Lead scoring: 900 leads al mes y nadie sabía cuáles había que llamar primero
Caso real · Promotora inmobiliaria con el volumen de leads inmobiliarios creciendo y las operaciones planas
El lead scoring permite ordenar la cola comercial según el valor esperado de cada oportunidad, en lugar de por orden de llegada. No hace falta empezar prediciendo quién va a comprar. Primero hay que saber qué hace que un lead sea valioso y comprobarlo contra las ventas reales. Suena a refinamiento y no lo es: cuando una cola no tiene criterio de priorización, no se queda sin priorizar — se prioriza sola, y lo hace por facilidad. El resultado sistemático es que las oportunidades más valiosas, que suelen ser también las más exigentes, esperan más.
Aquí esperaban 40 horas. El 55% ya no respondía cuando por fin se les llamaba.
El punto de partida: dos departamentos con razón a medias
«Mis comerciales dicen que los leads que manda marketing no valen; marketing dice que ventas no los trabaja. Nadie sabe quién tiene razón.»
Probablemente la discusión más antigua entre dos departamentos, y tiene un rasgo que la hace especialmente difícil de resolver: las dos partes tienen datos que respaldan su versión y ninguna tiene datos que respalden la del otro.
Una promotora inmobiliaria que recibía 900 solicitudes al mes. Todas entraban en la misma cola y se repartían por orden de llegada.
Los comerciales, razonablemente, atendían primero lo que tenían más a mano: la solicitud que aparecía arriba, la de la promoción que mejor conocían, la que llegaba con el teléfono ya escrito correctamente. Nadie trabajaba mal. Cada uno aplicaba su propio criterio, y el criterio propio tiende a priorizar lo que resulta más accesible o rápido de trabajar.
Al medirlo:
| Cola sin priorizar | |
| Espera media de las solicitudes de mayor presupuesto con visita pedida | 40 horas |
| De ellas, ya no respondían al llamar | 55% |
| Espera media del resto de la cola | 11 horas |
El segmento con más valor por operación y con la intención más explícita —había pedido ver la vivienda— era el peor atendido. No por decisión de nadie. Porque nada en el sistema indicaba que fuera distinto de los demás.
Mientras tanto, marketing hacía lo único que su panel le pedía: optimizar para bajar el coste por lead. Y lo conseguía. El volumen crecía mes a mes, el coste unitario bajaba, el informe mejoraba.
El número de operaciones se mantenía plano.
Un departamento optimizando volumen, otro trabajando la cola por proximidad, y un negocio que no crecía mientras ambos cumplían sus objetivos.
Lo que descartamos
No empezamos por machine learning. Empezamos por entender qué funciona, establecer una línea base y demostrar que la priorización mejora el resultado. Si después el volumen y la complejidad lo justifican, el modelo predictivo puede ser el siguiente paso.
Y hay algo peor. Si el histórico de cierres está condicionado por quién recibió atención y quién no, el modelo aprende también ese patrón de actuación comercial. Puede interpretar como menor propensión a comprar lo que en realidad fue una menor probabilidad de ser contactado.
Primero se arregla la cola. Después, si el criterio simple se queda corto, se plantea un modelo. En ese orden.
Una plataforma de lead management enterprise. Priorizar 900 registros mensuales no requiere una suite con licencia de cinco cifras. Requiere unos campos bien definidos, una fórmula de puntuación y una vista ordenada en el CRM que ya tenían.
Decir quién tenía razón. Era lo que ambos departamentos esperaban de un tercero: un árbitro. Habría sido cómodo y habría enemistado con el proyecto a la mitad de la sala. La respuesta honesta es que los dos tenían razón en parte, y que la discusión era irresoluble porque faltaba el dato que la habría zanjado.
Cómo hacer un lead scoring que el equipo comercial use
1. Definir la calidad del lead con ventas, no para ventas
Sesión conjunta con marketing y con los comerciales para responder a algo que nunca se había puesto por escrito: qué hace que una solicitud sea buena.
Salieron tres dimensiones:
- Encaje. ¿Lo que busca coincide con lo que tenemos? Tipología, habitaciones, zona, plazo de entrega.
- Intención. ¿Qué ha hecho? Pedir una visita no es lo mismo que descargar un folleto. Ver tres veces la misma promoción no es lo mismo que entrar una vez.
