Respuesta directa: coloque una puerta de elegibilidad antes del lead scoring. Reglas auditables deben decidir si la oferta, el país, el canal y la capacidad operativa son compatibles con el lead. Solo después la IA debe ordenar los registros elegibles por probabilidad, valor esperado o urgencia. Si falta evidencia, use el estado desconocido y envíe el caso a revisión o captura de datos; no convierta la ausencia en cero puntos ni en rechazo silencioso.
Un lead puede visitar precios, descargar contenido y pedir una reunión. Aun así, la empresa quizá no venda esa versión en su país, necesite un distribuidor autorizado, no atienda ese tipo de organización, carezca de permiso para el canal o no tenga capacidad con el idioma requerido. Un score alto no resuelve la incompatibilidad. Solo la lleva más rápido al primer lugar.
Separe inválido, inelegible y baja prioridad
- Inválido — spam, duplicado sin valor propio, identidad falsa o medio de contacto inutilizable.
- Inelegible — persona o empresa real para la cual la oferta o el flujo declarado no aplica bajo una regla vigente.
- Desconocido — falta evidencia; corresponde enriquecer, preguntar o revisar.
- Elegible con menor prioridad — puede ser atendido, pero otros casos tienen mayor valor, urgencia o probabilidad.
- Elegible con mayor prioridad — puede recibir la oferta y merece acción más rápida dentro de la capacidad disponible.
Cuando una nota representa los cinco estados, marketing no sabe si debe corregir medios, formulario, datos, cobertura, oferta o ventas. Los equipos reciben casos imposibles; las plataformas aprenden de devoluciones ambiguas; finanzas ve bajar el costo por lead mientras sube el costo por conversación elegible.
Escriba el Contrato de Elegibilidad de la Oferta
- Unidad de decisión — una oferta, versión, país, canal y vigencia; no “todos los leads”.
- Reglas duras — cobertura, producto, tipo de cliente, contrato, permiso, inventario o capacidad que no deben inferirse probabilísticamente.
- Evidencia — campo, sistema de registro, origen, timestamp, frescura y responsable de resolver divergencias.
- Estados — elegible, inelegible y desconocido con motivo estandarizado; desconocido nunca equivale automáticamente a no.
- Precedencia — orden y comportamiento cuando CRM, catálogo, territorio, distribuidor o capacidad discrepan.
- Acción — enrutar, nutrir, preguntar, revisar, esperar capacidad o cerrar con una explicación apropiada.
- Prioridad — score aplicado únicamente a la población elegible, con versión, umbral y ventana de validez.
- Feedback — aceptación, primera conversación, avance, ingreso, motivo de devolución y costo ligados a la versión.
El contrato debe caber en una tabla versionada antes de convertirse en arquitectura. Una empresa mediana que opera en varios países puede comenzar con una oferta, dos mercados, un segmento y dos rutas: venta directa y distribuidor. País y moneda vienen de evidencia declarada; autorización del canal, del maestro de partners; capacidad, de la cola; intención, del comportamiento. No use el modelo para adivinar una restricción que un sistema de registro debería declarar.
Aproveche el CRM nativo antes de comprar otro motor
HubSpot separa fit y engagement y permite scores distintos por región. Es útil, pero restar puntos por un país no atendido sigue siendo un número, no necesariamente una barrera. Materialice elegibilidad con propiedades, listas y branches; conserve el score para ordenar dentro del conjunto permitido.
Salesforce procesa reglas de asignación en orden y recomienda un catch-all. Ese fallback puede enviar desconocidos a una cola de revisión en lugar de enterrarlos bajo un owner por defecto. Dynamics 365 considera atributos, disponibilidad y capacidad. Las reglas nativas suelen bastar cuando la evidencia está estructurada, vigente y cambia poco.
La integración pasa a ser la inversión principal cuando elegibilidad vive fuera del CRM: cobertura, entitlement, catálogo, inventario, agenda, partner autorizado o capacidad. Un modelo merece intervenir cuando la evidencia llega en texto o documentos, el volumen justifica clasificación y existe muestra revisada. Incluso entonces, la IA extrae y recomienda; las reglas duras permanecen fuera del score.
