Data decay

Data decay is het geleidelijke verlies aan juistheid in je contact- en bedrijfsdata. Mensen wisselen van baan, bedrijven veranderen van vorm en e-mailadressen werken niet meer, terwijl de records in je CRM precies blijven zoals ze waren. Je hoort het ook data rot of data degradation noemen.

Er hoeft niemand iets fout te doen om het te laten gebeuren. Een record dat je afgelopen voorjaar hebt geverifieerd, was een correcte momentopname van afgelopen voorjaar. Sindsdien is de persoon misschien gepromoveerd, naar een concurrent gegaan of uit de branche vertrokken, en je CRM kan dat op geen enkele manier weten.

Wat decay duur maakt, is dat het geen geluid maakt. Een kapotte integratie geeft een foutmelding. Een verouderd record ziet er precies zo betrouwbaar uit als een vers record, tot een e-mail bouncet of een rep een heel gesprek lang staat te pitchen bij iemand die acht maanden geleden al is vertrokken.

TL;DR

• Eén baanwissel breekt in één keer een hele cluster velden: e-mailadres, titel, werkgever, vaak het telefoonnummer, plus de lege stoel waar je nu niets over weet. De helft van de Amerikaanse managers en professionals werkt korter dan vijf jaar bij de huidige werkgever, dus dit gebeurt de hele tijd.

• Bounces zijn alleen het zichtbare deel. Er zijn vier soorten decay (contact, account, relatie en structuur), en drie daarvan zie je nooit terug in je e-mailcijfers.

• De kosten lopen van deliverability (hard bounces schaden je sender reputation) tot verspilde uren van reps, verkeerde personalisatie en, in de EU, een wettelijke plicht om persoonsgegevens juist te houden.

• Een jaarlijkse opschoonactie kan het niet bijhouden. Maak één persoon eigenaar, verifieer vlak voor het versturen, verrijk opnieuw in een vast ritme, gebruik baanwissels als triggers en laat reps correcties terugvoeren.

• Negeer de jaarlijkse decay-percentages die online rondgaan. Trek een willekeurige sample uit je eigen records, controleer die met de hand, en je hebt een decay rate die je eigen markt echt beschrijft.

Eén baanwissel, gevolgd door je CRM

Neem Maartje, Head of RevOps bij een softwarebedrijf in de logistiek en sinds een webinar vorig jaar een contact in je HubSpot. In maart begint ze bij een ander bedrijf. Ze werkt LinkedIn dezelfde week bij. Je CRM komt er veel later achter, als dat al gebeurt.

Dit doet die ene overstap met haar record:

• Haar zakelijke e-mailadres bouncet nu, omdat haar oude werkgever de mailbox heeft afgesloten.

• Haar titel klopt niet meer, en het bedrijf waaraan die gekoppeld is ook niet.

• Haar directe nummer gaat waarschijnlijk over op een bureau dat leeg is of van iemand anders is.

• Haar opvolger, de persoon die nu het budget heeft waar jij naartoe werkte, staat helemaal niet in je CRM.

• En Maartje zelf, die je product kent, zit nu bij een nieuw account waar ze een warme ingang kan zijn. Alleen houdt niemand dat in de gaten.

Dat is het belangrijkste aan data decay: het komt in clusters. Eén baanwissel levert vier of vijf foute velden tegelijk op, plus een gat.

En baanwissels komen veel voor. Het Amerikaanse Bureau of Labor Statistics meldde in zijn onderzoek naar dienstjaren uit 2026 dat werknemers in management, professionele en verwante beroepen mediaan 4,9 jaar bij hun huidige werkgever werkten. Anders gezegd: de helft van hen was in de afgelopen vijf jaar begonnen. Interne overstappen en promoties zitten helemaal niet in die cijfers, en die veranderen titels en rapportagelijnen net zo goed.

Bedrijven voegen daar hun eigen verloop aan toe. Ze worden overgenomen, krijgen een nieuwe naam, wisselen van domein, verhuizen en groeien van de ene grootteklasse naar de volgende. Elk van die gebeurtenissen maakt firmografische velden ongeldig bij elk contact van dat account, zonder dat iemand het merkt.

Waarom decay verborgen blijft tot er iets bouncet

In een CRM verandert niets van kleur als een record veroudert. De velden zien er nog compleet uit, de datum van de laatste wijziging kan zelfs recent zijn omdat een workflow het record heeft aangeraakt, en de rapporten die erop draaien, blijven nette cijfers opleveren.

Het eerste zichtbare teken is meestal een bounce. Als een adres niet meer bestaat, stuurt de ontvangende server een permanente fout terug, meestal met code 5.1.1. De e-mailstandaard RFC 3463 definieert die als een ongeldig adres van de bestemmingsmailbox: de mailbox in het adres bestaat niet. Dat is een hard bounce, en opnieuw versturen lost het niet op.

