A resposta direta: não comece tentando criar uma visão única universal do cliente. Escolha uma decisão comercial — como suprimir mensagens após um chamado, medir segunda compra ou encaminhar um lead para a conta correta — e defina a identidade mínima necessária para essa decisão. Use regras determinísticas para correspondências fortes, IA para sugerir pares ambíguos e revisão humana para fusões de alto impacto. Consentimento, origem e histórico não devem desaparecer quando os registros se encontram.
Cinco registros parecidos podem representar a mesma pessoa, membros de uma família, funcionários da mesma empresa, franquias diferentes ou homônimos. Se o CRM os trata como cinco clientes, marketing duplica contato e perde contexto. Se um modelo os funde sem controle, pode misturar preferências, atendimento, oportunidade, limite comercial ou opt-out. Resolução de identidade é uma política operacional com tecnologia, não apenas limpeza de dados.
Escreva o Contrato de Identidade Comercial
- Grão — a unidade é pessoa, família, conta B2B, estabelecimento, dispositivo ou relação entre entidades.
- Decisão — qual ação depende da identidade e qual dano ocorre se houver erro.
- Fontes — sistemas, owner, frequência, chave original e qualidade conhecida.
- Evidência de match — identificador exato, atributo normalizado, endereço, domínio, transação ou relação observada.
- Confiança — automático, provável para revisão, insuficiente ou conflito.
- Sobrevivência — qual valor prevalece por campo, data, origem e uso; não escolha um registro vencedor para tudo.
- Relação versus fusão — quando ligar registros sem destruí-los e quando consolidar.
- Consentimento — finalidade, canal, mercado, origem e validade permanecem rastreáveis.
- Linhagem e rollback — quem decidiu, o que mudou e como desfazer.
- Uso downstream — sistemas autorizados, janela de atualização e resultado esperado.
O Contrato evita um erro comum: confundir cadastro com identidade. Um email corporativo pode identificar um contato em uma campanha B2B, mas não prova que duas subsidiárias são a mesma conta. Um telefone compartilhado pode indicar uma família ou um call center. Antes de escolher um algoritmo, defina o que significa ser a mesma entidade em cada decisão.
Use regras primeiro e IA onde existe ambiguidade
- Match determinístico — ID do cliente, email verificado, combinação estável de chaves ou relacionamento confirmado.
- Normalização — formato de telefone, acentos, abreviações, domínios e endereços; preserve o valor original.
- Regras graduais — combinações com evidência suficiente e limites explícitos por entidade.
- IA ou ML — propõe pares quando há variações, erros e campos ausentes; retorna confiança e razões disponíveis.
- Revisão humana — decide conflitos, contas estratégicas, registros sensíveis e casos próximos do limiar.
- Não-match — é uma saída válida. Em muitos usos, deixar dois registros separados custa menos do que uma fusão falsa.
A AWS documenta workflows por regras e por aprendizado de máquina que produzem grupos com Match ID. Microsoft e HubSpot documentam detecção e fusão de duplicados dentro de seus objetos. Esses recursos aceleram o processamento, mas não definem grão, sobrevivência, consentimento ou consequência comercial. Evite comprar uma plataforma antes de testar os pares difíceis do seu próprio CRM.
Piloto de oito semanas
- Semana 1 — escolher uma decisão e um domínio, como contatos B2B ou clientes de ecommerce.
- Semana 2 — amostrar duplicados conhecidos, registros únicos e fusões historicamente erradas.
- Semana 3 — definir o Contrato, chaves, regras de sobrevivência, revisão e rollback.
- Semana 4 — executar regras determinísticas em modo sombra e medir cobertura e conflito.
- Semana 5 — testar matching probabilístico apenas no conjunto não resolvido; calibrar limiares.
- Semana 6 — revisar uma amostra cega e liberar uma coorte com writeback reversível.
- Semana 7 — alimentar apenas um uso downstream e comparar qualidade, operação e resposta do cliente.
- Semana 8 — decidir batch ou tempo real, automação por faixa de confiança e integrações a escalar.
Comece com centenas ou poucos milhares de pares avaliáveis, não com a base inteira. Preserve um gold set revisado e inclua casos adversos: email trocado, telefone reciclado, sobrenomes comuns, mudança de empresa, conta compartilhada e subsidiárias. Um limiar de confiança sem amostra representativa transmite precisão falsa.
Meça dois tipos de erro e o valor comercial
- Qualidade — precisão dos matches, cobertura, falso merge, match perdido e consistência por segmento.
- Operação — pares revisados, tempo por revisão, backlog, reversões e atraso de atualização.
- Cliente — contato duplicado, supressão incorreta, personalização conflitante e reclamações.
- Negócio — conversão identificada, segunda compra, expansão de conta, custo de mídia evitado e atendimento com contexto.
- Risco — consentimento misturado, dados enviados ao destino errado e concentração de erro por grupo.
- Economia — custo de integração, processamento, revisão, backfill e manutenção por identidade útil.
Compare regras simples, rules plus review e rules plus AI na mesma amostra. O objetivo não é maximizar a quantidade de merges. Para uma supressão sensível, um falso merge pode bloquear a pessoa errada; para análise agregada, um match perdido pode ser mais tolerável. Defina a função de custo por uso e mantenha uma coorte ou período de referência quando medir conversão.
Responsabilidade, arquitetura e custo
CRM ou customer data product é dono da política; marketing define o uso; vendas e atendimento validam relações; privacidade e jurídico avaliam finalidade e retenção; engenharia mantém integração e rollback; dados mede; owners dos sistemas respondem pela qualidade na origem. O custo cresce com fontes, volume, idiomas, países, frequência, histórico, regras de sobrevivência, revisão humana, backfill e quantidade de destinos. Batch costuma bastar para mensuração e campanhas planejadas; tempo real só paga quando a decisão perde valor rapidamente.
Adapte a identidade ao mercado e ao canal
No Brasil e na América Latina, telefone, WhatsApp, marketplaces, distribuidores e cadastros regionais podem criar identidades paralelas. Nos Estados Unidos, B2B exige separar contato, account, parent account e localização. Não use documento nacional, dado sensível ou enriquecimento externo apenas porque aumenta o match. Preserve base legal, finalidade, minimização e revisão local. O NIST recomenda governar, mapear, medir e gerenciar risco durante o ciclo; aqui isso inclui dados de origem, limiares, downstream e reversão.
Leve os pares difíceis, não uma demo perfeita
Comece pelo loop mínimo em https://makinai.co/insights/pt/cdp-ia-marketing-loop-minimo-dados-clientes-receita, escolha batch ou tempo real em https://makinai.co/insights/pt/ia-tempo-real-crm-quando-batch-basta, conecte a próxima melhor ação em https://makinai.co/insights/pt/ia-proxima-melhor-acao-crm-personalizacao e proteja jornadas durante atendimento em https://makinai.co/insights/pt/ia-crm-atendimento-pausar-campanhas-problema-cliente. A MAKINAI estrutura CRM, commerce e integração em https://makinai.co/services/pt/consultoria-crm-ecommerce-commerce. Traga o dicionário de campos e uma amostra desidentificada de pares difíceis; podemos delimitar um piloto antes de consolidar a base inteira.
As fontes documentam matching, duplicidade, fusão e gestão de risco. Não demonstram que uma regra universal melhora conversão nem autorizam tratamento de dados em qualquer finalidade. O Contrato, o piloto, os limiares e as métricas são recomendações editoriais da MAKINAI a validar com dados, responsáveis e orientação jurídica local.