Para unificar a identidade do cliente entre canais, crie um identificador interno estável e trate telefone, email, usuário social e identificadores de plataforma como vínculos separados. Associe automaticamente apenas evidências fortes e testadas; mande casos ambíguos para revisão humana; registre a origem e a regra de cada vínculo; e mantenha um procedimento de separação que recupere os históricos corretos.
Perfil, correspondência e verificação são três coisas diferentes
O identificador de um canal diz onde uma conversa aconteceu. Um perfil unificado liga registros que provavelmente pertencem ao mesmo cliente. Verificação de identidade confirma, com evidência adequada ao risco, que a pessoa pode executar uma ação sensível. Esses conceitos se apoiam, mas não são equivalentes.
Uma conversa recebida de um número conhecido pode localizar um perfil, mas isso não prova que o remetente atual está autorizado a alterar dados bancários, obter documento sigiloso ou cancelar um contrato. A orientação de identity proofing do NIST separa resolução, validação e verificação e recomenda coletar apenas os atributos necessários ao nível de confiança escolhido. O documento trata de identidade digital em contexto de assurance; use-o como referência de desenho baseada em risco, não como obrigação jurídica automática para todo atendimento.
Antes de implantar match, desenhe a jornada entre canais e marque onde basta recuperar contexto e onde é necessária autenticação adicional. Isso evita exigir dados excessivos em perguntas simples e, ao mesmo tempo, evita confiar em um vínculo fraco para ações críticas.
Mantenha uma pessoa canônica e vários vínculos de canal
O modelo mínimo separa o cliente interno dos endereços pelos quais ele aparece. Não copie uma linha do tempo inteira para cada canal.
| Objeto | O que guarda | Controle essencial |
|---|---|---|
| Cliente canônico | ID interno, estado e referência à fonte oficial | Não depende de telefone ou email mutável |
| Vínculo de canal | Tipo, identificador normalizado, origem e data | Pode ser confirmado, contestado, expirado ou removido |
| Evidência de match | Regra, campos comparados, resultado e confiança operacional | Explica por que a ligação ocorreu |
| Campo consolidado | Valor escolhido para nome, contato ou preferência | Registra fonte e política de precedência |
| Evento de merge/split | Quem aprovou, quando, motivo e registros afetados | Permite investigar e corrigir |
A visão geral de unificação de dados do Microsoft Customer Insights explicita deduplicação, regras de correspondência, campos consolidados e a possibilidade de perfis serem mesclados ou separados quando dados e regras mudam. A lição prática é preservar os registros constituintes; um perfil unificado é uma visão governada, não uma desculpa para apagar a linhagem.
Construa uma escada de correspondência, não um único palpite
Comece por regras determinísticas que a equipe consegue explicar. A documentação da Microsoft sobre regras de match mostra que a ordem importa, que várias condições podem ser combinadas com AND e que normalização e correspondência aproximada precisam de precisão definida. Suas regras podem seguir esta escada:
| Nível | Exemplo operacional | Ação recomendada |
|---|---|---|
| Vínculo verificado | ID de conta já confirmado + vínculo de canal registrado | Associar e registrar a origem |
| Combinação exata forte | ID do cliente + email verificado; ou conta + telefone confirmado | Automatizar somente após teste e monitoramento |
| Combinação exata comum | Nome completo + telefone + atributo contextual coerente | Sugerir ao atendente e pedir confirmação |
| Correspondência aproximada | Nome semelhante ou erro de digitação no email | Gerar candidato, nunca certeza silenciosa |
| Conflito | Mesmo telefone familiar, emails diferentes ou dados incompatíveis | Manter separado e investigar |
A AWS recomenda combinar múltiplos atributos e evitar critérios de um único campo para reduzir consolidações indevidas. Sua documentação também alerta que a consolidação automática pode não ser reversível naquele produto e recomenda prévia antes da execução. Mesmo que a sua ferramenta permita separar depois, trate merge como mudança de alto impacto.
