Inicio › Marketing › Lead scoring
El lead scoring (puntuación de leads) es la metodología que consiste en asignar puntuaciones numéricas a los leads en función de dos dimensiones: su perfil demográfico (qué tan bien encajan con el buyer persona ideal) y su comportamiento digital (nivel de interacción con el contenido, la web y las comunicaciones de la empresa). La puntuación resultante permite a los equipos de marketing y ventas priorizar los leads con mayor probabilidad de convertirse en clientes, optimizando el tiempo del equipo comercial y mejorando las tasas de cierre. Típicamente se implementa dentro de un CRM o plataforma de automatización de marketing. Los datos comportamentales usados para el scoring están sujetos al RGPD y la normativa de cookies de la LSSI.
Imagina que eres el dueño de una academia de inglés en Zaragoza y tienes 200 leads en tu lista. Algunos han descargado 3 guías, han abierto todos tus emails y han visitado la página de precios dos veces. Otros se suscribieron hace 6 meses y nunca han interactuado. Si tu equipo solo puede llamar a 20 personas esta semana, obviamente debes priorizar a los primeros. El lead scoring automatiza exactamente esa lógica: asigna puntos por cada acción del lead (descargó un ebook: +5 puntos, visitó la página de precios: +15, abrió el email de oferta: +10, lleva 30 días sin interactuar: -20) y ordena automáticamente tus leads de más a menos calientes.
Elena Vega trabaja en el departamento de marketing de una empresa consultora de ciberseguridad en Barcelona. Tenían 340 leads activos en HubSpot pero el equipo de ventas se quejaba de que la calidad era irregular: perdían tiempo con leads fríos mientras ignoraban oportunidades calientes. Implementaron un sistema de lead scoring con 8 criterios: cargo del lead (Director o C-Level: +20, Manager: +10, Técnico: +5), tamaño de empresa (más de 50 empleados: +15), sector regulado (banca, salud, gobierno: +20), visita a página de precios (+25), descarga de caso de estudio (+15), asistencia a webinar (+20), apertura de 3 emails consecutivos (+10). Los leads con más de 60 puntos pasaban automáticamente a ventas como SQL. En el primer mes, ventas identificó 18 SQL de alta calidad frente a los 45 leads sin filtrar del mes anterior. La tasa de cierre subió del 9% al 34%.
La implementación de lead scoring tiene 5 pasos. Definir los criterios de perfil ideal (datos del buyer persona: cargo, sector, tamaño de empresa, ubicación) y asignar puntuaciones negativas para los no-ideales. Definir los criterios de comportamiento (visitas a páginas específicas, acciones de email, descargas de contenido, tiempo en el sitio) con puntuaciones ponderadas por intención de compra implícita. Configurar el sistema en el CRM o plataforma de automatización. Definir el umbral de cualificación (por ejemplo, 50 puntos = MQL, 80 puntos = SQL). Validar y ajustar el modelo mensualmente comparando los scores con los resultados reales de ventas.
El error más frecuente es crear un sistema de scoring demasiado complejo con 30 criterios que nadie entiende ni mantiene. Lo mejor es empezar con 5-8 criterios claros y ajustar en función de los resultados. Otro error es no incluir puntuaciones negativas: un lead que lleva 90 días inactivo debe perder puntos porque su interés ha bajado. No validar el modelo periódicamente es también un error: el comportamiento de los buyers cambia y el scoring debe adaptarse.
El lead scoring basado en datos de comportamiento de usuarios (visitas web, apertura de emails) está sujeto al RGPD (arts. 22 y 6) en cuanto a la creación de perfiles automatizados y la base jurídica del tratamiento. El artículo 22 del RGPD regula específicamente las decisiones automatizadas basadas en perfiles. El uso de cookies de seguimiento para el scoring requiere consentimiento conforme al artículo 22 de la LSSI.
Un MQL (Marketing Qualified Lead) es un lead que el equipo de marketing considera suficientemente cualificado para pasarlo a ventas, basándose en su puntuación de lead scoring. Un SQL (Sales Qualified Lead) es un lead que el equipo de ventas ha validado como una oportunidad real. El lead scoring automatiza la transición de MQL a SQL.
El umbral depende de cada empresa y se define experimentalmente. Una metodología común es analizar las características de los 20 últimos clientes ganados y usar su puntuación promedio como referencia de SQL. Una puntuación de 50-80 puntos suele ser un rango habitual de partida.
Técnicamente sí, de forma manual con una hoja de cálculo, pero se vuelve inmanejable con más de 50-100 leads activos. La mayoría de los CRM modernos (HubSpot, Salesforce, ActiveCampaign) tienen funcionalidades de lead scoring integradas o disponibles como complemento.
El scoring demográfico puntúa características del perfil del lead (cargo, sector, tamaño de empresa). El scoring comportamental puntúa las acciones que realiza (visitas a la web, emails abiertos, contenido descargado). Los mejores sistemas combinan ambos para identificar leads que encajan bien con el perfil ideal Y muestran interés activo.
Compara la tasa de cierre de los leads que llegan a ventas con puntuación alta versus los que llegan con puntuación baja. Si los leads con puntuación alta no convierten significativamente más, el modelo necesita ajuste. Revisa los criterios con los comerciales de ventas: ellos conocen mejor qué señales indican intención real de compra.