Lead Scoring explicable
Cómo se calcula, interpreta, actualiza y aprende el puntaje de 0 a 100.
La nota siempre conserva sus componentes, motivos positivos, penalizaciones, tendencia, confianza y origen del modelo. Sirve para priorizar; no reemplaza el criterio comercial.
Qué es el Lead Scoring
Lead Scoring es una evaluación dinámica de cada oportunidad entre 0 y 100. Resume la calidad de sus datos, señales de intención, respuesta a la gestión y actividad reciente. Cada interacción nueva puede modificar la nota y deja una fotografía histórica del cambio.
Fórmula: Ajuste + Intención + Interacción + Recencia + Penalizaciones. El resultado se limita al rango 0–100. Una oportunidad ganada se fija en 100; una marcada como no gestionable se fija en 0.
Cómo se calcula cada componente
Ajuste o calidad del perfil · hasta 30 puntos
Evalúa si existe información suficiente para identificar y atender correctamente el interés.
| Señal | Puntos máximos | Ejemplos de identificadores |
|---|---|---|
| Nombre identificado | 5 | nombre, nombres, full_name, fullname |
| Correo disponible | 6 | email, correo, correo_electronico |
| Teléfono disponible | 6 | telefono, phone, celular, mobile |
| Documento disponible | 4 | dni, documento, ruc |
| Interés definido | 5 | programa, carrera, curso, producto |
| Ubicación o sede | 2 | sede, campus, distrito, ciudad |
| Preferencia relevante | 2 | modalidad, turno, horario, nivel |
Los campos de interés, ubicación y preferencia se adaptan al rubro. En educación se reconocen programa, carrera, curso, sede y modalidad; otras industrias pueden definir equivalentes.
Intención · hasta 35 puntos
- Formulario enviado: señal inicial de 8 puntos.
- Interés reiterado: suma hasta 10 puntos cuando el mismo contacto registra varias oportunidades.
- Avance comercial: suma hasta 7 puntos según cambios de etapa.
- Fuente y formulario con buen desempeño: incorpora ajustes aprendidos de los resultados maduros de la cuenta.
Interacción · hasta 25 puntos
- Llamada atendida: comienza en 8 puntos y puede llegar a 12.
- WhatsApp: comienza en 3 y puede llegar a 7 según el historial.
- Correo: comienza en 2 y puede llegar a 6.
- Los intentos de llamada sin contacto aparecen como señal negativa y también pueden generar penalización.
Recencia · hasta 10 puntos
| Última actividad | Puntos |
|---|---|
| Hoy o ayer | 10 |
| Hasta 3 días | 8 |
| Hasta 7 días | 6 |
| Hasta 14 días | 4 |
| Hasta 30 días | 2 |
| Más de 30 días | 0 |
Penalizaciones
| Condición | Impacto |
|---|---|
| Correo con formato inválido | −8 |
| Teléfono incompleto | −8 |
| Contactabilidad decreciente | Hasta −12 |
| Contacto dado de baja | −30 |
| Oportunidad perdida | −35 |
| Total combinado | Limitado a −60 |
Cómo interpretar nota, grado, tendencia y confianza
| Grado | Rango | Uso recomendado |
|---|---|---|
| A | 80–100 | Prioridad alta y seguimiento inmediato. |
| B | 60–79 | Buena oportunidad; completar siguiente acción. |
| C | 35–59 | Requiere calificación o más señales. |
| D | 0–34 | Baja evidencia, datos débiles o penalizaciones. |
- Tendencia: indica si la nota subió, bajó o permaneció estable respecto del cálculo anterior.
- Confianza: expresa el respaldo estadístico del modelo según la cantidad de resultados maduros usados en el entrenamiento; no es una probabilidad de cierre.
- Motivos: muestran las cinco señales positivas y negativas con mayor impacto para explicar la nota.
Cómo aprende el modelo
El aprendizaje sigue una jerarquía: primero usa el comportamiento de la cuenta, luego referencias del mismo rubro y finalmente un respaldo global agregado. Los datos operativos de una organización permanecen aislados; no se muestran ni se copian registros entre cuentas.
- Se toman resultados maduros: oportunidades ganadas y perdidas.
- Se calcula la conversión base de la cuenta.
- Para fuentes y formularios con al menos 20 resultados se estima su desempeño relativo.
- Se aplica suavizado estadístico para evitar que muestras pequeñas produzcan ajustes extremos.
- Los ajustes aprendidos se limitan a un rango prudente y se versiona el modelo.
Al inicio pesa más el respaldo del rubro y global. A medida que aumenta la muestra de la cuenta, su propia contribución puede llegar hasta 80%.
Cuándo se actualiza
El scoring se recalcula al consultar una oportunidad sin nota, durante procesos de actualización y cuando nuevas actividades o resultados alimentan el modelo. Cada cambio relevante puede registrar un snapshot con nota anterior, nueva nota, diferencia, componentes, motivos y disparador.
Modo sombra y modo activo
- Modo sombra: muestra la nota para evaluación, pero no cambia asignaciones ni automatizaciones. Es el modo recomendado para calibrar.
- Modo activo: permite usar umbrales en priorización y reglas, después de validar cobertura, estabilidad y desempeño.
Antes de activar reglas, compara el scoring con resultados reales, revisa sesgos por fuente o formulario y define excepciones por cuenta.
Cómo usarlo en una oportunidad
La tarjeta muestra nota, grado, tendencia, confianza y fecha de actualización.
Revisa la ecuación, razones positivas, penalizaciones y origen del cálculo.
Combina el puntaje con estado, campaña, antigüedad, responsable y contexto del contacto.
Llamadas, mensajes, avances, ganados y perdidos mejoran la trazabilidad y el aprendizaje futuro.
Ejemplo completo
Una oportunidad con nombre, correo, teléfono, programa, sede y modalidad puede lograr 26 puntos de ajuste. Si proviene de un formulario con buen desempeño, registra interés reiterado y avanzó de etapa, puede sumar 22 de intención. Una llamada atendida y WhatsApp pueden aportar 14 de interacción; actividad del mismo día, 10 de recencia. Si no existen penalizaciones, la nota sería 72: grado B. La interfaz mostrará qué señales produjeron ese resultado.
Preguntas frecuentes
¿Una nota baja elimina una oportunidad?
No. La nota prioriza y explica; no elimina registros.
¿Puede bajar después de subir?
Sí. La pérdida de recencia, intentos fallidos, datos inválidos o un resultado negativo pueden reducirla.
¿Dos cuentas calculan igual?
Comparten una base explicable, pero los campos por rubro y los ajustes aprendidos de fuentes y formularios pueden diferir.
¿La confianza es probabilidad de compra?
No. Mide cuánto respaldo tiene el modelo por su muestra de entrenamiento.