El lead scoring automático asigna a cada contacto una cifra que ordena a quién llama el comercial primero. Funciona cuando separas dos puntuaciones: cuánto encaja esa empresa con tu cliente ideal y cuánto interactúa ahora. Mezcladas en un número dan prioridades falsas. Lo montamos sobre tu CRM en los servicios de automatización y datos de Codezone.
El coste es silencioso. Con cuarenta leads al mes y un comercial se atiende por orden de llegada: quien pidió presupuesto de un proyecto grande espera dos días y quien descargó un PDF se lleva la llamada. No pierdes leads, pierdes los buenos.
Al terminar sabrás qué señales puntuar y dónde poner el umbral; los datos salen de la arquitectura de datos propios que une web, CRM y ERP.
Qué es el lead scoring por intención de compra
Es la puntuación que estima la probabilidad de que un contacto compre, calculada con dos bloques separados: el ajuste con tu perfil de cliente, que es estable, y la interacción reciente, que caduca. El resultado ordena la cola de llamadas y decide qué lead pasa a ventas y cuál sigue en nurturing.
Por qué el ajuste y la interacción van por separado
HubSpot documenta esa división en sus propiedades de puntuación: criterios de ajuste por atributos como el cargo o el tamaño de empresa, y de interacción por acciones como visitas y aperturas, según la documentación de propiedades de puntuación de HubSpot. Incluye decaimiento por evento en tramos de 1, 3, 6 o 12 meses.
La razón es operativa: un número mezclado no dice qué hacer. Separados, cada combinación tiene su acción:
- Ajuste alto, interacción alta: llamada hoy. La única cola que importa.
- Ajuste alto, interacción baja: prospección activa, no esperes el formulario.
- Ajuste bajo, interacción alta: nurturing automático, cero tiempo comercial.
- Ajuste bajo, interacción baja: fuera de la cola.
Qué señales valen y qué formulario miente
Las de ajuste no cambian en una semana: sector, tamaño, país, si ya es cliente, si el dominio es corporativo. Las de interacción pesan por profundidad, y visitar la página de precios dos veces dice más que abrir seis emails. Las que cuestan cero al contacto casi nunca valen: una apertura la dispara el panel de previsualización.
El otro agujero es el formulario. Mucho scoring se apoya en el cargo y el tamaño escritos a mano, y parte está puesto al azar para pasar el campo obligatorio. Valida antes de puntuar: dominio corporativo frente a genérico, prefijo válido, empresa que exista en un registro, como en la arquitectura de conversión de una landing. Un campo sin validar pesa menos que el comportamiento.
Cómo se calibra el umbral con el histórico
El umbral no se decide a ojo. Coges el histórico cerrado, calculas la puntuación que cada oportunidad habría tenido con la fórmula actual y miras dónde se concentran las ganadas.
Si no tienes cierres suficientes el ejercicio no sale. Salesforce exige para su scoring predictivo al menos 1.000 leads creados en los últimos 200 días y 120 convertidos, según las consideraciones de configuración de Einstein Lead Scoring. Por debajo de ese orden de magnitud, reglas.
Cuándo reglas y cuándo modelo estadístico
- Reglas: pocos cientos de cierres al año, ciclo largo, catálogo que cambia. Auditables, y el comercial entiende por qué subió un lead.
- Modelo: volumen alto y estable, muchas variables, histórico con ganados y perdidos. Encuentra combinaciones que tú no habrías escrito, y es la puerta a los agentes de IA conectados al ERP y al CRM.
- Lo que no cambia: el modelo necesita las mismas señales limpias. Sin datos ordenados acelera el error, igual que en la automatización con IA mal cimentada.
CodeZone Pro Tip: aplica decaimiento exponencial a las señales de interacción y mantén el ajuste sin decaer, para que un lead que estuvo activo hace tres meses no adelante al que pide precio hoy.
from datetime import datetime, timezone
from math import exp
# Vida media en dias: a los 14 dias una senal vale la mitad.
# Subela si tu ciclo de venta es largo; bajala en venta impulsiva.
VIDA_MEDIA = 14.0
# abrio_email a cero a proposito: una apertura no prueba intencion.
PESOS_INTERACCION = {"vio_precios": 25, "pidio_presupuesto": 40,
"descargo_pdf": 5, "abrio_email": 0}
PESOS_AJUSTE = {"sector_objetivo": 20, "email_corporativo": 15,
"plantilla_mayor_50": 15}
def puntuacion(eventos, atributos, ahora=None):
"""Devuelve ajuste, interaccion y total. Los dos ejes van separados."""
ahora = ahora or datetime.now(timezone.utc)
# El ajuste no decae: el sector de la empresa no cambia en un mes.
ajuste = min(sum(PESOS_AJUSTE.get(a, 0) for a in atributos), 50)
interaccion = 0.0
for ev in eventos:
peso = PESOS_INTERACCION.get(ev["tipo"], 0)
if not peso:
continue
dias = (ahora - ev["ocurrido_en"]).total_seconds() / 86400
# Decaimiento exponencial: la senal reciente manda sobre la antigua.
interaccion += peso * exp(-0.6931 * dias / VIDA_MEDIA)
# Techo en cada eje: 200 visitas no deben tapar un ajuste nulo.
interaccion = min(round(interaccion, 1), 50)
return {"ajuste": ajuste, "interaccion": interaccion,
"total": round(ajuste + interaccion, 1)}Con el decaimiento aplicado la cola se reordena sola. El comercial abre el CRM y los tres primeros nombres son los que se movieron esta semana, no los que acumularon puntos en marzo.
Lo que Pasa Cuando el Comercial no se Fía del Número
El punto de fallo no es técnico. Si el equipo llama a un lead de 90 puntos que no tiene nada que ver con lo que vendes, deja de mirar la puntuación y vuelve al orden de llegada. Recuperar esa confianza cuesta más que el sistema.
Se evita con dos cosas: que la puntuación sea explicable, con el desglose en la ficha, y que el comercial pueda marcar un lead como mal puntuado para alimentar la calibración siguiente, como en el mapeo de procesos antes de escribir software. Esa revisión trimestral mantiene el umbral vivo.
El envío va después: quién recibe qué y cuándo se para la secuencia está en los flujos de nurturing y asignación conectados al CRM. Si el CRM no tiene campos para las dos puntuaciones, antes toca decidir entre un CRM a medida y uno comercial y resolver la sincronización de datos entre ERP y CRM en Madrid.
Comprueba antes que tienes cierres con fecha y motivo: sin eso el scoring es una opinión con decimales. Mide el origen de la venta con el recorrido completo del clic a la factura, o puntuarás leads de campañas que no venden.
Si tu equipo atiende por orden de llegada, montamos la priorización con tu histórico y calibramos el umbral.
