¿Cómo crear un Lead Scoring con IA en HubSpot?

Un Lead Scoring con IA en HubSpot analiza los contactos que avanzaron —y los que no avanzaron— entre dos etapas del ciclo de vida para recomendar criterios de calificación basados en datos reales del CRM. Para configurarlo, necesitas definir la conversión que quieres predecir, contar con suficiente historial, revisar las reglas propuestas por la IA y conectar el resultado con workflows, segmentos y tareas comerciales.  ¿Qué es un Lead Scoring con IA?

Un Lead Scoring asigna una puntuación a cada contacto según dos dimensiones:

• Fit o encaje: mide cuánto se parece el contacto a tu cliente ideal mediante datos como cargo, industria, tamaño de empresa, ubicación o facturación.
• Engagement o interacción: mide el interés demostrado mediante visitas, formularios, correos, reuniones, eventos y otras acciones registradas.
• Score combinado: reúne señales de fit y engagement para distinguir, por ejemplo, entre un contacto adecuado que aún no muestra interés y otro que está activamente evaluando una compra.

HubSpot permite crear scores manuales para contactos, empresas y negocios. También ofrece funciones de IA que analizan el historial del CRM y recomiendan criterios relacionados con las conversiones observadas.

Esta distinción importa: la IA no corrige automáticamente una base de datos incompleta ni define por sí sola qué significa un lead de calidad para el negocio. El resultado depende de las etapas, propiedades, actividades y conversiones registradas en HubSpot.

Tres formas de usar IA para calificar leads en HubSpot

HubSpot dispone de tres mecanismos relacionados, pero cada uno resuelve una necesidad diferente.

Score de contactos creado con IA

Esta opción utiliza contactos existentes para entrenar un modelo y generar recomendaciones. HubSpot permite crear un score de fit o de engagement seleccionando una transición entre etapas del ciclo de vida, como de Lead a Lead calificado por ventas.

Se necesitan al menos 50 contactos, distribuidos entre 25 convertidos y 25 no convertidos, para generar el score. La evaluación puede tardar hasta una hora. Documentación de HubSpot sobre scores creados con IA.

Reglas de IA por eventos de alto impacto

Esta alternativa ayuda a construir un score de engagement o combinado. HubSpot analiza los eventos que precedieron una conversión, muestra su tasa de conversión y nivel de confianza, y recomienda cuántos puntos asignar.

Las recomendaciones consideran los últimos 90 días de actividad y eventos registrados hasta 14 días antes de alcanzar la etapa objetivo. Entre los eventos analizados se encuentran formularios enviados, páginas visitadas, clics en correos, asistencia a eventos y reproducciones de contenido. Documentación sobre reglas de IA de alto impacto.

Probabilidad de cierre predictiva

HubSpot también mantiene las propiedades Probabilidad de cierre y Prioridad del contacto. El modelo estima la posibilidad de que un contacto se convierta en cliente durante los siguientes 90 días.

Para ello analiza actividad web, interacciones con correos, formularios, reuniones, propiedades del CRM y datos de la empresa asociada. HubSpot describe este mecanismo como un modelo de aprendizaje automático de caja negra, por lo que no muestra el peso exacto de cada variable. Documentación sobre Lead Scoring predictivo.

¿Qué debes preparar antes de crear el score?

Define una conversión comercial concreta

La IA necesita un resultado observable. “Identificar buenos leads” es demasiado amplio. Conviene formular el objetivo como una transición medible:

• De Lead a Lead calificado por marketing.
• De Lead calificado por marketing a Lead calificado por ventas.
• De Lead calificado por ventas a Oportunidad.
• De Oportunidad a Cliente.

La etapa elegida debe representar un cambio real en la intención o madurez del contacto. Si marketing y ventas utilizan las etapas de manera diferente, el modelo aprenderá de una definición inconsistente.

