Da 450 a 73: Come Ho Pulito il CRM in un Pomeriggio
Se non fai pulizia del CRM da 6 mesi, i numeri della tua pipeline sono inventati.
Lo so perche’ il mio lo era. 450 aziende. ~35% di qualita’ dati. Duplicati ovunque. Nessun proprietario assegnato sulla meta’. Continuavo a ignorarlo perche’ pulire un CRM manualmente e’ il tipo di attivita’ che ti fa venire voglia di simulare la tua stessa morte.
Poi ho passato un pomeriggio con Claude Code, l’ho ridotto a 73, e per poco non ho cancellato due aziende con deal attivi.
Punto chiave: Claude Code connesso a HubSpot via MCP ha pulito 450 aziende riducendole a 73 in un pomeriggio — intercettando due aziende con deal attivi prima della cancellazione. La vera vittoria non e’ stata la pulizia in se’, ma rendere il CRM di nuovo affidabile. Quando i dati del CRM sono sporchi, smetti di usarlo, e ogni decisione a valle ne risente.
Il problema del CRM cimitero
Ogni founder che conosco ha questo problema. Inizi ad aggiungere aziende durante una spinta commerciale, un progetto cliente, una conferenza. Importi un CSV da qualche parte. La pipeline cresce. Poi ti metti a fare il lavoro vero e il CRM diventa un posto dove i dati vanno a morire.
I numeri sembrano ok in superficie. “Ho 450 aziende.” Bene. Ma il 30% sono duplicati. Un altro 20% sono lead morti del 2023 che non hai mai chiuso ufficialmente. Diversi non hanno un contatto associato. Alcuni non hanno deal, note, niente — solo un nome azienda che fluttua nel vuoto.
Quando il CRM e’ cosi’ sporco, smetti di fidarti. E quando smetti di fidarti, smetti di usarlo correttamente. Diventa una vanity metric invece di uno strumento.
Io ero a quel punto.
L’approccio: Claude Code + HubSpot MCP
Voglio essere chiaro su cosa e’ e cosa non e’. Non e’ un prodotto AI sofisticato. Nessuna dashboard. Nessun SaaS. Nessun bottone magico.
Claude Code gira nel terminale. Lo connetti a HubSpot via MCP — Model Context Protocol, che e’ fondamentalmente un modo per collegare strumenti all’AI cosi’ che possa leggere e scrivere i tuoi dati. HubSpot ha un’integrazione MCP pubblica. La configuri una volta, e poi puoi semplicemente… parlare con il tuo CRM.
Tutto qui. Una CLI e una conversazione.
Cosa ha fatto l’AI, step by step
Gli ho dato un brief semplice: pulisci il CRM. Ecco cosa ha eseguito, in ordine:
Step 1 — Estrarre tutte le aziende. Ha recuperato tutti i 450 record, riassunto lo stato: proprietari mancanti, contatti mancanti, associazioni ai deal, date dell’ultima attivita’. Potevo vedere l’intero disastro esposto per la prima volta. Non una vista piacevole, ma necessaria.
Step 2 — Controllare i duplicati. Cross-reference su nomi azienda, domini e overlap dei contatti. Trovato un mucchio di duplicati. Uniti in un passaggio.
Step 3 — Verificare le associazioni ai deal. Prima di segnalare qualsiasi cosa per la cancellazione, ha controllato ogni azienda rispetto ai deal aperti e chiusi. Qui le cose si sono fatte interessanti.
Il salvataggio. Avevo un batch di aziende in coda per la cancellazione. Bassa attivita’, nessuna nota recente, sembravano morte. Claude si e’ fermato e ne ha segnalate due: “Queste hanno deal aperti in pipeline. Sei sicuro di volerle cancellare?”
No. Decisamente no.
Mi ero completamente dimenticato di quei deal. Se le avessi cancellate manualmente — e l’avrei fatto, andando veloce — avrei cancellato anche lo storico dei deal. Pipeline reale, sparita.
Quel singolo momento ha probabilmente ripagato ogni ora che ho speso a imparare a usare questo strumento.
Step 4 — Arricchire i dati mancanti. Aziende con lacune (nessun settore, nessuna dimensione, nessun proprietario) sono state segnalate e completate dove inferibile dal contesto. Proprietario assegnato su tutto. Niente piu’ record orfani.
Step 5 — Cancellare la spazzatura. Dopo il controllo dei deal: 83 aziende rimosse in un secondo passaggio. Vecchi contatti di outreach che non avevano portato a nulla, lead da conferenze che non erano mai stati veri prospect, record importati dimenticati nel vuoto. Via.
