El debate de fit score vs engagement score es un desacuerdo sobre dos preguntas distintas. El fit pregunta si la empresa merece que se le venda, y el engagement pregunta si alguien allí está prestando atención ahora mismo. Si se funden ambos en un solo número de MQL, marketing y ventas leen cada uno una pregunta diferente, y por eso sus reportes de pipeline nunca coinciden.
Por qué un único número de MQL combinado rompe el handoff
Supongamos que una agencia de 15 personas descarga cinco recursos en una semana y obtiene 90 puntos. Marketing cuenta un MQL y ventas lo rechaza en diez minutos. Ahora tomemos a un VP de una empresa que encaja exactamente con su ICP. Mira la página de precios una vez y obtiene 30 puntos, así que nunca alcanza el umbral y nadie lo llama.
Mismo modelo de scoring, dos fallos, y el número no le dice cuál de los dos tiene. Un score de 60 puede ser 60 puntos de comportamiento y cero fit, o lo contrario. Ventas entiende "este es un comprador" y marketing quiere decir "esta persona hizo muchos clics". Ambos equipos leen bien el número. Lo que ocurre es que lleva dos significados.
Las herramientas no lo resuelven por sí solas. Tanto HubSpot como Salesforce documentan modelos de scoring capaces de separar ambas ideas, y aun así muchos equipos las colapsan en una sola propiedad porque con un único número es más fácil asignar.
Fit score vs engagement score: dos scores, dos decisiones
Yo lo llamo la regla de las dos llaves. El fit es la puerta y el engagement es el disparador, y un handoff necesita que ambas llaves estén giradas.
El fit gobierna quién es dueño de la cuenta, en qué cola aterriza y cuánto tiempo humano merece. Cambia lentamente, solo cuando cambian los datos firmográficos o el ICP, así que debería ser de pocos niveles (A, B, C) y no una escala de 0 a 100.
El engagement gobierna el momento: cuándo llamar, qué secuencia ejecutar, qué tan urgente es. Debería decaer, porque una visita a la página de precios de hace cinco semanas no es la misma señal que una de esta mañana.
| Score | Decisión que gobierna | Comportamiento en el tiempo | Responsable natural |
|---|---|---|---|
| Fit | Asignación, propiedad, nivel de esfuerzo | Estable, por niveles | Liderazgo de ventas junto con RevOps |
| Engagement | Momento, secuencia, urgencia | Decae | Marketing |
La pelea de fit score vs engagement score termina cuando cada score decide únicamente lo suyo. Una cuenta de fit A con bajo engagement pasa a un play paciente de account-based, no a una llamada el mismo día. Un lead de fit C con un engagement enorme pasa a nurturing o autoservicio, sin importar a cuántos webinars haya asistido.
Qué hace la separación de fit score vs engagement score con la atribución
En un modelo combinado, los puntos de engagement provienen de campañas, así que la campaña que empuja a un lead por encima de la línea se lleva el crédito del MQL. Suele ser un recurso barato con formulario, porque los recursos baratos son la forma más fácil de sumar puntos.
Lo llamo crédito por cruce del umbral. Marketing reporta el pipeline originado según la fecha del MQL y la campaña que lo generó. Mientras tanto, las cuentas que cumplen con el fit y llegan por outbound o por referido nunca cruzan un umbral de engagement, así que nunca llegan a ser MQL. Ventas las ve en el pipeline y marketing no.
La misma brecha aparece en la búsqueda con IA. Un equipo puede ver que sus citas aumentan y aun así no poder decir qué cuentas produjeron esas citas, un problema que tratamos en SEO rankings vs AI citations. Si la calificación de base es un número confuso, la atribución que se construye encima hereda esa confusión.
Cómo conciliar los reportes de pipeline de marketing y ventas
Los dos reportes no coinciden porque cuentan poblaciones distintas. Marketing cuenta los leads que cruzaron el umbral combinado. Ventas cuenta los leads que aceptó. La diferencia entre ambos es la discusión.
La solución es registrar tres fechas en cada registro: la fecha en que cumplió el fit, la fecha en que se disparó el engagement y la fecha en que ventas lo aceptó. Así todos los reportes se construyen con las mismas marcas de tiempo, y el desacuerdo se convierte en un retraso o una caída medibles entre dos marcas que se pueden revisar un lunes. Nuestra guía sobre cómo corregir el handoff y la atribución de leads profundiza en la parte de lifecycle.
Quién es dueño del umbral cuando ventas rechaza lo que marketing cuenta
Mi recomendación es un reparto en tres partes. El liderazgo de ventas es dueño de la definición de fit, porque el fit decide cómo se gasta su capacidad. Marketing es dueño de la definición de engagement, porque sabe cuánto cuesta producir un comportamiento. RevOps es dueño del SLA y del registro de disputas.
El registro de disputas necesita dos motivos de rechazo, no uno: "fit incorrecto" y "aún sin interés". Si la mayoría de los rechazos dicen fit incorrecto, la puerta del fit tiene fugas. Si dicen sin interés, el disparador de engagement se activa demasiado pronto. Dividir ese único menú desplegable le indica qué score corregir sin necesidad de una reunión.
Para medir si el handoff funciona, yo observaría tres cosas:
- Tasa de rechazo por motivo, no en total
- Tiempo hasta el primer contacto después de que se activa el disparador
- Conversión por nivel de fit y por franja de engagement, mostradas por separado
Como punto de partida sobre la estructura, nuestra página de modelo de lead scoring explica cómo lo planteamos.
Dónde no tengo una respuesta clara sobre fit score vs engagement score
No puedo darle una proporción universal. En un motion enterprise liderado por ventas, el fit domina y el engagement es sobre todo una pista de timing. En un motion liderado por producto con un plan gratuito, el engagement hace más del trabajo. El método honesto es validar ambos con retrospectiva contra sus propios deals cerrados ganados, y con unas pocas decenas de deals esa muestra es escasa. Para bien o para mal, la primera versión del modelo es una hipótesis, y se ajusta a medida que llegan los datos.
Esto importa si está añadiendo automatización. Un emisor de IA alimentado con un score combinado escalará el fallo que su score ya tenga, que es el patrón detrás de AI SDR failure. Lo mismo aplica a cualquier piloto que se juzgue por el pipeline, como en nuestro AI GTM scorecard. La calidad del envío también importa, así que revise la entregabilidad del correo antes de poner volumen detrás de cualquiera de los dos scores.
Procuramos integrarnos en el equipo en lugar de limitarnos a asesorar en esto, porque el modelo de scoring es la parte fácil. Lo difícil es lograr que ventas, marketing y RevOps se pongan de acuerdo sobre quién es dueño de cada llave, y luego conectar las marcas de tiempo para que los reportes coincidan. Ese es trabajo de capa operativa, y es por donde yo empezaría antes de sumar personal u otra herramienta. Elija lo que elija, mantenga la separación entre fit score vs engagement score visible en cada reporte.