La personalización B2B con datos de intención empieza con una pregunta sencilla: ¿qué quiere realmente este visitante ahora mismo? Los datos firmográficos te dicen quién es. Los datos de comportamiento te dicen qué ha hecho. Los datos de intención te dicen qué está investigando activamente y lo preparado que está para comprar. Cuando conectas las señales de intención con tus reglas de personalización web, dejas de adivinar qué contenido mostrar y empiezas a ajustar la experiencia de tu sitio al comportamiento de compra real.
La mayoría de los equipos B2B usan los datos de intención para una sola cosa: dar a su equipo de ventas una lista de cuentas a las que llamar. Es útil, pero ignora la web. (Los datos de intención de terceros también son distintos de la intención de una consulta de búsqueda; tratamos esa parte en nuestro artículo sobre palabras clave de intención de compra). Si sabes que una cuenta objetivo está investigando activamente "herramientas de identificación de visitantes web", ¿por qué ibas a mostrarle una página de inicio genérica en lugar de empezar por tus capacidades de identificación de visitantes, casos de éxito relevantes y un camino directo a una demo?
A continuación: los tipos de datos de intención, qué señales son lo bastante fuertes como para cambiar una página, cinco reglas que merece la pena crear, cómo mantener limpios los datos y cómo saber si algo de todo esto se paga solo.
Los tres tipos de datos de intención
Los datos de intención se meten en una sola categoría, pero hay tres tipos distintos con niveles de fiabilidad, costes y usos muy diferentes para la personalización web.
Datos de intención propios
Son datos de comportamiento de tus propios canales: tu sitio web, emails, producto y contenido. Son los más fiables porque controlas la recogida y sabes exactamente qué acciones los generaron.
Señales que importan para la personalización:
- Páginas visitadas y tiempo dedicado (sobre todo páginas de producto, precios y comparativas)
- Contenido consumido (temas del blog, guías descargadas, webinars a los que ha asistido)
- Búsquedas en tu web
- Frecuencia y antigüedad de las visitas de vuelta
- Interacciones con formularios (empezados pero abandonados, completados)
- Interacción con emails (abiertos, clics, qué enlaces)
Los datos de intención propios son gratuitos de recoger y muy precisos. La limitación es la cobertura: solo ves la intención de las personas que ya han encontrado tu web. No ves las cuentas que investigan tu categoría en otras webs, plataformas de reseñas o publicaciones del sector. Hemos explicado cómo recoger estos datos en nuestra guía de estrategia de datos propios.
Datos de intención de segunda parte
Son datos propios de un socio que los comparte contigo. La fuente más habitual son las plataformas de reseñas (G2, TrustRadius, Capterra), que venden datos sobre qué empresas están investigando tu categoría de producto o comparándote con la competencia.
Señales que importan para la personalización:
- Actividad de investigación sobre una categoría (p. ej., "La empresa X está investigando herramientas de personalización web")
- Actividad de comparación con competidores (p. ej., "La empresa X consultó la comparativa entre tú y el competidor Y")
- Visualizaciones del perfil en la plataforma de reseñas
- Consumo de contenido en sitios de socios
Los datos de segunda parte son moderadamente fiables porque la fuente es conocida y los métodos de recogida son transparentes. El inconveniente es su alcance limitado: cada socio solo ve su propio tráfico. Las señales de los sitios de reseñas están cerca de una decisión de compra (alguien está leyendo comparativas de tu categoría), pero solo cubren a los compradores que usan ese sitio de reseñas.
Datos de intención de terceros
Se trata de datos de comportamiento agregados de toda la web, recopilados por proveedores como Bombora, 6sense o G2 (a gran escala). Estos proveedores rastrean el consumo de contenidos en miles de sitios web y lo convierten en señales de intención a nivel de empresa. Si todavía estás eligiendo fuente, mira cómo comparar proveedores de datos de intención B2B.
Señales que importan para la personalización:
- Puntuaciones de pico de interés por tema (¿está la empresa X consumiendo más contenido sobre "personalización web" de lo habitual?)
- Indicadores de la etapa de compra (fase de investigación frente a comparación activa frente a decisión)
- Señales de interés por la competencia
- Actividad de investigación sobre categorías tecnológicas
Los datos de terceros tienen la mayor cobertura, pero la menor fiabilidad por señal. Se basan en correspondencias probabilísticas (asignar direcciones IP y cookies a empresas), lo que introduce ruido. No toda señal es intención de compra real. Parte es solo un becario haciendo investigación de la competencia o un periodista escribiendo un artículo. Nuestra opinión: trata la intención de terceros como complemento de los datos propios, no como sustituto.
