Rémi Kokabi27 de noviembre de 202510 min de lecturaActualizado: 7 oct 2026

¿Qué es el lead scoring? El modelo del 77% de ROI (+ plantilla gratis de scoring)

Las empresas que califican sus leads ven un aumento del 77% en el ROI de generación de leads en comparación con las que no lo hacen, según MarketingSherpa. Ese dato se repite por todos lados sin citar la fuente, así que ahí la tienes. Y esta es la parte que nadie menciona: la mayoría de los equipos que lo citan no tienen un modelo de scoring en el que sus representantes confíen de verdad. Tienen una hoja de cálculo que nadie abre.

He visto que eso pase más de una vez. Se construye un modelo en el Q1, el equipo de ventas lo ignora en el Q2, y todos vuelven a trabajar con el lead que respondió más recientemente.

En esta guía te muestro cómo construir un modelo de lead scoring en el que todo tu equipo confíe, cómo medir si realmente se está pagando solo, y en qué punto puedes dejarle el trabajo aburrido a la automatización.

¿Qué es el lead scoring?

El lead scoring consiste en asignar puntuaciones numéricas a tus leads para priorizarlos.

Cuando priorizas leads correctamente, puedes diseñar una estrategia personalizada para cada nivel. También identificas qué leads necesitan más nurturing y cuáles te consumirían tanto tiempo que probablemente nunca conviertan.

Esto importa porque el tiempo de prospección es caro. Salesforce reporta que en una semana promedio, los representantes dedican un 9% de su tiempo a investigar prospectos, un 8% a prospectar y un 8% a priorizar leads y oportunidades. Un cuarto de la semana se esfuma antes de que ocurra una sola conversación real. Un modelo de scoring que funcione te devuelve ese tiempo.

Con las estrategias correctas y la capacidad de predecir resultados (hasta cierto punto), tu equipo se vuelve más eficiente y las tasas de conversión suben.

Hay varios sistemas de calificación que puedes usar junto con el scoring.

  • Calificación de leads: otra metodología para priorizar tus leads, pero sin valores numéricos. Es más subjetiva y funciona mejor combinada con el lead scoring.

  • Lead grading: esta metodología prioriza los leads según datos demográficos. En tu ICP defines tu buyer persona, más información a nivel de empresa y de lead para calificar correctamente. El lead grading usa letras en lugar de números.

Datos explícitos vs. implícitos

Antes de asignar un solo punto, divide tus datos en dos categorías. Como lo explica Wikipedia, los modelos de lead scoring incorporan datos tanto explícitos como implícitos: los datos explícitos son proporcionados por o sobre el prospecto, mientras que las puntuaciones implícitas se derivan del monitoreo del comportamiento del prospecto.

Los datos explícitos son lo que aparece en la tarjeta de presentación. Cargo, tamaño de empresa, industria, país, stack tecnológico. Te dicen si el lead encaja.

Los datos implícitos son comportamiento. Aperturas de email, solicitudes de demo, visitas a la página de precios, comentarios en LinkedIn. Te dicen si el lead está interesado.

Encaje sin interés te da un prospecto perfecto que te va a ghostear. Interés sin encaje te da un estudiante entusiasta que nunca va a tener presupuesto. Necesitas ambas columnas en el modelo, y por eso existe el scoring multidimensional.

Tipos de lead scoring

Lead scoring unidimensional

El lead scoring unidimensional sigue un sistema simple donde clasificas leads con una puntuación numérica del 1 al 100.

  • Scoring retrospectivo

Con cada acción que el lead realiza (abrir un email, comentar en publicaciones de LinkedIn, solicitar una demo), recibe una puntuación. Esa puntuación cambia según lo que haga después.

  • Scoring predictivo

Aquí entra en juego el análisis de comportamiento. Según cómo se ha comportado el lead anteriormente, le asignas una puntuación que predice sus acciones futuras y si cumplirá con los objetivos y criterios de tu empresa.

Ningún sistema es perfecto, sobre todo cuando manejas grandes volúmenes de datos que no siempre se pueden reducir a un número por su complejidad y subjetividad.

Por eso muchos profesionales consideran que una puntuación unidimensional es insuficiente e imprecisa. Estoy de acuerdo, con una salvedad: si estás calificando tus primeros 200 leads y no tienes historial de datos, un modelo simple del 1 al 100 es mejor que ningún modelo. Empieza ahí y después mejóralo.

Lead scoring multidimensional

El lead scoring multidimensional es más avanzado. Se basa en múltiples factores o dimensiones, así que te da una evaluación mucho más completa.

Las dimensiones pueden incluir:

  • Factores demográficos, como edad, cargo, industria, ubicación o tamaño de empresa.

  • Interacción con tu empresa. Visitas al sitio web, descargas o tiempo en tu página. Pasar mucho tiempo en la página de precios podría indicar que tu lead está considerando seriamente una compra.

