Cuando un equipo nos pide construir lead scoring en HubSpot, la primera pregunta que devolvemos es si están intentando puntuar quién es el lead, o lo que el lead está haciendo. Esos son dos trabajos distintos. La mayoría de las instancias que auditamos tienen un modelo intentando hacer ambos, y por eso nadie en el sales floor se toma el score en serio. La solución no es un mejor algoritmo. Es separar el score en dos propiedades a nivel de contacto, cada una propiedad del equipo que la usa.
Por qué importa ahora
El comportamiento de compra a nivel de contacto se ha vuelto más difícil, no más fácil, de leer. Los buying groups son más grandes, los touchpoints individuales más ruidosos, y la relación señal-ruido sobre un grade compuesto ha caído más de lo que la mayoría de equipos de ops quiere admitir. El análisis de Harvard Business Review sobre el moderno B2B buying journey expone la razón estructural, los clientes pasan la mayor parte de su journey en investigación self-serve y aparecen dentro del CRM con intención parcial, presentando un perfil que parece contradictorio hasta que se separa quiénes son de lo que están haciendo. Un grade combinado aplana esa distinción exactamente en el momento en que más importa. [1]
La pregunta equivocada, «¿cuál es nuestro lead score?»
Por lo general, cuando un equipo de revenue pide un lead score, está pidiendo un solo número que rankea la cola. Ese instinto es la trampa. Rankear implica un único orden, y un único orden le obliga a promediar dos señales que no deberían promediarse. El fit score responde a una pregunta estructural sobre la cuenta. El engagement score responde a una pregunta de comportamiento sobre el timing. Promediarlas produce un número intermedio que es lo bastante alto para abarrotar la cola de inbound y lo bastante bajo para perder la confianza del rep de outbound sobre la lista fría. La pregunta correcta es más cercana a, ¿qué propiedad pondera cada equipo cuando decide qué trabajar a continuación?
Fit score, quiénes son
El fit score es la respuesta a si esta es el tipo de empresa a la que el equipo vende. Se construye con datos demográficos del contacto y de la empresa, país, banda de revenue, banda de empleados, sector, job title, seniority, y cualquier filtro de ICP que el equipo de GTM haya acordado. Los datos son mayormente estáticos o se mueven lentamente. Una vez enriquecida la empresa de un contacto, el fit score apenas se mueve hasta que la propia empresa cambia.
El test diagnóstico para un fit score es simple. Saque una lista de los deals closed-won del último trimestre, y luego una de los deals closed-lost-no-decision del último trimestre. El fit score debería separarlos visiblemente. Si las distribuciones se solapan, los inputs están mal, no la matemática.
Lo que el fit score no le dice
El fit score no le dirá si el contacto está prestando atención esta semana. Un contacto con fit perfecto que no ha abierto un email en nueve meses sigue siendo un contacto con fit perfecto, y un fit score que decae basado en engagement ya no es un fit score. Es un compuesto confuso. Resista la tentación de hornear recencia en él.
Engagement score, lo que están haciendo
El engagement score es la respuesta a si el contacto está prestando atención ahora mismo. Se construye con comportamiento, opens, page views, demo requests, content downloads, visitas a la página de pricing y meeting holds. Cada input de comportamiento tiene un peso de recencia. Una vista de demo de ayer cuenta más que tres visitas a la página de pricing de junio, y un contacto que disparó todas sus señales en Q2 debería caer de vuelta en la cola al decaer el score.
El engagement score es la propiedad desde la que el equipo de inbound encola. Se mueve a diario y le da al rep una razón por la que este contacto apareció hoy. El fit score decide si el lead vale la próxima motion en absoluto; el engagement score decide que hoy es el día.
Por qué el equipo de inbound usa una y el de outbound usa la otra
Por un lado, el equipo de inbound trabaja una cola de leads que ya levantaron la mano. La pregunta de fit está mayormente resuelta por el formulario que rellenaron, o por la capa de routing. Lo que inbound necesita es una secuencia, quién levantó la mano más recientemente, con qué intensidad, en qué página. Eso es el engagement score, ponderado fuertemente en recencia.
Por otro lado, el equipo de outbound construye una lista desde un universo más frío. La señal de engagement es escasa por definición. Lo que outbound necesita es un filtro que elimine el segmento del universo que no encaja con el ICP antes de que ningún rep gaste un minuto en una secuencia. Eso es el fit score, usado como corte duro en lugar de como ranking. Por eso un único lead grade combinado decepciona a ambos equipos, inbound preferiría que el score se moviera con el comportamiento; outbound preferiría que el score no se moviera nunca una vez enriquecida la empresa. Un grade combinado compromete ambos.
