El proveedor de intención entregaba cuarenta cuentas en alza cada semana, y la lista llegaba al equipo de SDR todos los lunes. Al final del trimestre, los números contaban otra historia. Unas pocas cuentas en alza se convirtieron en reuniones. Muchas nunca iban a comprar: demasiado pequeñas, del sector equivocado, ya eran clientes o eran un competidor leyendo sobre ti. Los reps hicieron lo que siempre hacen con una lista que les hace perder el tiempo. Dejaron de abrirla.
El instinto es culpar al proveedor. Con más frecuencia, el problema es la decisión de diseño de tratar una sola señal de comportamiento como una decisión de compra, sin preguntar si la cuenta puede comprar, si alguien más allí está de acuerdo o si el pico ocurrió la semana pasada o el mes pasado.
Cada una de esas cifras explica parte de por qué la intención por sí sola decepciona. El LinkedIn B2B Institute, a partir del trabajo del profesor John Dawes del Ehrenberg-Bass Institute, sostuvo en 2021 que solo alrededor del 5% de los compradores B2B está en mercado en cualquier momento y que el 95% restante no comprará en meses o años. Cuando la tasa real es tan baja, incluso una tasa modesta de falsas alarmas produce más respuestas equivocadas que correctas. The State of Business Buying, 2026 de Forrester, publicado en enero de 2026, encontró que 13 partes interesadas internas y nueve participantes externos influyen hoy en la decisión de compra B2B típica. Y el estudio 2025 B2B Buyer Experience de 6sense, una encuesta a unos 4.000 compradores con una muestra complementaria de 766, encontró que los compradores contactan por primera vez a los vendedores cuando llevan alrededor del 61% de su recorrido, y que los grupos de compra llenan cuatro de los cinco lugares de su lista corta el primer día. Para cuando un pico se vuelve visible, la lista corta suele estar formándose.
Debajo de los tres hay un cuarto problema. La investigación State of Play de Adverity sobre calidad de datos, publicada en septiembre de 2025 a partir de una encuesta a CMO de Estados Unidos, Reino Unido, Alemania, Austria y Suiza, encontró que el 45% de los datos de marketing está incompleto, es inexacto o está desactualizado. Las puntuaciones de intención heredan esos errores, y un modelo que se apoya en una sola entrada no tiene nada que los detecte. No es un problema del proveedor. Es un problema de arquitectura de la puntuación.
Diagnóstico: por qué segmentar solo con intención produce ruido
Entre $3M y $30M de ARR, el feed de intención suele conectarse directamente a una cola de reps, y en menos de un trimestre aparecen cuatro debilidades estructurales.
La intención mide la investigación de un tema, no la decisión de compra de una cuenta
La intención de terceros suele ser una inferencia: consumo de contenido en una red de editores, atribuido a una empresa mediante direcciones IP, cookies o registros, y luego comparado con la línea base normal de esa empresa. Un pico significa que alguien en la organización leyó sobre un tema más de lo habitual. No puede decirte si esa persona es compradora, busca empleo, es cliente o es un competidor. La propia guía de Forrester sobre los errores más comunes con datos de intención incluye entre ellos usar las señales de intención en el vacío, y recomienda combinar los datos con el resto de la información que ya tienes. Sin esa combinación, todos los picos se ven iguales.
La tasa base convierte los falsos positivos en lo normal
Si una cuenta de cada veinte está realmente en mercado, incluso una señal que acierta la mayoría de las veces marcará más cuentas fuera de mercado que en mercado, simplemente porque hay diecinueve veces más de ellas. Un proveedor puede citar una cifra de precisión razonable y tus reps pueden descubrir igualmente que la mayoría de las cuentas a las que llaman no están comprando. La salida es añadir evidencia que reduzca el grupo antes de leer la señal.
Un solo lector se trata como un grupo de compra
Con 13 partes interesadas internas en una decisión típica, según la investigación de Forrester de 2026, un movimiento de compra real deja rastros en varias personas y varias funciones. La mayoría de las configuraciones basadas solo en intención puntúan la cuenta por volumen, así que una sola persona muy curiosa puede llevar una cuenta al primer lugar de la lista. La amplitud, es decir, cuántas personas y roles distintos muestran actividad, suele ser una mejor señal de una evaluación activa que la profundidad de una sola persona, y la mayoría de las puntuaciones basadas solo en intención ni siquiera la miden.
