Cualificación automática de leads: lead scoring que filtra

El lead scoring clásico asigna puntos por datos del formulario: cargo, empresa, tamaño. El problema es que esos datos no reflejan la intención real. Un lead con el cargo perfecto que no tiene presupuesto ni urgencia puntúa alto y no convierte. Un lead con el cargo 'equivocado' que decide mañana puntúa bajo y se pierde.

La cualificación con IA puntúa por lo que el lead dice en la conversación, no por lo que rellena. Urgencia, presupuesto, tipo de necesidad y timing se extraen en natural y reflejan la intención real, no el perfil.

Los criterios que predicen conversión no son universales —dependen del sector. Pero hay cuatro que casi siempre importan: urgencia (¿cuándo decide?), presupuesto (¿encaja con el servicio?), tipo (¿es el servicio correcto?) y timing (¿es ahora o en 6 meses?).

La IA hace las preguntas de estos criterios en la conversación, no en un formulario, y puntúa el lead con la lógica del sector. El comercial recibe el lead con la puntuación y el contexto, no con un dato crudo.

Cualificar no es solo puntuar —es decidir qué pasa con cada lead. El lead caliente se deriva al comercial en minutos con el contexto. El lead tibio entra en seguimiento automatizado. El lead frío recibe contenido o se archiva para reactivación futura.

El error es derivar todo al comercial. Si el 70% no encaja, el comercial pierde horas descartando. La derivación selectiva hace que el comercial solo vea lo que vale, y el resto recibe el tratamiento adecuado sin consumir tiempo humano.

La cualificación funciona si sube la conversión del comercial y baja el tiempo que pierde descartando. Mide: leads cualificados que llegan al comercial, conversión del comercial sobre leads cualificados, y tiempo medio de cualificación manual antes y después.

Si la IA cualifica bien, el comercial convierte más sobre los leads que recibe (porque ya están filtrados) y dedica menos tiempo a descartar. Si no, la cualificación está mal calibrada y hay que ajustar los criterios.