- Capacidad. ¿El presupuesto declarado encaja con el producto que solicita? La dimensión más delicada y la que más discriminaba en este sector.
Que los criterios los definan los comerciales tiene un efecto que va más allá de lo técnico: el sistema resultante es suyo. Un scoring impuesto desde marketing se ignora en tres semanas. Uno que sale de las tres cosas que ellos mismos dijeron que miran, se usa.
2. Contrastar las intuiciones contra el histórico de cierres
Con las dimensiones acordadas, fuimos al CRM a ver cuáles de esos criterios predecían de verdad un cierre.
Algunas intuiciones se confirmaron: la solicitud de visita era, con diferencia, la señal más potente — multiplicaba por 3,4 la probabilidad de operación. Otras no: un criterio que los comerciales daban por bueno resultó no tener relación alguna con el cierre y se retiró de la fórmula. Y apareció una señal que nadie había mencionado, la franja horaria de la solicitud, con correlación clara.
La fórmula resultante es deliberadamente simple: cinco factores, pesos redondos, calculable a mano si hace falta. Un comercial puede mirar una solicitud y entender por qué tiene la puntuación que tiene. Esa transparencia es lo que sostiene la adopción, y es la razón principal para no empezar por un modelo predictivo.
3. Priorizar la cola y comprometer un tiempo de respuesta
La cola dejó de ordenarse por hora de llegada y pasó a ordenarse por puntuación. Los tramos altos, los leads calientes, generan aviso inmediato al comercial asignado; los bajos entran en un circuito de menor prioridad, con contacto por medios menos costosos.
Y una regla operativa: los leads del tramo alto tienen un tiempo máximo de respuesta comprometido. Dos horas en horario laborable, en este caso.
Ese compromiso lo asumió ventas, no marketing. Precisamente porque los criterios los habían definido ellos, no había forma razonable de rechazarlo.
4. Medir la cadena completa por tramo
Este es el paso que resolvió la discusión original de forma definitiva.
Seguimiento continuo de cuatro indicadores desglosados por tramo de score: tasa de contacto, tiempo hasta el primer intento, conversión a visita y conversión a operación.
Con esa tabla, la conversación entre marketing y ventas cambia de naturaleza. Ya no es «tus leads son malos» contra «no los trabajáis». Es una tabla donde se ve, para cada tramo, cuántos entran, cuántos se contactan y cuántos cierran:
- Si un tramo alto tiene mala tasa de contacto → problema de ventas, y se ve.
- Si un tramo alto se contacta bien y aun así no cierra → problema de calidad, y también se ve.
Cada departamento responde de un indicador y ninguno puede culpar al otro sin que el dato lo desmienta.
El cambio que nadie quería hacer
La consecuencia lógica de todo lo anterior, y la más difícil de aceptar internamente: El CPL dejó de ser el KPI principal para valorar la calidad de la captación.
Pasó a complementarse con el coste por lead cualificado, la conversión a oportunidad y, finalmente, el coste por operación.
El efecto sobre las campañas fue inmediato: varias que producían mucho volumen barato de tramo bajo dejaron de tener sentido, y el presupuesto se movió hacia palancas más caras por lead y mucho más productivas en tramos altos.
Ningún proyecto de lead scoring sobrevive sin este paso. Si marketing sigue midiéndose por volumen y coste unitario, seguirá comprando exactamente los leads que el scoring va a colocar al final de la cola. El sistema funcionará y el negocio no mejorará.
Resultado
El tiempo de respuesta a los leads de mayor valor pasó de 40 horas a menos de 2 en el 90% de los casos.
La tasa de no respuesta de ese segmento cayó del 55% al 17%.
Las operaciones cerradas crecieron un 41% con el mismo volumen de solicitudes y sin ampliar el equipo comercial. Todo el crecimiento vino de atender mejor lo que ya entraba.
El volumen total de leads bajó un 12% al reorientar campañas hacia calidad. El coste por lead subió un 28%. El coste por operación bajó un 34%, que es el número que importa.
La discusión entre marketing y ventas desapareció. No porque se resolviera a favor de nadie, sino porque dejó de ser una discusión de opiniones: hay una tabla, la mira todo el mundo, y cada uno responde de su tramo.
