Lead scoring: buenas prácticas para equipos de ventas y marketing B2B

Pregunta a cualquier equipo de ventas y te dirá que la calidad de los leads está mejorando. Una encuesta reciente a más de 1000 profesionales de ventas reveló que el 68 % afirma que la calidad de los leads mejoró en el último año. Suena a buena noticia. Pero «mejor» es una sensación que los comerciales declaran en una encuesta, no algo que alguien haya medido. Sin un modelo de puntuación detrás, esa mejora es una corazonada, no un hecho.

Esto no es un curso básico de lead scoring. Los fundamentos ya los conoces. Lo que sigue es cómo convertir esa corazonada en algo real: un sistema que te diga qué leads merecen de verdad el tiempo de un comercial, y no solo cuáles parecen prometedores. Si aciertas con los criterios, tu software de lead scoring dejará de marcar ruido como oportunidad y tu pipeline de ventas B2B empezará a reflejar lo que de verdad contiene.

Get thousands of leads in 4 minutes.

Stop stitching tools together.
Start with verified sales data, delivered in minutes.

SCALE SALES NOW

No contracts · No setup · No sales call

Un repaso rápido: ¿qué es el lead scoring?

El lead scoring es el proceso de asignar puntos a los leads según quiénes son y qué hacen, para que ventas sepa a quién llamar primero. Es un filtro, no un juego de adivinanzas. Los datos explícitos cubren la parte demográfica: cargo, tamaño de la empresa, sector, es decir, lo que un lead te cuenta directamente. Los datos implícitos cubren la parte de comportamiento: visitas a la página de precios, solicitudes de demo, las señales de compra B2B que muestran intención sin que nadie lo diga en voz alta. Si aciertas con ambos, el lead scoring deja de ser una función decorativa añadida a tu CRM y empieza a hacer lo que debe: anclar tu estrategia go-to-market B2B en la realidad, no en la actividad.

Define criterios de puntuación claros antes de asignar puntos

La mayoría de los equipos construyen su modelo de puntuación al revés. Eligen criterios que suenan bien (cargo, tamaño de la empresa, unas cuantas acciones de interacción), asignan puntos y lo ponen en marcha. Después se pasan los seis meses siguientes preguntándose por qué los leads con más puntos no cierran.

La solución: empieza por tus ventas cerradas, no por tus suposiciones. Analiza las cuentas que de verdad se convirtieron y busca lo que tienen en común: tamaño de la empresa, sector, las páginas que visitaron antes de reservar una demo, cuántos contactos hicieron falta. Luego haz lo mismo con los leads que nunca se convirtieron. La diferencia entre esos dos grupos son tus criterios de puntuación. No una suposición sobre cómo es un buen lead, sino cómo era realmente uno antes de comprar.

Esto solo funciona si está basado en datos desde el primer día. Construir un modelo por intuición y corregirlo después significa que los comerciales pasarán meses persiguiendo los leads equivocados mientras marketing insiste en que la puntuación está bien. Asegúrate de que los datos son fiables antes de asignar un solo punto.

Una cosa más que conviene hacer desde el principio: involucra a ventas en el proceso. Tu equipo de ventas outbound está al teléfono todos los días. A menudo detecta un patrón, como un cargo que nunca compra o un comportamiento que siempre indica urgencia, mucho antes de que se vea en los datos. Si ignoras esa información, tendrás que rehacer el modelo dentro de tres meses para ponerte al día con lo que tus comerciales ya sabían.

Combina señales firmográficas, demográficas y de comportamiento

El encaje te dice si un lead podría ser tu cliente. La intención te dice si está a punto de comportarse como tal. Un modelo que solo mide uno de los dos solo acierta a medias.

Señales de encaje (datos firmográficos y demográficos)

Las señales de encaje responden a una sola pregunta: ¿se parece este lead a los clientes que de verdad te compran?

• Cargo: indica si la persona tiene autoridad para tomar la decisión o influir en ella
• Tamaño de la empresa: indica si tiene el presupuesto y la complejidad operativa para los que está pensado tu producto
• Sector: indica si tu solución resuelve un problema que la empresa tiene de verdad, y no solo uno al que técnicamente podrías aplicarla
• Ubicación: importa sobre todo si vendes en regiones concretas o si tu solución tiene restricciones normativas o logísticas ligadas a la geografía

Ninguna de estas señales te dice si un lead está listo para comprar ahora mismo. Solo te dicen si, de entrada, es el tipo de prospecto adecuado. Eso es lo que hace realmente el scoring de encaje: filtra por relevancia, no por urgencia.

Señales de intención (datos de comportamiento)

El encaje te dice quiénes son. La intención te dice qué están haciendo realmente al respecto.

Una señal de intención es cualquier acción que muestra que un lead avanza hacia una decisión, y no que solo curiosea en torno a tu marca. Hay una diferencia real entre la interacción pasiva, como abrir un email u hojear un artículo del blog, y la intención activa, como solicitar una demo, el tipo de comportamiento que solo tiene sentido si alguien está evaluando seriamente una compra. La primera te dice que alguien sabe que existes. La segunda te dice que alguien está preparando internamente los argumentos para comprar.

