Por qué el scoring manual falla (aunque tu equipo sea bueno)
Casi todos los equipos B2B empiezan igual: los leads entran por el formulario web, alguien los revisa en una hoja de cálculo o en la bandeja del CRM y los reparte «con criterio». Funciona con 20 leads al mes. Deja de funcionar con 200. Y con 500 se convierte en el principal cuello de botella del pipeline.
Los síntomas son siempre los mismos:
- Los criterios viven en la cabeza del comercial. Cada persona prioriza distinto: uno mira el cargo, otro el sector, otro «la sensación». Cuando esa persona está de vacaciones, el criterio se va con ella.
- Los leads calientes esperan días. Un visitante que acaba de usar tu calculadora de precios queda en la misma cola que quien descargó un PDF hace tres semanas. Y los primeros minutos importan: la probabilidad de contactar con un lead cae de forma drástica a medida que pasan las horas desde su solicitud.
- El reparto es opaco y desigual. Sin reglas explícitas, los leads buenos «se asignan solos» a quien primero abre la bandeja, y nadie puede auditar por qué una oportunidad acabó donde acabó.
- Marketing y ventas discuten sobre la calidad del lead sin un lenguaje común: no existe una definición compartida y medible de qué es un MQL.
La solución no es contratar más SDRs ni comprar otra herramienta de prospección. Es convertir la priorización en un proceso explícito: reglas de puntuación que cualquiera puede leer, un umbral acordado entre marketing y ventas, y un enrutamiento que asigna cada lead en segundos con un SLA de respuesta. Exactamente el tipo de proceso que un BPM low-code resuelve sin escribir código.
Los tres modelos de scoring (y cuándo usar cada uno)
Un buen modelo de scoring responde a dos preguntas: ¿este lead encaja con mi cliente ideal? y ¿está mostrando intención de compra ahora? Cada modelo responde a una parte:
Demográfico y firmográfico
Puntúa el perfil: cargo y poder de decisión, sector, tamaño de empresa, país. Es el filtro de encaje (fit) con tu cliente ideal. Datos estables, fáciles de capturar en el formulario o de enriquecer después.
Comportamental
Puntúa la intención: visitas a la página de precios, descargas de comparativas, asistencia a webinars, emails abiertos. Es dinámico: sube cuando el lead se activa y debe bajar cuando se enfría.
Predictivo con IA
Un modelo entrenado con tu histórico de operaciones ganadas y perdidas estima la probabilidad de conversión y detecta patrones que las reglas manuales no ven. Requiere volumen de datos; no empieces por aquí.
La secuencia recomendada para la mayoría de equipos B2B:
- Empieza con reglas explícitas (perfil + comportamiento): son transparentes, ventas las entiende y se calibran en semanas.
- Acumula histórico limpio: cada lead enrutado con su resultado (aceptado, rechazado, ganado, perdido) es un dato de entrenamiento futuro.
- Añade la capa predictiva cuando tengas cientos de resultados: la IA complementa a las reglas, no las sustituye, y siempre con la decisión final trazable.
Cómo diseñar tu matriz de scoring (con ejemplo)
La matriz de scoring es el contrato entre marketing y ventas: una tabla de criterios y puntos que cualquiera puede leer y discutir. Constrúyela en una sesión conjunta de 90 minutos: ventas aporta qué señales distinguen a un buen lead; marketing, qué comportamientos puede medir.
Un ejemplo de partida sobre 100 puntos para un SaaS B2B:
| Criterio | Señal | Puntos |
|---|---|---|
| Firmográfico | Sector objetivo (banca, salud, industria, seguros) | +15 |
| Firmográfico | Empresa de 50 a 500 empleados | +10 |
| Demográfico | Cargo con poder de decisión (dirección, C-level, responsable de área) | +15 |
| Comportamental | Visita la página de precios | +20 |
| Comportamental | Solicita demo o usa la calculadora de ROI | +30 |
| Comportamental | Descarga un caso de éxito o comparativa | +10 |
| Comportamental | Abre 3 o más emails en dos semanas | +5 |
| Negativo | Email genérico o dominio gratuito | −10 |
| Negativo | Perfil de estudiante o búsqueda de empleo | −25 |
| Decaimiento | 30 días sin ninguna actividad | −15 |
Con esta matriz, define tres tramos de acción:
- 60 puntos o más → MQL: se enruta a ventas de inmediato con SLA de primer contacto.
- 30–59 puntos → nurturing: entra en una secuencia de maduración hasta que su comportamiento lo suba de tramo.
- Menos de 30 puntos → pool de marketing: contenido educativo de baja frecuencia; no consume tiempo comercial.
