Lead Scoring explicable
Cómo se calcula e interpreta, qué cambia entre modo sombra y activo y cuáles son los requisitos de transición.
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
La palabra Potencial acompaña al grado A, B, C o D. No representa una etapa ni un resultado comercial y no cambia por sí sola el flujo. En la ficha, el icono de información situado junto al término muestra esta leyenda sin abandonar la oportunidad.
| Término visible | Rango | Qué significa | Uso recomendado |
|---|---|---|---|
| Potencial A | 80–100 | Existe una combinación fuerte de ajuste, intención, interacción y recencia. | Prioridad alta y seguimiento inmediato. |
| Potencial B | 60–79 | Buena evidencia comercial, aunque todavía puede requerir completar una acción. | Completar la siguiente acción comercial. |
| Potencial C | 35–59 | La evidencia es intermedia; requiere calificación, completar datos o reunir más señales. | Revisar el desglose y calificar. |
| Potencial D | 0–34 | Hay poca evidencia, datos débiles o penalizaciones relevantes. | Validar datos y contexto antes de priorizar. |
- 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.
| Término | Lectura correcta |
|---|---|
| En ascenso | La nota aumentó frente al cálculo anterior. |
| En descenso | La nota disminuyó frente al cálculo anterior. |
| Estable | La nota no cambió frente al cálculo anterior. No significa que la oportunidad esté cerrada ni inmóvil. |
| Confianza | Mide el respaldo estadístico del modelo; no es probabilidad de compra o cierre. |
| Modo sombra | El puntaje orienta y se calibra, pero no cambia etapas, responsables ni automatizaciones. |
| Modo activo | Las reglas expresamente autorizadas pueden usar el puntaje; el modelo nunca actúa sin una regla habilitada. |
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.
Modos disponibles
| Modo | Qué hace | Qué no hace | Uso recomendado |
|---|---|---|---|
| Sombra | Calcula, muestra y actualiza el puntaje, grado, confianza, tendencia y motivos. | No cambia responsables, etapas, prioridades operativas ni ejecuta automatizaciones basadas en scoring. | Calibración, comparación con resultados reales, capacitación y auditoría. |
| Activo | Conserva toda la explicación del modo sombra y permite que reglas autorizadas utilicen rangos o cambios de puntaje. | No toma acciones por sí solo: sólo actúan las reglas configuradas, habilitadas y auditadas. | Operación controlada después de validar cobertura, precisión, estabilidad y excepciones. |
Una cuenta puede permanecer en modo sombra aunque otras utilicen modo activo. Cambiar de modo no elimina puntajes, modelos, explicaciones ni snapshots históricos.
Qué se necesita para pasar de sombra a activo
- Cobertura suficiente: las oportunidades nuevas y una muestra histórica representativa deben tener puntaje actualizado.
- Resultados maduros: debe existir una muestra útil de ganados y perdidos para entrenar y contrastar el modelo.
- Validación de calidad: comparar rangos A–D con conversión, contactabilidad y tiempo de respuesta; revisar datos faltantes y valores atípicos.
- Revisión de sesgos: comprobar que fuente, formulario, sede, programa, responsable u otros segmentos no reciban un trato injustificado.
- Reglas explícitas: documentar qué umbral dispara cada acción, sus límites, excepciones, responsables y frecuencia.
- Aprobación y rollback: un administrador autorizado aprueba la activación, conserva respaldo y define cómo regresar inmediatamente a sombra.
- Monitoreo inicial: activar primero pocas reglas de bajo riesgo, observar resultados y ampliar sólo si se mantienen estables.
No se recomienda descartar oportunidades, modificar resultados finales ni excluir personas únicamente por puntaje. El scoring debe apoyar la priorización y conservar revisión humana.
Cómo pasar de activo a sombra
Volver a sombra es la medida segura ante resultados inesperados, cambios importantes en formularios o procesos, deriva del modelo o una auditoría.
- Pausar reglas dependientes del scoring: detener asignaciones, movimientos, notificaciones o automatizaciones que utilicen umbrales.
- Cambiar el modelo a sombra: el puntaje continúa calculándose y mostrándose, pero deja de producir efectos operativos.
- Comprobar el aislamiento: verificar que ninguna regla siga consumiendo grado, rango, tendencia o variación de puntaje.
- Conservar evidencia: no borrar puntajes ni snapshots; registrar fecha, motivo, responsable y reglas pausadas.
- Recalibrar y validar: corregir datos, pesos, umbrales o segmentación antes de solicitar una nueva activación.
Pasar a sombra no reinicia el aprendizaje. Permite seguir observando el comportamiento del modelo y volver a activo más adelante mediante una nueva aprobación.
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.