Por qué la mayoría de los equipos desperdician sus datos de intención
Un flujo de trabajo habitual con datos de intención: un proveedor externo envía cada semana una lista de cuentas que muestran intención. Marketing pasa la lista a ventas. Ventas las añade a una cadencia outbound. La mayoría de esas cuentas nunca responde.
El punto débil es la respuesta. Recibes una señal digital (esta cuenta está investigando activamente online) y respondes con una acción analógica (un email en frío de un comercial). Mientras tanto, esa misma cuenta visita tu web y le muestras la misma experiencia genérica que a todos los demás.
El momento lo empeora. En el Buyer Experience Report 2025 de 6sense, los compradores establecieron el primer contacto con los vendedores tras recorrer aproximadamente el 61 % de su proceso de compra, e iniciaron ellos el 79 % de esos primeros contactos (6sense, 2025). Gran parte de la investigación previa ocurre en las webs de los proveedores, donde el comercial no puede verla.
Nuestra opinión: usar los datos de intención solo para la prospección comercial desperdicia la mitad de su valor. La cuenta que está investigando tu categoría visitará tu web en algún momento, y esa visita es cuando la señal resulta más útil, porque puedes cambiar lo que ve mientras está ahí.
Cómo conectar los datos de intención con las reglas de personalización
Cómo conviertes una señal en una regla depende de cuánto te fíes de ella. Una división útil son tres niveles de confianza.
Señales de alta confianza (actúa directamente)
Estas señales son lo bastante fiables como para cambiar la experiencia de un visitante sin más validación:
- Visita a la página de precios (propia): el visitante ha evaluado tu producto y está mirando el coste. Personaliza hacia contenido de la etapa de decisión. Muestra datos de ROI, casos de éxito de su sector y un camino directo a ventas.
- Comparación con la competencia en una web de reseñas (de segunda parte): te están comparando activamente con una alternativa. Muestra contenido diferenciador, guías de migración si procede y las ventajas competitivas relevantes para su segmento.
- Varias visitas a páginas de funcionalidades en una sesión (datos propios): están evaluando tus capacidades en detalle. Destaca las funcionalidades concretas que han visto y muestra cómo funcionan juntas.
- Abandono de formularios (datos propios): empezaron a convertir y se detuvieron. En su siguiente visita, reduce la fricción. Muestra un CTA más sencillo u ofrece otra vía de conversión (como un enlace al calendario en lugar de un formulario).
Señales de confianza media (combínalas con otros datos)
Estas señales son significativas pero no concluyentes. Combínalas con datos firmográficos o de primera mano antes de actuar:
- Pico de interés en un tema según un proveedor externo: una cuenta está consumiendo más contenido sobre tu categoría de lo habitual. Si esa cuenta además encaja con tu ICP según los datos firmográficos, personaliza hacia tu propuesta de valor principal para su segmento. Si no encaja con tu ICP, no cambies nada.
- Patrón de consumo de contenido del blog (propio): un visitante ha leído 3 o más artículos del blog sobre el mismo tema (p. ej., ABM). Muestra contenido más avanzado sobre ese tema y enlaza a la página de producto correspondiente (account-based marketing en este caso).
- Clic en un email sobre un tema concreto: mostraron interés por un tema a través del email. Cuando visiten el sitio web, empieza con contenido relacionado con ese tema. Pero no te excedas: un clic en un email es una acción de poco esfuerzo.
Señales de baja confianza (úsalas para priorizar, no para personalizar)
Algunas señales de intención tienen demasiado ruido para cambiar la experiencia web, pero siguen siendo útiles para decidir dónde centrarse:
- Pico genérico de categoría en datos de terceros: "La empresa X está investigando tecnología de marketing". Es demasiado amplio para personalizar en función de ello. Úsalo para priorizar la cuenta en el outreach, pero no cambies su experiencia en el sitio web por una señal tan vaga.
- Una sola página vista (propia): la visita a un artículo del blog no indica una intención significativa. Espera a que haya un patrón antes de personalizar.
- Señales de intención antiguas: un pico de interés en un tema de hace 60 días ya está caducado. Los datos de intención pierden valor rápido. Las señales de más de 30 días no deberían guiar las reglas de personalización.