Tres reglas de oro: incluye siempre puntos negativos (eliminan el ruido mejor que cualquier criterio positivo), añade decaimiento temporal (un lead inactivo no puede mantener su puntuación para siempre) y revisa la matriz cada mes contra los leads que ventas aceptó o rechazó.
Enrutamiento inteligente: que cada lead llegue a la persona correcta, ya
Puntuar sin enrutar es quedarse a medias: el valor aparece cuando el lead correcto llega al comercial correcto en minutos. Hay cuatro métodos básicos de asignación:
Reparto rotatorio
Los leads se asignan por turnos al siguiente comercial disponible. Simple, equitativo y fácil de auditar. Ideal para equipos pequeños y homogéneos; no tiene en cuenta el encaje lead–comercial.
Por geografía o idioma
Cada región, país o idioma tiene su propietario. Imprescindible si vendes en varios mercados: el lead francés no debería esperar a que lo recoja alguien que no habla francés.
Por sector o producto
Los leads de banca van al especialista en banca; los de firma digital, a quien domina ese producto. Sube la tasa de conversión a costa de más complejidad en las reglas.
Por capacidad disponible
El workflow mira cuántos leads abiertos tiene cada comercial y asigna al que tenga más capacidad. Evita que los mejores vendedores mueran de éxito mientras otros esperan.
En la práctica, los equipos maduros combinan métodos en cascada: primero territorio, después especialización dentro del territorio y round-robin equilibrado por carga como desempate.
Y la pieza que casi todos olvidan: SLAs y escalados automáticos. Asignar no garantiza actuar. Define en el propio workflow:
- SLA de primer contacto por tramo: por ejemplo, 15 minutos para un MQL caliente en horario laboral, 4 horas para el resto.
- Recordatorio automático al comercial cuando consume la mitad del SLA sin registrar actividad.
- Reasignación o escalado al responsable si el SLA vence: el lead vuelve al pool o sube al manager, y queda registrado por qué.
Implementación con workflows low-code, paso a paso
Todo lo anterior se monta como un único workflow visual en Dokuflex. La misma plataforma con la que CaixaBank gestiona 4,2 millones de contratos al año, el Hospital Sant Pau ahorra 12.000 horas anuales y Mutua Terrassa orquesta más de 250 procesos sirve para algo tan acotado como puntuar y asignar leads — y por eso el proceso escala cuando tu volumen crezca. Los cinco pasos:
- 1 · Captura. Un formulario web del propio workflow (o tu formulario actual conectado vía integraciones con el CRM, el email o webhooks) crea una instancia de proceso por cada lead, con todos sus datos normalizados desde el primer segundo.
- 2 · Reglas de puntuación. La matriz de scoring se traslada a un nodo de reglas del editor visual: condiciones tipo «si el cargo contiene "director" → +15». Cambiar un criterio o un umbral es editar la regla, no abrir un ticket a TI.
- 3 · Enriquecimiento e IA. Un paso de IA clasifica el texto libre del formulario («¿qué problema quieres resolver?»), deduce sector e intención y ajusta la puntuación. En los casos dudosos, una tarea humana de revisión decide antes de continuar: IA con supervisión, no caja negra.
- 4 · Asignación automática. Una pasarela de decisión aplica el enrutamiento en cascada (territorio → especialización → carga) y asigna la tarea de primer contacto al comercial elegido, con el SLA corriendo desde ese instante.
- 5 · Notificación y seguimiento. El comercial recibe el aviso (email, móvil o su bandeja de tareas) con el contexto completo: puntuación, señales que la generaron y siguiente acción sugerida. Si el SLA vence sin actividad, el escalado se dispara solo. Cada paso queda trazado para auditar y mejorar el modelo.
¿Quieres acortar aún más el arranque? En la galería de plantillas de Dokuflex hay procesos comerciales listos para adaptar, y puedes estimar el ahorro de horas de tu equipo con la calculadora de ROI.
Mirando a 2027: scoring continuo recalculado por agentes IA
El scoring por reglas se calcula cuando el lead entra y cuando dispara un evento. El siguiente paso natural —y hacia donde apunta el mercado de cara a 2027— es el scoring continuo: agentes de IA que viven dentro del workflow y recalculan la puntuación de todo el pipeline en cuanto cambia cualquier señal.
- Reordenación permanente: el lead que hoy es el número 40 de la cola sube al número 3 si su empresa anuncia una ronda de financiación o si vuelve a visitar la página de precios.
- Detección de enfriamiento: el agente avisa al comercial cuando una oportunidad activa deja de mostrar señales, antes de que se pierda en silencio.
- Calibración sugerida: la IA propone ajustes a la matriz («las descargas de comparativas predicen conversión mejor de lo que las puntuáis») y revenue ops decide si los aplica.