Revisa la calidad de los datos

Antes de entrenar o activar el score, valida:

• Que las etapas del ciclo de vida se actualicen de manera consistente.
• Que contactos, empresas y negocios estén correctamente asociados.
• Que las reuniones, llamadas y correos relevantes se registren en HubSpot.
• Que las propiedades de cargo, industria, país y tamaño de empresa estén normalizadas.
• Que clientes, contactos internos, proveedores y registros de prueba puedan excluirse.
• Que el código de seguimiento de HubSpot esté instalado donde se medirán visitas.
• Que las conversiones históricas representen el proceso comercial actual.

Una base con campos vacíos o etapas desactualizadas puede producir recomendaciones estadísticamente coherentes, pero comercialmente inútiles.

Alinea a marketing y ventas

Antes de definir puntos o umbrales, ambos equipos deberían acordar:

• Qué características describen al cliente ideal.
• Qué acciones representan intención de compra.
• Qué señales deben restar puntos.
• Cuándo un lead debe pasar a ventas.
• Cuánto tiempo tiene ventas para realizar el primer contacto.
• Qué resultado devolverá ventas para mejorar el modelo.

Cómo crear un Lead Scoring con IA en HubSpot paso a paso

1. Ingresa a la herramienta de Lead Scoring

En HubSpot:

1. Haz clic en Más.
2. Ingresa a Marketing > Lead Scoring.
3. Verifica que tu usuario tenga permiso de edición para Lead Scoring.
4. Haz clic en Crear score con IA.

Si la opción no aparece, revisa la suscripción, los permisos del usuario y la disponibilidad de la funcionalidad en la cuenta.

2. Selecciona el tipo de score

HubSpot permite escoger entre:

• Score de engagement del contacto, para analizar acciones e interacciones.
• Score de fit del contacto, para analizar atributos y propiedades.

Elige engagement cuando el problema sea detectar intención. Elige fit cuando necesites reconocer qué contactos se parecen más al perfil de cliente que el negocio puede atender con éxito.

3. Define la conversión que debe estudiar la IA

Selecciona la transición entre etapas del ciclo de vida que represente el resultado esperado. Por ejemplo:

• Etapa inicial: Lead.
• Etapa de conversión: Lead calificado por ventas.
• Periodo de evaluación: últimos 90 días.

El periodo debe contener un volumen suficiente de conversiones y reflejar la operación reciente. Si el ciclo de venta dura varios meses, puede ser necesario ampliar la ventana.

4. Ejecuta la evaluación

Asigna un nombre descriptivo, como:

IA | Contactos | Lead a SQL | LATAM | 2026

Luego haz clic en Crear score y confirma la evaluación. HubSpot indica que el análisis puede tardar hasta una hora. El avance puede revisarse desde la columna de evaluación de IA en la página principal de Lead Scoring.

5. Revisa las recomendaciones

Cuando la evaluación finalice, abre el score y analiza cada criterio propuesto.

Pregúntate:

• ¿La señal ocurre antes de la conversión o es una consecuencia de ella?
• ¿El dato está disponible para la mayoría de los contactos?
• ¿La regla tiene sentido para todas las unidades de negocio incluidas?
• ¿Existe una campaña puntual que pueda haber distorsionado el resultado?
• ¿El criterio puede excluir injustificadamente mercados, cargos o empresas válidas?
• ¿Ventas puede interpretar por qué un contacto recibió esa puntuación?

La revisión humana es necesaria para detectar correlaciones engañosas. Por ejemplo, una propiedad puede aparecer asociada con cierres porque el equipo comercial solo la completa cuando la oportunidad ya está avanzada.

6. Ajusta criterios, límites y puntuaciones

Puedes modificar las reglas antes de activar el score. Como referencia, un modelo B2B podría considerar:

Estos valores son ilustrativos. Los puntos definitivos deben contrastarse con la distribución del score y las conversiones de cada empresa.

Para eventos de engagement también puedes activar la degradación del score. Esta función reduce los puntos cuando la interacción pierde actualidad, evitando que una visita realizada hace varios meses conserve el mismo valor que una acción reciente.