Las señales de intención no dependen del volumen de actividad. Un lead puede acumular una docena de interacciones de poco valor y seguir muy lejos de comprar. Lo que importa es el tipo de acción, no la frecuencia. Esa es la lógica central del marketing basado en la intención: interpreta bien el comportamiento y sabrás con quién hablar antes de que levante la mano. En España, recuerda que las cookies de seguimiento necesitan el consentimiento del usuario (art. 22.2 de la LSSI) y que el lead scoring suele considerarse elaboración de perfiles según el RGPD: inclúyelo en tu política de privacidad e informa del derecho de oposición del artículo 21 a más tardar en el primer contacto.

Un modelo que solo puntúa el encaje marcará muchos leads que parecen perfectos sobre el papel pero no han mostrado ningún interés en comprar: esfuerzo comercial desperdiciado disfrazado de oportunidad. Un modelo que solo puntúa la intención perseguirá a cualquiera que haga clic por tu web, pueda o no llegar a ser cliente algún día. Ninguno de los dos es un lead. Solo los dos juntos lo son.

Da más peso a las acciones de alta intención

No todas las acciones merecen los mismos puntos, pero muchos modelos de puntuación las tratan como si así fuera.

Una solicitud de demo y una suscripción a la newsletter no son la misma señal. Una significa que alguien está cerca de una decisión de compra. La otra, que a alguien le gustó un titular lo suficiente como para dejar su email. Si tu modelo las puntúa de forma más o menos parecida, acabarás con suscriptores de la newsletter a la cabeza de tu cola mientras los compradores reales esperan su turno.

Las visitas a la página de precios, las solicitudes de demo y los registros en una prueba gratuita deberían puntuar bastante más que la lectura de un artículo o una suscripción a la newsletter. Están más cerca de la decisión, así que deberían pesar más.

La recencia y la frecuencia importan tanto como la acción en sí. Un lead que ha mirado tu página de precios tres veces esta semana está enviando una señal urgente. Uno que la visitó una vez hace tres meses, probablemente no. La misma acción, los mismos puntos sobre el papel, un nivel de intención completamente distinto. Un buen modelo tiene en cuenta esa diferencia en lugar de tratar cada clic como si fuera igual de reciente.

Usa el scoring negativo para mantener limpio el pipeline

La mayoría de los equipos construyen un modelo de puntuación que solo suma puntos. Nadie los resta. Es un error, porque un modelo que solo premia la actividad puntuará encantado a un estudiante curioso igual que a un comprador real, siempre que haga clic en suficientes cosas.

El scoring negativo resta puntos por señales que indican poco encaje o desinterés:

• Dominios de correo personales (hotmail.es, yahoo.es, gmail.com…) en lugar de uno corporativo
• Cargos que descalifican, como estudiante o becario
• Dominios de la competencia
• Bajas de suscripción
• Visitas a páginas irrelevantes, como la de «Trabaja con nosotros»

Nada de esto es un castigo. El scoring negativo no penaliza a un lead por existir: es un mecanismo de filtrado que evita que ventas dedique tiempo a alguien que nunca se iba a convertir.

Si te lo saltas, tu modelo inflará la puntuación de personas que simplemente sienten curiosidad, no interés. Alguien que busca trabajo y navega por tu web para informarse sobre la empresa antes de una entrevista puede acumular los mismos puntos que alguien con capacidad de decisión que está evaluando una compra, si lo único que hace tu modelo es contar clics. El scoring negativo es lo que distingue a uno del otro.

Fija umbrales claros y automatiza el traspaso a ventas

Una puntuación no es más que un número hasta que desencadena algo. Puedes construir el modelo más preciso del mundo, pero no servirá de nada si los leads siguen esperando a que alguien se dé cuenta.

Define niveles de puntuación y umbrales

Los puntos solo importan si conducen a una decisión. Eso significa dividir tu rango de puntuación en niveles claros, cada uno con un umbral que te diga exactamente qué pasa después.

Una configuración típica, en la que el lead scoring y el lead nurturing trabajan juntos, tiene tres niveles:

• Nurturing: puntuaciones bajas; el lead recibe más contenido hasta que muestre una intención real
• Marketing qualified lead (MQL): un rango intermedio, que merece seguimiento pero aún no una conversación comercial
• Sales qualified lead (SQL): el nivel superior, listo para que un comercial lo contacte

Los valores exactos importan menos que quién los acuerda. Tiene que ser una decisión conjunta de marketing y ventas, no algo que marketing fija por su cuenta y transmite sin más. Si ventas no hace suyos los umbrales, no confiará en los leads que los superen, y volverás a tener comerciales que ignoran la cola y trabajan por instinto.

Automatiza el traspaso a ventas

Un umbral no sirve de nada si nadie vigila la puntuación en tiempo real. Las revisiones manuales siempre llegan tarde.

Configura tu CRM para que active el traspaso automáticamente. En cuanto un lead entre en la categoría de SQL, el sistema debería avisar al comercial adecuado y registrar una tarea de seguimiento, sin que nadie tenga que actualizar un panel ni cruzar los dedos para que alguien vea la alerta. El lead avanza en el mismo segundo en que se lo gana.

