Scrapear un mercado dos veces: el solapamiento que se come un tercio del presupuesto de datos

El error caro al construir listas no es el precio por perfil. Es extraer a la misma persona tres veces en tres búsquedas que te parecieron distintas cuando las escribiste. En una de nuestras ejecuciones, cuatro búsquedas devolvieron 23.089 filas que se resolvieron en 15.363 personas distintas. Un tercio del gasto no compró nada. Nadie se dio cuenta hasta el paso de deduplicación, y a esas alturas cada duplicado ya estaba pagado.

Por qué el solapamiento es invisible

Búsqueda uno: responsables de ventas en empresas de software en Francia. Búsqueda dos: directores comerciales en empresas SaaS en Francia. Para un humano son dos ángulos sobre un mismo mercado. Para una base de datos son dos conjuntos que se solapan, y las personas del medio se devuelven, y se facturan, dos veces. Cuanto más amplia sea la segunda búsqueda, más se traga de la primera.

Con los meses empeora. Un mercado que trabajas de forma recurrente produce una nueva extracción cada trimestre, y cada una vuelve a recoger a las personas que ya tienes. Sin detección de duplicados contra tu propio historial, estás alquilando la misma lista una y otra vez.

El orden que lo arregla

Primero cuenta, allí donde contar sea gratis. Luego ordena tus búsquedas de la más estrecha a la más amplia y comprueba si alguna es un subconjunto de otra que ya piensas lanzar. Si lo es, bórrala: la búsqueda más amplia devolverá a esas personas de todos modos. Solo entonces extrae, empezando por la más estrecha, y guarda un registro de los resultados obtenidos para que la siguiente búsqueda pueda excluirlos.

Por eso también la detección automática de duplicados contra perfiles ya scrapeados no es una comodidad. Es la diferencia entre un presupuesto de datos que crece con tu mercado y uno que crece con el número de veces que lo miras.

El techo de 2.500

Las búsquedas de LinkedIn dejan de ser exportables de una pieza por encima de un par de miles de perfiles, y ahí es donde la gente empieza a cortar una consulta a mano: por región, por franja de plantilla, por primera letra del nombre de la empresa. Cada uno de esos cortes manuales es una oportunidad de crear solapamiento, y la mayoría crea de sobra. Una herramienta que divide la consulta automáticamente por encima de 2.500 perfiles elimina el techo y la tentación al mismo tiempo.

Los campos limpios no son cosmética

Emojis en un nombre, un cargo pegado a un apellido, mayúsculas al azar: todo eso sobrevive a la extracción, viaja por el enriquecimiento y sale por el otro lado en la primera línea de un email. Un campo de personalización es el único sitio donde los datos sucios los lee la persona a la que intentas impresionar. Limpiar en el momento de la extracción es el punto más barato para hacerlo, porque después el valor malo ya se ha copiado en tres sistemas.

Lo que la extracción no te da

Perfiles, no datos de contacto. El email y el móvil vienen después de un proveedor de enriquecimiento, facturados por resultado, y la tasa de acierto ahí es el número que decide tu coste real por contacto utilizable. En una de nuestras ejecuciones sobre decisores franceses, toda la cascada devolvió un móvil para el veinte por ciento de ellos. Dimensionas una campaña con ese número, no con el tamaño de la extracción.

Prográmalo y deja de pensar en ello

Un mercado que te importa no es una extracción puntual, es una consulta permanente. Las ejecuciones programadas y la detección de perfiles nuevos en una búsqueda guardada convierten una lista en un flujo: las personas que entraron en el segmento desde el mes pasado llegan solas, ya deduplicadas contra todas las que tienes. Esa es la diferencia entre un fichero que envejece desde el día en que se construye y un pipeline que se mantiene al día sin que nadie se acuerde de actualizarlo.

La prueba que hay que hacer antes de pagar

Coge un plan gratuito, extrae doscientos perfiles de una búsqueda que conozcas bien y comprueba tres cosas: si los campos están lo bastante limpios para meterlos en una primera línea, si la herramienta reconoce a personas que ya extrajiste y si la división de una consulta grande devuelve el número que prometía la previsualización de la búsqueda. Esas tres respuestas te dicen más que cualquier lista de funcionalidades, y te llevan una tarde.