Mailboxproviders letten op afzenders die steeds op dode adressen stuiten. De richtlijnen voor e-mailafzenders van Google zeggen dat bulkverzenders ontvangers met meerdere gebouncete berichten automatisch moeten uitschrijven, en een afzender die dat patroon negeert, lijkt te werken met een oude of gekochte lijst. Een stijgende bounce rate drukt op je sender reputation, en dat schaadt ook de aflevering van je goede e-mails. Daarom wordt decay zo vaak een probleem met e-mail deliverability voordat iemand het een dataprobleem noemt.

Contact-, account-, relatie- en structurele decay

Bounces laten maar één soort decay zien. Het helpt om alle vier een naam te geven, omdat elke soort een andere oplossing nodig heeft.

Decay op contactniveau

De persoon bestaat echt, alleen zijn de gegevens die je hebt verouderd: een dood e-mailadres, een oude titel na een promotie, een mobiel nummer dat inmiddels is veranderd. Dit is de soort die verificatie en opnieuw verrijken het best opvangen.

Decay op accountniveau

Het bedrijf zelf is veranderd. Een fusie, een nieuw domein, een sprong van 50 naar 200 medewerkers of een verhuizing naar een ander land kan je firmografische data onjuist maken, ook als elk contact nog op zijn plek zit. Je segmenten en regio-indeling schuiven op zonder dat iemand ze aanpast.

Relatiedecay

Het record klopt, alleen doet de persoon er niet meer toe op de manier die erin staat. Je champion is naar een ander team gegaan, is budget kwijtgeraakt of reageert gewoon niet meer. Geen enkele provider verkoopt die informatie. Alleen je reps en je activiteitenhistorie kunnen je dit vertellen.

Structurele decay

Sommige data heeft nooit geklopt. Een functietitel ingetypt als "baas", een domein met een typfout, een telefoonnummer dat is afgeleid van het algemene nummer. Zo'n veld kwam al kapot binnen, en andere velden verversen verandert daar niets aan. De oplossing is input standaardiseren op het moment dat die wordt ingevoerd.

Wat verouderde data kost, los van je bounce rate

De meest zichtbare schade zit bij e-mail. De grotere kosten komen terecht bij de tijd van mensen en bij je geloofwaardigheid.

Reps jagen op contacten die al weg zijn en loggen calls die nergens heen gaan. Sequences openen met een verwijzing naar een rol die de persoon niet meer heeft. Targeting raakt uit koers als bedrijven uit de segmenten groeien waarin je ze had ingedeeld. Elke beslissing op basis van die data is een beslissing op basis van een oud beeld. Dat is een groot deel van de reden waarom zoveel Clay-builds mislukken door slechte data, ook als de logica van de workflow klopt.

Automatisering maakt het erger. Een rep die met de hand een lijst doorloopt, slaat het contact over dat duidelijk vertrokken is. Een geautomatiseerde sequence doet dat niet. Als je sales prospecting opschaalt met automatisering, schaal je ook alles op wat er mis is met de data die erin gaat, op een volume dat geen rep in zijn eentje haalt.

In Europa is er ook een juridische kant. Het juistheidsbeginsel van de AVG (GDPR) zegt dat persoonsgegevens juist moeten zijn en zo nodig moeten worden bijgewerkt. De uitleg over juistheid van de Britse toezichthouder voegt daaraan toe dat je informatie actueel moet houden als je die gebruikt voor een doel waarvoor ze actueel moet zijn. Prospecting leunt precies daarop. Iemand mailen over een functie die diegene een jaar geleden heeft verlaten, is een salesfout en volgens dat beginsel ook een probleem met datakwaliteit waar jij verantwoordelijk voor bent.

Is een jaarlijkse opschoonactie genoeg?

Nee, al proberen de meeste teams dat eerst. De grote jaarlijkse schoonmaak voelt productief, en een paar weken zien de cijfers er beter uit. Daarna blijven mensen van baan wisselen, net als voor de opschoonactie, en gaat de decay verder waar die was gebleven.

Met één opschoonactie per jaar is je data op zijn best direct na die actie en op zijn slechtst in de maand voor de volgende, en het grootste deel van het jaar werk je met data die slechter is dan gemiddeld. Een vast ritme houdt het gemiddelde veel dichter bij het beste geval. Dat is het verschil tussen data hygiene zien als project en zien als onderhoud.

Een eenmalige opschoonactie heeft nog steeds zijn plek, bijvoorbeeld voor een CRM-migratie, als je alleen wilt meenemen wat het bewaren waard is. Het kan alleen nooit het hele plan zijn.

