Lead scoring: como pontuar leads com as regras que as plataformas documentam

Quase todo artigo sobre lead scoring termina numa tabela parecida: abriu e-mail, 5 pontos; baixou material, 10; pediu orçamento, 50. A tabela parece técnica, mas é montada na hora, sem critério, e esquece a pergunta que decide se a nota presta: esse ponto ainda vale daqui a seis meses?

Este artigo explica o que é lead scoring e como montar a nota do jeito que as ferramentas foram desenhadas para funcionar. Em vez de inventar pesos, partimos da documentação técnica da HubSpot e do treinamento oficial da Salesforce, que descrevem quatro regras de mecânica que os guias costumam pular: separar perfil de engajamento, deixar o ponto expirar, subtrair pontos e colocar teto. No fim, mostramos como calibrar o limiar com o histórico de vendas da própria empresa.

O que é lead scoring?

Lead scoring é um sistema de pontuação que ordena os contatos de uma base pela chance de virarem clientes. Cada característica ou ação do lead soma (ou subtrai) pontos, e a soma diz ao time comercial por onde começar. O nome em português mais usado é pontuação de leads.

O problema que ele resolve é simples de enxergar: quando o marketing gera mais contatos do que o comercial consegue atender, alguém precisa decidir a fila. Sem critério, o vendedor liga para quem chegou por último, para quem tem o nome de empresa mais conhecido ou para quem ele acha que tem cara de comprador. Com a nota, a fila passa a seguir uma regra combinada entre as duas áreas.

Na prática, o lead scoring alimenta uma decisão binária: o contato atingiu a nota mínima e vira MQL (lead qualificado pelo marketing, pronto para uma abordagem comercial), ou continua na base recebendo conteúdo. O que acontece depois dessa passagem, o repasse, o prazo de contato e o combinado entre as áreas, é outro assunto, que tratamos em por que o gargalo da geração de leads está no repasse para vendas. Aqui o foco é anterior: como a nota é construída.

Por que a tabela de pontos pronta não funciona?

A tabela pronta falha por três motivos, e nenhum deles tem a ver com o valor exato de cada ação. O primeiro é que ela mistura na mesma soma duas perguntas diferentes: se a empresa vale a pena e se a pessoa está interessada agora. Um estudante muito curioso pode passar um diretor de compras que visitou o site uma vez.

O segundo é que a tabela só soma. Um contato que abriu e-mails durante dois anos acumula uma nota altíssima sem nunca ter dado sinal de compra, e o vendedor que liga para ele descobre um leitor fiel de newsletter, não um comprador. O terceiro é que os pesos não saem de lugar nenhum: 10 pontos por um e-book e 50 por um orçamento são números razoáveis, mas não foram testados contra as vendas reais da empresa.

Curiosamente, as plataformas de automação já trazem os recursos que corrigem esses três defeitos. Eles só aparecem na documentação técnica, que quase nunca é citada nos artigos de blog sobre o tema. É dali que vêm as regras das próximas seções.

Qual a diferença entre perfil e engajamento na nota?

Perfil (em inglês, fit) mede quem o lead é; engajamento mede o que ele fez. Perfil vem de dados declarados ou enriquecidos: setor, porte, cargo, região, faturamento, tecnologia que a empresa usa. Engajamento vem do comportamento registrado: páginas vistas, e-mails abertos e clicados, materiais baixados, eventos, pedidos de demonstração.

As ferramentas grandes tratam as duas coisas separadamente. A HubSpot trabalha com scores de perfil, de engajamento e combinado; o Account Engagement, da Salesforce, separa a pontuação (score, que reflete o interesse) da graduação (grade, que reflete a aderência ao perfil). O blog do RD Station descreve a mesma lógica com os nomes perfil e interesse. Quando dois fabricantes concorrentes chegam à mesma arquitetura, vale prestar atenção.

Elaboração da Alliance a partir da documentação da HubSpot e do Trailhead da Salesforce

Separar as duas notas muda a decisão, porque cada combinação pede uma ação diferente. Perfil alto com engajamento alto vai para vendas. Perfil alto com engajamento baixo é o cliente ideal que ainda não se mexeu: pede nutrição com conteúdo de decisão. Perfil baixo com engajamento alto é o caso perigoso, e o diagrama abaixo mostra por quê.

Por que o ponto do lead precisa expirar?

Porque interesse tem prazo. Quem baixou um e-book há dois anos e nunca mais voltou não está no mesmo momento de quem baixou o mesmo material ontem, mas uma tabela que só soma dá aos dois a mesma nota. O recurso que corrige isso se chama decaimento de pontos (score decay): o valor de cada ação cai automaticamente à medida que o tempo passa.

Dois detalhes desse trecho importam. O primeiro: o decaimento vale para engajamento, não para perfil, o que confirma a separação da seção anterior. Um diretor de uma empresa do setor certo continua sendo do setor certo daqui a um ano; o clique dele no e-mail, não. O segundo: como o decaimento se aplica ao histórico, ligá-lo numa base antiga muda a nota de milhares de contatos de uma vez, e a fila de MQL encolhe no mesmo dia. Avise o comercial antes.

