Lead scoring: qué es, ejemplo y cómo calibrarlo

El lead scoring asigna una puntuación a cada contacto para decidir a quién atender primero. Este ejemplo reparte 100 puntos entre encaje y actividad; sus umbrales son solo demostrativos, y cada empresa debe calibrarlos con sus propios leads ganados y perdidos.

En español se dice calificación o puntuación de leads. Una puntuación ordena la cola de trabajo, no predice el futuro: un 80 no significa un 80 % de probabilidad. Abajo tienes un modelo para copiar y adaptar, cómo comprobarlo con datos históricos, qué errores comete cualquier regla, cuándo tiene sentido uno predictivo y qué dice el RGPD sobre puntuar a personas.

¿Qué es el lead scoring?

Es un sistema de puntos que combina quién es un contacto y qué ha hecho, para saber a quién debe llamar ventas antes. Se usa cuando entran más contactos de los que el equipo puede atender bien.

Si recibes 5 contactos a la semana, no necesitas puntos: los lees y llamas a todos. Cuando recibes 200, alguien acaba decidiendo por intuición, y normalmente contesta al último que llegó. La puntuación sustituye esa decisión improvisada por una regla que se puede revisar y corregir.

El sistema combina dos ejes. El encaje dice si el contacto se parece a tu cliente ideal: sector, tamaño, cargo y zona. La actividad dice si muestra intención: pedir precio, ver una demo o responder a un correo. Hace falta mirar los dos, porque un estudiante muy activo y un gran cliente dormido dan puntuaciones engañosas si solo cuentas uno.

El lead scoring se coloca entre marketing y ventas, en la frontera del embudo de ventas. A los contactos que aún no llegan al umbral los atiende un programa de lead nurturing.

¿Qué es un lead cualificado? MQL y SQL

Un lead cualificado es un contacto que cumple los criterios acordados para el siguiente paso. Un MQL lo valida marketing por su encaje y su actividad, y un SQL lo valida ventas tras hablar con él.

Las siglas valen poco si cada departamento las entiende a su manera. Escribe qué significa cada una, quién la cambia y qué se hace después. En una pyme puedes prescindir de ellas y usar tres estados: «por revisar», «para llamar» y «seguir cultivando».

¿Qué datos se puntúan?

Se puntúan datos de encaje, de actividad y señales negativas. Conviene pocos criterios, cada uno con una razón clara, y usar datos que el contacto te ha dado o que proceden de su relación con tu empresa.

• Encaje: sector, número de empleados, cargo, zona de reparto y tipo de negocio.
• Actividad: petición de demo o presupuesto, visita a precios, respuesta a un correo o asistencia a un seminario.
• Negativos: correo genérico, baja de comunicaciones, competidor, estudiante o meses sin actividad.

Empieza con 6 a 10 criterios. Cada punto añadido es algo que hay que mantener, y un modelo con 40 reglas nadie lo entiende ni lo corrige. Evita datos sensibles, como salud, religión o ideología, y cualquier criterio que no puedas explicar a la persona puntuada.

Ejemplo de lead scoring con 100 puntos

Este modelo reparte 50 puntos al encaje y 50 a la actividad. Es una regla de demostración para una empresa B2B inventada, no un baremo universal: los pesos deben salir de tus datos y de lo que sabe tu equipo.

Tres contactos inventados pasan por esta regla:

El caso de Luis enseña la regla más importante. Quien pide una demo levanta la mano: debe ir a ventas aunque no llegue al umbral. La puntuación ayuda a ordenar a quien no ha pedido nada; no debe bloquear a quien sí lo ha hecho. También conviene marcar las exclusiones claras, como un competidor, en vez de puntuarlas.

¿Cómo se calibran los umbrales?

Compara la puntuación con el resultado real de tus leads ya cerrados y elige el corte que tu equipo pueda atender. Un umbral no es correcto ni incorrecto por sí mismo: reparte errores de dos tipos entre sí.

Supuestos inventados. Tomamos los 200 leads creados en un semestre y los seguimos 3 meses más, un plazo que en este ejemplo cubre todo el ciclo de venta. Al terminar, los 200 están cerrados: se ganaron 30 y se perdieron 170. Calculamos la puntuación que tenían antes de hablar con ventas, y los pesos se fijaron sin mirar estos resultados. Si en tu caso quedan leads abiertos, no los cuentes como perdidos.

Las bandas ascienden con orden, y esa es la primera prueba de que la regla tiene sentido. La tasa media es del 15 %, y la banda alta se queda en el 48 %, muy lejos de lo que sugiere un «80». Con solo 25 leads en esa banda, el dato tiene mucha incertidumbre: entre un 30 % y un 67 % con un intervalo de Wilson del 95 %.

Ahora prueba tres cortes:

Subir el umbral concentra el trabajo, pero deja escapar clientes. Bajarlo los recupera a cambio de llamar a más gente que no comprará. La elección depende de tu capacidad y de lo que vale un cliente: si ventas puede atender 80 de los leads que entran en ese semestre, el corte en 60 encaja, porque envía 70; si puede con 120, el de 40 recupera 6 ganados más. Valida cualquier corte con un periodo distinto del usado para diseñar la regla, porque los datos con los que ajustas siempre parecen mejores.

Revisa la calibración cada 6 meses o cuando cambien tu oferta, tus canales o tu tipo de cliente. Un cambio de producto puede dejar obsoleta una regla que funcionaba.

¿Qué errores tiene una puntuación y quién los corrige?

Toda puntuación comete falsos positivos, contactos enviados que no compran, y falsos negativos, buenos clientes que no llegan. La revisión humana corrige casos concretos, y el análisis periódico corrige la regla.

