Cualificación de leads con chatbot en B2B: preguntas, scoring y traspaso al CRM

Lunes por la mañana, tres entradas nuevas en la bandeja del equipo comercial. La primera dice “Ruego llamada”, la segunda contiene una palabra y un número de teléfono, la tercera es un briefing de proyecto detallado que, por desgracia, va dirigido a una empresa que no ofrece nada parecido. Las tres llegaron por el mismo formulario de contacto. Las tres cuestan tiempo antes de que tenga lugar una sola conversación de asesoramiento.

En este estudio conceptual se supone un proveedor de servicios B2B con un pequeño equipo comercial, por ejemplo una consultora, un proveedor técnico o un proveedor de servicios de mantenimiento y proyectos. El negocio vive de pocos encargos, pero de mucho asesoramiento. Toda consulta merece una respuesta, pero no todas merecen el mismo plazo de respuesta ni el mismo interlocutor.

El patrón es conocido: el formulario pide nombre, correo electrónico y mensaje, nada más. Todo lo demás lo averigua el equipo comercial en la primera llamada, que así se convierte en una recogida de datos en lugar de un asesoramiento. Un chatbot puede asumir ese trabajo previo. Que lo haga bien depende menos de la tecnología que de qué preguntas hace, en qué orden y qué se hace con las respuestas.

A ello se suma un efecto que rara vez se contabiliza: cuanto más tarda una pregunta de seguimiento, más frío se vuelve el contacto. Quien escribe a tres proveedores en una mañana hablará por la tarde con el que primero hizo una pregunta de seguimiento sensata. Una respuesta rápida y de contenido no es, por tanto, una comodidad, sino parte de la captación. Justo aquí se sitúa el diseño, con la aspiración de tomar en serio a las personas antes y preparar mejor después al equipo comercial.

La idea más evidente es un catálogo de preguntas con cuatro campos: necesidad, plazo, presupuesto, persona de contacto. El problema se ve en la primera prueba. Quien en el segundo mensaje recibe la pregunta por el presupuesto sin saber por qué responde con evasivas o abandona. La recogida de datos tiene éxito, la conversación fracasa.

Un segundo patrón de error es la falsa seguridad. Un bot que calcula un número a partir de cuatro respuestas y luego “descarta” a interesados parece eficiente y decide sobre una base endeble. Un comprador que no indica un límite de presupuesto porque aún no está fijado internamente no es automáticamente un contacto débil. En servicios con mucho asesoramiento, un presupuesto poco claro suele ser lo normal al principio.

En tercer lugar, las consultas que no encajan en absoluto con la oferta. No son un fenómeno marginal. Quien mantiene un sitio web fácilmente localizable recibe candidaturas, ofertas comerciales de otros proveedores, casos de soporte de clientes existentes y proyectos demasiado pequeños, demasiado grandes o técnicamente desviados. El bot debe reconocerlos sin volverse antipático.

Por último, queda la cuestión de la responsabilidad. Una conversación automática con un posible cliente nuevo es la primera impresión de la empresa. Debe ser tan cortés, precisa y honesta como una conversación humana, incluido el aviso de que escribe un asistente.

Un quinto patrón de error afecta al mantenimiento. Una guía que se escribe una vez y nunca se adapta queda obsoleta junto con la oferta. Si se añade un servicio nuevo o se retira uno, el bot sigue respondiendo según el estado antiguo. Por eso el proyecto necesita desde el principio una persona responsable de la guía y de los criterios de exclusión que los actualice cuando cambie la oferta.

Antes de que exista una sola frase del bot, hay una pregunta para el equipo comercial: ¿qué necesitan para llevar bien una primera conversación? Normalmente la lista es más corta de lo esperado. No son el tamaño de la empresa, el sector y la facturación anual lo que decide una buena llamada inicial, sino la petición concreta, un marco temporal aproximado y la pregunta de quién participa en la decisión.