Een onderhoudsroutine die een klein team volhoudt

Je hebt hier geen datateam voor nodig. Je hebt een paar gewoontes nodig die op een schema of een trigger draaien, en iemand voor wie het de taak is om op te merken wanneer ze stilvallen.

1. Geef het één eigenaar. Meestal is dat RevOps of degene die het CRM beheert. Gedeelde verantwoordelijkheid voor datakwaliteit betekent dat niemand controleert, en daar gedijt decay op.

2. Verifieer vlak voordat je verstuurt. Haal elke lijst door contact verification op het moment dat de lijst een sequence ingaat, in plaats van toen je hem samenstelde. Drie weken tussen verifiëren en versturen is genoeg tijd om een deel ervan weer te laten verouderen.

3. Verrijk opnieuw in een vast ritme. Ververs titels, bedrijven en firmografische gegevens van actieve accounts in een vaste cyclus met data enrichment, het liefst via waterfall enrichment over meerdere bronnen. Zo wordt een gat bij één provider geen gat in je CRM. Maak de cyclus korter als er in je markt veel van baan wordt gewisseld of veel bedrijven worden overgenomen.

4. Behandel baanwissels als signalen. Let op trigger events zoals een contact dat vertrekt of een nieuwe leider die binnenkomt. Tools die baanwissels volgen, zoals UserGems, of een geplande check in Clay maken van een onzichtbare fout twee leads: het oude contact bij het nieuwe bedrijf, en de opvolger bij het oude.

5. Vraag door op het label "geverifieerd". Als een data provider zegt dat een record geverifieerd is, vraag dan wanneer. Een record dat negen maanden geleden voor het laatst is gecontroleerd, heeft al negen maanden decay achter de rug voordat je iets verstuurt.

6. Laat reps het record corrigeren. Hoort een rep "ze is in juni vertrokken", dan moet dat het CRM met één klik bijwerken, in plaats van te verdwijnen in een gespreksnotitie. Je reps zijn de beste decay-detectors die je hebt, en je betaalt ze al.

Samen wordt dit een vast onderdeel van je CRM hygiene, waarbij elke stap gekoppeld is aan het moment waarop de data wordt gebruikt in plaats van aan een datum in de agenda.

Data decay meten in je eigen database

Veel artikelen noemen één jaarlijks decay-percentage voor B2B-data. Die zouden wij overslaan. De cijfers gaan meestal terug op blogs van leveranciers in plaats van op gepubliceerd onderzoek, en het echte tempo hangt sterk af van je markt. In onze ervaring veroudert een lijst met salesleiders bij startups veel sneller dan een lijst met inkoopmanagers in ziekenhuizen.

Je eigen decay meten kost een middag. Trek een willekeurige sample van 50 tot 100 contacten waar je al een tijd niets mee hebt gedaan. Controleer ze een voor een met de hand op LinkedIn en de website van het bedrijf. Tel hoeveel er nog dezelfde werkgever, dezelfde titel en een werkend e-mailadres hebben. Dat aandeel, afgezet tegen de leeftijd van de records, is je decay rate, en die is meer waard dan welk branchecijfer ook.

Tussen de steekproeven door vertellen een paar cijfers je of het afglijdt:

• Het percentage hard bounces per campagne. Stijgt het langzaam, dan is dat decay die zich als eerste in je inboxcijfers laat zien.

• De match rate van je enrichment. Kun je minder records opnieuw verifiëren of verversen, dan drijft je data weg van wat providers kunnen bevestigen.

• Automatische antwoorden met "werkt hier niet meer". Tel ze. Ze zijn het meest directe decay-signaal dat je ooit krijgt, en de meeste teams gooien ze weg.

• De leeftijd van je records. Weet je niet wanneer de meeste records voor het laatst zijn geverifieerd, dan is dat het eerste wat je moet oplossen, want versheid die je niet bijhoudt, kun je ook niet managen.

Kort gezegd

Je database blijft niet goed omdat je hem één keer hebt opgebouwd. Zie hem als voorraad in een schap, waar steeds weer iets over de datum gaat. De wereld beweegt elke week, en je records bewegen alleen als iemand of iets ze bijwerkt.

De teams die dit goed aanpakken, hebben geen grotere databases of chiquere tools. Ze hebben geaccepteerd dat een deel van wat ze weten op elk moment fout is, ze hebben gemeten hoe groot dat deel is in hun eigen markt, en ze hebben de checks neergezet waar de data wordt gebruikt: vlak voor een verzending, bij een baanwissel, als een rep tijdens een gesprek nieuws hoort.

Dat bouwen wij voor klanten: verificatie, opnieuw verrijken en meldingen bij baanwissels in je eigen CRM en Clay-setup, met de eigenaar en de routine op papier. Zo houdt je team de data vers, ook lang nadat wij het hebben overgedragen.

Veelgestelde vragen