Puntos clave
- El lead scoring combina perfil (quién es) e interés (qué ha hecho); HubSpot los cruza en una matriz que va de A1 a C3.
- Para crear un puntaje con IA, HubSpot pide al menos 50 contactos: 25 convertidos y 25 no convertidos.
- El puntaje predictivo de HubSpot estima la probabilidad de que un contacto se vuelva cliente en los próximos 90 días.
- WhatsApp permite automatizar respuestas en la ventana de 24 horas si ofreces vías de escalamiento rápidas y claras, como pasar el chat a una persona.
- El artículo 20 de la LOPDP permite pedir explicación e impugnar decisiones basadas en valoraciones automatizadas.
¿Qué es calificar leads?
Un lead es una persona o empresa que mostró interés: llenó un formulario, escribió por WhatsApp o dejó su tarjeta en una feria. Calificarlo es decidir si merece el tiempo de un vendedor ahora, más adelante o nunca. Sin ese filtro, el equipo reparte su día por igual entre curiosos y compradores, y los mejores leads esperan.
En los equipos comerciales se usan dos etiquetas. Un MQL (lead calificado por marketing) mostró interés suficiente para darle seguimiento. Un SQL (lead calificado para ventas) ya cumple los criterios para que un vendedor lo atienda: tiene una necesidad concreta, un plazo y alguien que decide.
La velocidad es parte de la calificación. En el estudio publicado por Harvard Business Review, calificar un lead significaba lograr una conversación real con quien decide la compra, y las empresas que intentaron contactar dentro de la primera hora tuvieron casi siete veces más probabilidad de lograrlo que las que lo intentaron una hora después. El detalle está en tiempo de respuesta a leads.
¿Con qué criterios se califica un lead?
No existe un criterio universal; existen marcos que ayudan a ordenar las preguntas:
| Marco | Qué pregunta | Cuándo sirve | Cuidado con |
|---|---|---|---|
| BANT | Presupuesto (budget), autoridad, necesidad y plazo (timeline) | Ventas simples y de ciclo corto | Descartar a quien aún no tiene presupuesto aprobado |
| CHAMP | Retos (challenges), autoridad, dinero y prioridad | Cuando el problema del cliente pesa más que el precio | Conversaciones largas antes de dar valor |
| MEDDIC | Métricas, comprador económico, criterios y proceso de decisión, dolor y un aliado interno (champion) | Ventas complejas con varios decisores | Exceso de preguntas para leads pequeños |
| Criterios propios | Las cuatro a seis preguntas que tus mejores vendedores ya hacen | Casi siempre, como punto de partida | No escribirlos y que cada vendedor califique distinto |
Ejemplo hipotético. Una distribuidora de insumos industriales en Guayaquil define cinco preguntas: para qué empresa compra (con su RUC), qué necesita y en qué cantidad, para cuándo, quién aprueba la compra y en qué ciudad se entrega. Un lead es SQL si es una empresa, el pedido supera el mínimo de despacho y la compra es en los próximos 60 días. Si solo pide precios para comparar, recibe la cotización y un seguimiento programado, sin ocupar al vendedor.
¿Qué es el lead scoring?
El lead scoring es un puntaje que ordena a los leads por probabilidad de compra. Se construye con dos medidas. HubSpot las describe así: el puntaje de interés califica según las acciones e interacciones de la persona, y el de perfil, según sus datos demográficos registrados en el CRM (HubSpot). Su versión combinada usa nueve etiquetas, de A1 a C3: la letra indica el perfil (A es el mejor) y el número, el interés (1 es el más alto). Un C1, por ejemplo, encaja poco con tu cliente ideal pero está muy activo.
Un puntaje por reglas puede verse así:
| Señal (ejemplo hipotético) | Puntos |
|---|---|
| Empresa de la industria objetivo | +20 |
| Cargo con poder de decisión | +15 |
| Pidió una cotización con cantidades | +20 |
| Respondió el primer mensaje en menos de 24 horas | +10 |
| Ciudad donde no hay cobertura de despacho | −25 |
| Correo personal y sin nombre de empresa | −10 |
| Umbral para pasar a ventas | 50 |
La otra opción es el puntaje predictivo, que aprende de tus ventas pasadas. En HubSpot, la propiedad «probabilidad de cierre» estima el porcentaje de posibilidad de que un contacto se vuelva cliente en los próximos 90 días, y la «prioridad del contacto» reparte a los contactos en cuatro niveles de 25 % cada uno; requiere Marketing Hub o Sales Hub Enterprise (HubSpot). La propia documentación dice que usa aprendizaje automático de «caja negra» para sus predicciones; si necesitas explicar cada puntaje a tu equipo, combínalo con reglas visibles. Para crear puntajes con IA en su herramienta de scoring, HubSpot exige Marketing Hub Enterprise y al menos 50 contactos, 25 convertidos y 25 no convertidos (HubSpot).
