Lead scoring: como pontuar leads com marketing e vendas

Lead scoring, ou pontuação de leads, é o modelo que dá uma nota a cada contato conforme o encaixe dele no perfil de cliente que a empresa atende bem e o interesse que ele demonstra, para o time comercial saber com quem falar primeiro e em que momento o lead passa para vendas. O modelo que funciona nasce de um acordo entre marketing e vendas sobre o que é um lead pronto para conversa, com os pesos tirados do histórico de negócios ganhos. Pontos inventados numa reunião de planejamento produzem uma nota que o vendedor aprende a ignorar em poucas semanas. Se você lidera marketing, vendas ou pré-vendas, cabe a você aprovar os critérios com a outra área, definir o que acontece em cada faixa e revisar a conversão de cada faixa todo trimestre.

Nos diagnósticos que conduzo, a cena se repete. A empresa ativou a pontuação há dois anos, alguém deu dez pontos por e-mail aberto e vinte por material baixado, e o limite de MQL ficou em cem porque era um número redondo. Na fila do SDR, as maiores notas pertencem a estudantes e fornecedores, e o vendedor volta a escolher leads pelo nome da empresa enquanto o CRM recalcula a nota todos os dias.

O que é lead scoring e onde ele entra no funil?

Lead scoring é a parte automática da qualificação. Ele trabalha com o que o CRM sabe antes de qualquer conversa: dados da empresa e do cargo, vindos do formulário ou do enriquecimento de cadastro, e o comportamento do contato no site, nos e-mails e nos eventos. A conversa do SDR, que confirma dor, contexto e decisor, continua sendo a etapa descrita em qualificação de leads. A nota decide a ordem da fila e o momento da passagem, e a conversa decide se o lead entra no pipeline.

Esse trabalho anterior à conversa pesa porque o comprador B2B passa a maior parte da jornada longe do vendedor. O Gartner (2020) relatou que compradores B2B que consideram uma compra gastam só 17% desse tempo em reuniões com potenciais fornecedores. Parte do restante deixa rastro nos seus canais, e o lead scoring organiza esse rastro para o SDR chegar ao contato enquanto ele ainda avalia o problema.

Por que a pontuação inventada em reunião não funciona?

A pontuação definida em reunião soma o que cada pessoa da sala acredita sobre o cliente. O marketing dá peso ao conteúdo que deu trabalho para produzir, vendas dá peso ao cargo que costuma assinar, e ninguém confere depois se os leads acima do limite convertem mais que os de baixo.

O modelo que vendas respeita começa no histórico. Você separa os negócios ganhos dos últimos 12 a 18 meses, olha o que esses clientes tinham em comum quando eram leads e compara com o conjunto de leads do mesmo período. Se a maior parte dos ganhos visitou a página de preços antes da primeira reunião e só uma pequena parte dos leads fez isso, a visita merece peso alto. Se o download do e-book aparece na mesma proporção entre ganhos e perdidos, ele vale pouco, por mais que o marketing goste do material. Com esse dado na mesa, cada área defende o peso que propõe com um número. Se o CRM não guarda a origem do lead, a primeira versão usa a leitura dos SDRs mais experientes como hipótese, com data marcada para conferir com dado.

Quais critérios de lead scoring usar: perfil e interesse

Eu trabalho com dois eixos separados. O perfil mede o quanto o contato e a empresa dele se parecem com o cliente que a empresa atende bem, e o interesse mede o quanto o comportamento recente indica um projeto em andamento. Com os eixos separados, o time lê a nota: perfil alto com interesse baixo pede nutrição e, nas contas prioritárias, prospecção ativa, e interesse alto com perfil baixo pede triagem antes de ocupar o vendedor. Numa nota única, o estudante que leu vinte artigos empata com o diretor de uma conta ideal que pediu demonstração.

Perfil: o encaixe com o ICP

O eixo de perfil vem do ICP, o perfil de cliente ideal que marketing, vendas e CS aprovaram: setor, porte, região atendida e cargo. Os critérios de exclusão do ICP viram pontos negativos fortes ou bloqueio, porque nenhum comportamento compensa uma conta que a empresa decidiu não atender. O cargo pesa conforme o papel no comitê de compra, e o gestor que patrocina projetos desse tipo vale mais que o assistente que pesquisa para o chefe.

Interesse: o comportamento que antecede a compra

Pedido de demonstração, de orçamento ou de contato comercial é uma declaração de interesse e leva o lead direto ao SDR, qualquer que seja a nota. Visitas repetidas às páginas de preço, de casos de clientes e de integrações indicam avaliação. Leitura de artigos e download de materiais de topo de funil indicam estudo do tema e valem pouco isolados, e webinar e resposta a e-mail ficam no meio do caminho, com o peso que o histórico confirmar.