7. Define qué contactos serán evaluados

En la pestaña de contactos, selecciona si el score se aplicará a toda la base o solo a segmentos específicos.

Conviene excluir:

• Empleados y contactos internos.
• Proveedores y partners cuando no sean parte del proceso comercial.
• Clientes actuales si el objetivo es adquisición.
• Registros de prueba.
• Contactos sin consentimiento cuando el uso previsto requiera comunicaciones comerciales.
• Mercados o unidades de negocio que utilicen otro proceso de calificación.

Una empresa con varios países, líneas de producto o modelos de venta puede necesitar scores separados.

8. Configura propiedades y umbrales

HubSpot crea propiedades para almacenar el valor y la categoría del score. En puntuaciones combinadas, puede generar:

• Valor total.
• Valor de fit.
• Valor de engagement.
• Categoría según umbrales.

Las categorías combinadas utilizan letras y números:

• A1: fit alto y engagement alto.
• A3: fit alto y engagement bajo.
• C1: fit bajo y engagement alto.
• C3: fit bajo y engagement bajo.

Esta matriz es más útil que un único número porque permite aplicar tratamientos diferentes. Un A3 puede entrar a nutrición, mientras que un C1 necesita revisión antes de consumir tiempo comercial.

9. Prueba el score antes de activarlo

Utiliza Probar un contacto para revisar casos individuales y Vista previa de distribución para observar cómo se reparte la base.

Comprueba especialmente:

• Qué porcentaje queda en prioridad alta.
• Si los clientes históricos reciben scores superiores.
• Si aparecen falsos positivos evidentes.
• Si la puntuación concentra demasiados contactos en una sola categoría.
• Si las señales negativas reducen correctamente la prioridad.
• Si existen diferencias anómalas entre países, industrias o fuentes.

HubSpot evalúa los registros de manera retroactiva cuando se activa o actualiza un score. Un cambio en las reglas también puede afectar segmentos, workflows y reportes que utilicen sus propiedades. Descripción del funcionamiento de Lead Scoring.

10. Activa el score

Cuando las pruebas sean satisfactorias:

1. Haz clic en Revisar y activar.
2. Verifica criterios, registros incluidos y propiedades creadas.
3. Confirma con Activar.
4. Documenta la fecha, el objetivo, la versión y el responsable del modelo.

¿Cómo automatizar la gestión de leads calificados?

El score adquiere valor cuando activa una acción operativa. HubSpot permite utilizar sus propiedades en segmentos, workflows y reportes.

Workflow para leads de alta prioridad

Puedes crear un workflow con esta lógica:

1. Inscribir contactos cuya categoría sea alta o cuyo score supere el umbral acordado.
2. Comprobar que el contacto no tenga un propietario activo.
3. Asignarlo al representante correspondiente según país, segmento o producto.
4. Cambiar su etapa del ciclo de vida si cumple los criterios definidos.
5. Crear una tarea de seguimiento.
6. Enviar una notificación al propietario.
7. Definir un plazo para el primer contacto.
8. Registrar el resultado comercial en una propiedad estructurada.

Evita cambiar una etapa solo porque el contacto superó una puntuación. Añade condiciones como territorio, consentimiento, tipo de cuenta o ausencia de un negocio abierto.

Rutas recomendadas según fit y engagement

Caso de uso: empresa B2B con ventas consultivas

Una empresa de software recibe leads desde contenidos, webinars, formularios de contacto y solicitudes de demostración. Marketing entrega a ventas a quienes superan un puntaje manual, pero la tasa de aceptación es baja.

Para mejorar el proceso, el equipo puede:

1. Definir como conversión el paso de Lead calificado por marketing a Lead calificado por ventas.
2. Evaluar los contactos de los últimos seis meses.
3. Crear un score de engagement con IA.
4. Revisar qué formularios, páginas y eventos aparecen asociados con la conversión.
5. Crear un score de fit complementario con industria, tamaño y cargo.
6. Separar la base mediante categorías de fit y engagement.
7. Activar un workflow solo para A1 y A2.
8. Comparar la tasa de aceptación comercial con el modelo anterior.

