Match · Enrich · Load · Transfer

MELT

CRM-Sync Agent mit Fuzzy Matching für DACH.

Synchronisiert Kontakte, Firmen und Deals zwischen deinen Datenquellen und HubSpot. Erkennt "REWE", "Rewe GmbH" und "REWE Group SE & Co. KG" als dieselbe Firma. 80 Tests. 0 Duplikate.

Live Demo ↓ Agent API

fuzzy matchingdach-optimierthubspot mcp-kompatibel80 testsumlaut-aware multi-sourcezero dependenciestypescript bidirektionalcsv exportreview queue fuzzy matchingdach-optimierthubspot mcp-kompatibel80 testsumlaut-aware multi-sourcezero dependenciestypescript bidirektionalcsv exportreview queue

Das Problem

HubSpot erkennt deine Duplikate nicht.

HubSpot hat kein Fuzzy Matching. Jede Schreibvariante erzeugt einen neuen Record. Drei Agents importieren dieselbe Firma — drei Einträge.

01 — Normalisierung

Keine Suffixe

"REWE", "Rewe GmbH" und "rewe" sind für HubSpot drei verschiedene Firmen. 40+ Rechtsformen werden nicht erkannt.

02 — Umlaute

Deutsche Sonderzeichen

"Müller" ≠ "Mueller". "Dt. Telekom" ≠ "Deutsche Telekom AG". "Straße" ≠ "Strasse". HubSpot kennt keine Umlaute.

03 — Multi-Agent

Quellen-Chaos

LinkedIn, Apollo, Clearbit, CSV — jeder Agent liefert andere Feldnamen. Ohne Mediation explodiert dein CRM.

Live Matching

So entscheidet MELT.

4 Algorithmen (Levenshtein, Token Sort, Token Set, Jaro-Winkler), gewichtet kombiniert. ≥0.92 → Auto-Match. 0.70–0.91 → Review Queue. <0.70 → Neu anlegen.

Eingehend	In HubSpot	Score	Aktion
REWE Group SE & Co. KG	Rewe GmbH	1.000	UPDATE
Deutsche Telekom AG	Dt. Telekom	1.000	UPDATE
Mueller GmbH	Müller GmbH	1.000	UPDATE
Bank Deutsche	Deutsche Bank AG	0.970	UPDATE
REWE Digital	Rewe GmbH	0.810	REVIEW
Googel	Google	0.742	REVIEW
BMW	Bayerische Motoren Werke	0.253	CREATE
Lidl	Aldi	0.354	CREATE

# Zwei Namen vergleichen
$ melt test-match "REWE Group SE & Co. KG" "Rewe GmbH"

  Normalized A: "rewe"
  Normalized B: "rewe"
  Combined: 1.000
  Recommendation: ✅ UPDATE

Ablauf

Vier Schritte, null Duplikate.

Setup

HubSpot Token setzen. Custom Properties werden automatisch angelegt.

Discover

Schema wird gelesen. Feld-Mapping wird vorgeschlagen (180+ DE/EN Aliase).

Preview

Dry Run zeigt was passiert — ohne etwas zu schreiben.

Sync

Fuzzy Matching verhindert Duplikate. Grenzfälle in die Review Queue.

Multi-Source

Alle Quellen, ein Schema.

Auto-Detection erkennt LinkedIn, Apollo, Clearbit und CSV. Deutsche Spaltennamen (Vorname, Firma, PLZ) werden automatisch gemappt.

34 Contact Fields

headline → title, connections → score, vanity_name → linkedin_url

Apollo

17 Contact Fields

intent_strength → score, organization_name → company, company_size → employees

CSV / Excel

35 DE/EN Fields

Vorname → firstname, Firma → company, PLZ → zip, Branche → industry

CLI

npm install, eval, sync.

# Install
$ npm install melt

# 80 Fuzzy Matching Tests
$ melt eval
  ✅ 80/80 passed

# Dry Run
$ melt preview data.json
  ✅ Would update:  8
  ➕ Would create:  3
  ⚠️  Needs review: 1

# Live Sync
$ melt sync data.json
  ✅ Updated: 8  ➕ Created: 3  ⚠️ Review: 1