Scoring de leads en promoción residencial: priorizar sin perder

En una promoción residencial en comercialización activa, el cuello de botella rara vez es el volumen de contactos: es el orden en que se atienden. Un equipo de dos comerciales con cientos de registros mensuales procedentes de portales, campañas de pago, formularios web y walk-ins acaba llamando por orden de llegada, que es el criterio menos informativo de todos. El scoring de leads inmobiliarios existe para sustituir ese orden accidental por uno defendible, sin que la parte descartada se convierta en un agujero de ventas.

Qué mide realmente un scoring de leads inmobiliarios

Un score útil combina dos cosas distintas que conviene no mezclar en un solo número hasta el final: el encaje del lead con el producto que se está vendiendo y la intención observable de ese lead en las últimas semanas. Son ejes independientes. Un inversor con capacidad de compra que pregunta por un 4 dormitorios que ya está agotado tiene encaje bajo e intención alta. Una familia que pide exactamente el tipo de vivienda con más stock pero no contesta al teléfono en diez días tiene encaje alto e intención muerta.

Encaje: lo que el producto puede darle

El encaje se evalúa contra el inventario real, no contra un perfil ideal. Tipología solicitada frente a tipología disponible, rango de precio declarado frente a precio de tarifa, plazo de entrega de la promoción frente al momento en que necesita mudarse, necesidad o no de financiación y estado de esa financiación. En residencial de obra nueva, el desfase de plazos descarta más leads que el precio: alguien que necesita entrar en tres meses no compra una llave para dentro de dos años, por mucho que le guste el proyecto.

Intención: lo que hace, no lo que dice

La intención se mide por comportamiento. Responde al primer contacto, pide plano acotado de una unidad concreta, pregunta por orientación o por planta, vuelve al tour virtual, abre el dossier más de una vez, acepta una visita presencial, aporta documentación. Las declaraciones en formulario ("compra en menos de 3 meses") son señal débil porque el usuario responde lo que cree que le abre la puerta. Una segunda visita al piso piloto pesa más que cualquier casilla marcada.

Las señales que discriminan en residencial

No todas las variables disponibles en el CRM aportan capacidad de separación. Las que suelen aportarla en promoción residencial española: canal y campaña de origen (un lead de portal generalista y uno de búsqueda de marca se comportan de forma muy distinta), coherencia entre lo solicitado y lo disponible, velocidad de respuesta al primer intento de contacto, número de canales por los que el mismo contacto ha entrado, referencia explícita a una unidad concreta, y menciones a hipoteca o a venta de una vivienda previa. Las que casi nunca aportan nada: hora del envío del formulario, longitud del mensaje libre, dispositivo.

Si una variable no cambia la decisión del comercial sobre a quién llama antes, no debería estar en el score. Sirve para el informe, no para la cola.

Empezar con reglas, no con un modelo

La primera versión de un scoring en una promotora funciona mejor como conjunto de reglas explícitas que como modelo estadístico. Tres razones prácticas. Una promoción concreta genera pocas ventas cerradas en términos de datos, y un modelo entrenado con decenas de conversiones aprende ruido. Las reglas se pueden discutir con el equipo comercial en una reunión y corregir en minutos. Y son auditables: cuando un jefe de ventas pregunta por qué un lead está en el tramo bajo, hay una respuesta en una frase.

Un esquema de arranque razonable son tres tramos —prioritario, seguimiento, nurturing— con criterios binarios y una regla de caducidad: todo lead baja de tramo si pasa un número determinado de días sin interacción. La cualificación automática de leads entra después, cuando hay suficiente histórico homogéneo de varias promociones comparables para que un modelo aporte algo por encima de las reglas que ya funcionan.

Qué cambia en la operativa cuando hay score

Un score que no altera el flujo de trabajo es un campo más en una ficha. Los cambios que lo hacen rentable son cuatro: enrutamiento (el tramo prioritario va al comercial con mejor tasa de cierre, no al que tiene menos carga), compromiso de tiempo de respuesta distinto por tramo, secuencias automatizadas de contenido para el tramo bajo en lugar de llamadas, y una cola visible en el CRM ordenada por score donde el comercial no elige a quién llama: trabaja de arriba abajo. Sin esa última pieza, cada comercial vuelve a su intuición en dos semanas.

