El lead scoring con IA es una puntuación automática que dice, en segundos, si un contacto nuevo merece una llamada hoy o un correo la semana que viene. En una pyme se monta con n8n sobre el CRM que ya tienes, cuesta desde 450 € y sirve para que el comercial deje de perseguir a todos por igual.
Este artículo es para empresas que reciben entre diez y doscientos leads al mes y tienen comerciales que no dan abasto. Si te llegan dos leads a la semana no necesitas scoring: necesitas responder en menos de un minuto, y con eso basta.
Cuando montamos flujos de automatización con n8n para un equipo comercial, el scoring suele ser el segundo flujo que proponemos, después de meter el lead en el CRM. Aquí está lo que decidimos en cada uno.
¿Qué es el lead scoring y para qué sirve en una pyme?
El lead scoring es asignar a cada contacto una puntuación según lo que sabemos de él (quién es, de dónde viene) y lo que hace (qué páginas visita, si responde). Sirve para ordenar la cola del comercial: primero los que puntúan alto, después el resto, y los que no llegan a un mínimo se quedan en una secuencia automática de correos.
Sin scoring, el orden lo pone el azar. Con scoring, el orden lo pone un criterio escrito que se revisa cada mes. Y no hace falta IA para empezar: un scoring de reglas (página de precios, 20 puntos; correo de Gmail, −10) ya ordena mejor que nada. La IA entra cuando hay texto libre que leer: el mensaje del formulario, el correo, la nota de la feria.
El 78 % de las organizaciones usan ya IA en alguna función y marketing y ventas es la función con más uso de IA (en inglés). El scoring es uno de los usos con menos riesgo: si falla, el comercial llama a alguien que no tocaba y ningún cliente recibe un mensaje raro.
¿Reglas, modelo predictivo o LLM: qué método de scoring elegir?
Hay tres formas de puntuar un lead y no son excluyentes. Las reglas puntúan datos estructurados, el modelo predictivo aprende del histórico de ventas y el LLM lee texto libre. En una pyme, lo que funciona es reglas para lo estructurado y un LLM para el mensaje; el modelo predictivo casi nunca compensa antes del segundo año.
| Método | Cómo funciona | Qué necesita | Cuándo compensa | Riesgo principal |
|---|---|---|---|---|
| Reglas | Sumas y restas fijas por cada dato (origen, cargo, tamaño) | Un criterio escrito con el comercial | Siempre; es el punto de partida | Se queda viejo si nadie lo revisa |
| Modelo predictivo | Aprende qué leads cerraron y busca parecidos | Cientos de oportunidades cerradas, ganadas y perdidas, con los mismos campos rellenos | Cuando hay histórico limpio en el CRM | Aprende los sesgos del equipo: si solo se llamaba a grandes, solo puntúa grandes |
| LLM | Lee el mensaje y devuelve intención, urgencia y señales de presupuesto | Un prompt con criterios claros y salida estructurada | Cuando hay campo de texto o los leads llegan por correo | Inventa cuando el texto es ambiguo si no se le permite responder «no sé» |
El LLM resuelve lo que las reglas no tocan. Un lead que escribe «necesitamos presupuesto para 40 unidades antes de febrero» y otro que escribe «información» puntúan igual en reglas si vienen del mismo formulario. Con un modelo pequeño leyendo el texto, el primero sube y el segundo no.
¿Qué señales usar para puntuar un lead en una pyme?
Las señales que valen son las que un comercial con experiencia mira antes de llamar: de dónde viene, quién es, de qué empresa y qué ha hecho en la web. Cada una tiene una fiabilidad distinta y el peso debe reflejarlo. Lo que el lead dice de sí mismo pesa menos que lo que se puede comprobar.