Pontos negativos

Os negativos tiram da fila o que a soma de comportamentos colocaria lá por engano: concorrente, fornecedor, estudante, candidato que visitou a página de vagas e cliente atual, que vai para o pós-venda. E-mail pessoal, quando a venda exige contato corporativo, e descadastro da newsletter também descontam. Os motivos de devolução que vendas registra apontam os negativos que faltam.

Decaimento no tempo

Sem decaimento, a nota só cresce, e o lead cruza o limite de MQL depois de anos acumulando pontos sem ter feito nada recente. Eu recomendo que os pontos de interesse percam metade do valor a cada 30 dias sem atividade, ou expirem entre 60 e 90 dias, conforme o ciclo de compra. O perfil não decai, e manter porte, setor e cargo atualizados é trabalho de qualidade de dados no CRM.

Tabela modelo de critérios de lead scoring

A tabela é um exemplo ilustrativo, com pontos hipotéticos para uma empresa que vende serviço B2B a empresas de porte médio, numa escala de 0 a 100 em cada eixo. Ela mostra a lógica de cada linha, e o seu modelo tira os pesos do próprio histórico.

Critério	Eixo	Pontos	Justificativa
Setor dentro do ICP	Perfil	+25	Setores que fecham mais rápido e renovam mais
Porte na faixa do ICP	Perfil	+25	Faixa em que ticket e retenção se sustentam
Cargo de gestão na área que usa a solução	Perfil	+20	Papel que patrocina o projeto na maior parte dos ganhos
Região atendida	Perfil	+10	Fora dela, implantação e atendimento ficam caros
Concorrente, fornecedor ou estudante	Perfil	-100	Exclusão: nenhum comportamento compensa
Pedido de demonstração ou de orçamento	Interesse	+50	Declaração de interesse; vai ao SDR mesmo abaixo do limite
Duas visitas ou mais à página de preços em 30 dias	Interesse	+20	Sinal de avaliação presente na maior parte dos ganhos
Visita a casos de clientes ou a integrações	Interesse	+10	Comprador conferindo se a solução serve ao contexto dele
Download de material de topo de funil	Interesse	+5	Aparece igual entre ganhos e perdidos
Visita à página de vagas	Interesse	-30	Candidato, sem projeto de compra
30 dias sem atividade	Interesse	Metade dos pontos	Interesse antigo vale menos

A abertura de e-mail ficou fora de propósito, pelo motivo que a seção de erros explica. Com exceção do pedido direto, que segue regra própria, nenhum critério isolado leva o lead a MQL: o perfil precisa estar na faixa e o interesse precisa ser recente.

Faixas de pontuação: lead frio, MQL e SQL

A nota muda a operação quando cada faixa tem destino, responsável e prazo. Os limites abaixo seguem o mesmo exemplo hipotético. A faixa de SQL não depende da nota, porque o lead só chega a ela depois que o SDR confirma dor, contexto e decisor numa conversa.

Faixa	Entrada (exemplo)	O que acontece	Quem atua	Prazo de atendimento
Lead frio	Perfil abaixo de 40 ou interesse abaixo de 20	Nutrição por conteúdo	Marketing	Sem prazo comercial
Em aquecimento	Perfil de 40 a 59 com algum interesse, ou perfil alto sem interesse recente	Nutrição segmentada; prospecção ativa nas contas prioritárias	Marketing e SDR	Cadência leve, na semana
MQL	Perfil a partir de 60 e interesse a partir de 40	Passagem automática ao SDR, com o histórico visível no registro	SDR	Primeira tentativa no mesmo dia útil
Pedido direto	Demonstração, orçamento ou contato, sem critério de exclusão	Passa à frente da fila, com alerta ao SDR e ao gestor	SDR	Até uma hora, no horário comercial
SQL	Conversa com dor, contexto e decisor confirmados	Reunião com o executivo de contas e oportunidade no pipeline	Executivo de contas	Reunião no prazo do SLA

O prazo curto do pedido direto tem base em pesquisa. Num estudo publicado na Harvard Business Review em 2011, com 1,25 milhão de leads de 42 empresas americanas, quem tentou contato em até uma hora teve quase sete vezes mais chance de chegar a uma conversa relevante com um decisor do que quem tentou uma hora depois, e mais de 60 vezes mais chance do que quem esperou 24 horas ou mais. O estudo tem quinze anos e vem de outro mercado, e eu uso o resultado como direção. Os prazos de cada faixa entram no SLA entre marketing, vendas e pós-venda, e o lead que passa do prazo aparece no painel do gestor.