¿Cómo califica leads un agente de IA?
Un agente de IA no reemplaza al vendedor; hace el primer tramo: responder, preguntar y ordenar. El flujo típico tiene seis pasos:
- Responde al instante en el canal donde llegó el lead: WhatsApp, formulario web o correo.
- Pregunta lo que falta en conversación natural, sin un formulario de quince campos.
- Revisa el CRM: si ya es cliente, si tiene saldos vencidos o si otro vendedor ya lo atiende.
- Calcula el puntaje con tus reglas y deja escrita la razón en la ficha del lead.
- Asigna y agenda: escoge al vendedor según zona, línea de producto o carga de trabajo, y reserva la cita en su calendario.
- Programa el seguimiento de los que no califican hoy y deriva de inmediato a una persona a quien lo pida.
En WhatsApp, esa salida es obligatoria: su política permite usar automatización para responder dentro de la ventana de 24 horas, pero exige tener disponibles vías de escalamiento rápidas, claras y directas, como pasar el chat a una persona, un teléfono o un correo de soporte (WhatsApp). La misma política solo permite escribirle a alguien que te dio su número (o su nombre de usuario) y aceptó recibir tus mensajes. Para conectar todo esto con tu sistema comercial, revisa CRM con inteligencia artificial y WhatsApp y agente de IA para WhatsApp.
En Advise, el copiloto comercial califica leads en minutos, agenda citas y mantiene el CRM al día; su indicador es el tiempo de respuesta a cada lead.
¿Cómo se ve una conversación de calificación?
Así podría verse el primer contacto con la distribuidora del ejemplo anterior (conversación hipotética por WhatsApp):
| Quién | Mensaje | Qué queda en el CRM |
|---|---|---|
| Cliente | «Buenas, ¿tienen guantes de nitrilo industriales? Necesito precio.» | Lead nuevo, origen WhatsApp, hora de llegada |
| Agente | «Sí, tenemos. Para cotizarte bien: ¿para qué empresa es y cuántas cajas necesitas al mes?» | Primera respuesta registrada |
| Cliente | «Para una procesadora de alimentos en Durán, unas 300 cajas mensuales.» | Empresa, ciudad y volumen; puntaje de perfil alto |
| Agente | «Perfecto. ¿Para cuándo lo necesitas y quién aprueba la compra?» | — |
| Cliente | «Desde diciembre. Aprueba el jefe de compras; yo soy su asistente.» | Plazo y decisor identificados; pasa a SQL |
| Agente | «Te propongo una llamada con nuestro ejecutivo de ventas y tu jefe de compras: ¿martes a las 10:00 o miércoles a las 15:00?» | Cita agendada en el calendario del vendedor, con resumen |
Fíjate en tres detalles: el agente da valor desde el primer mensaje, pregunta lo justo en el orden natural de una conversación y no inventa precios ni condiciones que no estén en tus listas. Si el cliente hubiera pedido hablar con alguien, el siguiente mensaje tendría que ser el traspaso a una persona.
¿Cómo se agenda la cita sin perder al cliente?
Entre la calificación y la cita, un lead calificado todavía puede enfriarse. Tres prácticas ayudan:
- Ofrece dos o tres horarios concretos del calendario real del vendedor, en lugar de preguntar «¿cuándo le queda bien?».
- Confirma y recuerda. Si el recordatorio sale cuando ya pasaron 24 horas desde el último mensaje del cliente, tiene que ir como plantilla de WhatsApp aprobada y, por regla general, Meta la cobra por mensaje entregado, con tarifas según el país del número (Meta).
- Registra el resultado de la cita en el CRM el mismo día: realizada, reprogramada o perdida, con el motivo.
¿Cómo saber si tu calificación funciona?
Mide cada mes estas cinco cosas y, cuando tenga sentido, sepáralas por nivel de puntaje:
| Indicador | Qué te dice |
|---|---|
| Tiempo hasta la primera respuesta | Si el primer tramo de verdad se aceleró |
| % de leads que pasan a SQL | Si los criterios son demasiado estrictos o demasiado laxos |
| Conversión de SQL a venta por nivel (A, B, C) | Si el puntaje predice algo; los A deberían cerrar más que los C |
| % de citas que se realizan | Si la agenda funciona o solo se llena |
| Leads descartados que luego compraron | Si estás perdiendo ventas por descartar de más |
Si los leads A no convierten mejor que los C después de dos o tres meses, cambia los criterios antes de culpar al equipo.
