Lead scoring é dar pontos a cada lead conforme o quanto ele combina com o seu cliente ideal e o quanto demonstra interesse, para que vendas fale primeiro com quem está mais perto de comprar. Esta calculadora monta o modelo de pontuação, testa com leads, calibra os cortes e exporta as regras para configurar no CRM.
Como usar
Escolha um modelo de negócio (B2B SaaS, serviços, infoproduto, e-commerce, educação, imobiliário ou em branco) e ajuste. Os modelos são pontos de partida, não referência de mercado. Depois teste um lead marcando o que ele tem, simule com uma lista de leads e, por fim, valide com o histórico de conversões.
Regras do cálculo
- Perfil (fit): quem o lead é, como cargo, porte da empresa, segmento e orçamento.
- Comportamento: o que ele fez, como visitar a página de preços, abrir e-mail ou pedir demonstração.
- Penalidades: pontos negativos, como e-mail gratuito em venda B2B, concorrente ou cancelamento da lista.
- Critério repetível vale a cada ocorrência, até o limite do critério. Critérios do mesmo grupo se excluem: vale o maior.
- Ordem: soma dos critérios, teto de score, decaimento por inatividade (com piso) e mínimo de zero. A normalização opcional leva o score para 0 a 100.
Exemplo numérico
No modelo de B2B SaaS, um lead com cargo de decisão (15), empresa de 50 a 199 pessoas (8), segmento do ICP (8), pedido de demonstração (25) e duas visitas à página de preços (2 × 10 = 20) soma 76 pontos. Isso é quente (a partir de 60) e SQL (a partir de 75). Se ele ficar 3 semanas sem interagir, o decaimento de 2 pontos por semana tira 6, e o score cai para 70: ainda quente e MQL (a partir de 50), mas já abaixo do corte de SQL.
Validar com o histórico
Informe quantos leads havia em cada faixa e quantos viraram cliente. A ferramenta calcula a taxa de conversão por faixa e o lift (taxa da faixa dividida pela taxa geral). Com 400 leads frios e 8 conversões (2%), 250 mornos e 22 (8,8%) e 90 quentes e 30 (33,3%), os quentes convertem 16,7 vezes mais que os frios: o score separa bem. Se a razão quente/frio fica abaixo de 1,5, o score não separa e os pesos precisam ser revistos.
Erros comuns
- Dar muito peso a ações fáceis, como abrir e-mail, que fazem qualquer lead parecer quente.
- Não ter penalidade nem decaimento: o score só sobe e leads antigos seguem como quentes.
- Cortes acima do máximo possível: nenhum lead vira MQL.
- Um único critério levar sozinho ao MQL, sem exigir perfil e comportamento juntos.
- Nunca recalibrar com os dados de quem converteu.
Limites
A ferramenta não se conecta ao CRM: você copia as regras exportadas (CSV, JSON ou Markdown). Cada CRM implementa pontos, limites e decaimento de um jeito, então confira a documentação do seu antes de configurar. Com poucos leads ou conversões na validação, trate o resultado como indício. Para avaliar se a empresa está pronta para automatizar, veja o diagnóstico de maturidade de CRM e automação, o checklist de implementação de CRM e o segmentador RFM.