| Señal | Ejemplos | Fiabilidad | De dónde sale |
|---|---|---|---|
| Origen | Formulario de una página de servicio, descarga de un recurso, contacto de feria | Alta | Campo oculto del formulario, UTM, etiqueta del CRM |
| Cargo | Gerente, director de compras, responsable técnico, estudiante | Media (autodeclarado) | Formulario, firma del correo, LinkedIn |
| Empresa | Sector, tamaño, provincia, dominio corporativo frente a Gmail | Alta si se enriquece | Dominio del correo, web de la empresa |
| Comportamiento | Visita a precios, vuelve dos veces en una semana, abre tres correos seguidos | Media | GA4 o el seguimiento del CRM, con consentimiento de cookies |
| Mensaje | Menciona presupuesto, plazo, cantidad, un competidor o un proyecto | Alta si lo lee un LLM con criterios | Campo de texto del formulario o cuerpo del correo |
Las señales negativas importan tanto como las positivas. Un competidor, un estudiante o un proveedor que quiere venderte algo deben restar hasta dejar el lead fuera de la cola. Si el scoring solo suma, todos acaban pareciendo buenos.
Un ejemplo de lo que hacemos en industria: para un fabricante de componentes, «jefe de compras o responsable técnico» + «empresa del sector con planta en España» + «menciona cantidad o plazo» define un lead caliente. Un particular que pregunta por una unidad no lo es, aunque escriba tres veces. Lo contamos en lo que hacemos en industria: leads, CRM y datos.
¿Dónde poner el umbral y cómo avisar al comercial?
El umbral separa tres bandas, no dos: caliente, tibio y frío. Caliente recibe aviso inmediato al comercial y una tarea en el CRM; tibio entra en una secuencia de correos y se revisa en la reunión semanal; frío se queda en la newsletter. Dos bandas obligan a elegir entre avisar demasiado o perder leads.
El umbral inicial no se calcula, se decide con el comercial y se corrige. Nuestro criterio de arranque es que la banda caliente deje pasar a uno de cada cuatro o cinco leads, y revisar a las cuatro semanas qué pasó con cada uno. Si el comercial dice que la mitad de los avisos no merecían la llamada, el umbral sube o una señal pesa de más.
El aviso lleva cuatro cosas o no sirve: la puntuación, las tres señales que más pesaron, el enlace a la ficha del CRM y el mensaje original. Mientras el comercial reacciona, el agente de primer contacto ya ha confirmado la recepción al lead y le ha pedido el dato que falta.
¿Cómo evitar falsos positivos en el scoring?
Un falso positivo es un lead que puntúa alto y no merecía la llamada. Se evita con cuatro medidas: señales negativas explícitas, un LLM que puede responder «no sé», una prueba sobre los leads de los últimos tres meses antes de activar nada y un campo donde el comercial marca si el aviso fue acertado.
La prueba previa es la que más gente se salta. Antes de activar el flujo, pasamos por el scoring los leads de los últimos tres meses, cuyo resultado ya conocemos: cuántos de los que cerraron habrían salido calientes y cuántos calientes no cerraron. Si el scoring no ordena mejor que el comercial de memoria, no se activa.
El LLM necesita permiso para dudar. En el prompt pedimos salida estructurada con un campo de confianza y la instrucción de devolver «indeterminado» cuando el texto no da para clasificar. Los indeterminados van a la banda tibia con revisión manual, no a la caliente por defecto.
El campo «aviso acertado: sí/no» en el CRM cierra el círculo: cada mes se cuentan los avisos fallidos y se mira qué señal los subió.
¿Cómo se monta el scoring en n8n con HubSpot o Pipedrive?
El flujo tiene siete pasos y se monta en una o dos semanas si el CRM ya recibe los leads. n8n recibe el lead, lo enriquece, suma las reglas, pasa el texto por el LLM, escribe la puntuación en el CRM y decide a quién avisa. El CRM sigue siendo la fuente de verdad; n8n solo escribe un campo.
- Disparador. Un webhook desde el formulario o el disparador «contacto creado» de HubSpot o Pipedrive.
- Enriquecimiento. Del dominio del correo se saca la web de la empresa, y de la web, el sector y el tamaño aproximado. Si el dominio es Gmail o similar, se anota y se penaliza.
