El lead scoring és un sistema de puntuació que ordena els leads segons la seva probabilitat de compra, combinant dades de perfil (sector, mida, càrrec) amb el seu comportament (visites a preus, descàrregues, respostes a correus). Amb un workflow low-code, cada lead es puntua i s’assigna en segons; el MQL se sol fixar al voltant de 60 punts sobre 100.
Per què el scoring manual falla (encara que el teu equip sigui bo)
Gairebé tots els equips B2B comencen igual: els leads entren pel formulari web, algú els revisa en un full de càlcul o a la safata del CRM i els reparteix «amb criteri». Funciona amb 20 leads al mes. Deixa de funcionar amb 200. I amb 500 es converteix en el principal coll d’ampolla del pipeline.
Els símptomes són sempre els mateixos:
- Els criteris viuen al cap del comercial. Cada persona prioritza diferent: un mira el càrrec, un altre el sector, un altre «la sensació». Quan aquesta persona és de vacances, el criteri se’n va amb ella.
- Els leads calents esperen dies. Un visitant que acaba de fer servir la teva calculadora de preus queda a la mateixa cua que qui va descarregar un PDF fa tres setmanes. I els primers minuts importen: la probabilitat de contactar amb un lead cau de manera dràstica a mesura que passen les hores des de la seva sol·licitud.
- El repartiment és opac i desigual. Sense regles explícites, els leads bons «s’assignen sols» a qui obre primer la safata, i ningú no pot auditar per què una oportunitat va acabar on va acabar.
- Màrqueting i vendes discuteixen sobre la qualitat del lead sense un llenguatge comú: no existeix una definició compartida i mesurable de què és un MQL.
La solució no és contractar més SDR ni comprar una altra eina de prospecció. És convertir la priorització en un procés explícit: regles de puntuació que qualsevol pot llegir, un llindar acordat entre màrqueting i vendes, i un enrutament que assigna cada lead en segons amb un SLA de resposta. Exactament el tipus de procés que un BPM low-code resol sense escriure codi.
Els tres models de scoring (i quan fer servir cadascun)
Un bon model de scoring respon dues preguntes: aquest lead encaixa amb el meu client ideal? i mostra intenció de compra ara? Cada model respon una part:
Demogràfic i firmogràfic
Puntua el perfil: càrrec i poder de decisió, sector, mida d’empresa, país. És el filtre d’encaix (fit) amb el teu client ideal. Dades estables, fàcils de capturar al formulari o d’enriquir després.
De comportament
Puntua la intenció: visites a la pàgina de preus, descàrregues de comparatives, assistència a webinars, correus oberts. És dinàmic: puja quan el lead s’activa i ha de baixar quan es refreda.
Predictiu amb IA
Un model entrenat amb el teu històric d’operacions guanyades i perdudes estima la probabilitat de conversió i detecta patrons que les regles manuals no veuen. Requereix volum de dades; no comencis per aquí.
La seqüència recomanada per a la majoria d’equips B2B:
- Comença amb regles explícites (perfil + comportament): són transparents, vendes les entén i es calibren en setmanes.
- Acumula un històric net: cada lead enrutat amb el seu resultat (acceptat, rebutjat, guanyat, perdut) és una dada d’entrenament futura.
- Afegeix la capa predictiva quan tinguis centenars de resultats: la IA complementa les regles, no les substitueix, i sempre amb la decisió final traçable.
Com dissenyar la teva matriu de scoring (amb exemple)
La matriu de scoring és el contracte entre màrqueting i vendes: una taula de criteris i punts que qualsevol pot llegir i discutir. Construeix-la en una sessió conjunta de 90 minuts: vendes aporta quins senyals distingeixen un bon lead; màrqueting, quins comportaments pot mesurar.
Un exemple de partida sobre 100 punts per a un SaaS B2B:
| Criteri | Senyal | Punts |
|---|---|---|
| Firmogràfic | Sector objectiu (banca, salut, indústria, assegurances) | +15 |
| Firmogràfic | Empresa de 50 a 500 empleats | +10 |
| Demogràfic | Càrrec amb poder de decisió (direcció, C-level, responsable d’àrea) | +15 |
| De comportament | Visita la pàgina de preus | +20 |
| De comportament | Sol·licita una demo o fa servir la calculadora de ROI | +30 |
| De comportament | Descarrega un cas d’èxit o una comparativa | +10 |
| De comportament | Obre 3 o més correus en dues setmanes | +5 |
| Negatiu | Correu genèric o domini gratuït | −10 |
| Negatiu | Perfil d’estudiant o recerca de feina | −25 |
| Decaïment | 30 dies sense cap activitat | −15 |
Amb aquesta matriu, defineix tres trams d’acció:
- 60 punts o més → MQL: s’enruta a vendes immediatament amb SLA de primer contacte.
- 30–59 punts → nurturing: entra en una seqüència de maduració fins que el seu comportament el faci pujar de tram.