Lo que sale mal: sesgo, datos sucios y falsos descartes

El fallo más caro es la profecía autocumplida. Si el tramo bajo recibe menos llamadas, convierte menos, y ese resultado se reinyecta como prueba de que el scoring acierta. A los pocos meses el sistema está midiendo el esfuerzo comercial, no la calidad del lead. La protección es sencilla y cuesta dinero: reservar una parte del tramo bajo para trabajarla con el mismo nivel de atención que el alto y comparar resultados.

El histórico que no vale

Un score calibrado con datos de una promoción de precio medio en un distrito consolidado no se traslada a una primera fase en un desarrollo nuevo con otro público y otro plazo de entrega. El perfil que compra cambia con el precio, el producto y el momento del ciclo. Reutilizar pesos entre promociones distintas produce descartes sistemáticos del perfil que más compra en la nueva, y nadie lo detecta porque el lead descartado no deja rastro.

Datos de entrada pobres

Buena parte de los leads de portales llegan con teléfono, un texto genérico y poco más. Si el 70% de las variables del score están vacías en la mayoría de registros, el resultado se decide por la única que está rellena: el origen. Eso no es un score, es una regla de canal disfrazada. Antes de invertir en lógica de puntuación conviene arreglar la recogida: menos campos, mejor formulados, y captura de comportamiento en la web del proyecto.

Variables que no se deben usar

Puntuar por código postal de residencia, nacionalidad, apellido o cualquier proxy de renta o de origen étnico es un riesgo legal y reputacional que ninguna mejora de eficiencia compensa. Además, si el scoring determina de facto quién recibe o no una oferta comercial, hay que poder explicar la lógica y mantener intervención humana real en el descarte. Una cola ordenada es defendible; un cierre automático de oportunidades por criterios opacos, no.

Cuándo no merece la pena

Con un volumen que el equipo puede atender por completo en el mismo día, el scoring no aporta: si se llama a todos en menos de una hora, el orden es irrelevante y el esfuerzo está mejor puesto en el guion de la primera llamada. Tampoco tiene sentido en promociones de muy pocas unidades con un mercado estrecho, donde cada contacto se trabaja de forma individual. Y es prematuro cuando el CRM no registra de forma fiable la fecha del primer contacto y el resultado de cada interacción: sin ese registro no hay forma de saber si el score acierta. En esos escenarios, la prioridad es la trazabilidad y la calidad de la captación de leads, no la puntuación.

Cómo saber si funciona

Tres métricas bastan para evaluar un scoring en marcha. La separación entre tramos: cuántas visitas y cuántas reservas produce cada tramo por cada cien leads trabajados, comparado con el conjunto. El tiempo hasta la primera visita del tramo alto, que debería bajar de forma visible. Y la fuga: qué porcentaje de las reservas del trimestre venía de leads que el sistema había colocado en el tramo bajo. Esa última cifra es la que dice si se están perdiendo oportunidades, y es la que casi nadie mide porque exige mirar hacia atrás con incomodidad.

El orden de implantación

Primero, limpiar la entrada de datos y unificar el registro de interacciones en un solo sistema. Segundo, acordar con el equipo comercial tres tramos y las reglas que los definen, por escrito. Tercero, montar la cola ordenada y los compromisos de respuesta. Cuarto, medir separación y fuga durante un par de trimestres y ajustar reglas. Solo entonces, y si el volumen y el histórico lo justifican, plantear un modelo de cualificación de leads entrenado con datos propios. Hacerlo en otro orden produce un modelo elegante alimentado con basura, que es la forma más caras de tomar peores decisiones que antes.

En GU Studio trabajamos esto en scoring de leads inmobiliarios. Si quieres ver cómo encajaría en tu caso, cuéntanoslo.