Estas son las revisiones mínimas que un equipo pequeño puede sostener:

• Revisión por muestra. Cada mes, un comercial revisa 10 leads por debajo del umbral. Si encuentra buenos candidatos, algo falla.
• Derecho a saltarse la regla. El comercial puede subir o descartar un lead, indicando el motivo.
• Motivos de rechazo. Si ventas devuelve un lead, anota por qué.
• Caducidad de la actividad. Un clic de hace 6 meses no indica intención hoy.
• Control de sesgos. Mira si la regla excluye a un tipo de cliente valioso solo porque antes no le vendías.

La puntuación nunca debe decidir sola algo que afecte de verdad a una persona. Para una cola de llamadas, el riesgo es bajo; para negar un servicio o un crédito, es otra historia, como verás en la sección legal.

¿Puntuación manual o predictiva?

Empieza con reglas manuales. La puntuación predictiva aprende de tus datos históricos, pero necesita volumen: Microsoft pide al menos 40 leads cualificados y 40 descalificados para entrenar su modelo en Dynamics 365 Sales.

Ese requisito de Microsoft es un mínimo técnico para poder crear el modelo, no una garantía de precisión, y el periodo de entrenamiento va de 3 meses a 2 años. La herramienta de HubSpot separa además puntuación de encaje y de actividad, y sus umbrales son configurables por cada cuenta: otra señal de que no existe un corte universal.

Si tus leads están mal etiquetados, un modelo aprenderá esos errores. Antes de pensar en inteligencia artificial, ordena los resultados de tus leads; IA para empresas explica qué datos hacen falta.

¿Qué dice el RGPD sobre puntuar a personas?

Una puntuación calculada de forma automatizada con datos de personas físicas, para evaluar sus intereses o su conducta, es elaboración de perfiles. Debes informar, tener base legal y respetar la oposición si se usa para mercadotecnia directa. Revísalo con tu asesor, porque cada tratamiento concreto es distinto.

• Perfil. El artículo 4.4 del RGPD llama elaboración de perfiles al tratamiento automatizado que evalúa aspectos personales, como intereses o comportamiento.
• Transparencia y base legal. Tu información de privacidad debe explicar esta finalidad, y necesitas una base del artículo 6.
• Oposición. El artículo 21.2 da derecho a oponerse en todo momento a la mercadotecnia directa, incluida la elaboración de perfiles relacionada con ella.
• Decisiones solo automatizadas. El artículo 22 protege frente a decisiones basadas únicamente en tratamiento automatizado con efectos jurídicos o similares.

La definición exige tratamiento automatizado. Una nota que un comercial pone a mano no encaja por sí sola en ella, aunque el RGPD sigue aplicándose a los datos que guardas. Si la nota la calcula un programa, que una persona la revise no la excluye necesariamente, según las directrices que citamos a continuación.

Ordenar una cola de llamadas no suele tener el efecto del artículo 22, pero la frontera depende del uso. Las directrices sobre perfiles del grupo de autoridades europeas señalan que en muchos casos típicos la publicidad dirigida no tiene un efecto significativo similar, y ponen como ejemplos de efecto significativo decisiones sobre crédito o empleo. Si la puntuación niega algo importante, añade intervención humana real.

Si puntúas datos de empresas, sin referencia a personas identificables, el RGPD no entra de la misma forma. Pero un nombre y un correo profesional sí son datos personales. Si un proveedor trata esos datos por tu cuenta, necesitas con él un contrato conforme al artículo 28, como explicamos en ERP vs CRM.

¿Cómo implantar un lead scoring en 7 pasos?

Empieza con pocos criterios y una hoja de cálculo. Estos 7 pasos sirven para una pyme que quiere ordenar su cola de contactos sin contratar nada todavía.

1. Recoge leads ya cerrados, ganados y perdidos. En este ejemplo proponemos empezar con unos 100 para tener algo que mirar.
2. Pregunta a ventas qué tenían en común los buenos.
3. Elige de 6 a 10 criterios de encaje, actividad y negativos.
4. Asigna pesos y calcula la puntuación que habría tenido cada lead.
5. Compara por bandas con la tabla de arriba.
6. Elige un umbral según la capacidad del equipo.
7. Prueba 3 meses con revisión mensual y ajusta.

Esos 100 son una sugerencia de partida para este ejemplo, no un mínimo estadístico. La muestra que necesitas depende de cuántos ganados y perdidos tengas, de cuántas bandas uses y de cuánta incertidumbre aceptes. Cuantos menos casos caen en una banda, más ancho es su intervalo, como viste con los 25 leads de la banda alta. Si tienes pocos, usa menos bandas, reconoce que la regla es una hipótesis y mira cada caso con calma.

¿Qué publica Neowes OS sobre lead scoring?

No hay una puntuación de leads publicada. Neowes Marketing publica niveles de clientes cada noche y un riesgo de abandono de 0 a 100, pero se aplica a clientes con historial de compra, no a contactos nuevos.

Si necesitas puntuar contactos, llévate esta guía a la demo y pregunta qué datos entran, quién puede corregir y cómo se explica cada puntuación. Consulta Neowes Marketing, los precios y tu presupuesto. Para comparar programas que sí la incluyan, usa mejores CRM.

Fuentes

Revisadas el 4 de noviembre de 2026. Los puntos, los umbrales y los 200 leads son inventados y solo demuestran el método; no son un baremo ni una probabilidad.

• Diario Oficial de la UE, copia del BOE: Reglamento (UE) 2016/679, RGPD, artículos 4.4, 6, 21, 22 y 28.
• AEPD: directrices sobre decisiones automatizadas y elaboración de perfiles, WP251 rev.01, en español.
• Microsoft: configurar la puntuación predictiva de clientes potenciales.
• HubSpot: herramienta de puntuación de leads.
• NIST: intervalos de confianza para proporciones, método de Wilson.