Glosario B2B Marketing & Tech
Lead scoring B2B: cómo puntuar y priorizar leads con los datos de tu CRM
Lead scoring B2B: cómo montar un modelo de puntos con los datos de tu CRM, qué aporta el scoring predictivo y cuándo pasar un lead al equipo de ventas.
Empresas que ya mueven su número con nosotros
En síntesis
Lead scoring B2B: cómo puntuar y priorizar leads con los datos de tu CRM
- Puntúa encaje e intención por separado. Un solo número esconde justo lo que ventas necesita ver.
- Los puntos salen de comparar cuánto convierte cada atributo frente a tu media.
- Cada banda (A, B, C, D) lleva una acción concreta, no solo una etiqueta.
- En ventas con varios decisores, suma también la intención de la cuenta, no solo la del contacto.
El lead scoring es un sistema de puntos que ordena los contactos de tu CRM según dos preguntas: cuánto se parecen a tu cliente ideal y cuánta intención de compra muestran. En B2B sirve para una cosa concreta: decidir a quién atiende ventas primero cuando la cola es más larga que el día. Un modelo útil combina datos de encaje (sector, tamaño, cargo, país) con señales de comportamiento (visitas a precios, solicitudes de demo, respuestas a correos) y saca los puntos de tus propios cierres, no de una reunión. El scoring predictivo añade un modelo que aprende de las ventas pasadas, siempre que haya historial suficiente.
Los dos ejes
Encaje e intención: las dos mitades del scoring B2B
El scoring B2B tiene dos mitades que se puntúan por separado: el encaje, que dice si la empresa y la persona se parecen a quien te compra, y la intención, que dice si se están moviendo hacia una compra.
El encaje sale de datos firmográficos y demográficos: sector, tamaño de la empresa, país, cargo y área del contacto. Cambia poco con el tiempo y casi siempre se puede completar antes de que el lead haga nada.
La intención sale del comportamiento: visitas a la página de precios o a fichas de producto, solicitudes de demo o de presupuesto, respuestas a correos o descargas técnicas. Cambia rápido y caduca.
El error clásico es mirar solo el encaje. Una empresa perfecta para ti cuyo contacto no ha hecho nada en meses es un lead frío, por mucho que puntúe. Y al revés: alguien con mucha actividad y ningún encaje llena la cola de ventas de trabajo sin salida.
Modelo de reglas
Cómo montar un modelo de reglas en tu CRM
Un modelo de reglas asigna puntos a criterios que defines con marketing y ventas, y funciona desde el primer día. Los CRM más usados en empresa mediana lo traen de serie. En HubSpot, por ejemplo, la herramienta de lead scoring separa la puntuación de encaje y la de interacción, permite combinarlas en una sola y hace que los puntos de interacción caduquen cada 1, 3, 6 o 12 meses según cómo la configures (documentación de HubSpot). Salesforce también ofrece scoring nativo. Si aún estás eligiendo herramienta, repasa para qué sirve un CRM en una empresa B2B antes de diseñar el modelo.
El proceso tiene cuatro pasos:
- Escribe tu cliente ideal: sectores, tamaños, países y cargos que de verdad te compran.
- Lista las señales de intención que ya puedes registrar en el CRM, no las que te gustaría tener.
- Da puntos con el método de la sección siguiente, no por intuición.
- Fija un umbral provisional para cada eje y revísalo con ventas cuando tengas datos.
Ejemplo de criterios y puntos
La tabla es un ejemplo para adaptar a tu empresa. Los puntos no son un estándar de mercado: muestran la lógica de pesos, y los tuyos saldrán de tus propios cierres.
| Eje | Criterio | Puntos de ejemplo |
|---|---|---|
| Encaje | Sector dentro de tu lista objetivo | +15 |
| Encaje | Tamaño de empresa dentro de tu rango objetivo | +10 |
| Encaje | Cargo que decide o influye en la compra | +10 |
| Intención | Solicitud de demo o de presupuesto | +15 |
| Intención | Visita a la página de precios | +10 |
| Intención | Descarga de una ficha técnica | +5 |
| Negativo | Correo personal sin empresa identificable | -10 |
| Negativo | Competidor, estudiante o persona que busca empleo | -40 |
| Negativo | Baja de las comunicaciones comerciales | -15 |
Puntos negativos y caducidad de la puntuación
Los puntos negativos restan cuando una señal indica que el lead no es para ventas: un competidor que estudia tu web, un estudiante, alguien que busca empleo, un correo sin empresa detrás o una baja de tus comunicaciones. Sin ellos, cualquier actividad suma y la cola se llena de perfiles que nunca comprarán.