Cinco reglas de personalización que aprovechan bien los datos de intención
Cada regla siguiente tiene una señal, una acción y una forma de comprobarla.
Regla 1: la investigación de competidores activa contenido diferenciador
Señal: los datos de segunda parte muestran que la cuenta vio tu perfil y el de un competidor en una web de reseñas en la misma semana.
Acción: cuando alguien de esa cuenta visite tu sitio web, añade una sección de comparación a la página de inicio y a las páginas de producto relevantes. Muestra tus principales diferenciadores, historias de clientes que cambiaron de proveedor y un CTA "Por qué los equipos se pasan a nosotros".
Qué medir: la tasa de solicitud de demo de las cuentas con intención hacia la competencia que ven el contenido diferenciador, frente a un grupo de control de las mismas cuentas que ve la página genérica. No menciones al competidor en ese contenido y céntralo en las capacidades en las que tu producto es realmente superior.
Regla 2: el consumo de temas determina qué funcionalidades destacar
Señal: los datos propios muestran que el visitante ha consumido 2 o más contenidos sobre un tema concreto (por ejemplo, identificación de visitantes, segmentación, analítica).
Acción: reordena la sección de funcionalidades de la página de inicio para que empiece por el tema que están investigando. Si han estado leyendo sobre identificación de visitantes, empieza por tus capacidades de identificación de visitantes. Si han estado leyendo sobre segmentación, empieza por las funcionalidades de segmentación.
Qué medir: los clics desde la página de funcionalidades hacia la funcionalidad reordenada y el avance hacia precios o demo, frente a un grupo de control que ve el orden por defecto. El visitante debería encontrar antes lo que busca.
Regla 3: un pico de intención más un encaje con el ICP activan la experiencia prioritaria
Señal: un proveedor de intención de terceros marca la cuenta con una puntuación alta de pico de interés Y la cuenta encaja con tu ICP según los datos firmográficos (sector, tamaño y geografía adecuados).
Acción: muestra una experiencia prioritaria: un caso de éxito específico del sector en la parte superior de la página, un CTA directo de "Habla con nosotros" en lugar de un CTA más suave de parte alta del embudo, y asigna la cuenta por la vía rápida a un SDR dedicado si convierte.
Por qué crearlo primero: el filtro (intención + encaje con el ICP) capta una pequeña parte del tráfico que debería ser la que más importa para el pipeline. La condición Y hace el trabajo: los datos de intención por sí solos tienen demasiado ruido, y el encaje con el ICP por sí solo es demasiado amplio. Juntos identifican cuentas que encajan bien y además están comprando activamente.
Regla 4: el patrón de visitas de retorno ajusta la urgencia del CTA
Señal: los datos de primera parte muestran 3 o más visitas en 14 días, con al menos una vista de página de producto.
Acción: cambia los CTA suaves ("Más información", "Descubre cómo funciona") por CTA directos ("Reserva una demostración de 20 minutos", "Solicita una demo personalizada"). Añade señales de urgencia como "Tu equipo lleva 2 semanas investigando esto; te lo mostramos en directo".
Qué testar: un reconocimiento relevante ("Tu equipo ha estado investigando...") frente a un copy genérico de urgencia ("Plazas limitadas") para visitantes que vuelven con mucha frecuencia, midiendo las solicitudes de demo. Nuestra opinión: la relevancia gana a la presión, y la falsa escasez daña la confianza de los compradores B2B, que comparan proveedores con detenimiento. Este enfoque de ajuste de CTA se basa en la mecánica que explicamos en nuestra guía de personalización de CTA basada en datos.
Regla 5: la detección de la fase de compra da forma a toda la página
Señal: combinación de señales de primera parte que sitúan la cuenta en una fase del recorrido del comprador concreta (Descubrimiento, Consideración, Decisión).
Acción: ajusta el diseño completo de la página. Los visitantes en descubrimiento ven contenido educativo y de thought leadership. Los visitantes en consideración ven comparativas de producto y casos de uso. Los visitantes en decisión ven precios, detalles de implantación y un camino rápido hacia ventas.
Contrapartida: la personalización de página completa por fase es la regla más compleja de implementar y la más difícil de medir, porque tres variantes dividen tu tráfico en tres. Constrúyela al final, cuando las reglas más sencillas hayan demostrado su mejora frente a un grupo de control, y cuenta con que mejore a medida que tu modelo de puntuación de intención acumule datos.
