AV
ANTONIO
VALLADOLID
Automatización

Lead scoring simple que funciona mejor que uno complejo

Antonio Valladolid · 3 abr 2023 · 4 min de lectura
En resumen
Un modelo de scoring demasiado complejo tiende a abandonarse.
Pocas señales bien elegidas superan a muchas señales mal mantenidas.

Por qué la complejidad se abandona

Un modelo con demasiadas variables requiere mantenimiento constante. En la práctica, la mayoría de equipos deja de actualizarlo después de unos meses. El abandono no es un fallo de disciplina del equipo, es una consecuencia predecible de diseñar algo que requiere más mantenimiento del que alguien está realmente dispuesto a dar.

El modelo simple que sí sostengo

Uso 3 a 5 señales de comportamiento con peso claro y las reviso trimestralmente. Simple, pero vivo. Elegir pocas señales también facilita explicar el modelo a todo el equipo comercial — un sistema que nadie entiende termina ignorándose, sin importar qué tan preciso sea en teoría.

Por qué "vivo" importa más que "completo"

Un modelo con 5 señales revisadas cada trimestre supera en la práctica a uno con 20 señales configurado una vez y olvidado. La precisión teórica de un modelo complejo no vale nada si nadie lo mantiene actualizado. La revisión trimestral no necesita ser exhaustiva: basta con confirmar que las señales elegidas siguen correlacionando con cierres reales del último trimestre.

Qué hacer esta semana

Si tu modelo de scoring no se ha revisado en el último trimestre, agéndalo esta semana. Simplifícalo a 3-5 señales si tiene más de eso. Compara las señales actuales contra tus últimos 10 cierres exitosos — si alguna señal no aparece en ese patrón, probablemente no merece seguir en el modelo.

Cómo elegir las señales correctas

Elige señales que históricamente se hayan correlacionado con cierres reales, no las que parecen lógicas en teoría. Revisa tus últimos cierres exitosos y busca el patrón de comportamiento que compartieron antes de comprar. Este ejercicio retrospectivo suele arrojar señales sorprendentes — a veces el mejor predictor no es el que el equipo asumía intuitivamente antes de revisar los datos.

Antonio Valladolid
Antonio Valladolid
Estratega de crecimiento · 12 años diseñando sistemas de growth y performance.
¿Buscas resultados así en tu negocio? Hablemos de tu próximo proyecto.