Patrón de campo
Un equipo B2B SaaS en DACH en Series A vino a nosotros con un lead grade único en HubSpot que el rep de inbound había dejado de mirar y el rep de outbound nunca había confiado. El grade era un promedio ponderado de inputs que abarcaban tanto fit como comportamiento. El instinto del equipo era reajustar los pesos. El arreglo real fue estructural, dividir la propiedad en dos, definir un fit score desde un stack demográfico sin inputs de comportamiento, definir un engagement score desde un stack de comportamiento con un decay de recencia de treinta días, y dejar que cada equipo ponderara la propiedad que mapeaba a su próxima acción real. Los datos ya estaban en HubSpot. Solo se estaban promediando juntos en la capa equivocada.
Resolución, un playbook de fit-y-engagement
Si está a punto de construir o reconstruir lead scoring en HubSpot, los pasos siguientes sobreviven cada variante de este proyecto que hemos visto:
- Decida primero las dos propiedades. Antes de cualquier input o peso, acuerden que habrá un fit score y un engagement score como propiedades separadas a nivel de contacto, no un grade combinado. Nómbrenlas claramente. La convención de naming es el contrato.
- Construya el fit score solo con inputs demográficos. País, banda de revenue, banda de empleados, sector, job title, seniority, flag-de-ICP de enriquecimiento. Sin comportamiento. El fit score debería cambiar cuando cambia la empresa, no cuando el contacto abre un email.
- Construya el engagement score solo con inputs de comportamiento, con decay de recencia. Opens, page views, demo requests, content downloads, visitas a la página de pricing, meeting holds. Aplique un peso de recencia que tire automáticamente las señales más antiguas hacia abajo; treinta a noventa días es la banda habitual.
- Valide contra los outcomes del último trimestre. Saque closed-won y closed-lost-no-decision; verifique que el fit score los separa. Saque SQL-converted vs. SQL-disqualified de inbound; verifique que el engagement score los separa. Si una propiedad no separa su outcome objetivo, los inputs están mal.
- Asigne a cada equipo una propiedad principal. Inbound encola desde engagement, con fit como sanity check. Outbound filtra desde fit, con engagement como desempate sobre la lista elegible. Documente esto en el playbook del equipo para que el score tenga un único owner de next-action.
- Publique una preview de distribución. Muestre al equipo cuántos contactos aterrizan en cada banda de cada propiedad. Un score donde el noventa por ciento de los contactos se agrupa en una banda no es un score; es una etiqueta. Ajuste los cortes de banda contra la distribución antes de soltar la propiedad en routing.
- Trate el score como direccional. Ningún modelo de scoring es perfecto a nivel de contacto, especialmente a escala donde contactos con dominios de email gratuitos y enriquecimiento parcial sesgarán las bandas inferiores. Publique la advertencia junto al score para que el equipo lo use como input de cola, no como veredicto.
Si hace estos siete pasos, el score se vuelve la propiedad desde la que el equipo realmente encola. Si los salta y entrega un grade combinado, estará de vuelta dentro de la herramienta de scoring de HubSpot en un trimestre, reajustando pesos que nunca fueron el problema.
Dónde entra Checkpoint
El diseño del score también depende de la fase. Un equipo en seed-stage trabajando una lista de target hand-picked no necesita un fit score; la lista es el score. Un equipo en late Series B ejecutando inbound y outbound combinados necesita ambas propiedades trabajando duro, con ponderación específica por equipo, un patrón estructural que Harvard Business Review hizo hace décadas cuando argumentó que el diseño de la sales force tiene que evolucionar con el ciclo de vida del negocio, no quedarse fijo en la forma que funcionó en la fase anterior. [2] El diseño de score es el mismo problema una capa más abajo.
Separar fit y engagement es uno de los puntos de palanca más limpios dentro de cualquier instancia de HubSpot, pero el trabajo que hace que el score se use está aguas arriba, la definición del ICP, el stack de enriquecimiento, las reglas de routing, el playbook que el rep de inbound abre al inicio del día. Hacemos este tipo de trabajo de operating-layer en HubSpot como RevOps embedded dentro de los equipos de cliente. Si su lead grade ha dejado de significar algo, eso suele ser el proyecto. Hable con nosotros sobre lead scoring en HubSpot.
Noah Charak