La señal se lee sin reloj
Forrester describe la intención como uno de los tipos de datos más sensibles al tiempo, con una ventana limitada en la que tiene sentido actuar. Aun así, muchos equipos guardan una puntuación semanal de picos como un campo estático y la dejan ahí. Una cuenta que tuvo un pico hace seis semanas conserva su puntuación alta, y el rep llama cuando la lista corta ya está decidida. La pérdida de frescura de las señales explica con qué rapidez pierde valor cada tipo de señal de compra y cómo fijar ventanas de enrutamiento en torno a ello.
El marco: la puntuación de señales combinada (Blended Signal Score)
La puntuación de señales combinada separa las preguntas y da a cada una su propia evidencia. Es una aplicación, centrada en la segmentación, del modelo de puntuación de cuentas de cuatro señales, y tiene tres partes que se aplican en un orden fijo.
La primera es un filtro de encaje construido con datos firmográficos y tecnográficos: el tamaño de empresa, el sector, la geografía, el modelo de negocio y las tecnologías que comparten tus clientes ganados. Es un filtro, no un componente que se suma. Una cuenta con mal encaje y un gran pico no debería superar a una cuenta con buen encaje y un pico moderado, porque la primera no puede convertirse en un buen cliente por mucho interés que tenga. Las cuentas pasan, pasan en un nivel reducido o quedan excluidas. Los clientes, las oportunidades abiertas, los socios y los competidores también se excluyen aquí. El filtro solo es tan bueno como la lista que lee, así que mantén la lista de cuentas objetivo actualizada mediante disparadores y no una vez al año.
La segunda es una mezcla de comportamiento entre familias de señales independientes: intención de terceros, engagement propio (visitas a tus páginas de precios y de producto, descargas de contenido, asistencia a eventos, respuestas), cambio tecnográfico (una herramienta añadida o retirada con la que tu producto funciona o a la que reemplaza) y amplitud (cuántas personas y roles distintos están activos). La regla clave es la corroboración: una cuenta no se enruta a un rep con una sola familia. Necesita al menos dos familias independientes que apunten en la misma dirección.
La tercera es el decaimiento por recencia. Cada señal de comportamiento pierde peso con la edad según una vida media, así que un pico de la semana pasada cuenta por completo y uno de hace seis semanas cuenta poco. La puntuación refleja entonces lo que está pasando ahora, no lo que pasó una vez.
Expresada como fórmula, con pesos ofrecidos como punto de partida sugerido y no como referencia:
Puntuación de señales combinada = Nivel de encaje × (0,30 × engagement propio + 0,25 × intención de terceros + 0,25 × amplitud + 0,20 × cambio tecnográfico), donde cada término de comportamiento se multiplica por 0,5^(edad en días ÷ vida media). El nivel de encaje es 1,0 si pasa por completo, 0,5 si pasa parcialmente y 0 si queda excluida. Una primera vida media podría ser de 14 días para la intención de terceros y de 30 días para el engagement propio y el cambio tecnográfico. Enrutar a un rep exige una puntuación por encima de tu umbral y al menos dos familias contribuyendo. Tu propia validación histórica, descrita más abajo, debería reemplazar cada uno de estos números.
El engagement propio tiene el mayor peso inicial porque es comportamiento en tus propios canales, vinculado a personas conocidas. La intención de terceros sigue siendo valiosa como indicador temprano para las cuentas que todavía no te han encontrado.
Ejemplo ilustrativo. Estas cifras son inventadas y redondeadas para mostrar la mecánica; no son referencias, cifras de proveedores ni resultados de clientes. Toma un universo de 1.000 cuentas y supón, en línea con la estimación del B2B Institute, que 50 están en mercado este trimestre. Supón que un feed de intención marca el 70% de las cuentas en mercado (35) y el 16% de las otras 950 (152). La intención por sí sola enruta 187 cuentas a los reps, de las cuales 35 son reales: una precisión de alrededor del 19%, lo que significa que aproximadamente cuatro de cada cinco llamadas van a cuentas que no están comprando. Ahora aplica el diseño combinado. Supón que el filtro de encaje deja pasar 40 de las 50 cuentas en mercado y 300 de las otras 950. La intención marca 28 de esas 40 y 45 de las 300. La regla de corroboración conserva las 24 cuentas en mercado que además muestran engagement propio o un cambio tecnográfico, y 9 de las otras 45. La puntuación combinada enruta 33 cuentas, 24 de ellas reales: una precisión de alrededor del 73%. La cola de los reps baja de 187 a 33, y la proporción de llamadas desperdiciadas cae de alrededor del 81% a alrededor del 27%.
La contrapartida es real y debe explicarse a la dirección con claridad. En este ejemplo, el modelo combinado detecta 24 cuentas en mercado en lugar de 35. Las once que no detecta se quedan en programas de marketing y suben en cuanto aparece una segunda señal.
Implementación: seis pasos hacia una puntuación combinada en la que puedas confiar
Esto funciona con el CRM y los datos que la mayoría de los equipos ya paga. Cada paso termina con una comprobación.
Valida con datos históricos las señales que ya tienes
Extrae las oportunidades de los últimos cuatro a seis trimestres, ganadas y perdidas, y mira qué señales estaban presentes en cada cuenta en los 30 a 90 días previos a la creación de la oportunidad. El playbook de diagnosticar antes de construir explica cómo hacer este tipo de análisis de solo lectura. Comprobación: puedes decir, para cada familia de señales, con qué frecuencia apareció antes de oportunidades reales y con qué frecuencia apareció en cuentas que no llegaron a nada.
Escribe el filtro de encaje a partir de lo ganado, no de la presentación comercial
Define los criterios firmográficos y tecnográficos que comparten tus mejores clientes, más las exclusiones: clientes, oportunidades abiertas, socios y competidores. Guárdalos como campos y lógica en el CRM para que el filtro se aplique a cada cuenta automáticamente. Comprobación: un analista nuevo podría aplicar el filtro a cualquier empresa y llegar a la misma respuesta.
Asocia cada señal a un único registro de cuenta
Cada familia de señales necesita una fuente, una marca de tiempo y una correspondencia fiable con una sola cuenta. Si la intención se resuelve por dominio, el engagement por correo electrónico y el cambio tecnográfico por nombre de empresa, puede que no lleguen al mismo registro, y la corroboración falla. Es un problema de resolución de identidad antes que de puntuación. Comprobación: en una muestra de cuentas marcadas, las cuatro familias se resuelven al mismo ID de cuenta.
Fija pesos, vidas medias y el umbral
Empieza con los valores sugeridos de arriba y ajústalos según tu validación histórica: sube el peso de las familias que precedieron a oportunidades reales, baja el de las que no, y fija el umbral de enrutamiento donde la cola coincida con la capacidad de tu equipo. Comprobación: con el umbral elegido, la cola semanal es un número que tus reps pueden trabajar por completo.
Prueba con casos pasados antes de salir en vivo
Ejecuta el modelo sobre cuentas cuyo resultado ya conoces. Exigimos lo mismo a cada sistema: probado con unos 20 casos pasados del propio cliente, y un 85 por ciento de aciertos o no se lanza. Comprobación: el modelo acierta con las cuentas pasadas, y cada fallo tiene una razón escrita.
Enruta con códigos de motivo y revisa la precisión cada mes
Cada cuenta enrutada lleva sus motivos, por ejemplo "nivel de encaje 1, visitas a la página de precios de tres personas, pico de intención en dos temas de la categoría, nueve días de antigüedad". Cada mes, revisa cuántas cuentas enrutadas aceptaron y convirtieron los reps. Comprobación: la precisión se reporta cada mes, y los pesos solo cambian con evidencia.
Flujo de trabajo: lo que pone en marcha cada nivel de puntuación
Un diseño sugerido. Adapta los responsables y los plazos, pero reserva el tiempo de los reps para cuentas con evidencia corroborada y actual.
Regla: pasa el filtro de encaje, puntuación por encima del umbral, dos o más familias de señales activas dentro de sus vidas medias.
Acción: se enruta al rep responsable en un día hábil, con códigos de motivo y contactos sugeridos entre las personas activas.
Responsable: el account executive o SDR asignado a la cuenta; RevOps vigila el tiempo hasta el primer contacto.
Regla: pasa el filtro de encaje con una familia de señales activa, o con dos familias por debajo del umbral.
Acción: se inscribe en programas de marketing dirigidos y en una investigación ligera de SDR. Sube al Nivel 1 automáticamente cuando aparece una segunda familia.
Responsable: marketing ops, con apoyo de SDR.
Regla: señales de comportamiento fuertes pero encaje parcial, o encaje fuerte sin señal actual.
Acción: sin tiempo de reps. Las cuentas con encaje parcial y mucha actividad se revisan cada mes, porque un patrón de ellas puede indicar que el filtro es demasiado estrecho.
Responsable: RevOps revisa el patrón mensual.
Regla: clientes actuales, oportunidades abiertas, socios, competidores y cuentas con mal encaje evidente.
Acción: la intención de los clientes actuales no se descarta. Va al account manager o a customer success como posible señal de expansión o de riesgo, nunca a un rep de nuevo negocio.
Responsable: customer success y gestión de cuentas.
El relato para el consejo
Tres afirmaciones suelen sostener la conversación.
Antes enviábamos a los reps todas las cuentas que mostraban un pico de intención. Ahora puntuamos las cuentas por encaje, señales que se corroboran y recencia a la vez, así que el tiempo de los reps va solo a cuentas que pueden comprar y en las que más de un tipo de evidencia indica que hay una evaluación en curso ahora.
Cada mes reportamos la proporción de cuentas enrutadas que los reps aceptaron, la proporción que se convirtió en oportunidades y el tiempo desde la señal hasta el primer contacto. Los pesos se fijaron validándolos con nuestros propios negocios cerrados.
La cola de los reps es más pequeña y convierte más. Seguimos pagando por datos de intención, pero ahora contribuyen a una decisión en lugar de tomarla solos, y podemos mostrar qué fuentes de señales justifican su coste en el momento de la renovación.
Conexiones entre dominios: cómo se conecta la puntuación combinada con los demás sistemas
Una puntuación combinada solo es tan útil como los sistemas que actúan sobre ella. El Signal-Based Outbound Engine es el consumidor más directo: toma las cuentas de Nivel 1, los códigos de motivo y las personas activas, y los convierte en prospección oportuna que menciona lo que realmente cambió en la cuenta. La guía del motor de outbound basado en señales recorre ese camino desde el disparador hasta la reunión agendada. Speed-to-Lead usa la misma puntuación para decidir con qué rapidez, y a quién, va una solicitud entrante.
Más abajo en el embudo, el Pipeline Hygiene Sentinel se beneficia de saber qué señales originaron una oportunidad, porque los negocios que entraron con un único pico sin corroborar merecen una revisión más dura antes de llegar al forecast. Del lado de los clientes, el Churn Signal Watchtower aplica la misma lógica a la retención: señales de uso, soporte y engagement combinadas con un reloj, en lugar de una sola métrica tratada como la verdad. La visión más amplia está en la página de GTM Operations.
Si todavía estás decidiendo quién debe construir y mantener la puntuación, el árbol de decisión entre GTM engineer, RevOps manager y growth engineer ayuda a tomar esa decisión. Nuestro enfoque es la ingeniería desplegada en el cliente (forward-deployed engineering): validar con tus propios negocios cerrados, probar el modelo con casos pasados y enrutar cuentas en vivo solo cuando toma las decisiones correctas.
Fuentes: LinkedIn B2B Institute, la regla 95:5, basada en la investigación de John Dawes del Ehrenberg-Bass Institute (Marketing Week, septiembre de 2021). Forrester, The State of Business Buying, 2026 (enero de 2026, basado en la Buyers' Journey Survey 2025 de Forrester, según Digital Commerce 360). 6sense, estudio 2025 B2B Buyer Experience (unos 4.000 compradores más una muestra complementaria de 766, noviembre de 2025, según el resumen de CustomerThink). Adverity, State of Play Research: Data Quality 2025 (CMO de Estados Unidos, Reino Unido, Alemania, Austria y Suiza, septiembre de 2025). Forrester, The 10 Biggest Intent Data Mistakes for B2B Marketing and Sales (blog).
