Lead scoring: cómo puntuar leads con marketing y ventas

El lead scoring, o puntuación de leads, es el modelo que asigna una nota a cada contacto según su encaje con el perfil de cliente que la empresa atiende bien y el interés que demuestra, para que el equipo comercial sepa con quién hablar primero y en qué momento el lead pasa a ventas. El modelo que funciona nace de un acuerdo entre marketing y ventas sobre qué es un lead listo para conversar, con los pesos tomados del historial de negocios ganados. Los puntos inventados en una reunión de planificación producen una nota que el vendedor aprende a ignorar en pocas semanas. Si lideras marketing, ventas o preventa, te toca aprobar los criterios con la otra área, definir qué pasa en cada franja y revisar la conversión de cada franja cada trimestre.

En los diagnósticos que conduzco, la escena se repite. La empresa activó la puntuación hace dos años, alguien asignó diez puntos por correo abierto y veinte por material descargado, y el límite de MQL quedó en cien porque era un número redondo. En la cola del SDR, las notas más altas son de estudiantes y proveedores, y el vendedor vuelve a elegir leads por el nombre de la empresa mientras el CRM recalcula la nota todos los días.

¿Qué es el lead scoring y dónde entra en el embudo?

El lead scoring es la parte automática de la calificación. Trabaja con lo que el CRM sabe antes de cualquier conversación: los datos de la empresa y del cargo, que llegan por el formulario o por el enriquecimiento de registros, y el comportamiento del contacto en el sitio, en los correos y en los eventos. La conversación del SDR, que confirma dolor, contexto y decisor, sigue siendo la etapa descrita en calificación de leads. La nota decide el orden de la cola y el momento del traspaso, y la conversación decide si el lead entra al pipeline.

Ese trabajo previo a la conversación pesa porque el comprador B2B pasa la mayor parte del recorrido lejos del vendedor. Gartner (2020) informó que los compradores B2B que evalúan una compra dedican solo el 17% de ese tiempo a reuniones con posibles proveedores. Parte del resto deja rastro en tus canales, y el lead scoring organiza ese rastro para que el SDR llegue al contacto mientras todavía evalúa el problema.

¿Por qué no funciona la puntuación inventada en una reunión?

La puntuación definida en una reunión suma lo que cada persona de la sala cree sobre el cliente. Marketing le da peso al contenido que costó producir, ventas le da peso al cargo que suele firmar, y nadie verifica después si los leads por encima del límite convierten más que los de abajo.

El modelo que ventas respeta empieza por el historial. Separas los negocios ganados de los últimos 12 a 18 meses, miras qué tenían en común esos clientes cuando eran leads y lo comparas con el conjunto de leads del mismo período. Si la mayoría de los ganados visitó la página de precios antes de la primera reunión y solo una pequeña parte de los leads lo hizo, esa visita merece un peso alto. Si la descarga del ebook aparece en la misma proporción entre ganados y perdidos, vale poco, por más que a marketing le guste el material. Con ese dato sobre la mesa, cada área defiende el peso que propone con un número. Si el CRM no guarda el origen del lead, la primera versión usa el criterio de los SDR con más experiencia como hipótesis, con fecha fijada para contrastarla con datos.

Qué criterios de lead scoring usar: perfil e interés

Trabajo con dos ejes separados. El perfil mide cuánto se parecen el contacto y su empresa al cliente que la empresa atiende bien, y el interés mide cuánto indica el comportamiento reciente un proyecto en marcha. Con los ejes separados, el equipo puede leer la nota: perfil alto con interés bajo pide nutrición y, en las cuentas prioritarias, prospección activa, e interés alto con perfil bajo pide filtro antes de ocupar al vendedor. En una nota única, el estudiante que leyó veinte artículos empata con el director de una cuenta ideal que pidió una demostración.

Perfil: el encaje con el ICP

El eje de perfil sale del ICP, el perfil de cliente ideal que marketing, ventas y CS aprobaron: sector, tamaño, región atendida y cargo. Los criterios de exclusión del ICP se convierten en puntos negativos fuertes o en bloqueo, porque ningún comportamiento compensa una cuenta que la empresa decidió no atender. El cargo pesa según el papel en el comité de compra, y el gerente que patrocina proyectos de ese tipo vale más que el asistente que investiga para su jefe.

Interés: el comportamiento que antecede la compra

Una solicitud de demostración, de cotización o de contacto comercial es una declaración de interés y lleva el lead directo al SDR, sea cual sea la nota. Las visitas repetidas a las páginas de precios, de casos de clientes y de integraciones indican evaluación. La lectura de artículos y la descarga de materiales de la parte alta del embudo indican estudio del tema y valen poco por sí solas, mientras que los webinars y las respuestas a correos quedan a medio camino, con el peso que el historial confirme.

