Si la teva empresa encara no en té, comença avui amb entre 8 i 12 senyals combinats i un llindar clar que decideixi quan un lead passa a vendes. La prioritat és accelerar el pipeline sense saturar el teu equip comercial amb contactes que no convertiran.
Què és lead scoring: fit vs intent i dimensions principals
El lead scoring assigna un valor numèric a cada contacte per estimar la seva probabilitat de convertir-se en client, tal com recull la definició estàndard del concepte. A diferència de la qualificació manual, que depèn del criteri subjectiu de cada comercial, un model de scoring aplica els mateixos criteris a tots els leads i permet comparar resultats entre períodes.
La clau és separar dues dimensions que responen a preguntes diferents. El fit mesura si l'empresa o el contacte s'assemblen al client ideal: sector, mida de plantilla, facturació, càrrec del contacte o ubicació geogràfica. L'intent mesura si aquest contacte mostra senyals de compra activa en aquest moment: visites a la pàgina de preus, sol·licitud de demo, descàrrega de documentació tècnica o assistència a un webinar.
Mantenir les dues dimensions separades, en lloc de barrejar-les en un únic nombre, té una raó pràctica: un lead amb fit alt però intent baix necessita nutrició, mentre que un amb intent alt però fit baix probablement no val el temps d'un comercial sènior. Combinar-les de cop amaga aquesta diferència i porta a decisions errònies de priorització.
- El fit respon a «és aquest el tipus de client que busquem?».
- L'intent respon a «aquest contacte està llest per comprar ara?».
- Un lead només passa a vendes quan les dues puntuacions superen el llindar mínim.
Model pràctic: roadmap pas a pas per construir un lead scoring B2B
Construir un model de scoring funcional no requereix mesos de desenvolupament. Un roadmap pràctic d'implementació recomana començar per pocs senyals i validar amb dades reals abans d'afegir-hi complexitat.
- Audita la qualitat del teu CRM: elimina duplicats, estandarditza camps obligatoris (càrrec, sector, mida d'empresa) i confirma que les fonts de dades estiguin connectades correctament.
- Defineix el perfil de client ideal al costat de vendes: acorda per escrit què converteix un lead en SQL (sals qualified lead) per evitar disputes posteriors sobre qualitat.
- Selecciona entre 10 i 15 senyals inicials: combina variables de fit i intent, i assigna pesos provisionals basats en l'experiència de l'equip comercial, no en suposicions abstractes.
- Configura llindars i workflows de routing: decideix a partir de quina puntuació un lead s'assigna automàticament a un comercial i en quin termini s'ha de contactar.
- Llança un pilot i revisa cada 90 dies: compara els leads amb puntuació alta contra la seva taxa real de conversió i ajusta pesos segons el que confirmin les dades.
Consell professional: comença amb un model basat en regles simples abans de pensar en intel·ligència artificial: si no pots explicar per què un lead té 80 punts, el teu equip de vendes tampoc no confiarà en el número.
Aquest procés encaixa de forma natural amb les etapes del funnel de vendes B2B, on l'scoring actua com a filtre entre màrqueting i vendes. La validació trimestral no és opcional: els models que no es revisen perden precisió a mesura que canvien el mercat i el comportament dels compradors.
Exemples de senyals i una matriu de puntuació orientativa
Traduir el roadmap a regles concretes exigeix exemples numèrics. A l'eix de fit, una empresa dins del teu sector objectiu pot sumar entre 15 i 25 punts, un càrrec amb poder de decisió entre 10 i 20 punts, i una mida de plantilla dins del teu rang ideal entre 10 i 15 punts. A l'eix d'intent, una visita a la pàgina de preus pot valer entre 15 i 20 punts, una sol·licitud de demo entre 25 i 30 punts, i l'assistència completa a un webinar entre 10 i 15 punts.
- Un lead amb càrrec de director de compres (18 punts de fit), empresa del sector objectiu (20 punts de fit) i una sol·licitud de demo (28 punts d'intent) suma 66 punts: candidat clar per a contacte immediat.
- Un lead que només va descarregar un ebook sense repetir visites ni obrir correus posteriors pot quedar a fit alt però intent baix, i ha d'entrar en nurturing abans que a la cua de vendes.
- La combinació de senyals importa més que un senyal aïllat: una visita a pricing seguida d'una segona visita en 48 hores val més que qualsevol de les dues per separat.
En projectes B2B, tres clústers de senyals (firmografia, velocitat d'engagement i profunditat del grup de compra) expliquen la major part del poder predictiu del model, segons troballes de projectes de consultoria a scoring B2B. Això significa que sumar desenes de senyals superficials rendeix menys que afinar pocs senyals causals.
