Dålig data i callcenter: problem, kostnader och åtgärder

När agenter ringer fel bolag, jagar personer som bytt roll eller saknar sammanhang ser problemet ofta ut som låg produktivitet. Men roten kan ligga i urvalet och datan, långt innan det första samtalet.

Publicerad 2 september 2026 · 7 min läsning

Fem symptom på att listan bromsar kampanjen

Dataproblem syns inte bara som felaktiga telefonnummer. De visar sig även som företag utanför målgruppen, roller utan ansvar, dubbletter, saknade segment och konton som kunden redan bearbetar.

Ett annat symptom är att agenter skapar egna listor vid sidan av kampanjen. Det kan vara ett tecken på att de inte litar på urvalet eller att briefen är för otydlig.

Den dolda kostnaden är mer än bortkastade samtal

Varje felaktigt konto tar research- och samtalstid. Men kostnaden fortsätter: agenten tappar rytm, rapporteringen blir missvisande och kunden får svårt att förstå om erbjudandet, manuset eller målgruppen är problemet. Då kan en fungerande kampanj stoppas av fel anledning.

Dålig segmentering påverkar också lärandet. Om små och stora bolag, olika branscher och flera köpande roller blandas ihop går det inte att se var responsen faktiskt uppstår. Resultatet blir en genomsnittssiffra som inte går att agera på.

Skilj dataproblem från manus och agentprestation

Alla svaga utfall är inte dataproblem. Skapa därför bortvalsorsaker som separerar delarna. “Fel nummer” och “personen har slutat” är kontaktdata. “Företaget är för litet” är urval. “Rätt person, men inget behov” kan vara timing eller erbjudande. “Samtalet avslutades direkt” kan kräva granskning av öppning och agentarbete.

Jämför även resultat per datakälla och batch. Om samma agent och manus fungerar tydligt bättre i ett segment kan skillnaden ligga i urvalet. Om alla segment faller lika kan orsaken finnas någon annanstans.

En enkel kvalitetsmodell för callcenterdata

1. Relevans

Andel företag som verkligen passar kampanjens positiva och negativa kriterier. Detta måste bedömas mot en dokumenterad brief.

2. Aktualitet

Om företag, roller och kontaktvägar fortfarande är användbara. Personuppgifter förändras snabbare än grundläggande bolagsdata och behöver behandlas därefter.

3. Fullständighet

Om de fält som krävs för agentens arbetsflöde finns. Ett tomt oviktigt fält är mindre allvarligt än att segment eller målroll saknas.

4. Entydighet

Om kontot kan identifieras och dedupliceras. Organisationsnummer, domän och regler för koncernrelationer minskar dubbelarbete.

5. Användbarhet

Om filformat, kolumner och etiketter fungerar i CRM eller dialer utan omfattande manuell städning.

Bygg en feedbackloop som förbättrar nästa batch

Be agenterna välja en fast bortvalsorsak och komplettera med fritext bara när det behövs. Utse någon som varje vecka sammanställer fel konto, fel roll, fel nummer, dubblett och spärrträff. För tillbaka resultaten till urvalsdefinitionen innan nästa inhämtning.

Ändra en större variabel åt gången. Om målgrupp, manus och erbjudande byts samtidigt går det inte att veta vad som gav effekt. Spara varje batch med datum, kampanj och urvalsregler så att jämförelsen blir möjlig.

Listio kan inhämta ett nytt kampanjunderlag på förfrågan utifrån era kriterier och spärrlistor. Tjänsten innebär ingen garanti för resultat, nåbarhet eller kvalitet. Callcentret ansvarar för användning, kontaktprocess och regelefterlevnad.

Vanliga frågor

Hur mäter man datakvalitet för telefonförsäljning?

Följ bland annat fel företag, fel målroll, ogiltig kontaktväg, dubbletter, spärrträffar och andel konton som bedöms kvalificerade.

Är låg nåbarhet alltid ett dataproblem?

Nej. Tidpunkt, kanal, växelstrategi, nummerpresentation och målgruppens beteende påverkar också. Separera orsakerna innan ni drar slutsatser.

Hur ofta ska en lista uppdateras?

Det beror på kampanjens längd och vilka fält som används. Kontrollera person- och rolluppgifter oftare än stabil bolagsinformation.

Vad ska skickas till en listpartner?

Kampanjbrief, positiva och negativa kriterier, målroller, spärrlista, önskade fält och importformat.