Il risultato
| Metrica | Prima | Dopo |
|---|---|---|
| Aziende nel CRM | 450 | 73 |
| Qualita’ dati (stima) | ~35% | 90%+ |
| Record con proprietario | ~50% | 100% |
| Cluster di duplicati | Decine | 0 |
| Tempo impiegato | — | Un pomeriggio |
Dopo la pulizia, ho fatto un passaggio separato sui contatti. Arricchiti 804 di essi tramite Dropcontact, revisionati 300 manualmente, e estratti 28 target italiani a cui valeva la pena scrivere subito.
Quella lista e’ davvero utilizzabile perche’ i dati sottostanti sono puliti. Prima di questo, non mi sarei fidato di una lista estratta da quel CRM. Ora si’.
Cosa e’ cambiato davvero
La cosa ovvia: il CRM e’ pulito. Ma la cosa meno ovvia e’ che mi fido di nuovo.
Evitavo di aprire HubSpot perche’ sapevo cosa c’era dentro. Ora lo controllo. Lo aggiorno. E’ di nuovo uno strumento vero, non un cimitero di dati che fingo non esista.
Inoltre — e saro’ onesto qui, perche’ non me lo aspettavo del tutto — avere l’AI che ragionava ad alta voce attraverso la logica mi ha fatto realizzare quante decisioni stavo prendendo di pancia invece che sui dati. “Questa azienda sembra morta.” Si’, ma ha un deal aperto? Non lo sapevo. Ora il sistema controlla prima che io agisca.
La versione onesta
Questo e’ lavoro sporco. Non e’ sexy. Nessuno scrive post su Medium sulla pulizia del CRM.
Ma se non fai pulizia da piu’ di 6 mesi, i numeri della tua pipeline sono inventati. Stai prendendo decisioni basate su dati che sai essere sbagliati e fingi che vada bene. Le 450 aziende che avevo non erano una pipeline. Erano rumore con un abbonamento HubSpot.
Lo strumento qui non e’ il punto. Claude Code, qualche altra AI, non importa. Il punto e’ che questa classe di lavoro — ripetitivo, logic-heavy, data-intensive — e’ esattamente quello che crolla quando e’ puramente manuale. Ti stanchi. Salti passaggi. Per poco non cancelli due aziende con deal attivi.
AI come compagno di squadra operativo. Non AI come chatbot.
Il cambio di prospettiva che ha cambiato il modo in cui uso questi strumenti: non “cosa puo’ scrivere l’AI?” ma “cosa non si stanca mai di controllare l’AI?”
La pulizia del CRM e’ la risposta. E’ esattamente il tipo di lavoro che crolla quando e’ puramente manuale — ripetitivo, logic-heavy, ad alto rischio se sbagli. Ti stanchi. Salti passaggi. Per poco non cancelli due aziende con deal attivi.
Il setup: Claude Code + l’integrazione MCP pubblica di HubSpot. La configuri una volta, e poi puoi parlare con il tuo CRM dal terminale. Tutto qui.
Domande Frequenti
Cos’e’ MCP (Model Context Protocol) e come si connette a HubSpot?
MCP e’ un protocollo che permette agli strumenti AI di leggere e scrivere dati da servizi esterni. HubSpot ha un’integrazione MCP pubblica — la configuri una volta, e Claude Code puo’ accedere ai dati del tuo CRM direttamente dal terminale. Nessuna dashboard, nessuna app di terze parti. Legge aziende, contatti, deal e proprieta’ attraverso le API di HubSpot.
Claude Code puo’ cancellare o modificare record del CRM automaticamente?
Puo’, ma in questo workflow ogni azione distruttiva richiedeva la mia conferma. Claude segnalava i record per la cancellazione e io approvavo o rifiutavo ogni batch. Ecco come ha intercettato le due aziende con deal attivi — ha controllato le associazioni ai deal prima di suggerire la cancellazione, non dopo.
Quanto tempo richiede una pulizia completa del CRM con l’AI?
Per questo account (450 aziende, 800+ contatti), la pulizia completa ha richiesto un pomeriggio — circa 3 ore. Include l’estrazione di tutti i dati, l’identificazione dei duplicati, il controllo delle associazioni ai deal, l’arricchimento dei campi mancanti e la cancellazione dei record morti. Una pulizia manuale della stessa portata avrebbe richiesto almeno una settimana intera.
Ogni quanto dovresti pulire il CRM?
Se non fai pulizia da 6+ mesi, i numeri della tua pipeline sono probabilmente inventati. Consiglio una pulizia profonda trimestrale (audit a livello azienda, controllo duplicati, rimozione record morti) e un passaggio rapido mensile (controllare assegnazione proprietari, chiudere deal stagnanti, verificare enrichment contatti). L’AI rende la pulizia profonda abbastanza veloce da farla mensilmente.
Analizza questo CSV CRM ed elimina: duplicati, email invalide, aziende chiuse. Output: lista pulita + report
cat crm.csv | claude -p "Clean this CRM data"