Un lead scoring sirve para decidir a qué lead atiende antes ventas, y un SLA sirve para que alguien lo haga de verdad y a tiempo. Si montas solo el primero, acabas con un número decorativo en el CRM. En este artículo te cuento cómo planteo las dos cosas juntas y cómo se traduce en HubSpot y en Salesforce.
Qué es un lead scoring útil (y qué no)
Un lead scoring es una puntuación que resume dos preguntas: ¿esta persona encaja con el cliente que buscamos? y ¿está mostrando interés ahora? Es útil cuando marketing y ventas se ponen de acuerdo en qué puntuación convierte a un contacto en MQL y qué se hace con él. No es útil cuando se construye en solitario en marketing, con puntos por abrir emails y sin contrastarlo nunca con las ventas cerradas.
Mi regla de partida: el scoring no predice el futuro, ordena la cola de trabajo. Si ventas no cambia su forma de priorizar por culpa de la puntuación, la puntuación sobra.
Separa encaje e interés
El error más común es sumar todo en un único número. Un estudiante que descarga cinco ebooks puede sacar más puntos que un director de operaciones que visita una vez la página de precios. Por eso prefiero dos puntuaciones:
- Encaje (fit): cargo, tamaño de empresa, sector, país. Cambia poco y se calcula con datos del contacto y de la empresa.
- Interés (engagement): visitas a precios, solicitud de demo, respuesta a emails, asistencia a eventos. Cambia rápido, así que conviene que caduque con el tiempo.
- Puntos negativos: dominios de correo gratuitos, bajas de suscripción, perfiles fuera de tu mercado.
Con dos ejes puedes decidir con más criterio: encaje alto e interés alto va a ventas hoy; encaje alto e interés bajo se nutre; encaje bajo e interés alto se revisa antes de gastar tiempo comercial.
Define el SLA por escrito
Un SLA entre marketing y ventas es un compromiso mutuo: marketing entrega leads que cumplen una definición acordada, y ventas los trabaja en un plazo concreto y registra el resultado. La velocidad importa. Un estudio de Harvard Business Review sobre más de 2.000 empresas, citado en este análisis de LeanData, encontró que contactar en la primera hora multiplicaba por siete las probabilidades de hablar con un decisor frente a esperar una hora más. Y en el benchmark de Blazeo que recoge el mismo artículo, las empresas con un SLA definido respondían en menos de 15 minutos el 54,9 % de las veces, frente al 29,5 % de las que no lo tenían.
Un punto de partida razonable, que luego ajustas con tus datos:
| Tipo de lead | Criterio | Plazo de contacto | Responsable |
|---|---|---|---|
| Solicitud de demo o contacto | Acción directa, cualquier puntuación | Dentro de la jornada, idealmente en minutos | Ventas |
| MQL con buen encaje | Encaje y interés por encima del umbral | 24 horas laborables | Ventas (SDR) |
| Interés alto, encaje dudoso | Interés alto, encaje bajo | Revisión en 48 horas | Marketing y ventas |
| Resto | Por debajo del umbral | Sin contacto comercial | Marketing (nurturing) |
Lo importante no son los números exactos, sino que estén escritos, que haya un dueño por fila y que el CRM registre qué pasó con cada lead (aceptado, rechazado con motivo, convertido).
Cómo se traduce en HubSpot
En HubSpot el scoring manual está en Marketing > Lead Scoring, donde puedes crear una puntuación de encaje con propiedades, otra de interés con eventos, restar puntos con criterios negativos y activar la caducidad de la puntuación. La disponibilidad depende de tu plan, así que compruébala antes de diseñar nada. El scoring predictivo, que aprende de tus contactos ganados, está limitado a las licencias más altas y, según esta guía, rinde mejor con unos 200 clientes cerrados y datos limpios. Si tienes pocos, un modelo manual bien pensado suele ser más fiable.
Para el SLA, un workflow que asigne el propietario, cree una tarea con fecha límite y avise si el lead sigue sin tocar al vencer el plazo es suficiente. Añade una propiedad con el motivo de rechazo para poder medirlo.
Cómo se traduce en Salesforce
Con Marketing Cloud Account Engagement (antes Pardot) ya tienes la separación hecha: la puntuación mide la actividad y el grado mide el encaje. Se pueden combinar en reglas de automatización para pasar un prospecto a ventas cuando ambos superan el umbral. Después, en el CRM, usa colas de leads con reglas de asignación, tareas con fecha límite y un informe de leads sin actividad pasado el plazo. El principio es el mismo que en HubSpot: asignar, dar plazo, avisar y medir.
Errores habituales
- Dar muchos puntos a acciones de poco valor, como abrir un email.
- No hacer caducar el interés, de modo que un lead de hace un año sigue pareciendo caliente.
- Construir el modelo sin ventas, y que luego nadie se fíe de él.
- Un SLA sin seguimiento: si nadie mira el informe, no es un SLA.
- No registrar los rechazos con motivo, y perder la información que mejora el modelo.
Revisión trimestral en cuatro pasos
- Saca los clientes ganados del último trimestre y mira qué puntuación tenían al convertirse en MQL.
- Compara la tasa de conversión por tramos de puntuación: si el tramo alto no convierte más que el medio, el modelo no ordena nada.
- Revisa el porcentaje de leads contactados dentro del plazo y los motivos de rechazo más frecuentes.
- Ajusta pesos y umbrales con ventas, y deja anotado qué cambias y por qué.
Preguntas frecuentes
¿Cuántos puntos debe tener un MQL?
No hay un número universal. Se fija mirando qué puntuación tenían los leads que acabaron comprando y se ajusta con ventas hasta que la cola de MQL sea trabajable.
¿Scoring manual o predictivo?
Empieza por el manual: te obliga a definir tu cliente ideal y es fácil de explicar a ventas. El predictivo tiene sentido cuando tienes volumen de clientes y datos fiables.
¿Qué SLA de respuesta es razonable?
Para acciones directas como pedir una demo, cuanto antes mejor, en minutos si es posible. Para el resto de MQL, un día laborable suele ser realista; lo importante es cumplirlo y medirlo.
Si tú ya tienes montado algo parecido en tu equipo, me encantará leer cómo lo haces en los comentarios o a través de la página de contacto.