- normalize telefone, maiúsculas, acentos e espaços sem alterar o valor original;
- meça duplicidade e compartilhamento de cada campo;
- teste a regra em amostra rotulada por pessoas;
- revise falsos positivos, não apenas quantos perfis foram unidos;
- defina conflito e fallback explícitos;
- publique quem pode aprovar, mesclar e separar.
Mostre a sugestão e preserve a decisão humana
Um fluxo seguro começa buscando candidatos pelo vínculo do canal. Se houver um resultado inequívoco segundo uma regra aprovada, o sistema associa e registra. Se houver mais de um candidato, inconsistência ou evidência fraca, apresente os perfis separados, os campos que coincidem, os que conflitam e a fonte de cada valor. O atendente confirma com o cliente apenas os atributos necessários para aquele risco.
Não mostre dados sensíveis completos como método de confirmação. Prefira perguntas ou códigos já previstos no processo, e impeça que um atendente sem permissão veja, mescle ou exporte tudo. As permissões e trilhas de auditoria devem cobrir a visualização do perfil, o vínculo de canais, a alteração da fonte oficial, o merge e a separação.
Quando ocorrer um merge errado, interrompa novas automações baseadas naquele perfil, preserve a evidência, separe os registros, reatribua conversas e objetos ao cliente correto, revise ações disparadas e comunique as áreas responsáveis quando houver impacto. A correção não termina ao clicar em “separar”; termina quando contexto, acesso e próximos passos voltam a estar corretos.
Colete menos e escolha uma fonte de verdade por campo
O texto atualizado da LGPD na Câmara dos Deputados inclui necessidade e qualidade dos dados entre seus princípios. Para a operação, isso significa documentar a finalidade de cada atributo, evitar pedir documento só para melhorar um match comum, manter dados exatos e relevantes e permitir correção. Valide a base legal, retenção e atendimento aos direitos com quem responde pela privacidade da organização; este guia não substitui análise jurídica.
Para cada campo consolidado, declare precedência: por exemplo, um email confirmado pelo portal pode prevalecer sobre um email digitado em chat; uma preferência expressa recentemente pode prevalecer sobre uma importação antiga. Não use “última atualização” como regra cega, porque o dado mais recente também pode ser incorreto. Guarde valor, fonte, horário e responsável pela alteração.
Pilote com casos ambíguos e métricas de erro
Comece por uma fila e dois canais. Importe uma amostra com duplicados conhecidos, contatos compartilhados, homônimos, telefones reciclados, emails corporativos e campos ausentes. Rode as regras em modo de prévia, peça revisão dupla nos casos mais arriscados e ajuste antes de permitir associações automáticas.
- candidatos sugeridos, confirmados, rejeitados e deixados sem decisão;
- merges automáticos por regra e por fonte;
- falsos merges encontrados e perfis separados;
- duplicados que permaneceram separados;
- campos em conflito e fonte escolhida;
- conversas em que o cliente precisou repetir dados por falta de vínculo;
- ações sensíveis bloqueadas por verificação insuficiente.
Não publique uma meta universal de match. O equilíbrio aceitável depende do custo de deixar duplicados e do dano de unir pessoas diferentes. Para atendimento, um perfil incompleto costuma ser mais fácil de corrigir do que um histórico confidencial entregue à pessoa errada. Depois do piloto, conecte a regra ao seu checklist de migração omnichannel e revise-a sempre que canais, fontes ou identificadores mudarem.
Fontes e leituras adicionais
- Microsoft Learn — regras de correspondência para unificação de dados
- Microsoft Learn — visão geral, deduplicação, merge e separação de perfis
- AWS — critérios fortes para consolidação de perfis
- AWS — correspondência, confiança, prévia e limites do merge automático
- NIST — resolução, validação e verificação de identidade
- Câmara dos Deputados — texto atualizado da LGPD