Como calibrar o lead scoring a cada trimestre?

Uma vez por trimestre, a pessoa de operações tira do CRM os leads que entraram em cada faixa e acompanha quantos viraram SQL, oportunidade e ganho, numa janela compatível com o ciclo de vendas. Num modelo que funciona, a conversão cresce de forma clara de uma faixa para a seguinte. Num exemplo hipotético, se os MQLs convertem 25% para SQL e os leads em aquecimento convertem 20%, o limite separa pouco, e o SDR gasta tempo com uma fila que caberia na nutrição.

A segunda leitura parte dos ganhos: em que faixa cada negócio ganho estava quando virou oportunidade. Muitos ganhos abaixo do limite indicam um sinal que o modelo ainda não pontua, como indicação de parceiro. Com menos de vinte ou trinta ganhos no período, amplie a janela antes de mudar pesos.

O que a liderança vê	Provável causa	Ajuste
MQL converte pouco acima do lead em aquecimento	Peso alto em topo de funil	Subir o limite ou reduzir o peso de conteúdo
Muitos ganhos abaixo do limite	Sinal de compra fora do modelo	Incluir o sinal
Recusa de MQL por perfil em alta	Fonte nova fora do ICP	Revisar negativos e fontes
Fila maior que a capacidade dos SDRs	Limite baixo	Subir o limite
Fila vazia	Limite alto ou decaimento rápido	Baixar o limite e conferir a janela

A conversão por faixa entra na matriz de métricas de RevOps, ao lado da taxa de aceite de MQL e do tempo até a primeira tentativa. Mude poucos pesos por revisão e registre cada mudança, ou ninguém saberá dizer qual ajuste melhorou a fila.

Quem é dono do modelo de lead scoring?

O dono do modelo é uma pessoa sem meta de volume, em geral o responsável por operações de receita ou pelo CRM, que configura as regras, documenta cada versão e apresenta a conversão por faixa na revisão. As lideranças de marketing e de vendas aprovam juntas cada mudança de critério ou de limite, e o pós-venda informa os sinais de cliente atual. Se o marketing pode baixar o limite sozinho para bater a meta de MQL, a fila enche de leads que vendas recusa. O marketing responde pela conversão da faixa de MQL e pela nutrição das faixas abaixo dela. A liderança comercial define prazo e tentativas por faixa, cobra o motivo de devolução e leva à revisão os casos em que a nota errou.

Quais são os erros mais comuns em lead scoring?

Pontuar abertura de e-mail

Parte dos aplicativos de e-mail carrega as imagens da mensagem de forma automática para proteger a privacidade do usuário, e o sistema registra como abertura uma mensagem que ninguém leu. Pontuar abertura infla a nota de quem só recebe a newsletter. Se quiser usar o e-mail, pontue o clique em links de avaliação, como preço e casos, e confira no histórico se ele diferencia ganhos de perdidos.

Nunca revisar o modelo

A empresa lança produto ou muda o site, e os critérios continuam premiando o comportamento de dois anos atrás. A revisão trimestral só acontece com data na agenda e dono.

Vendas ignorar a nota

Quando vendas ignora a nota, a causa costuma estar no modelo ou na falta de consequência. Se a fila já decepcionou o vendedor, a liderança resolve na calibração, antes de cobrar disciplina. Se a nota é boa e ninguém a usa, faltam distribuição automática por faixa e tarefa com prazo, além de um registro que mostre por que o lead pontuou, para o SDR abrir a conversa com contexto.

E a inteligência artificial na pontuação de leads?

A pontuação preditiva usa aprendizado de máquina para estimar, a partir do histórico, a chance de cada lead virar cliente, e várias plataformas de CRM já oferecem o recurso. Ela encontra combinações que a tabela manual não captura, como a sequência de páginas visitadas, desde que o CRM tenha ganhos e perdas em volume suficiente, origem preenchida e datas de etapa confiáveis.

Eu recomendo a IA depois que o modelo simples rodou dois ou três trimestres com revisão, quando o dado está organizado e o time confia na nota. A pontuação preditiva entra como segunda opinião, comparada com o modelo manual na mesma revisão. Se ela descarta leads sem que ninguém olhe, a empresa documenta o critério e prevê revisão humana, como explico em IA e LGPD.