Puntos negativos

Los negativos sacan de la cola lo que la suma de comportamientos pondría ahí por error: competidores, proveedores, estudiantes, candidatos que visitaron la página de empleos y clientes actuales, que van a posventa. El correo personal, cuando la venta exige un contacto corporativo, y la baja del newsletter también restan. Los motivos de devolución que registra ventas señalan los negativos que faltan.

Decaimiento en el tiempo

Sin decaimiento, la nota solo crece, y el lead cruza el límite de MQL después de años acumulando puntos sin haber hecho nada reciente. Recomiendo que los puntos de interés pierdan la mitad de su valor cada 30 días sin actividad, o que expiren entre los 60 y los 90 días, según el ciclo de compra. El perfil no decae, y mantener al día tamaño, sector y cargo es trabajo de calidad de datos en el CRM.

Tabla modelo de criterios de lead scoring

La tabla es un ejemplo ilustrativo, con puntos hipotéticos para una empresa que vende un servicio B2B a empresas medianas, en una escala de 0 a 100 en cada eje. Muestra la lógica de cada fila, y tu modelo toma los pesos de tu propio historial.

Criterio	Eje	Puntos	Justificación
Sector dentro del ICP	Perfil	+25	Sectores que cierran más rápido y renuevan más
Tamaño dentro del rango del ICP	Perfil	+25	Rango en el que ticket y retención se sostienen
Cargo de gestión en el área que usa la solución	Perfil	+20	Papel que patrocina el proyecto en la mayoría de los ganados
Región atendida	Perfil	+10	Fuera de ella, implementación y atención salen caras
Competidor, proveedor o estudiante	Perfil	-100	Exclusión: ningún comportamiento lo compensa
Solicitud de demostración o de cotización	Interés	+50	Declaración de interés; va al SDR aunque esté bajo el límite
Dos o más visitas a la página de precios en 30 días	Interés	+20	Señal de evaluación presente en la mayoría de los ganados
Visita a casos de clientes o a integraciones	Interés	+10	Comprador verificando si la solución sirve a su contexto
Descarga de material de la parte alta del embudo	Interés	+5	Aparece igual entre ganados y perdidos
Visita a la página de empleos	Interés	-30	Candidato, sin proyecto de compra
30 días sin actividad	Interés	La mitad de los puntos	El interés antiguo vale menos

La apertura de correo quedó fuera a propósito, por el motivo que explica la sección de errores. Con excepción de la solicitud directa, que sigue una regla propia, ningún criterio aislado lleva el lead a MQL: el perfil tiene que estar en la franja y el interés tiene que ser reciente.

Franjas de puntuación: lead frío, MQL y SQL

La nota cambia la operación cuando cada franja tiene destino, responsable y plazo. Los límites de abajo siguen el mismo ejemplo hipotético. La franja de SQL no depende de la nota, porque el lead solo llega a ella después de que el SDR confirma dolor, contexto y decisor en una conversación.

Franja	Entrada (ejemplo)	Qué pasa	Quién actúa	Plazo de atención
Lead frío	Perfil por debajo de 40 o interés por debajo de 20	Nutrición con contenido	Marketing	Sin plazo comercial
En calentamiento	Perfil de 40 a 59 con algo de interés, o perfil alto sin interés reciente	Nutrición segmentada; prospección activa en cuentas prioritarias	Marketing y SDR	Cadencia ligera, dentro de la semana
MQL	Perfil desde 60 e interés desde 40	Traspaso automático al SDR, con el historial visible en el registro	SDR	Primer intento el mismo día hábil
Solicitud directa	Demostración, cotización o contacto, sin criterio de exclusión	Se adelanta en la cola, con alerta al SDR y al gerente	SDR	Hasta una hora, en horario comercial
SQL	Conversación con dolor, contexto y decisor confirmados	Reunión con el ejecutivo de cuentas y oportunidad en el pipeline	Ejecutivo de cuentas	Reunión dentro del plazo del SLA

El plazo corto de la solicitud directa tiene base en la investigación. En un estudio publicado en Harvard Business Review en 2011, con 1,25 millones de leads de 42 empresas estadounidenses, quienes intentaron el contacto dentro de una hora tuvieron casi siete veces más probabilidad de llegar a una conversación relevante con un decisor que quienes lo intentaron una hora después, y más de 60 veces más que quienes esperaron 24 horas o más. El estudio tiene quince años y viene de otro mercado, y uso el resultado como dirección. Los plazos de cada franja entran en el SLA entre marketing, ventas y posventa, y el lead que supera el plazo aparece en el panel del gerente.

¿Cómo calibrar el lead scoring cada trimestre?

