El lead scoring es un sistema que asigna una puntuación a cada lead según lo probable que sea que acabe comprando. Sirve para una sola cosa, y es una cosa importante: decidir a quién llama tu equipo primero cuando no puede llamar a todos.
Si tienes veinte leads al mes, no necesitas lead scoring, necesitas llamarlos. Se vuelve necesario cuando el volumen supera la capacidad del equipo, que es exactamente el punto donde la mayoría empieza a atender por orden de llegada, que es el peor criterio posible.
Las dos mitades de cualquier modelo
Todo lead scoring que funciona combina dos cosas distintas, y confundirlas es el error más común.
Puntuación explícita: quién es. Datos de la empresa y de la persona. Sector, tamaño, país, cargo, tecnología que usa. Responde a "¿me interesa como cliente?" y se puede saber antes de que haga nada.
Puntuación implícita: qué hace. Comportamiento. Ha visitado la página de precios tres veces, ha abierto los últimos cuatro emails, ha pedido una demo, ha invitado a un compañero a la prueba gratuita. Responde a "¿está interesado y en qué momento?".
Un lead con encaje perfecto y cero actividad es un objetivo de prospección. Un lead muy activo que no encaja es ruido, y con frecuencia un estudiante, un competidor o alguien buscando trabajo. Solo la combinación de las dos dimensiones te dice a quién llamar hoy.
Una tabla de puntos de ejemplo
Esto es un punto de partida para adaptar, no un estándar. Los números salen de tus propios datos en cuanto los tengas.
| Señal | Tipo | Puntos |
|---|---|---|
| Cargo de decisión (director, CxO, propietario) | Explícita | +20 |
| Empresa dentro de tu franja de tamaño | Explícita | +15 |
| Sector objetivo | Explícita | +15 |
| País donde vendes | Explícita | +10 |
| Ha solicitado una demo | Implícita | +30 |
| Ha visitado precios dos veces o más | Implícita | +20 |
| Ha abierto y clicado los dos últimos emails | Implícita | +10 |
| Ha descargado contenido de fondo de embudo | Implícita | +10 |
| Se ha registrado a un webinar | Implícita | +5 |
| Email personal (gmail, hotmail) | Explícita | -10 |
| Cargo sin relación (becario, estudiante) | Explícita | -20 |
| Empresa demasiado pequeña o demasiado grande | Explícita | -15 |
| Competidor | Explícita | -50 |
| Sin actividad en 60 días | Decay | -15 |
Dos elementos de esa tabla los ignora casi todo el mundo y son los que más mejoran el modelo:
Puntuación negativa. Restar es tan importante como sumar. Sin puntos negativos, cualquiera que haga clic lo suficiente acaba pareciendo un comprador.
Decay, o caducidad. El interés se enfría. Un lead que pidió precios hace cuatro meses y no ha vuelto no es el mismo lead que uno que los pidió ayer. Sin decay, tu lista de leads calientes se llena de gente que ya compró a otro.
Los umbrales, que es donde se decide todo
La puntuación por sí sola no hace nada. Lo que hace algo son los tramos:
- 0 a 40: nutrición. Contenido automático, sin tiempo comercial.
- 41 a 70: MQL. Marketing lo da por bueno. Entra en secuencias de contacto.
- 71 o más: SQL. Un comercial lo llama, y con prioridad.
Fija los umbrales mirando hacia atrás: coge los clientes que cerraste el último trimestre, calcula qué puntuación habrían tenido y pon el corte donde estaban la mayoría de ellos. Si el corte deja fuera a clientes reales que ganaste, el corte está mal, no ellos.
Cómo montarlo en cinco pasos
1. Define qué es un buen cliente, con datos
No con intuición. Coge tus últimos veinte o treinta clientes ganados y busca lo que tienen en común: sector, tamaño, cargo del que firmó, canal de entrada. Haz lo mismo con los que perdiste y con los que se fueron a los seis meses. Ahí está tu modelo, ya escrito.
2. Elige las señales que de verdad puedes medir
Una señal que no está en tu CRM o en tu herramienta de marketing no existe. Empieza con las cinco o seis que tengas fiables y añade después.
3. Asigna puntos y umbrales
Empieza simple y con números redondos. Un modelo de diez señales que el equipo entiende gana siempre a uno de cuarenta que nadie sabe explicar.
4. Acuerda por escrito qué pasa en cada tramo
Quién llama, en cuánto tiempo y por qué canal. Un scoring sin acción asociada es un adorno en la ficha del contacto. El acuerdo típico: SQL contactado en menos de 24 horas, MQL en secuencia automática, resto en nutrición.
5. Revísalo cada trimestre
Los mercados cambian, tus productos cambian y tus mejores clientes de hace un año pueden no ser los de ahora.
Cómo saber si tu modelo funciona
Un modelo de scoring se valida con una tabla, no con una sensación. Mide la tasa de conversión a cliente por tramo de puntuación:
| Tramo | Leads | Clientes | Conversión |
|---|---|---|---|
| 71 o más | 120 | 18 | 15% |
| 41 a 70 | 340 | 20 | 5.9% |
| 0 a 40 | 900 | 9 | 1% |
Lo único que importa es que la conversión suba de forma clara al subir de tramo. Si el tramo alto convierte parecido al medio, tu modelo no está separando nada y tu equipo estaría igual de bien llamando al azar. Es incómodo de comprobar y es la única comprobación que vale.
Vigila también dos cifras: el porcentaje de SQL que ventas rechaza (si pasa del 20%, tus umbrales están flojos) y cuántos clientes ganaste que nunca llegaron a SQL (si son muchos, el modelo está ciego a algo).
Manual o predictivo
Un modelo manual es el de puntos que has visto arriba: reglas escritas por personas. Es transparente, se explica en una reunión y se corrige en cinco minutos. Con menos de unos cientos de clientes cerrados es la única opción sensata, porque no hay datos suficientes para otra cosa.
Un modelo predictivo deja que un sistema encuentre los patrones a partir de tu histórico. Necesita volumen y datos limpios, y a cambio detecta combinaciones que nadie habría escrito a mano. Su punto débil es la caja negra: cuando le dice a un comercial que llame a alguien que no parece encajar, el comercial no llama.
El orden razonable es empezar manual, medir la conversión por tramos y pasar a predictivo cuando tengas histórico suficiente y el modelo manual se te quede corto.
Errores que arruinan un modelo
- Puntuar solo comportamiento. Acabas con una lista de curiosos muy activos.
- Puntuar solo encaje. Acabas con una lista de empresas ideales a las que no les interesas todavía.
- No restar nunca. Todo sube, nada baja y en seis meses todos son SQL.
- Cambiar los pesos cada semana. Sin estabilidad no puedes saber si el modelo mejoró o solo cambió.
- Montarlo sin ventas. Los comerciales saben qué leads eran buenos porque hablaron con ellos. Si el modelo lo escribe marketing en solitario, ventas no se lo cree, y un modelo en el que nadie confía no se usa.
- Aplicarlo a datos incompletos. Si el 40% de tus leads no tiene sector ni tamaño, no estás puntuando: estás penalizando a quien no rellenó el formulario. Enriquece primero.