- Reglas. Un nodo de código suma y resta puntos. La tabla de pesos vive en una hoja de cálculo que el comercial edita sin tocar el flujo.
- Lectura del mensaje. El nodo agente de IA en n8n (en inglés) recibe el texto y devuelve un JSON con intención, urgencia, presupuesto, competidor mencionado y confianza. Un modelo pequeño basta.
- Escritura en el CRM. En HubSpot, una propiedad numérica; en Pipedrive, un campo personalizado a través de la API de Pipedrive (en inglés).
- Decisión. Si supera el umbral, aviso al comercial con tarea asignada; si no, secuencia. En HubSpot este paso lo pueden hacer los propios workflows en HubSpot (en inglés) leyendo el campo que n8n ha escrito.
- Registro. Cada ejecución deja una fila en una hoja con fecha, lead, puntuación y decisión, para auditar el flujo al mes siguiente.
Si usas HubSpot gratuito o Starter, la puntuación nativa no está incluida y n8n hace ese trabajo escribiendo en una propiedad; lo explicamos en HubSpot Starter para pymes. Pipedrive no trae scoring nativo, así que el esquema es el mismo.
Este flujo es un capítulo de nuestra guía automatización con n8n: de cero a agentes. Si el lead todavía no entra al CRM solo, empieza por ahí: puntuar leads que alguien copia a mano el lunes no sirve de nada.
¿Cuánto cuesta y qué hay que medir?
El montaje cuesta desde 450 €, según cuántas herramientas conecte y si hay que limpiar el CRM antes. n8n alojado por vosotros no tiene licencia; en la nube son entre 20 y 60 € al mes. El modelo de lenguaje es lo más barato: según nuestro cálculo para el monitor GEO, 20 llamadas a un modelo pequeño cuestan unos 0,02 €, y un lead necesita una llamada.
Lo que se mide no es cuántos leads entran, sino qué pasa con los que el scoring marcó. Cinco métricas, una pestaña del panel comercial, revisión mensual.
| Métrica | Qué dice | De dónde sale |
|---|---|---|
| Leads calientes que llegan a propuesta | Si el scoring acierta con los buenos | CRM, etapa de la oportunidad por banda |
| Tiempo de primera respuesta a los calientes | Si el aviso sirve para algo | Hora del aviso frente a la primera actividad del comercial |
| Avisos marcados como no acertados | Falsos positivos | Campo «aviso acertado» del CRM |
| Oportunidades ganadas por banda | Si los fríos de verdad eran fríos | CRM, cierre por banda de scoring |
| Coste por lead cualificado | El número que importa a dirección | Inversión del mes dividida por leads calientes confirmados |
Hay un caso en el que no hace falta contratar nada: un solo comercial, menos de diez leads al mes y los conoce a todos. Ahí el scoring es complejidad sin retorno; llega cuando la cola crece.
Seguimos este tema en todos los artículos de automatización y agentes.
Preguntas frecuentes
¿Necesito HubSpot Professional para hacer lead scoring?
No. La puntuación nativa de HubSpot está en los planes Professional, pero con n8n se escribe la puntuación en una propiedad numérica de cualquier plan, incluido el gratuito. Los workflows del CRM leen esa propiedad igual que leerían la nativa.
¿Puede el scoring decidir solo a quién no se responde?
No debería. Todo lead recibe una primera respuesta automática; el scoring solo decide si además salta un aviso al comercial y con qué prioridad. Dejar leads sin respuesta por una puntuación baja es la forma más rápida de perder al que el modelo clasificó mal.
¿Es legal puntuar leads con sus datos personales?
Sí, siempre que sean datos profesionales que el lead ha dado o que son públicos, se informe en la política de privacidad y la puntuación solo ordene el trabajo comercial. No se toman decisiones automáticas con efectos sobre la persona sin revisión humana: aquí siempre decide un comercial.
—
Diego lleva las automatizaciones de We Love SEO: conecta formularios, CRM, tiendas e informes con n8n, y documenta lo que falla. Más sobre él en el equipo.
