Lead scoring: cómo construir un modelo en el que confíen los comerciales

¿Qué es el lead scoring y cómo funciona?

El lead scoring es un sistema de puntuación de leads que asigna puntos a cada lead según sus atributos y su comportamiento, los suma y ordena los leads por el total. Una puntuación alta significa una alta probabilidad de conversión o, dicho de forma más sencilla, disposición a comprar. Cuando un lead supera un umbral de puntuación establecido, está listo para ventas y pasa a un comercial. Todos los que quedan por debajo siguen en lead nurturing.

Dos tipos de datos alimentan la puntuación. Los datos explícitos son lo que el lead te cuenta o lo que puedes consultar: cargo, tamaño de la empresa, sector, ubicación. Los datos implícitos son lo que hace: visitas a la web, una visita a la página de precios, un formulario enviado, aperturas y clics de email, una solicitud de demo. Los datos explícitos miden el encaje; los implícitos miden el engagement. Algunas herramientas los mantienen como una puntuación de encaje y una de engagement separadas y muestran una puntuación combinada; otras usan una sola cifra.

Un tercer tipo de datos es lo que dice el lead cuando habla contigo. Es la señal más directa de intención de compra que existe, y es la que la mayoría de los modelos de lead scoring deja fuera porque se construyeron para el email marketing, no para las conversaciones.

¿Por qué importa el lead scoring?

El lead scoring importa porque los comerciales tienen más leads que tiempo, y sin un orden trabajan la cola en el orden en que llegó. La puntuación permite a los equipos priorizar leads con una regla repetible en lugar de por intuición, de modo que al lead caliente que preguntó dos veces por el precio se le llama antes que al lead frío que descargó un PDF en marzo.

Según la investigación State of Sales de Salesforce, los comerciales dedican solo una pequeña parte de una semana normal a priorizar leads y oportunidades, además del tiempo que pasan investigando y prospectando. Una puntuación que funciona devuelve ese tiempo.

También resuelve la discusión más antigua del B2B: marketing dice que los leads eran buenos y ventas dice que no. Un modelo de lead scoring compartido es un contrato: los dos equipos acuerdan cómo es un lead cualificado, marketing entrega MQLs que lo cumplen, y la tasa de aceptación de ventas mide si el modelo acierta. La alineación entre ventas y marketing se convierte en una cifra.

La puntuación también va más allá de los leads. El account scoring ordena empresas, el opportunity scoring ordena tratos abiertos, el customer scoring detecta oportunidades de expansión y riesgo de baja, y el scoring basado en contenidos pondera qué recursos consumió un lead. La mecánica es la misma. El beneficio más amplio es la previsibilidad. Cuando se mide la calidad de los leads, el valor del pipeline y el forecast de ingresos se apoyan en algo más sólido que el volumen, y el funnel de ventas deja de perder en la etapa de cualificación.

¿Qué datos entran en un modelo de lead scoring?

Un modelo de lead scoring usa datos de encaje, datos de engagement y, en el enfoque de ConnectLoop, datos de conversación. El encaje te dice si esa persona podría comprar. El engagement te dice si le interesa ahora. La conversación te dice por qué, con qué te está comparando y cuándo lo necesita.

El encaje y el engagement son lo que todos los modelos usan desde hace años; un proveedor de automatización de marketing acuñó la expresión «lenguaje corporal digital» para los datos de engagement, y sigue siendo válida. Los datos de conversación son más recientes porque necesitan un canal que registre a escala lo que dicen los compradores. El chat de la web, WhatsApp y el email dan exactamente eso a los equipos inbound.

¿Cómo se construye un modelo de lead scoring, paso a paso?

Construye un modelo de lead scoring definiendo quién puede comprar, decidiendo qué comportamientos predicen una compra, asignando puntos a cada uno, fijando un umbral para considerar a un lead listo para ventas y revisando el modelo contra los resultados reales cada mes. El proceso lleva una tarde de configuración y un trimestre de ajuste.