La caducidad resuelve el problema contrario. Una visita a precios de hace muchos meses no dice lo mismo que una de ayer. Los puntos de intención pierden valor con el tiempo, y los de encaje solo cambian si cambian los datos de la empresa o del contacto.
Con tus datos
Cómo calcular los puntos con tus propios datos
Los puntos no se deciden en una reunión. Salen de comparar a quien compró con quien no:
- Exporta los leads de los últimos 12 meses con su resultado: cliente, oportunidad perdida o descartado.
- Calcula tu tasa de conversión de referencia: clientes entre leads totales.
- Para cada atributo de encaje (sector, tamaño, cargo) y cada señal de intención (demo, precios, ficha técnica), calcula la tasa de conversión de los leads que lo tienen.
- Da puntos a lo que convierte por encima de la referencia, en proporción a cuánto la supera. Lo que convierte por debajo recibe cero o puntos negativos.
- Si un atributo tiene muy pocos casos, no lo puntúes todavía. Con pocos cierres, una coincidencia parece una regla.
La lógica es sencilla: si los leads que piden una demo acaban siendo cliente bastante más a menudo que tu media, la demo merece de los puntos más altos de la tabla. Si los que descargan una guía general convierten igual que la media, esa descarga apenas debería sumar.
De la puntuación a la acción
Bandas A, B, C y D: qué hacer con cada lead
El scoring no convierte un lead en SQL. Indica cuándo merece que ventas lo mire, y en qué orden. Con dos ejes, la forma más clara de pasarlo a la acción son cuatro bandas:
| Banda | Condición de ejemplo | Qué pasa |
|---|---|---|
| A | Encaje alto e intención alta | A ventas, con el primer contacto en el plazo acordado |
| B | Encaje alto, intención baja | Nurturing con contenido de su sector y revisión mensual |
| C | Intención alta, encaje bajo | Revisión manual rápida: puede ser un distribuidor, un estudiante o un competidor |
| D | Ni encaje ni intención | Fuera de la cola de ventas |
Antes de activarlo, puntúa en paralelo durante unas semanas sin cambiar el proceso. Si la banda A no convierte claramente más que la B, los pesos están mal.
Cuando un lead A pasa a ventas, ventas confirma necesidad, interlocutor y momento de compra (por ejemplo, con los criterios BANT) y lo acepta como SQL o lo devuelve con un motivo. Si quieres la definición de cada etapa, la tienes en qué es un MQL, y el proceso completo, con plazos y acuerdo entre equipos, en la guía sobre cómo pasar de MQL a SQL. Los B no se pierden: entran en programas de nurturing para B2B.
¿Tu equipo comercial se fía de la puntuación de tus leads?
En el diagnóstico revisamos tu modelo de scoring con los cierres reales de tu CRM: qué criterios sobran, cuáles faltan y si tus bandas separan de verdad a quien compra.
Scoring predictivo
Lead scoring predictivo: qué necesita y cuándo compensa
El lead scoring predictivo necesita historial: oportunidades cerradas, ganadas y perdidas, con el resultado registrado y con los datos que tenía el lead cuando entró. En lugar de reglas escritas a mano, un modelo estadístico busca qué rasgos y señales compartían los cierres y puntúa los leads nuevos según su parecido.
Compensa cuando el modelo de reglas ya funciona, el CRM está limpio y hay suficientes cierres para que el modelo aprenda algo. Si falta cualquiera de las tres cosas, el predictivo solo automatiza el desorden y lo hace más difícil de explicar a ventas.
Datos mínimos para un modelo predictivo
Lo mínimo es un registro fiable de oportunidades cerradas con su resultado y su motivo de pérdida, los datos de encaje completos y las señales de comportamiento guardadas con fecha. No hay un número de cierres válido para todas las empresas: depende de cuánto se parecen tus clientes y de cuántas variables uses.
La prueba es práctica: entrena el modelo con un periodo y compruébalo con otro que no ha visto. Si no separa ganadas de perdidas mejor que tus reglas, todavía no compensa.
Scoring nativo del CRM o modelo propio en un almacén de datos
El scoring nativo del CRM es la vía rápida: se activa en la propia herramienta y no necesita un equipo de datos. A cambio, solo ve lo que hay en el CRM y suele explicar poco por qué puntúa como puntúa.
El modelo propio tiene sentido cuando quieres cruzar el CRM con otras fuentes, como el comportamiento web completo o el uso de producto en un SaaS. Para eso hay que llevar los datos de comportamiento web a un almacén de datos, unirlos con las oportunidades y entrenar allí el modelo. Si ya tienes la base, aquí van unas estrategias avanzadas para afinar la puntuación.
