Lead Scoring B2B: Guía Completa de Implementación 2026

¿Qué es lead scoring (de verdad)?

Lead scoring es un sistema de puntos que predice qué tan probable es que un lead cierre. No es una "lista MQL/SQL" subjetiva — es matemática simple aplicada a datos de comportamiento + datos demográficos del lead.

Funciona en dos ejes:

• Fit score (quién es): tamaño de empresa, industria, cargo, geografía. ¿Encaja con nuestro ICP?
• Intent score (qué hace): visitas al sitio, descargas, emails abiertos, formularios. ¿Está mostrando interés?

La regla: Lead caliente = Fit alto + Intent alto. El resto se nutre o se descarta.

Modelo simple de scoring B2B (empieza aquí)

Fit Score (0-100 puntos)

• Tamaño empresa coincide con ICP: +30
• Industria coincide con ICP: +25
• Cargo decisor (C-level, VP, Director): +20
• Geografía servida: +15
• Ticket potencial >$50k MXN: +10

Intent Score (0-100 puntos)

• Visitó página de servicio: +5
• Descargó recurso: +15
• Llenó formulario de diagnóstico: +25
• Abrió 3+ emails en 7 días: +10
• Visitó pricing/casos: +20
• Solicitó demo: +30

Score total y rutas

• Hot lead (130+): asignación inmediata a vendedor senior. Llamada en menos de 1 hora.
• Warm lead (80-129): nurturing con secuencia de email + WhatsApp. Llamada de exploratoria.
• Cold lead (40-79): nurturing automatizado. Sin llamada.
• Disqualified (<40): excluido del funnel. Reciclar en 90 días.

Implementación práctica en HubSpot/Pipedrive

HubSpot: tiene lead scoring nativo (Marketing Hub Pro/Ent). Configuras propiedades calculadas con reglas if/then. Ejemplo:

IF industry IN ['Manufactura','Logística','Energía'] +25
IF job_title CONTAINS 'CEO'|'VP'|'Director' +20
IF page_views > 5 THEN +15
IF form_submitted = 'diagnostico' THEN +25

Pipedrive: no tiene scoring nativo. Se hace vía custom field calculado con webhook + Make/Zapier. O usar Pipedrive Insights con probability fields.

Salesforce: Einstein Lead Scoring (AI-based) o reglas custom con Process Builder.

Errores comunes

1. Scoring demasiado complejo: 50+ variables hace imposible auditarlo. Empieza con 8-10 variables clave.
2. No actualizar el modelo: los criterios cambian. Revisa el scoring cada 3-6 meses.
3. Ignorar intent decay: intent de hace 30 días vale menos. Decae el score con el tiempo.
4. Sin acción detrás: scoring que no detona automation es teatro.
5. No medir accuracy: ¿el scoring predice bien? Compara conversión por bucket.

Cómo medir si tu scoring funciona

El KPI: conversion rate por bucket de score. Si todo está bien:

• Hot leads: 25-40% conversion rate
• Warm leads: 8-15% conversion rate
• Cold leads: 2-5% conversion rate

Si tus hot leads convierten igual que los warm, tu scoring está mal calibrado. Ajusta los pesos.

Scoring + WhatsApp Business API + secuencias

El power-move: cuando un lead llega a Hot, automatización detona:

1. Asignación a vendedor senior con SLA de 1 hora
2. WhatsApp template "Hola {nombre}, vi que descargaste {recurso}, ¿agendamos 15 min?"
3. Email follow-up con caso similar
4. Tarea en CRM al vendedor: "Llama a {lead} antes de 1pm"
5. Slack alert al sales manager

Sin scoring, todos los leads reciben el mismo trato. Con scoring, los Hot leads reciben atención de elite y los Cold leads se nutren sin gastar tiempo humano.