Defina lo que la IA puede y no puede hacer
La IA puede leer una necesidad, mapear el producto citado, detectar conflicto entre país y oferta, resumir evidencia, sugerir motivo, pedir el campo faltante y priorizar casos elegibles. Debe conservar fuente y confianza y aceptar corrección humana. Opere en shadow mode antes de cambiar owner, etapa o contacto.
No la use para inferir criterios sensibles, crédito, elegibilidad jurídica o exclusiones reguladas mediante proxies. No trate ausencia como inelegibilidad ni permita que un score ignore una prohibición explícita. NIST recomienda alcance documentado, supervisión y falla segura fuera de los límites de conocimiento. Aquí el fallback es revisión, pregunta o espera, no acción inventada.
Piloto de seis semanas para una oferta
- Semana 1 — elija una oferta y reconstruya entre 50 y 100 leads recientes, owners, devoluciones, conversaciones y resultados.
- Semana 2 — clasifique reglas, fuentes, frescura, conflictos y desconocidos; nombre responsables de negocio y datos.
- Semana 3 — implemente baseline de reglas, cola de revisión y motivos estandarizados en CRM, sin IA.
- Semana 4 — ejecute extracción o clasificación con IA en shadow mode; revise falsos elegibles, falsos inelegibles y desconocidos.
- Semana 5 — libere un país o una ruta con supervisión, SLA, capacidad, log, fallback y reversión.
- Semana 6 — compare con el flujo anterior y decida corregir datos, ampliar reglas, integrar otra fuente, mantener revisión o detenerse.
Los entregables son tabla versionada, diccionario de evidencia, matriz de precedencia, cola de desconocidos, motivos de enrutamiento, pruebas de reglas, muestra revisada, log de decisión, vista operativa y runbook. El piloto no exige CDP ni modelo propio. Exige oferta acotada, población observable y acción ejecutable.
Mida conversión elegible, no solo MQL
Mida porcentaje elegible, desconocidos, evidencia vencida, falsos elegibles e inelegibles, enrutamiento incorrecto, tiempo hasta owner, primera conversación aceptada, capacidad consumida, devoluciones por motivo, conversión por elegible, contribución y costo por conversación elegible. Vigile exclusión indebida, concentración por país, revisiones vencidas, abandono por preguntas adicionales y reglas que nunca encuentran excepciones reales.
El costo crece con ofertas, países, versiones, frecuencia de cambio, sistemas de registro, identidad, APIs, disponibilidad, lógica contractual, volumen de texto, revisión humana, auditoría y soporte. Compare reglas nativas, integración de datos y clasificación con IA. El modelo no siempre es la parte cara; mantener evidencia vigente y conciliable suele serlo.
Conecte elegibilidad con el loop de ingresos
Compare scoring nativo y modelo propio en https://makinai.co/insights/es/lead-scoring-ia-crm-nativo-modelo-propio-inversion, enriquezca sin ocultar incertidumbre en https://makinai.co/insights/es/ia-enriquecimiento-leads-formulario-corto-evidencia, ajuste enrutamiento a capacidad en https://makinai.co/insights/es/ia-alinear-demanda-capacidad-ventas-medios y devuelva resultados al canal con https://makinai.co/insights/es/ia-feedback-crm-plataformas-medios-leads-ingresos. Si el CRM comprime restricción, fit, intención y prioridad en un número, lleve a MAKINAI, mediante https://makinai.co/services/es/consultoria-crm-ecommerce-commerce, una oferta, las reglas actuales y una muestra anonimizada de devoluciones. Podemos delimitar contrato y piloto antes de comprar otro motor.
Las fuentes describen funciones de producto y prácticas de riesgo; no garantizan conversión ni definen elegibilidad jurídica. El contrato, piloto y métricas son recomendaciones editoriales. Privacidad, accesibilidad, contratos, sectores regulados y criterios de tratamiento requieren revisión local. Un reporte agregado de 30 días no atribuye leads o ingresos a un artículo; el impacto debe evaluarse con tráfico relevante, consultas y oportunidades calificadas cuando existan datos.