- Menys de 30 punts → pool de màrqueting: contingut educatiu de baixa freqüència; no consumeix temps comercial.
Tres regles d’or: inclou sempre punts negatius (eliminen el soroll millor que qualsevol criteri positiu), afegeix decaïment temporal (un lead inactiu no pot mantenir la seva puntuació per sempre) i revisa la matriu cada mes contra els leads que vendes va acceptar o rebutjar.
Enrutament intel·ligent: que cada lead arribi a la persona correcta, ja
Puntuar sense enrutar és quedar-se a mitges: el valor apareix quan el lead correcte arriba al comercial correcte en minuts. Hi ha quatre mètodes bàsics d’assignació:
Repartiment rotatori
Els leads s’assignen per torns al següent comercial disponible. Simple, equitatiu i fàcil d’auditar. Ideal per a equips petits i homogenis; no té en compte l’encaix lead–comercial.
Per geografia o idioma
Cada regió, país o idioma té el seu propietari. Imprescindible si vens en diversos mercats: el lead francès no hauria d’esperar que el reculli algú que no parla francès.
Per sector o producte
Els leads de banca van a l’especialista en banca; els de signatura digital, a qui domina aquest producte. Fa pujar la taxa de conversió a costa de més complexitat en les regles.
Per capacitat disponible
El workflow mira quants leads oberts té cada comercial i assigna al que té més capacitat. Evita que els millors venedors morin d’èxit mentre altres esperen.
A la pràctica, els equips madurs combinen mètodes en cascada: primer territori, després especialització dins del territori i round-robin equilibrat per càrrega com a desempat.
I la peça que gairebé tothom oblida: SLA i escalats automàtics. Assignar no garanteix actuar. Defineix en el mateix workflow:
- SLA de primer contacte per tram: per exemple, 15 minuts per a un MQL calent en horari laboral, 4 hores per a la resta.
- Recordatori automàtic al comercial quan consumeix la meitat de l’SLA sense registrar activitat.
- Reassignació o escalat al responsable si l’SLA venç: el lead torna al pool o puja al mànager, i queda registrat per què.
Implementació amb workflows low-code, pas a pas
Tot l’anterior es munta com un únic workflow visual a Dokuflex. La mateixa plataforma amb què CaixaBank gestiona 4,2 milions de contractes l’any, l’Hospital Sant Pau estalvia 12.000 hores anuals i Mutua Terrassa orquestra més de 250 processos serveix per a una cosa tan acotada com puntuar i assignar leads — i per això el procés escala quan el teu volum creixi. Els cinc passos:
- 1 · Captura. Un formulari web del mateix workflow (o el teu formulari actual connectat via integracions amb el CRM, el correu o webhooks) crea una instància de procés per cada lead, amb totes les seves dades normalitzades des del primer segon.
- 2 · Regles de puntuació. La matriu de scoring es trasllada a un node de regles de l’editor visual: condicions del tipus «si el càrrec conté "director" → +15». Canviar un criteri o un llindar és editar la regla, no obrir un tiquet a TI.
- 3 · Enriquiment i IA. Un pas d’IA classifica el text lliure del formulari («quin problema vols resoldre?»), dedueix sector i intenció i ajusta la puntuació. En els casos dubtosos, una tasca humana de revisió decideix abans de continuar: IA amb supervisió, no caixa negra.
- 4 · Assignació automàtica. Una passarel·la de decisió aplica l’enrutament en cascada (territori → especialització → càrrega) i assigna la tasca de primer contacte al comercial triat, amb l’SLA corrent des d’aquell instant.
- 5 · Notificació i seguiment. El comercial rep l’avís (correu, mòbil o la seva safata de tasques) amb el context complet: puntuació, senyals que l’han generada i següent acció suggerida. Si l’SLA venç sense activitat, l’escalat es dispara sol. Cada pas queda traçat per auditar i millorar el model.
Vols escurçar encara més l’arrencada? A la galeria de plantilles de Dokuflex hi ha processos comercials a punt per adaptar, i pots estimar l’estalvi d’hores del teu equip amb la calculadora de ROI.
Mirant cap al 2027: scoring continu recalculat per agents d’IA
El scoring per regles es calcula quan el lead entra i quan dispara un esdeveniment. El següent pas natural —i cap on apunta el mercat de cara al 2027— és el scoring continu: agents d’IA que viuen dins del workflow i recalculen la puntuació de tot el pipeline tan bon punt canvia qualsevol senyal.
- Reordenació permanent: el lead que avui és el número 40 de la cua puja al número 3 si la seva empresa anuncia una ronda de finançament o si torna a visitar la pàgina de preus.
- Detecció de refredament: l’agent avisa el comercial quan una oportunitat activa deixa de mostrar senyals, abans que es perdi en silenci.