El resultado esperado no es entregar más leads. Es aumentar la proporción de contactos que ventas considera relevantes y reducir el tiempo invertido en registros sin posibilidad real de avanzar.

¿Cómo medir si el Lead Scoring funciona?

El desempeño debe evaluarse con indicadores posteriores a la asignación:

• Tasa de MQL a SQL por categoría de score.
• Tasa de SQL a oportunidad.
• Tasa de oportunidad a cliente.
• Tiempo hasta el primer contacto comercial.
• Porcentaje de leads aceptados por ventas.
• Falsos positivos en categorías de alta prioridad.
• Falsos negativos detectados en categorías bajas.
• Ingresos y pipeline originados por cada rango.
• Distribución del score por país, canal, industria y segmento.

Durante el primer mes conviene revisar los resultados semanalmente. Después, una revisión mensual o trimestral puede ser suficiente, salvo que cambien las campañas, el mercado, el producto o el proceso comercial.

Errores frecuentes al usar IA para calificar leads

Entrenar con etapas mal utilizadas

Si las etapas se actualizan tarde o de manera manual, la IA aprenderá de un resultado poco confiable.

Considerar los clics como intención suficiente

Abrir un correo o visitar una página puede indicar interés, pero una demostración, una reunión o una consulta comercial suelen ser señales más cercanas a la compra.

Ignorar la antigüedad de la actividad

Un lead que acumuló puntos hace seis meses puede aparecer sobrecalificado. Utiliza ventanas de tiempo y degradación del score.

Crear un único modelo para toda la empresa

Los criterios de una venta corporativa pueden ser distintos de los utilizados para pymes, partners o diferentes países.

Automatizar sin una etapa de validación

Antes de asignar contactos masivamente, prueba registros conocidos y revisa la distribución.

No devolver información desde ventas

El modelo necesita retroalimentación. Ventas debería registrar si el lead fue aceptado, descartado, contactado, convertido o descalificado, junto con un motivo estructurado.

Recomendaciones para una implementación responsable

• Documenta las propiedades utilizadas y su procedencia.
• Revisa posibles sesgos por país, cargo, industria o tamaño de empresa.
• Mantén fuera del score los datos que no sean necesarios para la decisión.
• Permite que ventas consulte las razones operativas detrás de la prioridad.
• Conserva una vía para corregir falsos positivos y falsos negativos.
• Versiona cada modificación relevante.
• Compara el modelo con un grupo de control o con el proceso anterior.
• Reentrena o ajusta cuando cambie la estrategia comercial.
• Mantén supervisión humana en decisiones sensibles.

Conclusión

Crear un Lead Scoring con IA en HubSpot permite transformar el historial del CRM en criterios de priorización más cercanos al comportamiento real de los compradores. Su rendimiento depende de una conversión bien definida, datos consistentes y una operación capaz de actuar sobre cada categoría.

El mejor punto de partida es un piloto acotado: una unidad de negocio, una transición del ciclo de vida y un workflow controlado. Después de comparar conversiones, tiempos de respuesta y aceptación comercial, el modelo puede ampliarse con mayor seguridad.

Si tu equipo necesita diseñar el modelo, ordenar los datos del CRM o conectar el score con workflows y procesos de ventas, en Ciclo de Vida LATAM podemos ayudarte a convertir la calificación de leads en una operación medible y útil para ambos equipos.

Fuentes consultadas

• HubSpot: crear scores de contactos con IA.
• HubSpot: funcionamiento de la herramienta de Lead Scoring.
• HubSpot: crear y configurar Lead Scoring.
• HubSpot: reglas de IA basadas en eventos de alto impacto.
• HubSpot: probabilidad de cierre predictiva.