1. Fija unos criterios mínimos de cliente. Lo innegociable: la región en la que trabajas, el tipo de empresa, un email profesional real. Los leads que no los cumplen no reciben puntuación, así que los comerciales nunca los ven.
2. Define tu perfil de cliente ideal. Extrae los tratos ganados de los últimos doce meses. Anota los cargos, tamaños de empresa, sectores y ubicaciones que se repiten. Esas serán tus reglas de encaje y tu mercado objetivo.
3. Calcula tu tasa de conversión de referencia. Leads convertidos en clientes, divididos entre el total de leads, por 100. Cada atributo se juzga frente a esta cifra.
4. Calcula la tasa de cierre por atributo. Para cada atributo de encaje y cada comportamiento, ¿qué proporción de los leads que lo tenían se convirtieron en clientes? Todo lo que tenga una tasa de cierre por encima de la referencia recibe puntos. Cuanto más por encima, más puntos. Este es el análisis de tratos cerrados que mantiene honesto el modelo.
5. Enumera los comportamientos que vas a seguir. Visitas a la web, página de precios, formularios enviados, aperturas y clics de email, descargas de contenido, asistencia a webinars, solicitudes de demo, altas en pruebas gratuitas. Marca los comportamientos críticos de conversión, los que hicieron la mayoría de los clientes antes de comprar, como agendar una demo.
6. Añade señales de conversación. Un plazo indicado, un competidor mencionado, una petición de propuesta, una pregunta sobre integraciones. Si tu agente o tus comerciales las capturan, pertenecen al modelo con los valores de puntos más altos, porque son intención expresada y no inferida.
7. Asigna los puntos primero por categoría y después por regla. Decide cuánto de la puntuación total puede aportar el encaje y cuánto el engagement (un reparto a partes iguales es un buen punto de partida), y después reparte los puntos entre las reglas de cada categoría. Así evitas que un lead puntúe alto solo por encaje.
8. Fija el umbral de puntuación. La puntuación a partir de la cual un lead está listo para ventas. Empieza donde tus datos históricos dicen que estaban la mayoría de los compradores y ajústalo con la tasa de aceptación de ventas.
9. Añade puntuación negativa y caducidad. Resta puntos por bajas, emails genéricos y ubicaciones fuera de zona. Haz que los puntos de engagement caduquen para que un clic de hace seis meses deje de contar.
10. Conecta la puntuación con la acción. Configura el enrutamiento de leads para que los que estén listos para ventas lleguen a un comercial a través del CRM, pon el resto en lead nurturing y usa un flujo de trabajo para fijar un SLA sobre la rapidez con la que un lead listo para ventas recibe respuesta. Aquí es donde la automatización se gana el sueldo: la puntuación decide y el flujo actúa.
11. Revísalo cada mes. ¿Qué leads con puntuación baja se convirtieron? ¿Qué leads con puntuación alta no llegaron a nada? Cada uno es una regla que añadir o un peso que cambiar. Revisa el modelo completo cada trimestre.

La guía de ConnectLoop sobre cualificación de leads inbound cubre el paso seis con más detalle, ya que capturar señales de conversación es una tarea de cualificación antes de ser una tarea de puntuación.

¿Cómo hay que ponderar los puntos, y cuándo deben caducar?

Pondera los puntos según lo bien que cada señal predice una compra, pon un tope a cada categoría para que ningún tipo de señal domine, y haz que los puntos de engagement caduquen para que la puntuación refleje el interés actual y no el historial. Una visita a la página de precios anoche debería pesar más que diez aperturas de newsletter del año pasado.

Una estructura sencilla que funciona: una escala de 100 puntos, con el encaje limitado a 50 y el engagement limitado a 50. Algunos equipos prefieren una matriz de encaje por engagement, de la A a la D para el encaje frente al 1 al 4 para el engagement, de modo que un A1 es el mejor lead y un D4 el peor; la lógica es la misma. Dentro del engagement, los comportamientos críticos de conversión (solicitud de demo, reunión agendada, petición de propuesta) suman de 15 a 25 cada uno; los comportamientos de interés (página de precios, webinar, descarga de contenido) suman de 5 a 10; los contactos ligeros (una apertura de email, una única página vista) suman de 1 a 2.

La caducidad de la puntuación se ocupa del tiempo. Configura los puntos de engagement para que pierdan la mitad de su valor cada 30 días, y los que caducan bajen a cero a los 90. Los puntos de encaje no caducan; un CTO sigue siendo un CTO. El efecto es que un lead que estaba caliente en enero y no ha dicho nada desde entonces vuelve a templado sin que nadie toque el registro.

Dos trampas. La sobrepuntuación premia las acciones pequeñas repetidas: ponles un tope, para que veinte aperturas de email nunca superen a una visita a la página de precios. Y la infraponderación de la intención expresada: «necesitamos esto funcionando antes de fin de trimestre» dice más que cualquier clic, y el modelo debería reflejarlo.

¿Qué es la puntuación negativa?