El presupuesto es un caso especial. Preguntado como cifra, es poco fiable y a menudo impopular. Como pregunta de marco, por ejemplo si ya hay un presupuesto previsto o se está determinando, ofrece en cambio información útil. Detrás hay un principio: el bot pregunta por el estado de la decisión, no por cifras que el interesado no quiere revelar o aún no conoce.

De las conversaciones con el equipo comercial surge además una lista de criterios de exclusión. ¿Qué servicios no ofrecen? ¿A partir de qué volumen de proyecto merece la pena una conversación? ¿En qué regiones operan? Estos puntos no son un voto de desconfianza hacia los interesados, sino una orientación para que el bot pueda responder con honestidad en lugar de crear falsas expectativas.

En la práctica funciona bien un breve taller con dos o tres personas del equipo comercial. Cada una trae cinco consultas pasadas, buenas y malas, y responde para cada una: ¿qué habríamos querido saber de antemano y en qué habríamos reconocido antes la consulta errónea? De las respuestas surge la lista de puntos obligatorios, y casi siempre resulta más corta que la lista de deseos con la que se empezó.

La estrategia de solución sigue un principio: la conversación sirve al interesado, la cualificación es un subproducto. El bot no empieza con preguntas, sino con una respuesta. Quien describe lo que busca recibe primero una breve valoración de si encaja con la oferta y solo después una pregunta de seguimiento dirigida. Así surge la impresión de una conversación, no de una encuesta.

Hay alternativas que sopesamos. Un formulario clásico de varios pasos es robusto y transparente, pero siempre pregunta lo mismo, con independencia de lo que el interesado haya escrito ya. Un chat libre con un modelo de lenguaje sin estructura es flexible, pero tiende a olvidar puntos obligatorios o a improvisar afirmaciones sobre la oferta. El término medio elegido es un diálogo guiado: un marco fijo con pocos puntos obligatorios, dentro del cual el modelo formula con libertad y extrae información del texto libre.

El scoring se mantiene deliberadamente sencillo. En lugar de muchos puntos y ponderaciones, hay tres clasificaciones: encaja claramente, quizá encaja, no encaja. Cada clasificación lleva una breve justificación en palabras. Ventas lee “La consulta encaja, plazo de tres meses, decisor aún por aclarar” y no “Puntuación 62”. Un número sugiere una exactitud de medición que no existe.

Lo importante es el orden de la responsabilidad. El bot preclasifica, la persona decide. Todas las consultas llegan a ventas, también las clasificadas como “no encaja”, solo que con otra prioridad y con la posibilidad de corregir la clasificación. Así se evita que un error del sistema cueste un buen contacto sin que nadie lo note.

Un ejemplo aclara la diferencia. Si un interesado escribe “Necesitamos a alguien que rehaga nuestros contratos de mantenimiento antes de fin de año”, el modelo ya reconoce el asunto y el plazo y solo pregunta por el rol. Un formulario volvería a preguntar ambas cosas. El interesado percibe que se le ha escuchado, y ventas recibe los mismos datos con menos fricción.

El orden de las preguntas sigue la disposición a responder. Primero el asunto, porque de eso todo el mundo habla con gusto. Después el contexto, es decir, para qué se necesita el servicio y qué existe ya. Solo entonces el plazo, y únicamente en el último tercio el rol y el camino de decisión. El presupuesto no se pregunta por separado, sino que a menudo se desprende del contexto o se plantea como pregunta orientativa.

Cada pregunta lleva un motivo que el bot expone. “Para ponerle en contacto con el especialista adecuado, necesito dos datos” se percibe de otro modo que una consulta sin comentario. Además, cualquier pregunta puede omitirse. Quien no quiere indicar el presupuesto no recibe una repetición, sino una nota “no indicado” en el traspaso. Este detalle determina si las personas terminan la conversación.

La salida también forma parte del diseño. En cualquier momento el interesado puede pedir una llamada o terminar la conversación. El bot resume entonces lo que sabe hasta ese momento y lo transmite. Una calificación interrumpida es mejor que una relación interrumpida.

En cuanto al tono: frases cortas, sin jerga comercial, sin halagos. El bot hace como máximo una pregunta por mensaje y confirma con sus propias palabras lo que ha entendido. Este reflejo parece un detalle, pero corrige pronto malentendidos que de otro modo solo saldrían a la luz en la llamada inicial.