Roteiro para a liderança implantar o lead scoring

1. Levante a linha de base. Taxa de aceite de MQL, conversão de MQL para SQL e para ganho, tempo até a primeira tentativa e motivos de devolução.
2. Compare ganhos e leads dos últimos 12 a 18 meses. Liste os atributos e comportamentos mais frequentes nos ganhos do que no conjunto de leads.
3. Escreva os critérios nos dois eixos. Perfil a partir do ICP, interesse a partir do histórico, negativos a partir da exclusão e das devoluções, e a regra de decaimento.
4. Defina as faixas. Limite, responsável e prazo de cada uma, com o pedido direto separado da soma de pontos.
5. Leve tudo ao SLA e ao CRM. Marketing e vendas aprovam o texto, e o dono do processo configura pontuação, distribuição, tarefas e painel por faixa.
6. Forme o time antes de ligar o modelo. SDRs, vendedores e analistas de marketing aprendem a ler a nota e o histórico do lead e a registrar a devolução com motivo.
7. Revise a cada trimestre. Conversão por faixa, ganhos abaixo do limite e recusas por motivo, com poucos ajustes por vez.

Lead scoring e T&D: o que RH precisa avaliar

Como reconhecer a necessidade

SDRs que escolhem leads pelo nome da empresa e marketing que comemora MQLs recusados por vendas indicam um modelo sem acordo entre as áreas ou um time que não aprendeu a usá-lo. Antes de tratar o caso como resistência individual, pergunte às lideranças quem aprovou os critérios e quando foi a última revisão.

Quem participa

O núcleo é a liderança de marketing e de vendas, com o gestor de pré-vendas, os SDRs e os analistas que operam a fila e a nutrição, e a pessoa de operações ou de CRM, que configura o modelo. O modelo só pega quando marketing e vendas aprendem juntos a usar e revisar a nota, e por isso, no treinamento in company, eu coloco as duas áreas na mesma sala para calibrar os critérios sobre os leads e os negócios da própria empresa.

Como medir

Registre antes da formação a taxa de aceite de MQL, o tempo até a primeira tentativa e a conversão de MQL para SQL, e compare na primeira revisão trimestral. A conversão por faixa até ganho responde depois de pelo menos um ciclo médio de vendas.

Se a sua empresa tem pontuação ativada no CRM e o time continua escolhendo leads pelo próprio faro, o que falta é acordo entre as áreas e formação. No treinamento in company de Revenue Operations, eu trabalho com as lideranças de marketing, vendas e pós-venda sobre o histórico da sua operação, e a turma sai com o SLA entre marketing, vendas e CS escrito, incluindo os critérios de lead scoring e o prazo de cada faixa, e com a matriz de métricas de RevOps que acompanha a conversão por faixa no CRM que vocês já usam.

Perguntas frequentes

O que é lead scoring?

Lead scoring, ou pontuação de leads, é o modelo que dá uma nota a cada contato conforme o encaixe no perfil de cliente ideal e o interesse demonstrado no comportamento. A nota define a ordem da fila do SDR e o momento em que o lead vira MQL e passa para vendas.

Qual a diferença entre MQL e SQL no lead scoring?

MQL é o lead que atingiu a faixa de nota combinada entre marketing e vendas, com perfil e interesse recente suficientes. SQL é o lead que o SDR confirmou numa conversa, com dor, contexto e decisor. A nota leva o lead a MQL, e só a conversa leva a SQL.

Quais critérios de lead scoring usar em vendas B2B?

Use dois eixos. No perfil, setor, porte, cargo e região a partir do ICP; no interesse, pedidos de contato, visitas a páginas de preço e de casos e participação em eventos. Acrescente pontos negativos para concorrentes, estudantes e clientes atuais, e uma regra de decaimento para o interesse antigo.

Com que frequência revisar o modelo de lead scoring?

A cada trimestre, comparando a conversão de cada faixa até SQL e ganho e conferindo em que faixa estavam os negócios ganhos. Lançamento de produto, entrada em setor novo ou mudança no site pedem revisão fora do calendário.

Vale usar inteligência artificial no lead scoring?

Vale depois que o modelo simples funcionou por alguns trimestres e o CRM tem ganhos, perdas, origens e datas confiáveis. Antes disso, o modelo preditivo aprende com dados incompletos. Quando a nota decide descartes sem revisão humana, documente o critério por causa da LGPD.

Como treinar marketing e vendas para usar o lead scoring?

Forme as duas áreas juntas, com os leads e os negócios ganhos da própria empresa. O SDR aprende a ler a nota e o histórico antes da ligação, o analista de marketing aprende a ler a conversão por faixa, e as lideranças praticam a revisão trimestral. Meça a taxa de aceite de MQL e o tempo até a primeira tentativa antes e depois da formação.