Qué es el lead scoring y dónde se quedan cortos los puntos
El lead scoring ordena a los prospectos para que ventas dedique su tiempo a los que tienen más probabilidades de comprar. Un modelo clásico suma puntos por encaje, como sector, tamaño de empresa o cargo, y por interacción, como visitas a precios, solicitudes de demo o clics en correos, y resta puntos por señales como un correo de estudiante. CRM como HubSpot y Salesforce ofrecen tanto puntuación manual por reglas como puntuación predictiva entrenada con tus operaciones históricas.
Ambos enfoques trabajan con campos estructurados. Ninguno lee la frase «necesitamos enrutar 4.000 tickets al mes antes del tercer trimestre», que declara un caso de uso, un volumen y un plazo: tres cosas que un buen comercial busca primero. Ese texto está en un campo del formulario o en el primer correo, y suele ser la señal más fuerte que tienes de un lead nuevo con poco historial.
Convierte el texto libre en un nivel de madurez
En lugar de pedir al modelo una puntuación de 0 a 100, que invita a una precisión inventada, pídele que sitúe el texto en uno de pocos niveles definidos por escrito. Cuatro niveles bastan para la mayoría de los equipos: alta, cuando el lead nombra caso de uso, volumen y plazo; media, cuando el caso de uso está claro pero faltan volumen o fechas; inicial, para curiosidad sin una necesidad concreta; y fuera de alcance, para necesidades que no cubres.
Lo importante es la definición de cada nivel. Escríbela como si prepararas a un nuevo representante de ventas, incluido lo que no debe contar: nunca deduzcas presupuesto, antigüedad ni nada sobre la persona a partir de su nombre, dominio de correo o estilo de escritura. La solicitud de abajo se puede pegar tal cual en el área de pruebas.
{
"text": "Gestionamos unos 4.000 correos de soporte al mes en Zendesk y queremos enrutarlos por equipo antes del tercer trimestre. Tenemos dos ingenieros.",
"instructions": "Clasifica la madurez de compra según lo que escribió el lead. alta: caso de uso, volumen y plazo. media: caso de uso sin volumen ni plazo. inicial: solo curiosidad. fuera de alcance: necesidades que no cubrimos. Nunca deduzcas presupuesto, edad, género ni ubicación.",
"labels": ["alta", "media", "inicial", "fuera de alcance"],
"threshold": 0.75
}Puntúa un lead en el área de pruebas · Contrato de solicitud y respuesta
Combina el nivel con la puntuación que ya tienes
Mantén tus puntos de encaje e interacción y añade el nivel como una entrada más. Un esquema sencillo asigna 30 puntos a alta, 15 a media, 0 a inicial y menos 30 a fuera de alcance, y deja que el CRM los sume al total. Empieza con cifras así y ajústalas con el paso de calibración de abajo, no por intuición.
Guarda el nivel, el valor de confianza cuando el modelo lo proporciona y el identificador de la solicitud en la ficha del contacto. Si la confianza queda por debajo de tu umbral, no sumes puntos: marca el lead para que lo mire una persona. Una puntuación que absorbe en silencio una conjetura es peor que una que reconoce que no lo sabe.
Tres leads, tres niveles
«Tenemos un equipo de soporte de 40 personas en Freshdesk, unos 6.000 tickets al mes, y queremos colas sugeridas en marcha a finales del mes que viene.» Nivel alta: caso de uso, volumen y fecha. Suma los puntos y deja que un comercial responda el mismo día.
«Buscamos una forma de categorizar automáticamente los comentarios de clientes.» Nivel media: la necesidad es real, pero no hay volumen, herramienta ni plazo. Una buena respuesta hace una sola pregunta, por ejemplo cuántas respuestas llegan al mes, en lugar de reservar una demo.
«Solo estamos explorando lo que la IA puede hacer por nuestro negocio.» Nivel inicial: merece un recurso útil, no una llamada comercial. Un mensaje que pide generar imágenes o crear un chatbot quedaría fuera de alcance para una API de clasificación, y lo amable es decirlo e indicar otra opción.
Compara los niveles con las ventas antes de depender de ellos
Reúne entre 200 y 500 leads históricos con su texto original y su resultado: ganado, perdido o sin respuesta. Clasifica el texto con tu regla y compara las tasas de conversión por nivel. Si los leads de nivel alto no convierten claramente mejor que los de nivel medio, las definiciones no separan lo que importa, y la solución está en la redacción, no en más puntos.
Revisa los errores en ambas direcciones. Un nivel alto en leads que nunca respondieron suele indicar que la regla premia el detalle y no la intención. Un fuera de alcance en operaciones ganadas es el error caro, así que revisa esos casos uno a uno. Repite la comprobación cada vez que cambien el producto, el mercado objetivo o la redacción de los niveles.
Mantén a las personas en el proceso y los datos limpios
El nivel cambia la prioridad, no el acceso: todos los leads reciben respuesta y nadie debe quedar descartado automáticamente por una sola clasificación. Permite que los comerciales corrijan el nivel con un clic y registren el motivo, porque esas correcciones son el mejor material para mejorar la regla.
Envía solo el texto necesario para la decisión. Elimina teléfonos, direcciones y todo lo que no pegarías en un ticket de soporte. Si puntúas leads existentes de forma masiva, clasifica un archivo por lotes en lugar de repetir solicitudes individuales, y escribe los resultados en el CRM con tu propia integración para que la lógica de puntuación siga siendo auditable.
Revisión humana de resultados dudosos · Clasifica una lista de leads por lotes · Dirige leads entrantes a una cola