Una particularidad es el trato con la ambigüedad. Si alguien escribe “Necesitamos una solución para nuestros datos”, puede significar migración, análisis, copia de seguridad o protección de datos. El bot no adivina, sino que ofrece dos o tres interpretaciones para elegir y deja abierta la posibilidad de formularlo de otra manera. El esfuerzo es mínimo; la ganancia está en la precisión del traspaso.

Técnicamente, la solución consta de cuatro partes: la ventana de chat en el sitio web, un control del diálogo que hace cumplir la guía, un modelo de lenguaje para la comprensión y la redacción, y una interfaz con el CRM. La separación es importante. El modelo puede redactar y entender, pero no decidir qué puntos obligatorios faltan ni adónde se dirige una consulta. De eso se encarga una lógica trazable fuera del modelo.

El modelo extrae del texto libre datos estructurados, por ejemplo asunto, plazo y rol, y los devuelve en un formato fijo. El control del diálogo comprueba qué campos siguen abiertos y marca la siguiente pregunta. Ante la duda, el modelo señala un dato como “supuesto” en lugar de “confirmado”. Ventas ve después la diferencia.

El traspaso genera dos cosas: un registro estructurado con los campos del CRM y un breve resumen en texto corrido. El resumen contiene el asunto en una frase, los puntos abiertos y una nota de conversación sobre lo que el interesado expresamente no quiso responder. A ello se añade el historial como anexo, para que no se pierda nada si el resumen abrevia algo.

En protección de datos rige el principio de minimización: se recoge lo que es necesario para el asesoramiento. El aviso sobre el tratamiento automatizado, el consentimiento para el contacto y los plazos de conservación forman parte del concepto; su configuración jurídica la aclara usted con su delegado de protección de datos o su asesor. Este estudio no sustituye el asesoramiento jurídico.

El primer caso especial es la consulta fuera del ámbito objetivo. Quien describe un proyecto que la empresa no ofrece debería enterarse de ello pronto y con amabilidad. El bot dice con claridad que el servicio no forma parte de la oferta y, si es posible, indica una alternativa: una referencia a la especialidad adecuada o una recomendación sobre qué tipo de proveedores puede buscar el interesado. El traspaso a ventas sigue siendo posible si el interesado lo desea.

En segundo lugar, las consultas que nada tienen que ver con negocio nuevo. Las candidaturas corresponden a Recursos Humanos, los casos de soporte de clientes actuales a atención al cliente, las ofertas comerciales de terceros a un buzón propio. El bot reconoce estos grupos por la formulación y, ante la duda, pregunta: “¿Se trata de un proyecto nuevo o de uno en curso?” Así se detecta pronto una clasificación errónea.

En tercer lugar, la consulta poco clara. Hay personas que no logran poner su asunto en palabras o solo escriben palabras clave. Aquí ayuda ofrecer una selección de tres o cuatro asuntos típicos, sin prohibir la entrada libre. Si sigue sin quedar claro, la consulta llega a ventas con la anotación “asunto abierto”. Es más honesto que una asignación forzada.

Un cuarto caso es la pregunta que el bot no puede responder, por ejemplo sobre precios concretos o referencias. No se inventa nada, sino que dice que aquí responderá una persona y anota la pregunta en el traspaso. Esto vale también para promesas sobre citas, alcance del servicio o condiciones. Las afirmaciones vinculantes corresponden a las personas.

El beneficio de una calificación no se muestra en una sola cifra, sino en varias observaciones. Es realista esperar que ventas dedique menos tiempo a las primeras preguntas de aclaración, que las consultas en el CRM estén más completas y que las consultas erróneas lleguen antes al camino correcto. La intensidad de estos efectos depende de la situación de partida, del volumen de consultas y de la calidad de la guía.