  • Engagement con tu marca, tanto en redes sociales como por email.

  • Conocimiento previo de tu producto o servicio.

  • El stack tecnológico que usa la empresa del lead.

  • Intención de compra u otras señales de que tu lead está buscando tu solución.

  • Posición en el embudo de ventas.

Cuando calificas cada lead, también necesitas decidir la prioridad de las distintas dimensiones. El engagement de un lead (comportamiento) puede pesar más que su encaje demográfico en algunos casos.

La puntuación total del lead es la combinación de todas las dimensiones, expresada como un valor general.

Este método te da una visión más completa del valor potencial de un lead.

Scoring de cuentas

Calificar individuos funciona hasta que le vendes a comités. En la mayoría de las ventas B2B, cinco o seis personas participan en la decisión, y ninguna por sí sola genera suficiente señal.

El scoring de cuentas agrupa las puntuaciones individuales a nivel de empresa. Un analista descargando un whitepaper es ruido. Un analista descargando un whitepaper, un VP visitando la página de precios y un responsable de compras abriendo tres emails en la misma semana es una cuenta en el mercado.

Si haces ABM, esta es la puntuación con la que tu equipo debería trabajar. Las puntuaciones individuales te dicen a quién contactar dentro de la cuenta caliente, y la puntuación de cuenta te dice qué cuentas merecen una estrategia multicanal en primer lugar.

Degradación de puntuación

Las puntuaciones se pudren. Un lead que pidió una demo en marzo y desapareció desde entonces no es el mismo que uno que pidió una demo ayer, pero la mayoría de los modelos los tratan igual.

La degradación de puntuación corrige eso restando puntos a medida que las señales de comportamiento envejecen. Una versión simple: los puntos por comportamiento pierden el 25% de su valor cada 30 días de inactividad, mientras que los puntos explícitos (cargo, tamaño de empresa) se mantienen fijos, porque un CEO sigue siendo CEO el próximo trimestre.

Sin degradación, tu lista de puntuaciones altas se llena de registros obsoletos y tus representantes dejan de confiar en el modelo. He visto que eso acabe con más programas de scoring que una mala ponderación de puntos.

Cómo construir un modelo de lead scoring

1. Define tu ICP

Antes de empezar, necesitas saber exactamente qué buscas en un lead y qué hace que uno sea perfecto.

Con el generador gratuito de buyer persona de lemlist, puedes construir tu ICP en segundos.

Siguiendo el buyer persona que generaste, tu lead scoring se mantiene consistente y preciso durante todo el proceso y en todo el equipo.

2. Define los factores relevantes

Ya sea que uses scoring unidimensional o multidimensional, necesitas saber qué factores importan para tu equipo y tu producto.

Al considerar solo los factores más relevantes, mantienes tus leads lo más segmentados posible.

3. Asigna una puntuación a tus leads

Una vez que sepas qué factores importan, decide qué tan importante es cada uno asignándole un valor numérico.

Puedes decidir que un director de ventas vale +20 puntos, mientras que un contacto de marketing vale +5, ya que generalmente no es el decisor de la compra.

También puedes asignar un valor por cada interacción con tu contenido. Una visita al perfil podría ser +1 punto, mientras que un comentario y un repost podrían ser +10 puntos por publicación.

Cuando asignes valor, no te olvides de las puntuaciones negativas.

No todo cuenta como positivo. Algunas acciones deberían bajar la puntuación de un lead.

Desuscribirse de tus newsletters, interactuar públicamente con tus competidores o tener un cargo irrelevante, por ejemplo.

Así podría verse la puntuación de un lead:

Factores del lead

Puntuación

Cargo: CEO

+20

Tamaño de empresa: +500 empleados

+15

Visita al sitio web (múltiples páginas)

+5

Comentó en publicaciones de LinkedIn (pidió recursos)

+10

Vio la demo del producto

+10

Se desuscribió de los emails

-10

4. Define acciones para cada lead

Para saber qué dirección tomar con tus leads, establece parámetros en torno a las puntuaciones:

  • Los leads con 80 puntos o más se consideran SQL y se pasan al equipo de ventas.

  • Los leads con puntuación entre 50 y 80 se consideran MQL y pueden necesitar más nurturing.

  • Los leads con puntuación menor a 50 no son elegibles ni deseables.

Esto te indica qué enfoque tomar con cada lead y te permite verlos avanzar por el embudo de ventas.

5. Mide el ROI de tu modelo

Este es el paso que la mayoría de los equipos se salta, y es el que decide si tu modelo sobrevive su primer trimestre.

Antes de activar el modelo, anota tres números de referencia de los últimos 90 días:

  • Tu tasa de conversión de SQL a oportunidad.

  • Tu tiempo promedio de cierre.

  • La cantidad de leads que cada representante trabajó por semana.

