraper

Nas Run Settings do Datablist, você pode definir se deseja:

  • Run in Async, especialmente útil para listas grandes
  • Test on the first 10 items
  • Selecionar o number of items to process: 10, 100 ou uma quantidade personalizada

Após configurar, clique em Run enrichment on first X items para começar a encontrar os dados dos prospects no LinkedIn.

Configurações de execução do LinkedIn Profile Scraper
Configurações de execução do LinkedIn Profile Scraper

Estes foram os resultados:

Resultados do scraper de perfis do LinkedIn
Resultados do scraper de perfis do LinkedIn

Observação: não extraí todos os dados porque precisava apenas dos nomes e domínios para encontrar os telefones, mas este enrichment oferece muitos outros dados.

Agora, veja como enriquecer seu CRM com emails válidos.

Como encontrar emails verificados para o CRM

Sem endereços de email verificados, é como tentar entregar correspondências em uma cidade sem nomes de ruas. Não é muito eficiente, certo?

Para enriquecer o CRM com emails verificados, você precisa de:

  • Nome do contato, obrigatório
  • Nome ou domínio da empresa, obrigatório
  • URL do LinkedIn, opcional

Etapa 1 para encontrar emails verificados para o CRM

Crie uma conta no Datablist.com.

Página inicial do Datablist
Página inicial do Datablist

Importe sua lista de contatos.

Tela inicial do Datablist
Tela inicial do Datablist

Etapa 2 para encontrar emails verificados para o CRM

Clique em Enrich.

Collection com pessoas cujos emails serão encontrados
Collection com pessoas cujos emails serão encontrados

Acesse People e use o Waterfall Email Finder.

Veja rapidamente como funciona:

O Waterfall Email Finder do Datablist consulta mais de 15 provedores de email em sequência para encontrar os emails dos seus prospects, e você só paga pelos resultados. Justo, não é?

Lista de enrichments de People com Waterfall Email Finder
Lista de enrichments de People com Waterfall Email Finder

Você poderá configurar o waterfall de duas formas:

  • Usar o nome completo em vez de nome e sobrenome separados
  • Escolher seus providers preferidos com suas próprias API keys

Depois, role a tela e configure as input columns.

Todas essas configurações são opcionais. Para obter a maior cobertura, mantenha os padrões.

Configurações opcionais do Waterfall Email Finder
Configurações opcionais do Waterfall Email Finder

Associe suas colunas às input properties e clique em Continue to output configuration.

Configuração de entrada do Waterfall Email Finder
Configuração de entrada do Waterfall Email Finder

Este enrichment oferece três saídas:

  • Email address
  • Email address status
  • MX provider

Clique nos ícones de mais para adicionar uma coluna para cada saída e, depois, em Instant Run.

Configuração das colunas de saída do Waterfall Email Finder
Configuração das colunas de saída do Waterfall Email Finder

Você verá as Run Settings, que permitem selecionar o number of items to process: 10, 100 ou uma quantidade personalizada.

Após configurar, clique em Run enrichment on all items para encontrar os emails dos prospects.

Configurações de execução do Waterfall Email Finder
Configurações de execução do Waterfall Email Finder

Como você pode ver, a ferramenta encontrou todos os emails para os quais havia dados disponíveis. Com o Waterfall Email Finder do Datablist, você consegue encontrar milhares de endereços de email e enriquecer o CRM com dados de contato confiáveis.

Lista de emails enriquecida com o Waterfall Email Finder
Lista de emails enriquecida com o Waterfall Email Finder

Agora, veja como encontrar números de celular verificados.

Como enriquecer o CRM com telefones verificados

Profissionais de Cold Calling são caçadores. Enquanto todo mundo inunda caixas de entrada com mensagens automatizadas, eles usam uma ligação simples para se destacar com facilidade.

Sim, as duas abordagens funcionam, mas uma delas parece muito mais pessoal.

Veja como encontrar esses telefones valiosos:

Etapa 1 para encontrar telefones verificados para o CRM

Crie uma conta no Datablist.com.

Página inicial do Datablist
Página inicial do Datablist

Faça upload da sua lista com as URLs dos perfis do LinkedIn.

Tela inicial do Datablist
Tela inicial do Datablist

Etapa 2 para encontrar telefones verificados para o CRM

Clique em Enrich.