Convé desconfiar de certes mètriques: les descàrregues de whitepapers i les taxes d'obertura de correu solen ser senyals sorollosos quan apareixen sols, i sense senyals secundaris que els acompanyin poden generar falsos positius que saturen a vendes amb contactes poc qualificats.
Quan fer el salt a lead scoring predictiu amb IA
L'scoring basat en regles és suficient per a la majoria d'empreses B2B, però hi ha un punt on l'aprenentatge automàtic aporta valor real. La referència habitual és tenir un volum suficient d'historials de conversió abans d'entrenar un model predictiu, segons recomana una guia sobre sistemes de lead scoring predictiu; per sota aquesta xifra, un model basat en regles continua sent més fiable.
Adoptar IA sense preparació comporta riscos concrets: biaixos heretats de les dades històriques, manca d'explicabilitat davant de l'equip comercial i obligacions documentals creixents sota el marc regulador europeu per a sistemes de decisió automatitzada, com recull l'anàlisi sobre ètica en l'ús d'IA en vendes B2B.
- Combina regles explicables amb un model predictiu que ajusti els pesos, en lloc de substituir l'un de l'altre de cop.
- Documenta quines variables fa servir el model i per què, per poder justificar decisions davant auditories internes o regulatòries.
- Llança el model predictiu com a pilot paral·lel a l'scoring per regles durant almenys un trimestre abans de reemplaçar-lo.
- Per a moltes pimes, les capacitats predictives ja integrades al CRM cobreixen la majoria de casos pràctics sense necessitat d'un model propi.
Integració operativa: CRM, automatització i routing amb SLA
Un resultat que no es tradueix en acció comercial no serveix de res. La puntuació ha de viure com a propietat dins del CRM, visible a la fitxa de cada contacte i actualitzada automàticament cada vegada que ocorre un esdeveniment rellevant.
- Sincronitza el resultat al CRM com a camp numèric que es recalcula amb cada nova interacció registrada.
- Defineix SLAs de resposta per nivell de puntuació: un lead de tier alt hauria de rebre contacte en menys d'una hora, mentre que un de tier mitjà pot esperar fins a 24 hores.
- Activa alertes i tasques automàtiques: quan un lead creua el llindar, el sistema ha d'assignar-lo, notificar-lo al comercial i disparar la seqüència de seguiment corresponent.
- Habilita un mecanisme d'override humà: un comercial ha de poder ajustar manualment la prioritat d'un lead i aquest ajustament s'ha de registrar per retroalimentar el model.
Consell professional: revisa sempre el motiu darrere de cada override manual: si diversos comercials corregeixen el mateix tipus de lead, és un senyal que el model s'ha de recalibrar, no que l'equip ignori el sistema.
La velocitat de resposta és determinant: després d'un senyal d'intent alt, la probabilitat d'aconseguir un contacte útil disminueix significativament amb el temps i es recomana contacte ràpid, segons constaten projectes de consultoria sobre routing de leads B2B. Per això el routing automàtic importa tant com el càlcul mateix de l'score. Eines d'automatització de màrqueting poden encarregar-se d'aquestes connexions sense que l'equip necessiti programar res a mida, com explica aquesta guia sobre automatització sense coneixements tècnics.
Mètriques i validació: com mesurar si el lead scoring funciona
Un model de scoring només és útil si millora resultats mesurables. El conjunt mínim dindicadors inclou la taxa de conversió de SQL a oportunitat, el win rate desglossat per quintil de puntuació, el temps fins al primer contacte i la proporció de falsos positius i falsos negatius.
- El win rate ha de mostrar un gradient clar: els leads del quintil superior han de tancar més que els del quintil inferior, o el model no està discriminant bé.
- Compara períodes d'almenys un trimestre complet abans de treure'n conclusions, ja que els cicles de venda B2B solen ser llargs.
- Registra quants leads de puntuació baixa van acabar tancant venda: si són nombrosos, el model està perdent oportunitats reals.
Verificar que l'score produeix un gradient de conversió vàlid és la prova central que el model funciona, segons assenyala la mateixa guia sobre sistemes predictius de scoring. Sense aquest gradient, qualsevol puntuació és només soroll amb aparença de precisió. Per aprofundir en quins KPIs seguir a tot l'embut, convé revisar aquesta guia de mètriques clau de màrqueting B2B industrial.