Después, ejecuta el modelo durante un ciclo de ventas completo y mide los mismos tres números otra vez.

Si la conversión de SQL a oportunidad sube, tus umbrales están bien definidos y los representantes están trabajando mejores leads. Si el tiempo de cierre baja, tu scoring está captando prospectos más temprano en su ventana de compra. Si los representantes trabajan menos leads pero cierran los mismos ingresos, recuperaste horas de venta, que es de donde viene realmente el aumento del 77% que reportó MarketingSherpa.

Si ninguno de esos tres se mueve, no culpes al concepto. Vuelve al paso 3 y revisa tus ponderaciones. Generalmente una dimensión está cargando demasiados puntos.

Repite esta medición cada trimestre. El comportamiento de compra cambia, y un modelo que nunca revisas se convierte en un modelo en el que nadie confía.

Lead scoring con lemlist

Calificar leads a mano consume tiempo y genera discusiones, por eso una herramienta que organice todo por ti se paga rápido. lemlist tiene una calificación de 4,6/5 en G2 con más de 2.000 reseñas.

Las AI Variables de lemlist te permiten ejecutar un solo prompt en todos tus leads. La misma idea que un prompt de ChatGPT, pero manipulando los datos de tus leads directamente.

Te ahorra horas de estar pegando leads en ChatGPT uno por uno.

Un ejemplo: calificar leads según su cargo.

Paso 1: Importa leads desde la base de datos de más de 600 millones de leads de lemlist (o desde un CSV, siempre que incluya los cargos).

Paso 2: Ve a la lista de leads de tu campaña, haz clic en "Enhance leads" y luego en AI Variable.

Paso 3: Nombra la AI Variable "Lead score".

Paso 4: Usa este prompt: "Please score the lead based on their {{jobTitle}}. Use a scoring system of 1-3, with 1 being the position with the most authority and 3 with the least authority."

Ahora verás una puntuación para cada lead en la columna "lead score" de la lista de leads de tu campaña.

Esa es una dimensión resuelta. Las posibilidades están limitadas principalmente por tu imaginación, así que prueba prompts con un solo lead primero para ver qué puedes sacarle.

Califica automáticamente la dimensión de intención de compra

El cargo es un dato explícito. Te dice encaje, no timing. Para el timing necesitas comportamiento que ocurre fuera de tu propio sitio web, y ahí es donde la mayoría de los modelos manuales se desmoronan, porque nadie tiene tiempo de revisar 500 empresas buscando cambios de contratación o noticias de financiamiento.

Los agentes de señales de intención monitorean eventos de alta intención y los muestran en una lista de seguimiento en tiempo real. En lugar de que un representante sume manualmente +10 puntos cuando un prospecto levanta una ronda o abre una nueva oficina, la señal aparece frente a ti en el momento, y disparas la secuencia mientras la ventana está abierta.

Esa es tu dimensión de intención de compra, alimentada de forma continua en lugar de una vez por trimestre.

Llena automáticamente las dimensiones firmográficas y tecnográficas

Tamaño de empresa, etapa de financiamiento, stack tecnológico. Todo modelo multidimensional quiere estas columnas, y todo responsable de operaciones ha pasado un fin de semana llenándolas a mano.

El enriquecimiento con agentes de IA extrae contexto del lead desde sitios web, LinkedIn y sistemas CRM, para que los campos firmográficos y tecnográficos lleguen ya completados. Tus reglas de scoring leen directamente de esos campos.

Junta los tres y el modelo deja de ser una hoja de cálculo que mantienes a mano. El enriquecimiento llena las columnas de encaje, las señales de intención llenan las columnas de timing, y las AI Variables aplican la lógica de scoring en toda la lista.

Conclusión

Para mantener tu proceso de lead scoring organizado, sigue este checklist:

✅ Decide tu tipo de lead scoring

✅ Asegúrate de que tu ICP esté claro

✅ Configura los parámetros y factores

✅ Mide la conversión de SQL a oportunidad antes y después

✅ Toma acción con tus leads

Esa última línea es donde mueren la mayoría de los proyectos de scoring. Un modelo perfectamente ponderado sin nadie lanzando campañas a partir de él es solo una lista muy organizada de personas que nunca contactaste. lemAgent cierra esa brecha construyendo la campaña para tus leads calificados de forma automática, para que las cuentas con mayor puntuación reciban una secuencia multicanal en lugar de un lugar en un dashboard.

Califícalos, ponlos en una secuencia y después construye un sistema de nurturing para todos los que aún no están listos. Ese es el ciclo completo.

Comienza una prueba gratis de 14 días y mete tu primera lista calificada en una campaña esta semana.

Encuentra datos sobre tus leads

Descubre prospectos y enriquece sus datos para lanzar campañas segmentadas.

Rémi Kokabi

Rémi Kokabi

Co-founder @GTM Club

Compartir