No se trata de sustituir el criterio de las personas. Se trata de que ese criterio se aplique en el momento adecuado, no con tres días de retraso porque alguien estaba enterrado en su bandeja de entrada.

Revisa y ajusta tu modelo de lead scoring con regularidad

Un modelo de puntuación no es algo que construyes una vez y olvidas. Es un sistema que hay que revisar, o se desajusta poco a poco sin que nadie lo note.

Pon una revisión trimestral en el calendario. Toma los leads con más puntos y comprueba si de verdad se están convirtiendo. Toma los que tienen menos y comprueba si alguno acabó siendo cliente de todos modos, lo que normalmente significa que tu modelo pasó por alto una señal real. Las dos direcciones importan. Un modelo que solo se audita cuando algo se rompe lleva meses equivocándose.

Esto no puede ser una configuración única por una sencilla razón: el comportamiento de los clientes, las condiciones del mercado y el producto cambian. Los criterios que predecían un buen lead el año pasado quizá hoy no predigan casi nada. Una puntuación estática en un mercado en movimiento se queda obsoleta enseguida, y nadie se da cuenta hasta que cae la calidad del pipeline y todos empiezan a discutir de quién es la culpa.

Lleva un registro de cambios sencillo. Cada vez que ajustes un umbral o cambies el peso de una señal, anota qué cambió y por qué. Así, si alguien sube este trimestre el umbral de SQL, el equipo lo sabe y entiende el motivo, en lugar de descubrirlo por casualidad tres meses después.

Errores comunes de lead scoring que debes evitar

La mayoría de los modelos de puntuación que no funcionan fallan casi siempre por los mismos motivos. Vale la pena revisar el tuyo con esta lista antes de dar por hecho que el problema está en otra parte.

• Puntuar solo el encaje o solo la intención: media foto tratada como si fuera la imagen completa, de modo que acaban arriba leads que encajan muy bien pero no tienen ningún interés, o leads muy activos que nunca van a comprar.
• No tener scoring negativo: cada clic por curiosidad cuenta lo mismo que un interés real, lo que infla poco a poco la puntuación de personas que nunca se iban a convertir.
• Umbrales fijados una vez y nunca revisados: un modelo congelado mientras el mercado, el producto y los compradores que debería reflejar siguen avanzando sin él.
• Criterios basados en suposiciones, no en ventas cerradas: una corazonada disfrazada de sistema, construida sobre cómo debería ser un buen lead y no sobre cómo era realmente uno antes de comprar.
• Marketing y ventas no se ponen de acuerdo sobre qué significa «cualificado»: dos equipos trabajan con dos definiciones distintas, y los leads se quedan atascados en medio.

Preguntas frecuentes sobre lead scoring

1. ¿En qué consiste el método de lead scoring?

El lead scoring consiste en asignar puntos a los leads según quiénes son y qué hacen, para que ventas pueda priorizar a los que están más cerca de comprar. Combina señales de encaje, como el cargo, el tamaño de la empresa o el sector, con señales de intención, como las visitas a la página de precios o las solicitudes de demo. El resultado es una única puntuación que refleja la probabilidad de que un lead se convierta, en lugar de dejar esa valoración en manos de suposiciones.

2. ¿Cómo cualificar un lead de forma eficaz?

Empieza por los datos, no por las suposiciones. Analiza tus ventas cerradas, identifica los atributos y comportamientos que compartían esos clientes y construye tus criterios en torno a ese patrón. Añade scoring negativo para que los leads con poco encaje o sin interés no inflen el pipeline, y revisa el modelo con regularidad para que siga reflejando cómo se comportan de verdad tus compradores.

3. ¿Cómo hacer lead scoring desde cero?

Basa tus criterios en los datos de tus ventas cerradas y combina después señales de encaje y de intención, para que el modelo mida tanto quién es un lead como lo que está haciendo. Da más peso a las acciones de alta intención que a las pasivas, fija umbrales claros vinculados a niveles definidos y automatiza el traspaso para que los leads listos para la venta lleguen a los comerciales sin demora.

4. ¿Qué acciones cuentan en el lead scoring?

Las acciones de alta intención, como las solicitudes de demo, las visitas a la página de precios y los registros en una prueba gratuita, son las que más pesan, porque indican que alguien está cerca de una decisión. Las de menor intención, como leer un artículo del blog o suscribirse a una newsletter, también cuentan, pero deberían puntuar mucho menos. La recencia y la frecuencia también importan: un lead que ha interactuado repetidamente y hace poco muestra más urgencia que uno que actuó una sola vez hace meses.

5. ¿Cuál es la regla del lead scoring?

No hay una regla universal, porque los criterios de puntuación deben reflejar tus propios datos de ventas cerradas, no una plantilla genérica. Dicho esto, hay un principio que se repite en todos los modelos eficaces: combinar encaje e intención, ponderar las acciones según lo cerca que estén de una decisión de compra y usar el scoring negativo para filtrar a quien no encaja. Los valores de los puntos son propios de cada empresa, pero la lógica que hay detrás sirve para la mayoría.