El lead scoring es el proceso de asignar puntuación numérica a cada lead según fit ICP + signals comportamentales para automatizar la cualificación MQL→SQL. Modelo predictivo escalable que sustituye intuición Sales por reglas auditables o ML predictivo según madurez del equipo.
Qué es el lead scoring · definición operativa
Sistema que asigna score (0-100 típicamente) a cada lead combinando dos dimensiones:
- Demográfico/firmográfico — fit ICP: tamaño empresa, sector, geo, role del contacto, tech stack detectado.
- Comportamental — engagement signals: pages visitadas, lead magnets descargados, emails abiertos, tiempo en pricing page, intent data third-party (Bombora, 6sense).
El score combina ambas (multiplicativa o aditiva ponderada) y dispara handoff automático a Sales cuando supera threshold (típicamente 70+).
Frameworks de cualificación B2B
BANT (IBM, años 60)
- Budget — ¿tiene presupuesto asignado?
- Authority — ¿es decisor o influencer?
- Need — ¿problema documentado urgente?
- Timeline — ¿horizon de decisión <6 meses?
MEDDIC / MEDDPICC (enterprise B2B)
- Metrics — KPI cuantificable que justifica compra.
- Economic Buyer — quién firma el contrato.
- Decision Criteria — criterios objetivos de selección.
- Decision Process — workflow interno de aprobación.
- Identify Pain — dolor cuantificado + champion interno.
- Champion — aliado interno que vende internamente.
- Competition — vendors evaluados (MEDDPICC añade Paper Process).
Por qué importa en B2B mid-market 2026
Sin lead scoring, Sales pierde 60-70% del tiempo trabajando leads no-fit (Gartner B2B Buyer 2025). Con scoring tight:
- +25% conversión MQL→SQL según benchmarks cronuts.digital (n=80+ B2B España).
- SLA <24h follow-up trigger automático en HubSpot/Salesforce.
- CAC ajustado por fit. Leads bajo score van a nurture, no a Sales.
- Sales-marketing alignment. Scoring threshold = MQL definition compartida.
Modelo predictivo · evolución del scoring
- Reglas manuales — equipo define puntos por evento (visit pricing +20, ICP fit +30, etc.). Auditable, bajo coste, requiere mantenimiento trimestral.
- Predictivo basado en histórico Won — ML detecta patrones en deals cerrados y asigna scoring. Requiere >200 Won deals histórico. Tools: Lead Scoring BOFU IA, MadKudu, Infer.
- Intent data third-party — Bombora, 6sense, G2 buyer intent. Detecta accounts en «active research mode» antes que rellenen form.
Diferencia entre lead scoring entry glosario y pillar /lead-scoring/
Esta entrada glosario = definición + frameworks canónicos (BANT/MEDDIC) + clasificación de modelos. Para casos prácticos + implementación HubSpot/Salesforce + scoring matriz operativa ver guía pillar lead scoring. Para producto IA ver Lead Scoring BOFU IA.
Errores frecuentes
- Scoring sin validación quarterly. El threshold MQL drifta — leads bajo score que cerraban hace 6 meses ya no convierten.
- Pesar solo demográfico. ICP-fit perfect + 0 engagement = lead frío. Combinar dimensiones.
- Threshold MQL demasiado bajo. Sales recibe leads no-fit, pierde confianza en marketing.
- Ignorar negative scoring. Competidor browsing, students, freebie-hunters deben restar puntos.
- Predictivo sin baseline manual. ML sin reglas manuales como punto de partida es cajadenegra opaca.
Términos relacionados
- MQL vs SQL — definiciones canónicas + thresholds.
- Funnel de conversión — dónde se aplica el scoring.
- ICP — dimensión firmográfica del scoring.
- ABM — scoring a nivel account, no contact.
- Atribución multi-touch — atribuir Won a touchpoints scored.
¿Lead scoring sin validación quarterly? Diagnóstico digital gratuito →