Una vez por trimestre, la persona de operaciones saca del CRM los leads que entraron en cada franja y sigue cuántos se convirtieron en SQL, oportunidad y negocio ganado, en una ventana compatible con el ciclo de ventas. En un modelo que funciona, la conversión crece de forma clara de una franja a la siguiente. En un ejemplo hipotético, si los MQL convierten a SQL en un 25% y los leads en calentamiento en un 20%, el límite separa poco, y el SDR gasta tiempo en una cola que debería estar en nutrición.

La segunda lectura parte de los ganados: en qué franja estaba cada negocio ganado cuando se volvió oportunidad. Muchos ganados por debajo del límite indican una señal que el modelo todavía no puntúa, como la recomendación de un socio. Con menos de veinte o treinta ganados en el período, amplía la ventana antes de cambiar pesos.

Lo que ve el liderazgo	Causa probable	Ajuste
El MQL convierte apenas por encima del lead en calentamiento	Peso alto en la parte alta del embudo	Subir el límite o reducir el peso del contenido
Muchos ganados por debajo del límite	Señal de compra fuera del modelo	Incluir la señal
Rechazos de MQL por perfil en aumento	Fuente nueva fuera del ICP	Revisar negativos y fuentes
Cola mayor que la capacidad de los SDR	Límite bajo	Subir el límite
Cola vacía	Límite alto o decaimiento rápido	Bajar el límite y revisar la ventana

La conversión por franja entra en la matriz de métricas de RevOps, junto a la tasa de aceptación de MQL y el tiempo hasta el primer intento. Cambia pocos pesos en cada revisión y registra cada cambio, o nadie sabrá decir qué ajuste mejoró la cola.

¿Quién es el dueño del modelo de lead scoring?

El dueño del modelo es una persona sin meta de volumen, por lo general el responsable de operaciones de ingresos o del CRM, que configura las reglas, documenta cada versión y presenta la conversión por franja en la revisión. Los liderazgos de marketing y de ventas aprueban juntos cada cambio de criterio o de límite, y posventa informa las señales de clientes actuales. Si marketing puede bajar el límite por su cuenta para cumplir la meta de MQL, la cola se llena de leads que ventas rechaza. Marketing responde por la conversión de la franja de MQL y por la nutrición de las franjas inferiores. El liderazgo comercial define plazo e intentos por franja, exige el motivo de devolución y lleva a la revisión los casos en los que la nota se equivocó.

¿Cuáles son los errores más comunes en lead scoring?

Puntuar la apertura de correos

Parte de las aplicaciones de correo cargan las imágenes del mensaje de forma automática para proteger la privacidad del usuario, y el sistema registra como apertura un mensaje que nadie leyó. Puntuar aperturas infla la nota de quien solo recibe el newsletter. Si quieres usar el correo, puntúa los clics en enlaces de evaluación, como precios y casos, y verifica en el historial si separan ganados de perdidos.

No revisar nunca el modelo

La empresa lanza un producto o cambia el sitio, y los criterios siguen premiando el comportamiento de hace dos años. La revisión trimestral solo ocurre con fecha en la agenda y un dueño.

Que ventas ignore la nota

Cuando ventas ignora la nota, la causa suele estar en el modelo o en la falta de consecuencias. Si la cola ya decepcionó al vendedor, el liderazgo lo resuelve en la calibración, antes de exigir disciplina. Si la nota es buena y nadie la usa, faltan la distribución automática por franja y la tarea con plazo, además de un registro que muestre por qué el lead puntuó, para que el SDR abra la conversación con contexto.

¿Y la inteligencia artificial en la puntuación de leads?

La puntuación predictiva usa aprendizaje automático para estimar, a partir del historial, la probabilidad de que cada lead se convierta en cliente, y varias plataformas de CRM ya ofrecen el recurso. Encuentra combinaciones que la tabla manual no capta, como la secuencia de páginas visitadas, siempre que el CRM tenga ganados y perdidos en volumen suficiente, el origen completo y fechas de etapa confiables.

Recomiendo la IA después de que el modelo simple haya funcionado dos o tres trimestres con revisión, cuando el dato está ordenado y el equipo confía en la nota. La puntuación predictiva entra como segunda opinión, comparada con el modelo manual en la misma revisión. Si descarta leads sin que nadie los mire, la empresa documenta el criterio y prevé revisión humana, como explico en IA y LGPD, la ley brasileña de protección de datos.

