Conforme a la diferenciación anterior entre información explícita e implícita, también se puede hablar de scoring implícito y explícito. Ambos conforman al final el modelo de lead scoring.
Scoring explícito: evaluación del perfil del comprador en potencia
El scoring explícito se ocupa de los datos de contacto del lead.
La información más relevante en el sector B2C comprende datos sociodemográficos tales como la edad, el género o el lugar de residencia. En el ámbito del B2B cuentan otros factores como, por ejemplo, la posición del contacto en la empresa, el sector al que esta pertenece, su número de empleados o el volumen anual de ventas previsto. Cada empresa tiene la potestad de decidir cuáles son los datos explícitos que quiere consultar para la evaluación del perfil y lo importante para la calificación de leads es que haya una estrecha colaboración entre los departamentos de ventas y de marketing. En conjunto, se fijan los factores que distinguen a los mejores clientes.
Definición y ponderación de categorías
De aquí surge un perfil general del cual se determinan los factores más relevantes. La ponderación de las categorías se realiza de manera diferente, en función de las necesidades de cada empresa. En el siguiente ejemplo destacan la posición, el sector y el número de trabajadores. La posición del trabajador es, en el caso de nuestro ejemplo, el factor de mayor peso:
Categoría | Valoración |
Posición | 50 % |
Sector | 30 % |
Número de trabajadores | 20 % |
Asignación de la puntuación en las categorías
En el siguiente punto se puede ver cómo también dentro de la propia categoría tiene lugar una especie de ponderación, para lo que se otorgan puntos. Utilizaremos un ejemplo del ámbito B2B. En este sector, el director ejecutivo (CEO), por ejemplo, obtiene una puntuación mejor en lo relativo a la categoría “posición” que la del jefe del departamento, que a su vez está bastante alejado del becario. La puntuación máxima en nuestro ejemplo es 10.
Categoría: posición | Puntuación |
Director ejecutivo | 10 |
Jefe del departamento de compras | 9 |
Trabajador del departamento de RRPP | 6 |
Recepción | 5 |
Becario | 1 |
Puntuación respecto al perfil ideal
De las diversas ponderaciones y del scoring resulta un perfil ideal que coincide en un cien por cien con el cliente óptimo definido al principio. Al final, se compara el perfil del interesado con el perfil ideal y se calcula el nivel de coincidencia, lo que da como resultado una nota. En nuestro ejemplo, A equivale al mayor nivel de coincidencia y D al más bajo.
Coincidencia con el perfil ideal | Calificación |
>75 % | A |
50–75 % | B |
25–50 % | C |
<25 % | D |
Los contactos con la calificación A se ajustan muy bien al perfil ideal y son los más significativos para la empresa. En nuestro ejemplo, se trataría del director ejecutivo (CEO) de una empresa del sector adecuado con las dimensiones idóneas (número de trabajadores). Si obtiene una puntuación elevada en las tres categorías relevantes, dicho CEO cumple todos los criterios en gran medida y recibe la calificación de A.
Scoring implícito: evaluación de la reacción del usuario
El scoring implícito se ocupa del comportamiento de los interesados, es decir, de su reacción ante la toma de contacto y las acciones aplicadas de marketing de contenidos. El análisis y la evaluación del comportamiento deben aportar información sobre su grado de interés. A este respecto, hay diversos parámetros que sirven de ayuda para obtener datos acerca de si, por ejemplo, un cliente ha conseguido el “nivel de madurez” deseado. Estos son, entre otros, la permanencia en la web, las visitas, los clics, las descargas y las solicitudes de contacto. Cuanto más se informa el cliente y se concentra en un producto concreto, más preparado está para tomar una decisión de compra. La descarga de informes técnicos (whitepapers) y eBooks indicará si hay un interés específico avanzado.
Definición y ponderación de categorías
Al igual que en el caso de los datos de usuario explícitos, también en la calificación implícita se pueden elegir aquellos parámetros que resultan relevantes para la empresa. En nuestro ejemplo, definimos como parámetros la solicitud de una oferta, la descarga de un eBook, la visita de una página de destino y la interacción en la newsletter.
Categoría | Valoración |
Solicitud de oferta por formulario de contacto | 55 % |
Descarga de eBook | 30 % |
Visita de página de destino | 10 % |
Apertura de newsletter | 5 % |
Asignación de la puntuación en las categorías
Otros datos, el mismo juego: en los datos implícitos, la ponderación también tiene lugar dentro de las categorías. Para nuestro ejemplo estudiamos las visitas realizadas a la página de destino y se evaluarán en función de la actualidad y la frecuencia. 10 vuelve a ser la puntuación máxima.
Visitas a la página de destino | Puntuación |
2 en los últimos 7 días | 10 |
2 en los últimos 30 días | 5 |
1 en el último trimestre | 1 |
Puntuación respecto al perfil ideal
Al igual que en el caso del scoring explícito, aquí también se comparan los perfiles de los clientes potenciales con el perfil deseado y se averigua cuál es el grado de coincidencia entre ellos.
Un interesado muy activo que visita la página web con regularidad, ya ha solicitado una oferta y ha descargado un eBook concuerda en gran medida con el perfil ideal, por lo que recibe la calificación más alta, 1.
Coincidencia con el perfil ideal | Calificación |
>75 % | 1 |
50–75 % | 2 |
25–50 % | 3 |
<25 % | 4 |