Os 50% ao mês são o exemplo da documentação, não uma recomendação. O intervalo certo depende do ciclo de venda: se a empresa fecha contratos em duas semanas, um ponto de três meses atrás já é história; se o ciclo é de um ano, como em vendas industriais, a expiração precisa ser mais lenta para não apagar quem está no meio da decisão.

Quando o lead deve perder pontos?

Sempre que uma característica ou ação indicar que a pessoa não vai comprar, por mais que ela engaje. É o recurso mais subutilizado do lead scoring, porque quem monta a tabela pensa no cliente ideal e esquece de descrever quem não é cliente.

A página de vagas é o exemplo perfeito porque desmonta a intuição de que todo engajamento é bom. Candidatos a emprego visitam o site várias vezes, leem a página institucional, abrem a newsletter e, numa tabela que só soma, viram leads quentes. O mesmo vale para quem trabalha na própria empresa, para concorrentes estudando o material e para estudantes fazendo trabalho de faculdade.

A HubSpot documenta o mesmo mecanismo pelo lado do perfil: cada regra pode somar ou subtrair, e o exemplo da página é somar pontos por setor e porte adequados e subtrair por uma região onde a empresa não atua. A documentação avisa que o score fica negativo se forem subtraídos mais pontos do que somados, e isso é uma informação útil, não um defeito: nota negativa é o contato que o comercial não deve receber.

Critérios de ponto negativo que costumam valer para quase toda empresa B2B:

• E-mail pessoal em vez de corporativo, quando a venda é para empresas (com cuidado: em negócios pequenos, o dono usa e-mail pessoal).
• Região ou setor que a empresa não atende, que é o exemplo da própria HubSpot.
• Visita à página de vagas ou de trabalhe conosco, o exemplo do treinamento da Salesforce.
• Domínio de concorrente ou da própria empresa, para tirar da fila quem só está observando.
• Cargo de estudante ou estagiário, quando o formulário pergunta o cargo.
• Descadastro da lista de e-mail ou e-mail que volta, sinais de que o canal morreu.

Para que serve um teto na pontuação?

Para impedir que uma ação barata repetida muitas vezes valha mais que uma ação cara feita uma vez. Sem teto, quem abre 40 e-mails a 1 ponto cada chega a 40 pontos e passa na frente de quem pediu uma reunião, mesmo que o pedido de reunião seja, de longe, o sinal mais forte de compra.

O teto por grupo é o mais útil. Agrupe os critérios pelo tipo de sinal, por exemplo e-mail, conteúdo, visita a páginas de decisão e contato direto, e dê a cada grupo um limite proporcional à força do sinal. Assim, o e-mail pode contribuir, mas nunca decide sozinho. O diagrama abaixo junta as três mecânicas de engajamento: o ponto que expira, o teto e o ponto negativo.

Como fazer lead scoring na prática?

A ordem abaixo funciona tanto para quem vai configurar numa plataforma de automação quanto para quem vai começar numa planilha. O que muda entre os dois casos é só quem faz a conta.

1. Combine a definição de MQL com o comercial

Antes de qualquer ponto, marketing e vendas precisam concordar sobre o que é um lead pronto para abordagem. Essa conversa gera a lista de critérios e evita a queixa mais comum três meses depois: a de que os leads do marketing não prestam.

2. Descreva o perfil com dados que você realmente coleta

Liste os atributos do cliente ideal: setor, porte, cargo, região. Depois confira quais deles o formulário pergunta ou o CRM já tem. Critério que depende de um campo vazio em metade da base não pontua ninguém; ou o formulário muda, ou o critério sai.

3. Ordene os sinais de engajamento pela proximidade da compra

Pedido de orçamento ou reunião, visita à página de preços e retorno ao site depois de uma proposta estão perto da decisão. Leitura de blog e abertura de newsletter estão longe. A ordem importa mais que o valor exato: o sinal mais forte precisa valer claramente mais que o mais fraco.

4. Escreva as regras de subtração

Use a lista da seção sobre ponto negativo como ponto de partida e acrescente o que o comercial conhece: o tipo de contato que sempre pede orçamento e nunca compra, por exemplo, tem características que se repetem.

5. Ligue o decaimento e defina os tetos

Escolha o intervalo de expiração pelo ciclo de venda e dê a cada grupo de engajamento um limite. Se a ferramenta não tem decaimento nativo, uma regra de automação que desconta pontos de quem ficou inativo por um período faz papel parecido.

6. Calibre o limiar com o histórico e revise a cada trimestre

O número que transforma o lead em MQL não se escolhe na reunião; ele se descobre olhando as vendas passadas, como mostra a próxima seção. E, como produto, público e canais mudam, o modelo precisa de revisão periódica.

Como definir a nota mínima para passar o lead a vendas?

Olhando para trás. O limiar de MQL se calibra com os leads que viraram cliente no passado, não com intuição. O raciocínio é o mesmo que um médico usa para definir um valor de referência: primeiro você observa quem tem a condição, depois escolhe o corte que separa esse grupo do resto.