Se puede medir con pocos indicadores del CRM y del historial de chat: proporción de conversaciones que se llevan hasta el traspaso, proporción de traspasos con los datos obligatorios completos, tiempo hasta la primera respuesta de una persona, proporción de traspasos en los que ventas corrige la clasificación y tasa de citas por consulta calificada. El período debería abarcar varias semanas para que las oscilaciones semanales no engañen.

La tasa de corrección es especialmente reveladora. Si ventas corrige la clasificación con frecuencia, la guía es demasiado burda o el scoring está mal calibrado. Si casi nunca corrige, o bien se trabaja bien o bien ya nadie mira. Por eso en la operación debe haber un muestreo regular de conversaciones en el que las personas lean lo que el bot ha escrito realmente.

No se puede prometer un aumento de ventas. Un chatbot no genera demanda, ordena la existente. Tampoco se puede saber de antemano cuántos visitantes empezarán o abandonarán la conversación. Quien afirme lo contrario no conoce su sitio web, su público objetivo ni su departamento de ventas. Nosotros recopilaríamos primero datos en una pequeña fase piloto y solo después hablaríamos de expectativas.

Ser honestos incluye también mencionar posibles inconvenientes. Algunos interesados evitan por principio las ventanas de chat y prefieren escribir un correo o llamar. Ambas vías deben seguir siendo igualmente posibles. Otros prueban el bot para poner a prueba sus límites. Tampoco eso es un fallo de funcionamiento, sino un motivo para revisar a fondo antes del lanzamiento las respuestas a preguntas marginales y comprobarlas después con regularidad.

La idea más sólida de este diseño es la separación entre información y decisión. El bot recoge, estructura y resume. Qué interesado recibe una respuesta personal y con qué urgencia lo decide ventas. Quien respeta este límite puede perdonar errores al sistema, porque cada error se intercepta.

En segundo lugar, merece la pena redactar la guía junto con ventas, no para ventas. Las personas que luego trabajarán con los traspasos saben mejor qué dato mejora una conversación y cuál solo queda bien. El primer borrador casi siempre contiene demasiadas preguntas. Recortar es el verdadero trabajo.

En tercer lugar, la puesta en marcha debería hacerse por etapas. Primero el bot funciona en segundo plano y propone clasificaciones que ventas compara con su propia valoración. Después viene el traspaso con resumen. Solo al final llega la concertación de citas. Así nace la confianza y los errores salen a la luz antes de llegar a los interesados.

En cuarto lugar, la contención en el alcance funcional compensa. Es tentador dejar que el bot elabore ofertas, indique precios y asigne citas desde el principio. Cada una de estas capacidades amplía la superficie en la que algo puede salir mal. Es mejor una tarea pequeña que se cumpla con fiabilidad, y ampliar solo cuando los muestreos transcurran sin sobresaltos. Esto vale en especial para las afirmaciones sobre condiciones, que nunca deberían salir del bot sin aprobación humana.

La calificación de leads con chatbot compensa a los proveedores de servicios B2B cuyo equipo de ventas dedica mucho tiempo a primeras preguntas de aclaración y a consultas erróneas. Compensa menos si llegan pocas consultas al mes, pues entonces el esfuerzo de concepto y mantenimiento supera la ganancia. Un bot no sustituye ni el asesoramiento ni la experiencia comercial. Desplaza el trabajo previo y lo hace visible.

El siguiente paso es pequeño y no requiere técnica. Tome las últimas veinte consultas de su sitio web y marque lo que ventas tuvo que preguntar por primera vez en la llamada inicial. Si ciertas preguntas se repiten, tiene el núcleo de su guía. Si no se repiten, también es un hallazgo: entonces el problema probablemente no está en la precalificación.

Con gusto lo comentamos con usted, sin presión comercial. Juntos revisamos sus consultas, su CRM y sus criterios de exclusión, y le decimos con claridad si aquí ayuda un chatbot o si basta con un formulario de contacto mejor diseñado.

Si ya utiliza un CRM, traiga la lista de campos. El traspaso se sostiene o se cae según qué datos puedan almacenarse allí de forma limpia, y por eso toda conversación sobre un bot de calificación empieza por los campos, no por el aspecto de la ventana de chat.