Por qué lo hacemos así
Una cola sin criterio de priorización se prioriza sola, por facilidad. Es un mecanismo casi físico y no depende de la calidad del equipo comercial: ante una lista sin orden, cualquiera atiende primero lo más accesible. Las oportunidades más valiosas —que suelen ser también las más exigentes, las que requieren preparación, las de mayor importe— esperan más.
Y ese efecto es invisible en los informes habituales. Marketing ve volumen creciente y coste unitario decreciente. Ventas ve una cola siempre llena. Nadie ve que el 55% del segmento más valioso se pierde por el camino, porque nadie mira la cadena desglosada por valor.
Arreglarlo no necesita inteligencia artificial ni una plataforma nueva. Necesita tres cosas: que ventas diga qué hace bueno a un lead, comprobar contra el histórico cuáles de esos criterios predicen de verdad, y ordenar la cola con esa fórmula.
Y una cuarta, que casi nunca se hace: medir la cadena completa por tramo. Es lo que convierte una discusión entre departamentos en una tabla que ambos aceptan.
Dónde no aplica: por debajo de unas 100 solicitudes mensuales, o cuando el equipo comercial puede atenderlas todas en el mismo día, la priorización no aporta gran cosa — no hay cola que ordenar. Y si el problema real es que el producto no encaja con lo que la captación promete, ningún scoring lo arregla: se limitará a ordenar mejor una cola de gente que no va a comprar.
Preguntas frecuentes
¿Qué es el lead scoring y para qué sirve?
Es un sistema que asigna una puntuación a cada solicitud según los factores que se han demostrado asociados a un mayor valor comercial y utiliza esa puntuación para priorizar la atención. Su función principal no es descartar leads, sino decidir el orden y la intensidad de atención de cada uno. Sin él, la cola se ordena por facilidad de contacto, que casi nunca coincide con el valor esperado.
¿Qué criterios se usan para puntuar un lead?
Tres dimensiones cubren la mayoría de casos: encaje (si lo que busca coincide con lo que se vende), intención (qué acciones ha realizado, siendo la solicitud de visita o demo la señal más potente en la mayoría de sectores) y capacidad (si el presupuesto declarado corresponde al producto solicitado). Los criterios concretos deben definirlos los comerciales y validarse contra el histórico de cierres.
¿Hace falta machine learning para hacer lead scoring?
No para empezar, y con frecuencia es contraproducente. Un modelo entrenado sobre un histórico en el que los mejores leads nunca fueron contactados aprende el sesgo existente y concluye que ese segmento cierra mal. Conviene empezar con una fórmula simple y transparente, medir la mejora, y considerar un modelo de lead scoring predictivo solo cuando ese criterio se quede corto.
¿Cuánto importa el tiempo de respuesta a un lead?
Mucho, y de forma no lineal: la probabilidad de contactar con éxito cae abruptamente en las primeras horas y sigue cayendo después. En este caso, las solicitudes de mayor valor que esperaban 40 horas registraban un 55% de no respuesta; al bajar a menos de dos horas, esa cifra se redujo al 17%. Comprometer un tiempo máximo por tramo es una de las medidas de mayor efecto inmediato.
¿Cómo se mide si un sistema de lead scoring funciona?
Siguiendo la cadena completa desglosada por tramo de puntuación: tasa de contacto, tiempo hasta el primer intento, conversión a visita o reunión y conversión a venta. Si un tramo alto tiene mala tasa de contacto, el problema es de atención comercial; si se contacta bien y no cierra, es de calidad del lead. Esa tabla permite comprobar que la priorización mejora el resultado y que cada área responda de su indicador.
¿Debe marketing medirse por coste por lead?
Es una métrica que premia el volumen barato y puede empeorar el negocio mientras mejora el informe. La alternativa es medir el coste por lead cualificado —del tramo alto de puntuación— o directamente el coste por operación. Es menos favorecedora y bastante más difícil de mejorar, pero es la que alinea la captación con el resultado comercial.
¿En qué orden atiende tu equipo comercial los leads de esta mañana? Si la respuesta es «por orden de llegada» o «depende del comercial», ahí puede haber oportunidades de venta que se están perdiendo antes de que ningún informe llegue a detectarlo. Cuéntanos cuántas solicitudes recibís y cómo se reparten, y en la primera conversación sabremos qué margen hay.
Otros casos de uso
Otros proyectos donde resolvimos el mismo tipo de problema.