Doppioni trovati,
anche se scritti diversi.
RadarAddress confronta nominativo e indirizzo di ogni scheda, li riduce alla stessa forma e ti dice se sono la stessa persona — con il motivo, nero su bianco. Il doppione non si butta: si integra in un record solo, e sai sempre da quale scheda viene ogni informazione.
Demo gratuita, senza registrazione. Per l'anagrafica intera: batch CSV o API.
Perché le anagrafiche si riempiono di doppioni
Il nostro universo tende alla massima entropia: in ogni anagrafica viva, prima o poi, almeno il 5% dei dati finisce sbagliato o duplicato. Non è un difetto del tuo CRM — è fisiologico. Il punto è accorgersene.
La scheda si reinserisce da zero
L'operatore non trova il nominativo già in anagrafica — magari perché cerca "Rossi Daniela" e in archivio c'è "Rossi Dany" — e ne crea una nuova invece di aggiornare quella esistente.
L'indirizzo è scritto diverso
La causa più frequente. La ricerca cerca "Via Roma" e in archivio c'è "V. Roma": per il sistema sono due indirizzi diversi, anche se il postino li recapita allo stesso portone.
Le liste esterne non vengono confrontate
Un'importazione da una lista acquistata, da un evento o da un modulo online si somma all'anagrafica esistente senza controllo — e ogni import porta con sé nuovi doppioni.
Il prezzo dei doppioni non è solo lo spreco. Spedisci due volte alla stessa persona — carta, affrancatura, tempo — e chi riceve due lettere identiche può sentirsi trascurato dalla tua organizzazione, se non offeso. Garbage in, garbage out: un'anagrafica sporca in origine resta sporca in ogni report che ci costruisci sopra.
Tre passaggi, con il motore di normalizzazione al centro
I fuzzy matching che confrontano due stringhe "a occhio" perdono i casi più comuni: "Via" e "V." sono simili ma non uguali, "Roma" e "Roma " nemmeno. RadarAddress fa un passo in più prima di confrontare.
Normalizzazione
Ogni indirizzo passa dallo stesso motore di Verifica indirizzo: "V. Roma" e "Via Roma 12" diventano la stessa via, nella stessa forma, prima ancora di essere confrontati.
Doblonatura
Confrontiamo nominativo e indirizzo normalizzato di ogni coppia di schede e assegniamo un livello di confidenza — certo, probabile o ambiguo — sempre con il motivo del match.
Deduplica
Il risultato non è "tieni una scheda, butta l'altra": è un record migliore, che prende il telefono da una scheda, l'email dall'altra, il nome nella forma corretta. Decidi tu cosa confermare, ma l'informazione buona non si perde.
"I computer sono macchine stupide. Bisogna proprio dirgli tutto: anche una differenza di un punto può dare esito negativo nella comparazione di due indirizzi."
Tre livelli di confidenza, mai una scatola nera
Unisci senza pensarci
Nominativo e indirizzo coincidono, anche dopo la normalizzazione. Sono la stessa scheda scritta due volte.
Quasi sempre un doppio
Coincidono su elementi solidi — un diminutivo riconosciuto, un'abbreviazione, un indirizzo quasi identico. Vale un controllo veloce.
Decidi tu
Alcuni elementi coincidono, altri no — per esempio stesso indirizzo ma nomi solo simili di suono. Meglio un occhio umano che conosce l'anagrafica.
Gli stessi doppioni che sfuggono a una ricerca esatta
Equivalenze di nomi riconosciute col sesso associato, per evitare falsi positivi (Andrea uomo ≠ Andrea donna).
Un errore da importazione classico: i due campi scambiati nel foglio di origine.
Passa dallo stesso motore di normalizzazione di Verifica indirizzo: non è un confronto di stringhe, è un confronto di indirizzi.
Riconosciamo anche refusi di una lettera, titoli spogliati (Dott.ssa → fuori dal confronto) e frazioni risolte al comune (Sampierdarena ≈ Genova).
Tre modi di mettere alla prova la deduplica
Demo interattiva
Inserisci due o tre anagrafiche vere e guarda il confronto in tempo reale, con il motivo di ogni match. Gratis, senza registrazione.
Batch CSV
Carica l'anagrafica intera — fino a 100.000 righe per lavoro — con un account gratuito. Ricevi indietro i gruppi di doppioni pronti da revisionare.
API
Integra la doblonatura nel tuo CRM o nel flusso di importazione: un endpoint JSON, gli stessi livelli di confidenza della demo.