Dubbele klanten opsporen: de spatie, de bv en de afkorting

"Jansen BV", "Jansen B.V." en "Jansen Bouw" — voor een mens is meteen duidelijk of dit dezelfde klant is of niet. Voor een spreadsheet, en voor de meeste systemen waarin u data importeert, zijn dit gewoon drie verschillende tekstreeksen. Zonder extra check worden ze als drie aparte klanten behandeld: drie klantnummers, mogelijk drie keer dezelfde factuuradressen, en bij rapportages een omzet die over drie regels wordt verdeeld terwijl het in werkelijkheid één klant betreft.

Dit probleem is zo alledaags dat de meeste mkb-bedrijven het niet meer als probleem herkennen. Het is "gewoon zo", tot het moment dat iemand een jaaroverzicht per klant maakt en zich afvraagt waarom een klant die al tien jaar trouw bestelt, niet in de top-tien staat. Vaak blijkt dan dat de omzet van die klant over twee of drie verschillende klantrecords is verdeeld, elk met een net iets andere schrijfwijze van dezelfde naam.

Waarom dit gebeurt

Klantnamen komen in de praktijk zelden uit één bron. Ze worden ingevoerd door verschillende mensen, op verschillende momenten, soms overgenomen uit een offerte, soms uit een e-mailhandtekening, soms getypt tijdens een telefoongesprek. Elke invoer introduceert een kans op een kleine afwijking. Vier patronen komen daarbij het vaakst voor.

Waarom dit meer kost dan het lijkt

Een dubbele klant is niet alleen een cosmetisch probleem. Het heeft drie concrete gevolgen. Ten eerste raakt de omzetrapportage per klant onbetrouwbaar: een klant die eigenlijk uw grootste is, kan op papier op plek vier of vijf staan omdat de omzet over meerdere klantrecords is verspreid. Ten tweede loopt u het risico op dubbele mailings, dubbele herinneringen of, ongemakkelijker, twee verschillende contactpersonen bij dezelfde klant die elk een andere prijsafspraak te zien krijgen. Ten derde, en dit onderschat men het vaakst, kost het opzoeken zelf tijd: een medewerker die een klant zoekt en die niet meteen vindt omdat de notatie net anders is, verliest een paar minuten per zoekactie — dat telt op.

Een praktische methode om dubbele klanten op te sporen

U hoeft dit niet met dure software te doen. Onderstaande stappen zijn met Excel zelf uit te voeren, en vormen een goede eerste opschoonronde voordat u eventueel naar een ander systeem migreert.

Stap 1: Normaliseer de tekst

Maak een hulpkolom die van elke klantnaam een "genormaliseerde" versie maakt: alles in kleine letters, dubbele spaties verwijderd, leestekens weggehaald. In Excel kan dit met een combinatie van de functies KLEINE, SPATIES.WISSEN en SUBSTITUEREN. Twee namen die na normalisatie identiek zijn, zijn zeer waarschijnlijk dezelfde klant.

Stap 2: Strip de rechtsvorm apart

Rechtsvormen als "bv", "b.v.", "nv", "vof" leveren de meeste valse verschillen op. Maak een tweede hulpkolom waarin u deze aanduidingen consequent verwijdert of juist consequent naar één vaste notatie omzet (bijvoorbeeld altijd "bv", zonder punten, met een spatie ervoor). Vergelijk daarna deze kolom in plaats van de oorspronkelijke naam.

Stap 3: Sorteer op de eerste woorden, niet op de volledige naam

Sorteer uw klantenlijst op de eerste twee tot drie woorden van de genormaliseerde naam. Namen die met dezelfde woorden beginnen, komen dan naast elkaar te staan, ook als de rest van de naam afwijkt. Dit is een snelle manier om visueel door een lijst van duizenden klanten te scannen op vermoedelijke duplicaten.

Stap 4: Vergelijk adres en KvK-nummer als tweede controle

Een gelijke naam is een aanwijzing, geen bewijs. Controleer bij twijfelgevallen het postcode- en huisnummerveld, of — als u dat heeft geregistreerd — het KvK-nummer. Twee records met dezelfde naam maar een ander adres kunnen twee verschillende vestigingen zijn, geen dubbele invoer. Twee records met een andere naam maar hetzelfde KvK-nummer zijn vrijwel zeker dezelfde klant.

Stap 5: Laat een mens de uiteindelijke beslissing nemen

Automatiseer het zoeken naar kandidaten, niet de beslissing zelf. Een lijst van "waarschijnlijke duplicaten" die door het systeem of door de hulpkolommen wordt gegenereerd, moet altijd door iemand die de klanten kent, worden beoordeeld voordat records worden samengevoegd. Samenvoegen van twee records die toch echt verschillende klanten waren, is namelijk lastiger te herstellen dan het laten staan van een duplicaat.

Hoe vaak dit voorkomt

Uit de bestanden die wij hebben doorgenomen, komt een grove vuistregel naar voren: bij klantenbestanden die langer dan vijf jaar door meerdere mensen worden bijgehouden zonder vaste invoerregels, ligt het aandeel dubbele of verouderde records vaak tussen de 4% en 10% van het totaal. Bij bestanden met een vaste invoerprocedure — bijvoorbeeld altijd via één centraal aanmeldformulier — ligt dat percentage aanzienlijk lager, vaak onder de 2%. Het verschil zit dus niet in de leeftijd van het bestand, maar in hoe gestructureerd nieuwe klanten worden toegevoegd.

Dat is meteen een bruikbaar inzicht voor de toekomst: het opschonen dat u nu doet, is een eenmalige inspanning, maar zonder een vaste invoerprocedure erna ontstaat over een paar jaar hetzelfde probleem opnieuw. Een korte checklist bij het aanmaken van een nieuwe klant — altijd dezelfde bv-notatie, altijd het KvK-nummer erbij — voorkomt veel van het werk dat in dit artikel wordt beschreven.

Wat dit betekent voor een migratie

Bij een migratie naar een nieuw systeem is dit precies het type opschoonwerk dat de meeste tijd kost, zoals wij beschrijven in waarom migratie langer duurt dan de bouw. Het loont om deze vijf stappen uit te voeren vóórdat u aan een migratie begint, ook als u nog niet zeker weet of en wanneer u gaat migreren. Een schoon klantenbestand is namelijk niet alleen nuttig voor een toekomstig systeem — het levert nu al betere rapportages op, in Excel zelf.

Wilt u weten hoeveel dubbel werk uw eigen klantenbestand oplevert, bijvoorbeeld door overtypen tussen systemen? Doe de risicoscan en bekijk direct de uitkomst.