La puntuación negativa resta puntos por señales de que un lead encaja mal o está perdiendo interés: una baja de la lista, un email genérico, una ubicación en la que no trabajas, el dominio de un competidor, un cargo que nunca compra. Mantiene honesto el modelo al permitir que las señales malas compensen las buenas en lugar de limitarse a sumar.

Sin ella, un estudiante con un email personal que descargó tres guías puede superar en puntuación a un director de una cuenta objetivo que visitó la página de precios una vez. La regla práctica: cada regla positiva debería tener su reflejo. Si una visita a la página de precios suma puntos, una baja de la lista los resta. Si un sector objetivo suma puntos, un sector al que nunca vendes los resta. La puntuación puede quedar en negativo, y no pasa nada. Una puntuación negativa es un lead al que conviene dejar tranquilo.

Manual, predictivo o basado en la conversación: ¿cuál deberías usar?

El lead scoring manual es una tabla de reglas que escribes y mantienes tú. El lead scoring predictivo usa IA para encontrar los patrones en tus datos históricos y fijar los pesos por ti. El scoring basado en la conversación añade a cualquiera de los dos lo que dijo el lead. La mayoría de los equipos debería empezar con el manual, añadir señales de conversación de inmediato y pasar al predictivo cuando tenga suficientes tratos cerrados con los que entrenarlo.

El scoring predictivo tiene un mínimo real: el scoring con IA de uno de los principales CRM exige al menos 50 contactos, de los cuales 25 se hayan convertido, antes de construir un modelo. El scoring basado en la conversación funciona desde el primer lead, porque puntúa lo que dijo ese lead, no un patrón entre cientos. Las mejores configuraciones combinan los tres: reglas para el encaje, IA para la ponderación cuando hay volumen, y las señales de conversación como la entrada de más valor en todo momento.

¿Cómo puntúa ConnectLoop los leads?

ConnectLoop puntúa cada lead desde la primera conversación, combina lo que hizo con lo que dijo y muestra el razonamiento junto a la puntuación. Su agente, Lia, trabaja en el chat de la web, WhatsApp y email, y la puntuación existe cuando termina el primer chat, no semanas después, cuando ya se han abierto suficientes emails.

¿Qué entra en la puntuación?

Tres cosas. Comportamiento: páginas vistas, visitas repetidas, tiempo en la web, si vio la página de precios o una página de cancelación. Conversación: por qué contactó, con qué te comparó, el plazo que indicó, si pidió hablar con una persona o una reunión. Y, con Sales Methodology activado, las respuestas a las preguntas de SPIN y MEDDICC que Lia hace de una en una dentro del chat.

¿Cómo se muestra la puntuación?

De dos formas. La temperatura del lead, Caliente, Templado o Frío, en cada lead, con una pestaña Temperature que muestra en frases sencillas el razonamiento de la IA detrás de la puntuación. Y una puntuación de intención con una banda Alta, Media o Baja, que es la misma puntuación que alimenta Conversational Intelligence, donde los leads se ordenan con el motivo previsto por el que contactaron junto a cada uno.

Un comercial que lee «Caliente: preguntó dos veces por el precio, mencionó a un competidor, lo quiere funcionando antes de octubre, agendó una reunión» confía en la puntuación.

¿Y los leads que todavía no se han identificado?

Visitor Intelligence puntúa el recorrido anónimo. Cada navegador recibe un ID anónimo; ConnectLoop registra las visitas, los días activos, las páginas vistas y la frecuencia de retorno, redacta un breve resumen de lo que parece buscar el visitante y etiqueta la intención como Alta, Media o Baja antes de que haya una dirección de email. Cuando el visitante rellena un formulario, todo el historial se asocia a su registro y la puntuación se mantiene.

¿Cómo encaja el scorecard de metodología?

Cuando Sales Methodology está activado, todo lo que aprende Lia va a un scorecard en el lead: cada paso de SPIN o MEDDICC marcado como No iniciado, En curso, Completado, Omitido o No aplicable, y cada respuesta capturada marcada como Inferida (Lia la dedujo) o Confirmada (el visitante la expresó). El progreso se acumula a lo largo de todas las conversaciones con ese lead. Tu equipo puede editar cualquier paso, y las ediciones manuales son permanentes.

Una puntuación construida sobre afirmaciones confirmadas es más sólida que una construida sobre inferencias, y el comercial puede ver cuál es cuál. La guía de ConnectLoop sobre MEDDPICC explica qué captura cada paso.

¿Cómo llega la puntuación al comercial?

