Limpar a Base de Leads de Estudantes no CRM: Guia Prático

Como é, na prática, uma base de leads "suja" no CRM de admissões

Uma base suja não é uma exceção rara — é o estado normal de qualquer CRM de admissões ao fim de duas ou três campanhas sem manutenção. Um candidato preenche o formulário de pedido de informação, regressa semanas depois através de um anúncio diferente e preenche outra vez o mesmo pedido, mas desta vez com o telemóvel escrito sem o indicativo — nasce um duplicado que o CRM regista como dois candidatos distintos.

A este ritmo, a sujidade acumula-se em quatro formas concretas. Primeiro, os duplicados de formulários repetidos: o mesmo candidato aparece três ou quatro vezes, cada uma associada a uma campanha ou a um dia aberto diferente, o que infla artificialmente o número total de contactos na base. Segundo, os telemóveis mal escritos ou inventados — sequências como "912345678" repetidas em dezenas de fichas, ou números com dígitos a mais ou a menos porque o candidato escreveu depressa num formulário no telemóvel. Terceiro, os emails expirados ou genéricos: contas de estudante do secundário que caducam no verão, ou endereços institucionais como "info@" e "admissoes@" introduzidos por engano num campo pensado para um contacto pessoal. Quarto, as fichas incompletas — um nome e um email, sem curso de interesse nem qualquer indicação de fase de decisão, herdadas de uma importação antiga de lista de eventos.

Nenhum destes problemas aparece isolado: a mesma pressa que leva um candidato a preencher o formulário duas vezes leva-o também a escrever o contacto sem cuidado na segunda tentativa.

Porque limpar antes da campanha pesa mais do que limpar depois

Limpar a base depois de lançar a campanha já chega tarde: o orçamento de anúncios foi gasto a tentar alcançar contactos que nunca vão responder, e a equipa de admissões perdeu horas a ligar para números que não existem. Limpar antes muda a lógica inteira do investimento — cada euro gasto em aquisição só corre o risco de ser desperdiçado uma vez, não duas.

O custo médio de aquisição por estudante inscrito em Portugal situa-se entre 900 e 1.500 euros (Fonte: estimativas Skolbot com base em dados setoriais da EAIE, StudyPortals e Campus France, 2025-2026). Quando esse valor já foi gasto para captar um contacto — através de um anúncio, de uma feira de orientação ou de uma parceria com um portal — e o email ou o telefone associado está errado, a instituição paga duas vezes pelo mesmo espaço vazio: uma para adquirir o contacto, outra em tempo de equipa gasto a tentar chegar até ele sem sucesso. O artigo sobre como calcular o CAC real por estudante inscrito detalha esta conta.

Há ainda um efeito menos visível, mas igualmente caro: a capacidade de entrega. Enviar uma campanha de email para uma lista com endereços inválidos ou desativados leva os fornecedores de correio a marcar o domínio remetente como suspeito, o que reduz a entrega mesmo junto dos contactos válidos. As estatísticas da campanha também ficam distorcidas: uma taxa de abertura baixa sobre uma base suja pode esconder uma taxa real bem mais alta, o que leva a decisões erradas sobre o assunto ou o remetente do próximo envio. Estes fundamentos fazem parte do guia de marketing digital para o ensino superior, que trata a qualidade da base como uma das alavancas centrais do funil de admissões.

Regras de desduplicação que realmente funcionam

A desduplicação eficaz não depende de comparar nomes exatos — depende de regras de correspondência que toleram pequenas variações sem juntar duas pessoas diferentes por engano. O princípio não é muito diferente das boas práticas técnicas descritas pela Google Search Central para dados estruturados: quanto mais consistente e padronizada a informação na origem, menos trabalho de limpeza é necessário mais tarde. Duas regras fazem a maior parte do trabalho: o domínio de email combinado com uma correspondência aproximada de nome, e a normalização do número de telefone antes de qualquer comparação.

Um telefone normalizado remove espaços, traços e parênteses e uniformiza o indicativo (+351 em vez de 00351 ou de um zero à frente esquecido). Sem esta normalização, "912 345 678" e "+351912345678" contam como dois contactos diferentes, mesmo sendo o mesmo número. Para o nome, uma correspondência aproximada — que tolera acentos em falta ou ordem trocada de nome e apelido — apanha mais duplicados reais do que uma comparação exata, sem gerar tantos falsos positivos como juntar apenas por email, já que um mesmo candidato usa por vezes dois endereços diferentes (o pessoal e o da escola secundária).

A decisão mais delicada não é encontrar o duplicado, é decidir o que fazer com ele: fundir ou eliminar. A eliminação só faz sentido quando uma das fichas está vazia ou foi criada por engano, sem histórico de interação — em todos os outros casos, a fusão preserva informação que a eliminação destruiria, como o primeiro touchpoint de atribuição da ficha mais antiga.

Escolher um CRM com regras de desduplicação configuráveis, em vez de uma lógica fixa de fábrica, evita que este trabalho tenha de ser repetido manualmente todos os meses — o comparativo de CRM para escolas de ensino superior detalha que funcionalidades procurar antes de assinar um contrato.