- Calibratge suggerit: la IA proposa ajustos a la matriu («les descàrregues de comparatives prediuen la conversió millor del que les puntueu») i revenue ops decideix si els aplica.
La condició per arribar-hi és la mateixa que defensem en tota automatització amb IA: agents governats dins del procés, amb cada recàlcul traçat i amb una persona decidint en els punts sensibles. Si avui muntes el teu scoring sobre un workflow governat, afegir-hi la capa d’agents demà és una evolució, no una migració.
Les mètriques que diran si funciona
Activa el workflow i vigila tres mètriques des de la primera setmana. Totes tres surten soles del mateix procés, perquè cada pas queda registrat:
- Speed-to-lead: temps des que el lead entra fins al primer contacte real. És la mètrica que l’enrutament amb SLA ataca de manera directa: de dies a minuts. Mesura-la per tram de puntuació i per comercial.
- Taxa de contacte: percentatge de leads enrutats amb què s’aconsegueix parlar. Si el speed-to-lead baixa i la taxa de contacte no puja, revisa els canals de contacte o els horaris d’assignació.
- Conversió MQL→SQL: percentatge de leads qualificats per màrqueting que vendes accepta com a oportunitat real. És el termòmetre de la matriu: si vendes rebutja molts MQL, el llindar és baix o sobren punts en criteris febles.
Complementa-ho amb dos senyals de salut: el percentatge de leads reassignats per SLA vençut (si creix, hi ha un problema de capacitat, no de scoring) i la distribució de càrrega entre comercials (un repartiment molt desigual sol indicar regles de territori mal dimensionades). Revisa el conjunt un cop al mes a la reunió de màrqueting i vendes: la matriu és un organisme viu.
Preguntes freqüents
Què és el lead scoring i per a què serveix? +
El lead scoring és un sistema de puntuació que ordena els leads segons la seva probabilitat de compra, combinant dades de perfil (sector, mida, càrrec) amb el seu comportament (visites a la pàgina de preus, descàrregues, respostes a correus). Serveix perquè vendes dediqui el seu temps als leads amb més potencial i perquè màrqueting sàpiga quins leads necessiten més maduració abans de passar-los a l’equip comercial.
Quina diferència hi ha entre scoring demogràfic, de comportament i predictiu? +
El scoring demogràfic i firmogràfic puntua qui és el lead (càrrec, sector, mida d’empresa); el de comportament puntua què fa (pàgines visitades, descàrregues, correus oberts); i el predictiu fa servir IA per estimar la probabilitat de conversió a partir de l’històric d’operacions guanyades i perdudes. Tots tres són complementaris: el model més robust combina perfil i comportament, i hi afegeix IA quan hi ha prou històric de dades.
Quants punts necessita un lead per passar a vendes? +
No hi ha una xifra universal: el llindar es calibra amb el teu propi històric. Un punt de partida habitual és definir el MQL al voltant de 60 punts sobre 100, revisar cada mes quin percentatge dels leads enrutats accepta vendes i ajustar. Si vendes rebutja molts leads, el llindar és massa baix; si n’arriben molt pocs, és massa alt.
Quin mètode d’enrutament de leads és millor: round-robin, territori o especialització? +
Depèn de la mida i l’estructura de l’equip. El round-robin és ideal per a equips petits i homogenis; el territori funciona quan vens en diverses regions o idiomes; l’especialització convé si els teus productes o sectors exigeixen coneixement específic; i l’enrutament per càrrega de treball evita colls d’ampolla quan els volums són desiguals. A la pràctica, molts equips els combinen: territori primer, round-robin dins de cada territori i escalat automàtic si ningú actua dins de l’SLA.
Puc implementar lead scoring sense dependre de TI? +
Sí. Amb un BPM low-code com Dokuflex, l’equip de revenue ops dissenya el formulari, les regles de puntuació, l’enrutament i les notificacions des d’un editor visual, sense programar. TI només hi intervé, si de cas, per autoritzar les integracions amb el CRM o el correu. Els canvis de criteris o llindars s’apliquen en minuts editant la regla, no obrint un tiquet.
Quines mètriques he de vigilar després d’activar el scoring i l’enrutament? +
Tres mètriques principals: el speed-to-lead (temps des que el lead entra fins al primer contacte), la taxa de contacte (percentatge de leads amb què s’aconsegueix parlar) i la conversió de MQL a SQL (percentatge de leads qualificats per màrqueting que vendes accepta com a oportunitat real). Si totes tres milloren de manera sostinguda, el model està ben calibrat; si alguna s’estanca, revisa el llindar, els criteris de puntuació o els SLA d’enrutament.
Deixa de repartir leads a ull aquesta mateixa setmana
Reservem una sessió guiada de 60 minuts: portes la teva matriu de criteris (o la construïm junts) i en sortim amb un workflow de scoring i enrutament funcionant a Dokuflex, amb SLA, escalats i mètriques des del primer dia.