Lead Scoring: Melhores Práticas para Agências B2B
O lead scoring é o que separa as agências B2B que escalam daquelas que perdem tempo perseguindo contatos frios. Em uma carteira típica de 1.000 leads gerados por mês via LinkedIn e cold email, apenas 8-12% justificam um esforço comercial real. Sem scoring, sua equipe de SDR esgota seu tempo com 88% de leads não qualificados — e os 12% mais quentes esfriam enquanto esperam follow-up.
Este guia detalha as melhores práticas (best practices) de lead scoring para agências B2B brasileiras, portuguesas e LATAM, com critérios concretos, modelos BANT/MEDDIC, e a transição para predictive scoring baseado em IA.
O que é lead scoring?
O lead scoring é a atribuição de uma pontuação numérica (geralmente 0-100) a cada lead em sua database, calculada a partir de dois eixos:
- Critérios demográficos / firmográficos (lead fit): cargo, tamanho da empresa, setor, localização, tecnologias utilizadas.
- Critérios comportamentais (lead engagement): aberturas de e-mail, cliques, visitas no site, downloads, respostas, presença em webinars.
Um lead com score >= 75 é considerado SQL (Sales Qualified Lead): pronto para um contato comercial direto. Entre 40 e 74, ele é MQL (Marketing Qualified Lead): a aquecer com nutrição. Abaixo de 40, ele é descartado ou colocado em banco de longa duração.
Os 7 critérios essenciais do scoring B2B
Para uma agência de lead generation, esses 7 critérios cobrem 90% da pertinência:
1. Cargo (decisor / influenciador)
CEO, fundadora, VP Vendas, CMO em PMEs (10-200 colaboradores) = +25 pontos. Diretor de Marketing em grande empresa = +15 pontos. Estagiário, assistente, cargo júnior = -10 pontos.
2. Tamanho da empresa (sweet spot)
Defina seu sweet spot ICP (Ideal Customer Profile). Para uma agência B2B típica: 20-200 funcionários e R$ 5M-50M de faturamento = +20 pontos. LinkedIn Sales Navigator e Apollo permitem filtrar essas faixas com precisão.
3. Setor (vertical match)
Setores em sua carteira atual ou similares = +15 pontos. Setores B2C ou regulados (saúde, defesa) onde sua oferta funciona menos bem = -5 a -15 pontos.
4. Tecnologias detectadas (technographic)
HubSpot, Salesforce, Pipedrive, RD Station na empresa-alvo = +10 pontos (compatibilidade técnica). CRM legado ou nenhum CRM = +5 pontos (oportunidade de upgrade). Concorrente direto já instalado = -20 pontos.
5. Comportamento de e-mail
Aberturas múltiplas (>3 em 7 dias) + cliques em links de produto = +30 pontos. Resposta direta = +50 pontos (forte sinal de interesse). Bounce ou spam complaint = -50 pontos.
6. Comportamento no site
Visita à página de pricing = +25 pontos. Download de case study = +15 pontos. Presença em demo agendada = +40 pontos. Visita única e bounce = +0 pontos.
7. Recência da última interação
Interação <= 7 dias = +10 pontos. Entre 8 e 30 dias = +0 pontos. Mais de 90 dias = -10 pontos (lead a re-engajar via campanha de reactivação).
Como construir seu modelo de scoring em 5 etapas
- Auditar seus 50 últimos clientes assinados: identifique os pontos comuns (cargo, tamanho, setor). Esses são seus critérios positivos prioritários.
- Auditar seus 50 últimos leads que converteram em "no-show" ou "churn rápido": identifique os critérios negativos a penalizar.
- Atribuir pontos a cada critério com pesos relativos (entrevistar a equipe comercial: o que pesa mais?).
- Definir os thresholds: SQL >= 75, MQL 40-74, frio < 40.
- Testar em uma amostra de 200 leads ao longo de 30 dias. Ajustar os pesos com base na taxa de conversão observada.
Um modelo bem calibrado deve identificar 70-80% dos leads que se converterão como SQL ou MQL.
Predictive lead scoring: o salto qualitativo via IA
O scoring manual baseado em regras (rule-based) tem um limite: ele não detecta combinações sutis de sinais. O predictive lead scoring baseado em machine learning analisa os padrões dos seus 500-2.000 últimos clientes assinados e infere os preditores ocultos: tipo de tecnologia stack, frequência de posts no LinkedIn, fundraising recente, etc.
As ferramentas como 6sense, MadKudu ou os módulos de IA integrados ao HubSpot e Salesforce produzem scores com 30-50% mais precisão que um modelo manual. O custo: R$ 1.500-7.500/mês por agência, geralmente justificado a partir de 50 SQL gerados/mês.
Integrar o scoring ao seu CRM e suas sequências
O scoring só serve se for acionável em tempo real. Configurações típicas:
- HubSpot / Salesforce: campo custom "Lead Score" atualizado via webhook a cada interação detectada.
- Sequências automatizadas: lead atinge SQL → handoff automático para SDR humano + notificação Slack/Teams.
- Re-scoring noturno: tarefa cron que recalcula os scores de toda a base com base na recência (decay de 5 pontos por semana sem interação).
- Dashboard de monitoramento: distribuição dos leads por faixas de score, taxa de conversão por faixa, tempo médio MQL → SQL.
5 erros frequentes a evitar
- Scoring estático: critérios fixos há 2 anos. Recalibre seu modelo a cada 6 meses no mínimo.
- Pesos arbitrários: pontos atribuídos "no feeling" sem validação data-driven.
- Critérios demográficos isolados: um CEO de PMI sem nenhum sinal de engagement não é SQL.
- Esquecer o decay: um lead quente em janeiro torna-se frio em junho sem re-scoring.
- Não documentar o modelo: a partida do criador do modelo torna o scoring uma caixa preta.
Ir mais além
O lead scoring é a base de uma máquina de vendas B2B escalável. Para aprofundar: