Lead scoring: como pontuar e qualificar

Por que pontuação sem feedback de vendas vira número decorativo

Existem dois mundos em pontuação de contatos. No primeiro, a plataforma de automação tem um campo numérico chamado "pontuação" que sobe e desce com a navegação do contato; ninguém olha; vendas decide a quem ligar por outros critérios; o número fica decorativo. No segundo, a pontuação é alimentada por regras combinadas de perfil e comportamento, validada periodicamente contra a taxa real de fechamento por faixa e calibrada em ritual mensal com a área comercial — e nessa configuração ela é mecanismo central de produtividade.

A diferença entre os dois mundos não é a sofisticação técnica do modelo. É a presença ou ausência de ciclo de feedback. Toda pontuação começa como hipótese — quanto vale baixar um material de fundo de funil, quanto vale ter cargo decisor, quanto vale ser de empresa grande. Sem confrontar essas hipóteses com o que aconteceu de verdade (quantos contatos com pontuação 80+ fecharam? quantos com pontuação 40 também fecharam?), o modelo é apenas estimativa não-validada. Marketing acredita; vendas ignora; a relação se deteriora.

Este artigo trata pontuação de contatos como sistema vivo, não como configuração inicial. Critérios, pesos e limites entram em discussão sob o pressuposto de que serão revisados conforme a operação aprende.

As duas dimensões da pontuação: encaixe e intenção

Uma pontuação bem desenhada combina duas dimensões complementares — e mantém visibilidade sobre cada uma separadamente.

Encaixe (dimensão firmográfica). Mede o quanto o contato se aproxima do perfil ideal de cliente da empresa. Critérios típicos: porte da empresa (faixa de funcionários, faixa de faturamento), setor ou vertical, geografia, cargo do contato (decisão, influência, operacional), tempo de mercado da empresa. Esta dimensão responde à pergunta: "este contato é o tipo de cliente que queremos?"

Intenção (dimensão comportamental). Mede o quanto o contato está demonstrando interesse ativo. Critérios típicos: aberturas e cliques de email, páginas visitadas (em especial preço e produto), conteúdo baixado por estágio do funil (topo, meio, fundo), participação em eventos, pedido de demonstração ou avaliação, retorno a páginas-chave. Esta dimensão responde: "este contato está pronto para conversar agora?"

A combinação importa porque cada dimensão isolada gera erro. Contato com alto encaixe e baixa intenção é cliente ideal mas não engajado — vai para nutrição. Contato com alta intenção e baixo encaixe é alguém curioso fora do perfil — não vai virar cliente. Só a combinação produz a categoria valiosa: alto encaixe e alta intenção, contato qualificado para marketing que vale entregar para vendas.

Operações maduras mantêm as duas dimensões visíveis no CRM como pontuações separadas (encaixe de 0 a 100 e intenção de 0 a 100), com o limite de contato qualificado para marketing combinando ambas (por exemplo: encaixe acima de 60 e intenção acima de 50).

Modelo de regras versus modelo preditivo

Há duas abordagens fundamentais para construir o modelo, com cenários diferentes de aplicação.

Modelo de regras (manual). A equipe define critérios e atribui pontos a cada um, com base em hipóteses, experiência e dados parciais. Por exemplo: "cargo de diretoria +20 pontos; baixou material de fundo de funil +15; visitou página de preço +10; empresa abaixo de 50 funcionários -10". O modelo é transparente, auditável e relativamente simples de configurar nas plataformas de automação (RD Station, HubSpot, ActiveCampaign, Marketo). Limitação: depende fortemente da qualidade das hipóteses iniciais e exige calibragem constante.

Modelo preditivo (aprendizado de máquina). Um algoritmo treina sobre o histórico de contatos que fecharam e que não fecharam, identifica padrões nos dados (combinações de variáveis) e atribui pontuação probabilística a cada contato. Vantagem: captura interações entre variáveis que humanos não enxergam (combinação específica de cargo, setor e tipo de conteúdo). Limitação: exige volume mínimo de dados para treinamento (geralmente acima de 1.000 contatos fechados por ano), e o modelo é menos transparente — fica mais difícil explicar "por que este contato tem nota 87".

Recomendação prática: comece com modelo de regras simples (5-8 critérios), valide contra taxa real de conversão por faixa, refine. Mude para preditivo apenas quando volume justificar (acima de mil fechamentos/ano), a operação dominar bem a versão manual e existir capacidade de ciência de dados para manter o modelo. Migrar para preditivo cedo demais é como instalar piloto automático sem ter aprendido a dirigir.

Pesos positivos e negativos: a arte da pontuação negativa

A maioria das operações configura apenas pesos positivos — somar pontos por sinal de interesse. A pontuação negativa, frequentemente esquecida, é tão importante quanto. Sem ela, o modelo é otimista demais e contatos claramente ruins ficam com pontuação alta apenas por terem clicado em alguns emails.

Cenários típicos para pontuação negativa:

Domínio de email de concorrente. Quando o endereço é de empresa concorrente conhecida, subtrair 50 pontos ou descartar diretamente.

Cargo de estudante, acadêmico ou estagiário. Tipicamente fora do perfil de compra; pontuação negativa de 15 a 25 pontos.

Domínio gratuito sem informação corporativa. Endereço @gmail.com ou similar em formulário B2B costuma indicar contato menos qualificado; pontuação levemente negativa (5 a 10 pontos).

Geografia fora da área de atendimento. Quando a empresa não atende determinada região; descontar pontos ou marcar para fluxo separado.

Inatividade prolongada. Decaimento automático — contato perde 5 a 10 pontos a cada 30 dias sem engajamento. Esta é a forma de evitar que pontuação acumulada no passado mascare ausência de interesse atual.

Descadastro ou retorno de email com erro. Marcar para descarte ou puxar pontuação para zero — contato sem canal funcional não é candidato a qualificação.

O limite de contato qualificado para marketing

O limite (em inglês, threshold) é o número de pontos a partir do qual um contato muda de estágio e passa a contato qualificado para marketing — pronto para ser entregue à área comercial. Definir o limite é decisão estratégica que precisa ser feita com a área de vendas.

Faixas práticas de partida:

Limite alto (acima de 80 em escala 0-100) implica menos contatos qualificados, mas com qualidade mais alta. Aceitação de vendas tende a ser boa, mas o volume pode ser insuficiente para sustentar a meta comercial.

Limite baixo (abaixo de 50) implica mais contatos qualificados, mas com qualidade mais variável. Vendas reclama da qualidade, taxa de rejeição sobe e o sistema perde credibilidade.

Limite intermediário (entre 60 e 75) costuma ser o ponto de partida razoável, com ajuste baseado em duas métricas: taxa de aceitação por vendas (qual percentual dos contatos qualificados é aceito?) e taxa de conversão para oportunidade (quantos viram negociação real?). Se a taxa de aceitação está alta (acima de 80%) e a taxa de conversão também, considere baixar o limite para aumentar volume. Se ambas estão baixas, suba o limite para melhorar qualidade.

Decaimento (decay) e revisão do modelo

Pontuação sem decaimento é miragem. Contato que engajou intensamente há seis meses e desapareceu desde então ainda figura com pontuação alta no sistema — distorcendo o painel e induzindo vendas a contatos frios. Decaimento é a regra que reduz pontuação ao longo do tempo sem engajamento, restaurando a propriedade básica de que a pontuação reflete intenção atual, não acumulada.

Configuração típica de decaimento: contato perde 5 a 10 pontos a cada 30 a 60 dias sem qualquer engajamento (abertura, clique, visita). A taxa exata depende do ciclo médio de compra do produto — produtos de venda complexa toleram decaimento mais lento; produtos de ciclo curto pedem decaimento rápido.

Além do decaimento, a revisão periódica do modelo de pontuação é parte essencial da operação. A cada trimestre, a equipe revisa:

Pesos por critério — algum critério está pesando demais ou de menos comparado ao histórico de conversão?

Critérios obsoletos — algum critério mudou de relevância? (mercado novo, produto descontinuado)

Novos critérios — algum novo sinal apareceu na operação que vale incluir? (página nova, evento, integração com fonte externa de dados)

Limite — taxa de aceitação e conversão indicam que o limite está calibrado?

Calibragem com vendas: o ritual mensal ou trimestral

O ritual de calibragem é onde a pontuação deixa de ser modelo decorativo e vira sistema produtivo. Estrutura recomendada para reunião de uma hora:

Vinte minutos — leitura de dados. Taxa de aceitação por vendas no período. Taxa de conversão de contato qualificado para oportunidade. Distribuição de contatos por faixa de pontuação. Comparação com o trimestre anterior.

Vinte minutos — análise de casos. Vendas traz três a cinco casos específicos: contato com pontuação alta que foi recusado (por quê?), contato com pontuação baixa que virou cliente (o que o modelo não capturou?), contato com pontuação esperada que confirmou a expectativa.

Vinte minutos — ajustes priorizados. Definir no máximo dois ou três ajustes no modelo — adicionar critério, mudar peso, ajustar limite. Cada ajuste precisa ter responsável, data de implementação e métrica de validação no trimestre seguinte.

Participantes essenciais: responsável por marketing, responsável por vendas, responsável por operações de receita ou CRM. Sem essas três funções, o ritual não fecha o ciclo.

Erros comuns na pontuação

Pontuar sem feedback de vendas. O modelo é configurado uma vez e mantido sem revisão, mesmo com vendas reclamando da qualidade. Solução: ritual fixo de calibragem com participantes definidos.

Limite fixo sem revisão. O limite definido no início do ano permanece o mesmo doze meses depois, mesmo com mudanças de mercado, produto ou perfil de cliente. Solução: revisão trimestral baseada em taxa de aceitação e conversão.

Ignorar o decaimento. Contatos antigos acumulam pontuação histórica e poluem o painel. Solução: decaimento configurado por padrão.

Critérios sem peso negativo. Modelo só soma; nunca subtrai. Contatos claramente ruins ficam com pontuação razoável. Solução: definir explicitamente pesos negativos para concorrentes, estudantes e geografia fora da área.

Modelo opaco. Ninguém na operação sabe explicar como a pontuação é calculada. Vendedores não confiam no número. Solução: documentar o modelo em um documento curto acessível a todos os envolvidos.

Migrar para preditivo cedo demais. Volume insuficiente, equipe sem maturidade na versão manual, e o modelo preditivo é instalado por moda — vira caixa-preta que ninguém entende. Solução: dominar regras simples por pelo menos um ano antes de considerar preditivo.

LGPD e pontuação

A pontuação envolve coleta sistemática de dados comportamentais — páginas visitadas, conteúdos baixados, emails abertos, eventos atendidos. Dois pontos exigem atenção pela Lei Geral de Proteção de Dados.

Base legal e consentimento. Coleta de dados comportamentais via rastreadores (cookies, pixels) costuma exigir consentimento do titular, especialmente para uso publicitário e comportamental. A plataforma do site precisa ter mecanismo de gestão de consentimento (banner de cookies em conformidade) e a operação precisa documentar a base legal — geralmente consentimento para rastreamento comportamental e legítimo interesse para dados profissionais declarados em formulário.

Decisões automatizadas e direito à revisão. Modelos preditivos podem se enquadrar como tratamento automatizado conforme o Artigo 20 da Lei Geral de Proteção de Dados, que prevê o direito de o titular solicitar revisão humana de decisões tomadas exclusivamente com base em tratamento automatizado de dados pessoais. Operações maduras declaram o uso de pontuação preditiva em política de privacidade e mantêm processo formal para atender solicitações de revisão.