Hoja de ruta para que el liderazgo implemente el lead scoring

1. Levanta la línea de base. Tasa de aceptación de MQL, conversión de MQL a SQL y a ganado, tiempo hasta el primer intento y motivos de devolución.
2. Compara ganados y leads de los últimos 12 a 18 meses. Enumera los atributos y comportamientos que aparecen más en los ganados que en el conjunto de leads.
3. Escribe los criterios en los dos ejes. Perfil a partir del ICP, interés a partir del historial, negativos a partir de las exclusiones y devoluciones, y la regla de decaimiento.
4. Define las franjas. Límite, responsable y plazo de cada una, con la solicitud directa separada de la suma de puntos.
5. Lleva todo al SLA y al CRM. Marketing y ventas aprueban el texto, y el dueño del proceso configura la puntuación, la distribución, las tareas y el panel por franja.
6. Forma al equipo antes de activar el modelo. SDR, vendedores y analistas de marketing aprenden a leer la nota y el historial del lead y a registrar la devolución con motivo.
7. Revisa cada trimestre. Conversión por franja, ganados por debajo del límite y rechazos por motivo, con pocos ajustes a la vez.

Lead scoring y T&D: lo que RR. HH. necesita evaluar

Cómo reconocer la necesidad

SDR que eligen leads por el nombre de la empresa y un marketing que celebra MQL que ventas rechaza indican un modelo sin acuerdo entre las áreas o un equipo que no aprendió a usarlo. Antes de tratar el caso como resistencia individual, pregunta a los liderazgos quién aprobó los criterios y cuándo fue la última revisión.

Quién participa

El núcleo es el liderazgo de marketing y de ventas, con el gerente de preventa, los SDR y los analistas que operan la cola y la nutrición, además de la persona de operaciones o de CRM, que configura el modelo. El modelo solo se sostiene cuando marketing y ventas aprenden juntos a usar y revisar la nota, y por eso, en la formación in company, pongo a las dos áreas en la misma sala para calibrar los criterios sobre los leads y los negocios de la propia empresa.

Cómo medir

Registra antes de la formación la tasa de aceptación de MQL, el tiempo hasta el primer intento y la conversión de MQL a SQL, y compáralos en la primera revisión trimestral. La conversión por franja hasta el negocio ganado responde después de al menos un ciclo medio de ventas.

Si tu empresa tiene la puntuación activada en el CRM y el equipo sigue eligiendo leads por intuición, lo que falta es acuerdo entre las áreas y formación. En la formación in company de Revenue Operations, trabajo con los liderazgos de marketing, ventas y posventa sobre el historial de tu operación, y el grupo sale con el SLA entre marketing, ventas y CS por escrito, con los criterios de lead scoring y el plazo de cada franja, y con la matriz de métricas de RevOps que sigue la conversión por franja en el CRM que ya usan.

Preguntas frecuentes

¿Qué es el lead scoring?

El lead scoring, o puntuación de leads, es el modelo que asigna una nota a cada contacto según su encaje con el perfil de cliente ideal y el interés que muestra en su comportamiento. La nota define el orden de la cola del SDR y el momento en que el lead se vuelve MQL y pasa a ventas.

¿Cuál es la diferencia entre MQL y SQL en el lead scoring?

El MQL es el lead que alcanzó la franja de nota acordada entre marketing y ventas, con perfil e interés reciente suficientes. El SQL es el lead que el SDR confirmó en una conversación, con dolor, contexto y decisor. La nota lleva el lead a MQL, y solo la conversación lo lleva a SQL.

¿Qué criterios de lead scoring usar en ventas B2B?

Usa dos ejes. En el perfil, sector, tamaño, cargo y región a partir del ICP; en el interés, solicitudes de contacto, visitas a páginas de precios y de casos y participación en eventos. Suma puntos negativos para competidores, estudiantes y clientes actuales, y una regla de decaimiento para el interés antiguo.

¿Cada cuánto revisar el modelo de lead scoring?

Cada trimestre, comparando la conversión de cada franja hasta SQL y ganado y verificando en qué franja estaban los negocios ganados. El lanzamiento de un producto, la entrada en un sector nuevo o un cambio en el sitio piden una revisión fuera del calendario.

¿Vale la pena usar inteligencia artificial en el lead scoring?

Sí, después de que el modelo simple haya funcionado algunos trimestres y el CRM tenga ganados, perdidos, orígenes y fechas confiables. Antes de eso, el modelo predictivo aprende con datos incompletos. Cuando la nota decide descartes sin revisión humana, documenta el criterio para cumplir la ley de protección de datos.

¿Cómo formar a marketing y ventas para usar el lead scoring?

Forma a las dos áreas juntas, con los leads y los negocios ganados de la propia empresa. El SDR aprende a leer la nota y el historial antes de la llamada, el analista de marketing aprende a leer la conversión por franja y los liderazgos practican la revisión trimestral. Mide la tasa de aceptación de MQL y el tiempo hasta el primer intento antes y después de la formación.