1. Separe os negócios ganhos dos últimos 6 a 12 meses e, se possível, uma amostra de leads que não compraram no mesmo período.
2. Aplique o modelo de pontuação que você acabou de desenhar aos dois grupos, com os dados que cada um tinha antes de virar oportunidade.
3. Compare as notas: onde a maioria dos clientes ganhos se concentra e onde a maioria dos perdidos fica.
4. Escolha o limiar que deixa passar boa parte dos que compraram sem trazer junto a massa dos que não compraram.
5. Confira o volume: se o limiar gera mais MQL por mês do que o comercial consegue atender, suba; se gera poucos e o time está ocioso, desça.

O mesmo exercício revela pesos errados. Se um critério aparece com a mesma frequência entre clientes e não clientes, ele não diferencia ninguém e não merece ponto. Se uma ação aparece em quase todos os clientes e em poucos perdidos, ela merece mais peso do que você deu. É a lógica de comparar a taxa de conversão de quem tem o atributo com a taxa geral da base.

Quais os erros mais comuns no lead scoring?

• Uma nota só para perfil e engajamento. O curioso sem perfil e o comprador ideal sem pressa acabam com a mesma soma, e o comercial não sabe o que fazer com nenhum dos dois.
• Ponto que nunca expira. A base envelhece, as notas sobem sem parar, e a fila de MQL fica cheia de contatos que esfriaram há um ano.
• Só somar. Candidatos a vaga, concorrentes e estudantes viram leads quentes porque engajam muito.
• Sem teto por grupo. A newsletter decide quem vai para vendas, e o pedido de reunião perde peso relativo.
• Limiar escolhido no chute. Um número redondo como 100 pontos, sem conferir quantos clientes reais ele teria deixado passar.
• Modelo montado pelo marketing sozinho. O comercial não confia na nota, liga para quem quer e o scoring vira decoração no CRM.
• Nunca revisar. O produto muda, o público muda e a pontuação continua premiando o comportamento do cliente de dois anos atrás.

Lead scoring pode ser automático e preditivo?

Pode, e há dois níveis de automação diferentes. O primeiro é o que este artigo descreveu até aqui: o scoring baseado em regras, em que alguém define os critérios e os pesos, e a plataforma aplica a conta automaticamente a cada ação do lead. É o modelo das ferramentas de automação de marketing e de muitos CRMs, e o ponto de partida recomendado para quase todo mundo.

O segundo é o lead scoring preditivo, em que um modelo estatístico ou de aprendizado de máquina lê o histórico de negócios ganhos e perdidos e descobre sozinho quais características e comportamentos se associam à compra. A vantagem é encontrar padrões que ninguém teria listado; a exigência é ter volume de vendas e dados limpos suficientes para o modelo aprender. Com poucas dezenas de clientes por ano, as regras escritas por gente que conhece o negócio costumam ser mais confiáveis.

Nos dois casos, a automação só é tão boa quanto os dados que chegam a ela. Se o formulário não pergunta o porte, se o rastreamento do site não identifica o contato ou se o CRM não registra por que um negócio foi perdido, nenhuma pontuação, manual ou preditiva, consegue separar bem os leads. Vale conferir também se o plano contratado inclui o recurso: na HubSpot, por exemplo, a ferramenta está nos planos Professional e Enterprise, como mostramos ao discutir o que o plano gratuito de um CRM limita.

O que muda no lead scoring por tipo de negócio?

As quatro regras valem para todos, mas o peso de cada uma muda com o tipo de venda. A tabela resume onde colocar a atenção.

Em vendas B2B com vários decisores, um cuidado extra: a pontuação individual esconde o movimento da empresa. Três pessoas diferentes da mesma conta lendo conteúdos de decisão na mesma semana é um sinal mais forte do que uma pessoa muito engajada, e só aparece quando alguém soma as notas por empresa.

Por onde começar hoje

Lead scoring não precisa nascer completo. Um modelo com poucos critérios, calibrado contra as vendas reais, vale mais do que uma tabela de cinquenta linhas que ninguém revisa. A sequência mínima:

1. Faça o teste de dois minutos acima e descubra se a pontuação atual, se existir, separa quem compra de quem não compra.
2. Divida a nota em perfil e engajamento, mesmo que seja em duas colunas de planilha.
3. Escreva de três a cinco regras de ponto negativo com o comercial.
4. Ligue o decaimento no engajamento, no ritmo do seu ciclo de venda, e ponha teto nos grupos de ação barata.
5. Defina o limiar olhando os clientes dos últimos meses e marque a revisão do modelo para daqui a um trimestre.

Se a base de contatos, o formulário ou o CRM ainda não sustentam essa conta, o primeiro passo é outro: estruturar a captação e a nutrição que alimentam a nota. É esse o trabalho do nosso serviço de inbound e nutrição de leads, que implanta a pontuação junto com os fluxos. E, se você quer saber em que ponto está a geração e a qualificação de leads da sua empresa, o diagnóstico gratuito de marketing da Alliance avalia essa dimensão e aponta as lacunas.