La condición para llegar ahí es la misma que defendemos en toda automatización con IA: agentes gobernados dentro del proceso, con cada recálculo trazado y con una persona decidiendo en los puntos sensibles. Si montas hoy tu scoring sobre un workflow gobernado, añadir la capa de agentes mañana es una evolución, no una migración.
Las métricas que dirán si funciona
Activa el workflow y vigila tres métricas desde la primera semana. Las tres salen solas del propio proceso, porque cada paso queda registrado:
- Speed-to-lead: tiempo desde que el lead entra hasta el primer contacto real. Es la métrica que el enrutamiento con SLAs ataca de forma directa: de días a minutos. Mídela por tramo de puntuación y por comercial.
- Tasa de contacto: porcentaje de leads enrutados con los que se consigue hablar. Si el speed-to-lead baja y la tasa de contacto no sube, revisa los canales de contacto o los horarios de asignación.
- Conversión MQL→SQL: porcentaje de leads cualificados por marketing que ventas acepta como oportunidad real. Es el termómetro de la matriz: si ventas rechaza muchos MQL, el umbral está bajo o sobran puntos en criterios débiles.
Complementa con dos señales de salud: el porcentaje de leads reasignados por SLA vencido (si crece, hay un problema de capacidad, no de scoring) y la distribución de carga entre comerciales (un reparto muy desigual suele indicar reglas de territorio mal dimensionadas). Revisa el conjunto una vez al mes en la reunión de marketing y ventas: la matriz es un organismo vivo.
Preguntas frecuentes
¿Qué es el lead scoring y para qué sirve? +
El lead scoring es un sistema de puntuación que ordena los leads según su probabilidad de compra, combinando datos de perfil (sector, tamaño, cargo) con su comportamiento (visitas a la página de precios, descargas, respuestas a emails). Sirve para que ventas dedique su tiempo a los leads con más potencial y para que marketing sepa qué leads necesitan más maduración antes de pasarlos al equipo comercial.
¿Qué diferencia hay entre scoring demográfico, comportamental y predictivo? +
El scoring demográfico y firmográfico puntúa quién es el lead (cargo, sector, tamaño de empresa); el comportamental puntúa qué hace (páginas visitadas, descargas, emails abiertos); y el predictivo usa IA para estimar la probabilidad de conversión a partir del histórico de operaciones ganadas y perdidas. Los tres son complementarios: el modelo más robusto combina perfil y comportamiento, y añade IA cuando existe suficiente histórico de datos.
¿Cuántos puntos necesita un lead para pasar a ventas? +
No hay una cifra universal: el umbral se calibra con tu propio histórico. Un punto de partida habitual es definir el MQL en torno a 60 puntos sobre 100, revisar cada mes qué porcentaje de los leads enrutados acepta ventas y ajustar. Si ventas rechaza muchos leads, el umbral es demasiado bajo; si llegan muy pocos, es demasiado alto.
¿Qué método de enrutamiento de leads es mejor: round-robin, territorio o especialización? +
Depende del tamaño y la estructura del equipo. El round-robin es ideal para equipos pequeños y homogéneos; el territorio funciona cuando vendes en varias regiones o idiomas; la especialización conviene si tus productos o sectores exigen conocimiento específico; y el enrutamiento por carga de trabajo evita cuellos de botella cuando los volúmenes son desiguales. En la práctica, muchos equipos los combinan: territorio primero, round-robin dentro de cada territorio y escalado automático si nadie actúa dentro del SLA.
¿Puedo implementar lead scoring sin depender de TI? +
Sí. Con un BPM low-code como Dokuflex, el equipo de revenue ops diseña el formulario, las reglas de puntuación, el enrutamiento y las notificaciones desde un editor visual, sin programar. TI solo interviene, si acaso, para autorizar las integraciones con el CRM o el correo. Los cambios de criterios o umbrales se aplican en minutos editando la regla, no abriendo un ticket.
¿Qué métricas debo vigilar tras activar el scoring y el enrutamiento? +
Tres métricas principales: el speed-to-lead (tiempo desde que el lead entra hasta el primer contacto), la tasa de contacto (porcentaje de leads con los que se consigue hablar) y la conversión de MQL a SQL (porcentaje de leads cualificados por marketing que ventas acepta como oportunidad real). Si las tres mejoran de forma sostenida, el modelo está bien calibrado; si alguna se estanca, revisa el umbral, los criterios de puntuación o los SLAs de enrutamiento.
Deja de repartir leads a ojo esta misma semana
Reservamos una sesión guiada de 60 minutos: traes tu matriz de criterios (o la construimos juntos) y salimos con un workflow de scoring y enrutamiento funcionando en Dokuflex, con SLAs, escalados y métricas desde el primer día.