La recalibració s'ha de fer regularment per mantenir la precisió del model, permet detectar canvis en el comportament de compra abans que erosionin la confiança de l'equip comercial al sistema.
Errors comuns que arruïnen els models de lead scoring
Els models de scoring fallen gairebé sempre per les mateixes raons, i totes tenen solució coneguda.
- Afegir massa senyals irrellevants: un model amb trenta variables és més difícil de mantenir i explicar que un amb dotze ben triades.
- Descuidar la qualitat de les dades: duplicats, camps buits o registres desactualitzats distorsionen qualsevol càlcul, per sofisticat que sigui.
- No alinear màrqueting i vendes sobre què és un SQL: sense una definició compartida, cada equip interpreta el resultat a la seva manera i la confiança es trenca.
- Ignorar la velocitat de resposta: un resultat perfecte no compensa un seguiment comercial lent.
- Saltar-se l'auditoria de biaixos: un model entrenat amb dades històriques pot penalitzar sectors o càrrecs infrarepresentats sense que ningú ho noti.
Com treballem a ARTIC per implantar lead scoring B2B
Implementem lead scoring dins d'una planificació trimestral amb KPI definits, executada en esprints quinzenals al costat del client. Un pilot típic inclou auditoria de CRM, selecció de senyals inicials, configuració del model de 8 a 12 setmanes i un informe d'impacte sobre conversió.
Integrem l'scoring amb les eines que l'empresa ja fa servir en lloc de forçar un canvi de sistema.
Com podem ajudar a implantar el teu lead scoring B2B
Si prefereixes externalitzar la implementació, a ARTIC combinem consultoria digital, integració de CRM amb Holded i automatitzacions amb intel·ligència artificial per engegar un model de scoring funcional sense que el teu equip hagi d'aprendre a programar-lo des de zero.
El diagnòstic inicial parteix d'una auditoria de les teves dades actuals i dels senyals que ja generen els teus canals, cosa que sol combinar-se amb pilots d'account based marketing quan l'objectiu és prioritzar comptes concrets del sector industrial, com el que descrivim en aquesta guia de pilot ABM de 8 a 12 setmanes. Treballem amb KPIs mesurables des del primer esprint, enfocats en pipeline real i no en mètriques de vanitat.
Si vols una valoració concreta de la teva situació actual, pots contactar amb el nostre equip i revisar junts per on començar.
Fonts
Per a qui vulgui aprofundir en aspectes concrets del procés, convé revisar la guia de l'EDPB sobre interessos legítims si el teu scoring tracta dades personals dins del marc del RGPD, i l'anàlisi sobre ètica i regulació d'IA en vendes B2B si valores incorporar models predictius. Per dissenyar els workflows posteriors a l'scoring, aquesta explicació sobre lead nurturing complementa bé el roadmap descrit abans.
- Lead scoring: com funciona i com fer-ho pas a pas — PepperFinance
- KI-Lead-Scoring im B2B-Mittelstand 2026 — Collective Brain
- Lead-Scoring-Systems: Prädiktive Intelligenz für die Vertriebspriorisierung — Rework
Preguntes freqüents
Què vol dir que un lead sigui B2B?
Un lead B2B és un contacte o una empresa que mostra interès en un producte o servei destinat a altres empreses, no a consumidors finals. Se sol identificar mitjançant dades com el càrrec del contacte, el sector de l'empresa i el canal per on va arribar.
Què vol dir lead scoring en màrqueting?
El lead scoring és el procés d'assignar una puntuació numèrica a cada lead segons l'ajust amb el client ideal i el nivell d'interès de compra, tal com recull la definició general del concepte. Aquesta puntuació permet prioritzar a quins contactes ha de dedicar temps lequip comercial primer.
Què és el lead scoring en el procés de màrqueting?
Dins del procés de màrqueting, el lead scoring actua com a filtre entre la generació de leads i el seu lliurament a vendes: decideix quan un contacte està llest per passar de nurturing a conversa comercial. Es recolza en senyals de fit (perfil d'empresa i contacte) i intent (comportament recent).
Hi ha una regla fixa sobre quantes vegades contactar a un lead B2B?
El que sí que està confirmat és que la rapidesa del primer contacte després d'un senyal d'intent alt influeix molt més en la conversió que el nombre total d'intents.
Quan convé utilitzar intel·ligència artificial al lead scoring?
Convé introduir un model predictiu quan ja hi ha entre 500 i 1.000 historials de conversió, segons recomana una guia sobre sistemes de scoring predictiu. Per sota d'aquest volum, un model basat en regles explicables és l'opció més fiable.