Collection do Datablist ainda sem telefones
Collection do Datablist ainda sem telefones

Acesse People e selecione Waterfall Phone Finder.

Lista de enrichments de People com busca de telefones
Lista de enrichments de People com busca de telefones

Associe a coluna das URLs dos perfis do LinkedIn à input property e clique em Continue to outputs configuration.

Configuração da coluna de entrada para encontrar telefones
Configuração da coluna de entrada para encontrar telefones

Clique nos ícones de mais para adicionar novas colunas de saída:

  • Phone Number: retorna o número completo em formato internacional com o código do país, como +1-555-0123
  • Country: informa o código de duas letras do país do telefone, como US, GB ou DE

Depois, clique em Instant Run.

Configuração das colunas de saída do Phone Finder
Configuração das colunas de saída do Phone Finder

Você verá as Run Settings, que permitem selecionar o number of items to process: 10, 100 ou uma quantidade personalizada.

Após configurar, clique em Run enrichment on all items para começar a encontrar os telefones dos prospects.

Configurações de execução do enrichment de telefones
Configurações de execução do enrichment de telefones

O Datablist encontrou quase todos os telefones para mim. Experimente!

Resultados do enrichment de telefones
Resultados do enrichment de telefones

Conclusão

No ambiente acelerado de hoje, em que as relações comerciais mudam rapidamente, dados de CRM desatualizados ou incorretos reduzem sua taxa de sucesso, geram oportunidades perdidas e desperdiçam recursos.

A limpeza e o enriquecimento periódicos dos dados devem ser uma prioridade.

Ao aplicar essas estratégias de enriquecimento com ferramentas como o Datablist, você mantém um banco de dados de CRM de alta qualidade, melhora o engajamento e aumenta as taxas de conversão.

Lembre-se: a qualidade do Marketing, das Vendas e do atendimento ao cliente depende dos dados que sustentam essas áreas. Inclua o enriquecimento de dados na rotina de manutenção do CRM para continuar competitivo.

“A forma como você coleta, administra e usa as informações determina se vencerá ou perderá.” — Bill Gates

Perguntas frequentes sobre limpeza de CRM

Qual porcentagem dos dados de CRM fica obsoleta por ano?

Cerca de 30% dos dados de CRM ficam obsoletos anualmente. Isso inclui:

  • De 15% a 20% dos endereços de email que se tornam inválidos
  • 18% dos números de telefone que mudam
  • 21% de rotatividade nos cargos de CEO
  • De 25% a 33% das pessoas que mudam de emprego

Quanto os dados ruins de CRM custam às empresas?

Dados ruins de CRM custam às empresas, em média, US$ 100 por registro incorreto. Em grandes organizações, isso pode representar milhões em perdas anuais causadas por:

  • Desperdício de verba de Marketing
  • Perda de produtividade
  • Oportunidades perdidas
  • Danos à reputação provocados por uma comunicação ruim com clientes

O que é limpeza de CRM?

A limpeza de CRM é o processo sistemático de manter e melhorar a qualidade do banco de dados de clientes. Ela se apoia em quatro pilares:

  1. Deduplicação: remover entradas duplicadas e consolidar registros
  2. Validação: verificar a precisão de dados existentes, como emails e telefones
  3. Estruturação e formatação: padronizar formatos e organizar as informações de maneira consistente
  4. Enriquecimento de dados: adicionar informações novas e relevantes aos perfis dos clientes

A limpeza periódica do CRM garante que sua equipe trabalhe com informações corretas e atualizadas, melhorando a tomada de decisões e o relacionamento com clientes.

Como manter um CRM limpo?

  • Defina formatos de entrada padronizados — por exemplo, uma estrutura consistente para registrar notas de chamadas
  • Limite determinadas colunas a tipos específicos de entrada, como configurar a coluna de telefone para aceitar “apenas números”
  • Crie campos obrigatórios — por exemplo, exija que os vendedores preencham campos como “Data do último contato” para garantir a integridade dos dados

O ChatGPT consegue limpar dados?

O ChatGPT não foi feito para limpeza de dados — existem opções gratuitas muito melhores para isso, como o Datablist. Isso não significa que o ChatGPT seja incapaz de limpar qualquer dado, mas ele não lida bem com arquivos grandes e, se você tiver mais de mil registros, o resultado será pouco confiável.