Venta con varios decisores
De leads a cuentas: cuando compran varias personas
En una venta consultiva no compra una persona. Según Forrester, el 28 % de los compradores B2B decidió su compra en un grupo de cuatro a nueve personas y el 46 % en un grupo de dos o tres (Simon Daniels, Forrester, 21 de noviembre de 2023).
Por eso conviene sumar la intención a nivel de empresa: tres personas de la misma cuenta que han hecho una cosa cada una dicen más que una persona que ha descargado tres documentos. Si tu CRM lo permite, puntúa también la cuenta, no solo el contacto, y mira cuántas personas distintas de esa empresa se han movido en el último mes.
Mantenimiento
Cómo revisar el modelo cada trimestre
El modelo se revisa comparando la puntuación que tenía cada lead al entrar con lo que acabó pasando. Una revisión por trimestre suele bastar, con marketing y ventas en la misma mesa.
- Saca las oportunidades cerradas del trimestre, ganadas y perdidas, con la puntuación que tenían al pasar a ventas.
- Compara los dos grupos. Si las ganadas y las perdidas puntuaban parecido, el modelo no discrimina.
- Busca leads con puntuación baja que acabaron en venta y leads con puntuación alta que nadie quiso. Ahí están los criterios que sobran o faltan.
- Repasa los motivos de rechazo de ventas y los cambios de mercado, como sectores o cargos nuevos.
- Cambia pocas cosas cada vez, deja escrito qué cambias y por qué, y mide el efecto en el trimestre siguiente.
Nuestro método
Cómo lo trabajamos en cronuts
Trabajamos con +80 clientes B2B activos desde 2018, y el orden que seguimos en scoring es siempre el mismo. Empezamos con un modelo de reglas construido con tus cierres, lo probamos en paralelo con ventas y, cuando hay historial suficiente, añadimos puntuación con IA para la parte baja del embudo con nuestro producto de puntuación con IA para la fase de decisión. Las reglas van primero porque son las que ventas entiende y las que dejan ver si el problema está en el modelo o en los datos del CRM.
Dudas habituales
Preguntas frecuentes
¿Lead scoring manual o predictivo?
El manual puntúa reglas que defines tú, como cargo, sector o visita a precios, y funciona desde el primer día. El predictivo usa un modelo que aprende de oportunidades ganadas y perdidas, así que necesita historial limpio en el CRM. En una empresa B2B mediana lo sensato es empezar con reglas, medirlas contra cierres reales y pasar a predictivo cuando hay datos.
¿Qué criterios debe tener un modelo de lead scoring B2B?
Dos grupos, puntuados por separado. Los de encaje (sector, tamaño, país, cargo) dicen si el lead se parece a tus clientes. Los de intención (solicitud de demo, visitas a precios, respuestas a correos) dicen si se mueve hacia una compra. Añade puntos negativos y haz que la intención caduque.
¿Cuántos puntos debe tener un lead para pasar a ventas?
No hay una cifra estándar. El umbral sale de mirar qué puntuación tenían los leads que acabaron en venta y de cuántos acepta ventas. Empieza donde estaban la mayoría de tus compradores y ajústalo cada trimestre.
¿Cuántos cierres hacen falta para un scoring predictivo?
Depende de cuánto se parecen tus clientes y de cuántas variables uses. La prueba es práctica: si el modelo no separa ganadas de perdidas mejor que tus reglas en un periodo que no ha visto, aún no compensa.
¿Cada cuánto hay que revisar el lead scoring?
Una revisión trimestral con los cierres reales suele bastar. Adelántala si cambias de mercado, lanzas una línea de producto o ventas empieza a rechazar muchos leads por el mismo motivo.
¿Qué diferencia hay entre lead scoring y lead nurturing?
El scoring decide la prioridad y el nurturing trabaja a los que aún no están listos. Uno sin el otro deja leads en tierra de nadie: los de encaje alto e intención baja necesitan contenido de su sector hasta que se muevan.
¿Quieres saber si tu scoring separa bien a quien compra?
Partimos de tu CRM: criterios de encaje e intención, umbrales, bandas, motivos de rechazo y cierres de los últimos meses.
Siguiente paso
Convierte esta idea en un sistema medible
Reseñas verificadas · CMOs & CIOs B2B
Empresas que ya operan con CRONUTS.DIGITAL.
Diagnóstico digital gratuito
¿Aplicas esto en tu empresa B2B?
Auditoría ejecutiva en 7 días. Plan priorizado por palancas. Sin compromiso.