A través del CRM. Los datos de la sesión se escriben en cada contacto de HubSpot, Salesforce, Pipedrive o Zoho como datos de intención propios y estructurados: páginas vistas, número de visitas, tiempo en la web, la puntuación de intención en tiempo real y sus señales, el motivo previsto del contacto y el sentimiento. Los leads se asignan al miembro adecuado del equipo por etiqueta, y un lead marcado como Needs Follow Up genera recordatorios cada 24 horas hasta que alguien actúa. ConnectLoop ordena la cola y explica el orden; una persona decide a quién llamar y qué decir.

¿Qué debería acompañar a la puntuación hasta el comercial?

La puntuación debería llegar con sus motivos, la transcripción, las páginas vistas, la intención expresada y el sentimiento de la última conversación. Una cifra sola obliga al comercial a rehacer el trabajo que la puntuación debía ahorrarle.

• El razonamiento. Dos frases sobre por qué la puntuación es la que es.
• La transcripción o el resumen. Lo que preguntó el lead y lo que se le respondió.
• Páginas vistas y visitas repetidas. Qué productos captaron su atención.
• Intención expresada. Motivo del contacto, competidor mencionado, plazo, presupuesto si lo dio.
• Estado del scorecard. Qué pasos de cualificación están Confirmados, cuáles son Inferidos y cuáles siguen abiertos.
• Sentimiento. Si el último intercambio fue positivo, neutro o negativo.
• Fuente. Web, WhatsApp, email o un popup de captación de leads, y qué campaña si la hubo.

Este es el relevo. La guía sobre velocidad de respuesta al lead cubre la otra mitad: lo rápido que tiene que producirse esa llamada.

¿Cuáles son los errores de lead scoring más habituales?

Los errores habituales son puntuar solo los clics, no restar nunca puntos, fijar un umbral y olvidarse de él, dejar que el engagement antiguo cuente para siempre y dar a los comerciales una cifra sin explicación. Cada uno tiene una solución que lleva menos tiempo que los tratos que cuesta.

1. Puntuar el comportamiento pero no la conversación. Un lead que dijo «lo decidimos este mes» recibe la misma puntuación que uno que no lo dijo. Solución: añade la intención expresada como la entrada con más peso.
2. Sin puntuación negativa. Los leads que no encajan suben en la cola solo por curiosidad. Solución: pon a cada regla positiva su reflejo negativo.
3. No revisar nunca el umbral. La línea de listo para ventas se fijó una vez y se ha desviado. Solución: revisa cada mes la tasa de aceptación de ventas y mueve la línea.
4. Sin caducidad. Un webinar del año pasado sigue contando. Solución: reduce a la mitad los puntos de engagement cada 30 días.
5. Sobrepuntuar las acciones pequeñas repetidas. Veinte aperturas de email superan a una visita a la página de precios. Solución: pon un tope a los comportamientos repetidos.
6. Puntuaciones sin motivos. Los comerciales ignoran las cifras que no pueden explicar. Solución: muestra las tres señales principales junto a la puntuación.
7. La puntuación empieza en el formulario. El recorrido anónimo es invisible. Solución: puntúa a los visitantes antes de que se identifiquen y asocia el historial cuando lo hagan.
8. Un único modelo para todos los segmentos. Un comprador de 5.000 dólares y uno de 50.000 se comportan de forma distinta. Solución: un umbral por segmento.

Conclusiones clave

• El lead scoring ordena los leads por encaje (quiénes son) y engagement (lo que hicieron), con un umbral que marca cuándo están listos para ventas.
• La señal que la mayoría de los modelos pasa por alto es lo que dijo el lead: motivo del contacto, competidor mencionado, plazo indicado. Dale el mayor peso.
• Construye el modelo a partir del análisis de tratos cerrados: la tasa de cierre por atributo frente a la tasa de conversión de referencia decide los puntos.
• Pon un tope a cada categoría, dale a cada regla positiva su reflejo negativo y haz que los puntos de engagement caduquen.
• El scoring predictivo necesita volumen para entrenarse; el basado en la conversación funciona desde el primer lead.
• ConnectLoop puntúa desde la primera conversación, muestra el razonamiento detrás de la temperatura y la intención del lead, etiqueta a los visitantes anónimos antes de que se identifiquen y escribe la puntuación y sus señales en el CRM.
• Una puntuación nunca debería viajar sola. Envía con ella los motivos, la transcripción, las páginas y la intención expresada.
• Revísalo cada mes, repásalo cada trimestre y mide el modelo por la tasa de aceptación de ventas.