Validação de email e telefone: o formato correto não chega

Um endereço com a estrutura "nome@dominio.pt" pode passar todos os testes de formato e continuar completamente inatingível — a validação de formato apanha erros de digitação, mas não confirma que a caixa de correio existe. A verificação real exige um passo a mais: um envio de teste, um pedido de confirmação por SMS, ou a deteção de domínios de email descartáveis criados só para preencher formulários sem dar um contacto verdadeiro.

A HubSpot Research aponta a manutenção regular de dados como uma das rotinas mais subestimadas na gestão de qualquer CRM comercial, e a educação superior não foge à regra. Para uma equipa de admissões de dimensão média, vale a pena automatizar três verificações e deixar o resto para revisão manual pontual. Automatize a validação de formato (sintaxe de email e comprimento/prefixo do telefone), a deteção de domínios de email descartáveis conhecidos (mailinator e equivalentes) e o SMS de confirmação de código antes de campanhas telefónicas massivas. Deixe para revisão manual os casos-limite — números internacionais, emails corporativos sinalizados como suspeitos mas plausíveis, fichas antigas sem interação recente. Automatizar também estes casos gera falsos negativos que eliminam candidatos reais só porque o formato do contacto foge ao habitual.

Checklist prática antes de lançar uma campanha

Antes de qualquer campanha de maior escala — anúncios pagos, SMS massivo ou uma sequência de email a toda a base — vale a pena percorrer uma checklist curta em vez de confiar na sensação de que "a base está bem".

Esta rotina, mesmo reduzida a estes cinco pontos, evita a maior parte dos problemas descritos acima. A orientação da CNPD sobre prazos de conservação recomenda rever periodicamente os dados de candidatos que nunca avançaram, em vez de os manter indefinidamente "só para garantir" — um bom momento para juntar a purga de contactos antigos à limpeza técnica da base.

Como um chatbot bem configurado evita que os dados sujos entrem no CRM

A forma mais eficiente de limpar uma base é impedir que ela fique suja à partida — e um chatbot que valida o formato de um telefone ou de um email no momento em que o candidato o escreve faz exatamente isso, em vez de deixar a correção para uma revisão trimestral. Um formulário tradicional de texto livre aceita qualquer sequência de números num campo de telefone; um fluxo de conversa guiado pode recusar um número com dígitos a menos ou pedir confirmação de um email sem domínio reconhecido.

Em 18 escolas acompanhadas entre 2024 e 2025, os leads qualificados por mês subiram de 120 para 195 (+62%) e o custo por lead desceu de 42€ para 26€ (-38%) (Fonte: métricas de ROI Skolbot, resultados medianos combinando a introdução do chatbot com otimizações simultâneas de funil). Este ganho não se explica só pela captação estruturada de contactos válidos — resulta também de ajustes ao percurso de candidatura feitos ao mesmo tempo — mas a validação no momento da entrada explica diretamente a parte da melhoria que se traduz em contactos utilizáveis pela equipa de admissões, em vez de fichas que mais tarde têm de ser corrigidas ou descartadas.

Na prática, a captação via chatbot funciona como um primeiro filtro de qualidade antes mesmo de o contacto chegar ao CRM: um telefone com formato inválido é assinalado de imediato ao candidato, que o corrige ali mesmo, em vez de a equipa de admissões descobrir semanas depois que não consegue ligar a ninguém. Combinado com um sistema de lead scoring para recrutamento estudantil, este filtro de entrada garante que a pontuação de cada candidato assenta em dados fiáveis, não em contactos inválidos à partida.

FAQ

Com que frequência se deve limpar a base de leads no CRM?

Uma rotina mensal de verificação de duplicados e emails inválidos é suficiente para a maioria das instituições, com uma revisão mais completa — incluindo a purga de contactos fora do prazo de conservação — a cada seis meses. Antes de qualquer campanha de grande escala, vale sempre a pena repetir os pontos mais críticos da checklist.

É melhor apagar os duplicados ou fundi-los?

Na maioria dos casos, é melhor fundir. Eliminar um duplicado destrói o histórico de interação e pode apagar a fonte de atribuição original, distorcendo o cálculo do custo de aquisição por canal. A eliminação só se justifica quando uma das fichas está vazia ou foi criada por engano, sem qualquer interação registada.

Como detetar um número de telefone falso sem ligar a todos os contactos?

Sinalize primeiro os padrões óbvios — sequências repetidas, números com o número errado de dígitos para o formato português, ou o mesmo número em várias fichas com nomes diferentes. Depois, para os casos que passam este filtro, um SMS de confirmação com código continua a ser a forma mais fiável de verificar um número sem exigir uma chamada manual da equipa.

Quanto tempo se pode manter os dados de um candidato que nunca respondeu?

Não existe um prazo fixo definido por lei para todos os casos, mas a CNPD recomenda conservar os dados de um candidato apenas pelo tempo necessário à finalidade do tratamento, com revisão periódica — na prática, muitas instituições aplicam 2 a 3 anos após o último contacto antes de arquivar ou eliminar a ficha. Passado esse prazo, manter o contacto ativo deixa de ser só uma questão de qualidade dos dados e passa a ser uma questão de conformidade.

Um chatbot resolve sozinho o problema dos dados sujos?

Não por completo, mas reduz o problema na origem. Um chatbot com validação de formato no momento da captura evita que boa parte dos telefones e emails inválidos chegue a entrar no CRM, mas não substitui a rotina periódica de desduplicação e purga — os duplicados continuam a acontecer sempre que o mesmo candidato interage através de mais do que um canal.