#Cómo funciona
El puntaje se arma con dos ejes. El primero es el ajuste: qué tanto coincide el contacto con el cliente ideal según datos como rubro, tamaño de la empresa, cargo, país o presupuesto declarado. El segundo es el comportamiento: lo que la persona hizo, como visitar la página de precios, abrir varios emails, descargar un lead magnet o pedir una demo. Cada señal suma puntos, y algunas restan: un email personal en un negocio B2B, un país donde la marca no vende o meses sin actividad.
Cuando el contacto supera un umbral acordado entre marketing y ventas, pasa a manos de un vendedor. Por debajo de ese umbral sigue recibiendo mensajes de lead nurturing hasta que madure. El umbral no se define una vez y listo: se revisa comparando los puntajes con las ventas que efectivamente se cerraron.
La versión clásica funciona con reglas fijas dentro del CRM. La versión con IA suma algo que un formulario no captura: un modelo de lenguaje lee la conversación por chat o WhatsApp y detecta intención real, por ejemplo si la persona preguntó por plazos, mencionó un presupuesto o pidió hablar con alguien. En una agencia de marketing con IA, el agente conversacional que atiende los mensajes escribe ese puntaje directo en el CRM, así el equipo ve la prioridad sin leer cada chat.
#Un ejemplo
Una inmobiliaria recibe consultas desde anuncios, el portal y Instagram. Define el ajuste con zona buscada y rango de presupuesto, y el comportamiento con acciones concretas: pedir una visita suma mucho, preguntar por financiación suma algo, mandar solo un emoji no suma nada. Por ejemplo, podría dar 30 puntos a quien busca en las zonas donde tiene propiedades y 40 a quien pide visita.
Los contactos que superan el umbral aparecen arriba en la lista del asesor esa misma mañana. El resto entra a una secuencia con propiedades nuevas de su zona hasta que vuelvan a mostrar interés.
#Casos de uso
- Priorizar la agenda de ventas: el equipo llama primero a los contactos con más puntaje y no pierde tiempo con curiosos.
- Calificar conversaciones de WhatsApp: un agente de IA lee cada chat y marca qué leads están listos para hablar con una persona.
- Ajustar campañas: si un anuncio trae muchos leads con puntaje bajo, la segmentación o el mensaje no están atrayendo al cliente correcto.
- Disparar secuencias: el puntaje decide si el contacto recibe una llamada, un caso de éxito o un recordatorio.
#Links útiles
- Bot de WhatsApp que califica leads: separá curiosos de compradores
- Velocidad de respuesta a leads: qué hacer en los primeros 5 minutos
- CRM en marketing: qué es, tipos y cómo conectarlo con WhatsApp
- CRM
- Agentes de IA
Preguntas frecuentes sobre Lead scoring
¿Qué diferencia hay entre un MQL y un SQL?
Un MQL (lead calificado por marketing) es un contacto que superó el puntaje mínimo y vale la pena pasar a ventas; un SQL (lead calificado por ventas) es el que un vendedor ya revisó y confirmó que tiene necesidad, presupuesto y momento para comprar. El lead scoring decide el primer paso. Si muchos MQL no llegan a SQL, el umbral está bajo o el puntaje premia señales que no anticipan una compra.
¿Cuántos leads necesito para que el lead scoring valga la pena?
No hay un mínimo fijo: tiene sentido cuando llegan más contactos de los que el equipo puede atender bien en el día. Con pocos leads alcanza con que una persona revise cada uno. El puntaje automático empieza a rendir cuando hay que decidir a quién llamar primero, y mejora cuando tienes suficientes ventas cerradas para ver qué señales mostraban esos clientes antes de comprar.
¿Qué datos conviene pedir en el formulario para el lead scoring?
Pide solo los datos que cambian la prioridad de un contacto, por ejemplo rubro, tamaño de la empresa o plazo para comprar, y deja el resto para la conversación. Un formulario largo puede espantar a gente que sí compraría, y muchos datos se completan después con el comportamiento o el chat. Si un campo nunca cambia a quién llamas primero, sobra. Más en la guía de ventas y CRM.
AI KID
RE/MAX Patagon
Mateo Caño