¿Qué errores son comunes al calificar leads con IA?
- Copiar un modelo genérico. Los criterios deben salir de tus ventas ganadas y perdidas, no de una plantilla.
- No recalibrar. Compara cada mes cuántos A1 terminaron en venta; si no hay diferencia con los C3, el puntaje no sirve.
- Preguntar demasiado antes de dar valor. El cliente quiere un precio o una respuesta, no un interrogatorio.
- Aceptar un puntaje sin razón visible. Si el vendedor no entiende por qué un lead es A1, deja de confiar en el sistema.
- Descartar sin revisión humana. En Ecuador, el artículo 20 de la Ley Orgánica de Protección de Datos Personales reconoce el derecho a no ser sometido a decisiones basadas única o parcialmente en valoraciones automatizadas, incluida la elaboración de perfiles, que produzcan efectos jurídicos o atenten contra derechos y libertades. El titular puede pedir una explicación motivada, los criterios de valoración y los datos usados, e impugnar la decisión; hay excepciones, como el consentimiento explícito o la ejecución de un contrato. Mantén a una persona en el circuito (lo que se llama human in the loop) y revisa IA y datos personales.
Preguntas frecuentes
¿Qué es calificar leads con IA?
Es usar un agente de inteligencia artificial para hacer lo que haría un buen ejecutivo en el primer contacto: responder al instante, preguntar lo necesario, revisar el CRM, asignar un puntaje y pasar al vendedor los leads que cumplen, con la cita agendada. Las reglas las define tu equipo y quedan escritas en el CRM junto con la razón de cada puntaje.
¿Qué es el lead scoring?
Es un puntaje que ordena a los leads según su probabilidad de compra. Combina el perfil (industria, tamaño, cargo, ciudad) con el interés demostrado (pidió cotización, respondió un mensaje, visitó la página de precios). Puede hacerse con reglas que defines tú o con modelos predictivos que aprenden de tus ventas pasadas.
¿Qué es BANT y sigue sirviendo?
BANT califica con cuatro preguntas: presupuesto, autoridad, necesidad y plazo. Sirve en ventas simples y rápidas, pero puede descartar a un buen cliente que todavía no tiene presupuesto aprobado o en el que deciden varias personas. Por eso conviene combinarlo con criterios propios o con marcos como CHAMP o MEDDIC.
¿Qué diferencia hay entre un MQL y un SQL?
Un MQL (lead calificado por marketing) mostró interés suficiente para darle seguimiento, por ejemplo al descargar un catálogo o escribir por WhatsApp. Un SQL (lead calificado para ventas) ya cumple los criterios para que un vendedor invierta tiempo: necesidad concreta, plazo y alguien que decide. La calificación es el paso que convierte uno en otro.
¿Cuántos datos necesito para un lead scoring con IA?
Depende de la herramienta. HubSpot, por ejemplo, pide un mínimo de 50 contactos (25 convertidos y 25 no convertidos) para generar un puntaje con IA, y su puntaje predictivo de probabilidad de cierre requiere los planes Enterprise. Si tienes pocos datos, un puntaje por reglas claras es un mejor punto de partida.
¿Puede la IA descartar un lead sin que lo vea una persona?
Técnicamente sí, pero conviene que los descartes con impacto pasen por una persona. En Ecuador, el artículo 20 de la Ley Orgánica de Protección de Datos Personales reconoce el derecho a no ser sometido a decisiones basadas en valoraciones automatizadas que produzcan efectos jurídicos o afecten derechos, con excepciones como el consentimiento explícito o la ejecución de un contrato. Documenta tus criterios y ofrece siempre la opción de hablar con alguien.
Fuentes
- HubSpot Knowledge Base · Understand the lead scoring tool (2026-09-02)
- HubSpot Knowledge Base · Determine likelihood to close with predictive lead scoring (2026-01-11)
- Harvard Business Review (James B. Oldroyd, Kristina McElheran y David Elkington) · The Short Life of Online Sales Leads (2011-03-01)
- WhatsApp (Meta) · Política de mensajes de WhatsApp Business (2026-09-23)
- Meta for Developers · Pricing on the WhatsApp Business Platform (2026-11-11)
- Asamblea Nacional del Ecuador · Registro Oficial, Quinto Suplemento n.º 459 (texto publicado por el Consejo de Comunicación) · Ley Orgánica de Protección de Datos Personales (artículo 20) (2021-05-26)
Revisado el 11 de noviembre de 2026 contra las fuentes citadas. Los precios y normas de terceros pueden cambiar: confirma en la fuente.