Cómo construir tu stack de datos de intención
No necesitas todos los tipos de datos de intención desde el primer día. Este es el orden que tiene sentido para la mayoría de los equipos B2B.
Fase 1: solo datos propios (semanas 1-4)
Empieza por lo que ya tienes. Tu analítica web y tu sistema de identificación de visitantes ya registran señales de intención propias. Configura tu plataforma de personalización para hacer seguimiento de:
- Vistas por categoría de página (blog, producto, precios, caso de éxito)
- Número de sesiones y actualidad por empresa identificada
- Clústeres temáticos de contenido consumidos
- Visitas a páginas de alta intención (precios, comparación, documentación de integraciones)
Crea dos o tres reglas con estas señales y pruébalas frente a un grupo de control. Si no muestran ninguna mejora con tu propio tráfico, comprar más datos no lo arreglará.
Fase 2: añade datos de segunda parte (meses 2-3)
Conecta una integración con una plataforma de reseñas (G2 es la más habitual). Añade señales de comparación con competidores y datos de investigación por categoría. Úsala para activar la regla 1 (contenido diferenciador frente a la competencia) y para identificar cuentas que están en el mercado, pero que aún no han encontrado tu web.
La intención de compra de los sitios de reseñas se vende como complemento y sus precios no suelen publicarse, así que pide un presupuesto y compáralo con lo que costaría un proveedor externo. En una categoría muy acotada, las señales de los sitios de reseñas (investigación de categoría y comparaciones por parte de cuentas identificadas) pueden ser toda la intención externa que necesitas.
Fase 3: añade datos de terceros (meses 4-6)
Añade un proveedor de intención de terceros (Bombora, 6sense o similar) para tener una cobertura amplia de las cuentas que investigan tu categoría en toda la web. Úsalo sobre todo para la regla 3 (pico de intención + encaje con el ICP) y para alimentar tu modelo de scoring de cuentas.
La intención de terceros suele ser la capa más cara, y ni Bombora ni 6sense publican el precio completo de sus contratos (a octubre de 2026), así que cuenta con una conversación comercial. No inviertas hasta haber comprobado que los datos de intención propios y de segunda parte mueven la aguja en tu programa de personalización. Si las fases 1 y 2 no dan resultados, el problema no es la cobertura de datos. Es la ejecución de tu personalización o tus segmentos.
Higiene de los datos de intención: lo que la mayoría de los equipos se salta
Los datos de intención en bruto tienen mucho ruido. Sin limpieza ni validación, personalizarás a partir de señales falsas y deteriorarás la calidad de la experiencia del visitante.
Decaimiento de las señales
Las señales de intención tienen una vida media. Una visita a la página de precios de ayer es una señal fuerte. La misma visita de hace 45 días es ruido. Define reglas de decaimiento explícitas. Estas ventanas son puntos de partida, no benchmarks; ajústalas a tu ciclo de ventas:
- Señales propias: peso completo durante 7 días, la mitad de peso entre los días 8 y 21, descartar a partir de los 30 días
- Señales de segunda parte: peso completo durante 14 días, medio peso entre los días 15 y 30, descartar a partir de los 45 días
- Señales de terceros: peso completo durante 7 días, mitad de peso entre los días 8 y 14, descartar después de 21 días (tienen más ruido, así que caducan más rápido)
¿Por qué no una única ventana larga para todo? Una ventana de 90 días sigue actuando sobre cuentas que ya han tomado una decisión o han pasado a otra cosa, así que los visitantes ven mensajes que ya no encajan con ellos. Las ventanas más cortas y específicas para cada señal mantienen la experiencia relevante; compruébalo observando los clics en los elementos personalizados antes y después de cambiar las ventanas.
Filtrado de falsos positivos
No todas las señales de intención representan intención de compra. Filtra los falsos positivos habituales:
- Competidores: excluye de tus reglas de personalización los dominios de competidores conocidos. Un competidor que visita tu web está haciendo análisis competitivo, no comprando.
- Personas que buscan empleo: los visitantes que ven tu página de empleo y luego navegan por las páginas de producto son candidatos que investigan tu producto, no compradores. Excluye las cuentas cuya primera página vista fue la sección de empleo.
- Estudiantes e investigadores: los dominios .edu y las cuentas con señales que parecen de investigación académica (mucha lectura del blog, ninguna interacción con páginas de producto) deberían excluirse de los segmentos de alta intención.
- Tráfico de bots: los datos de intención de terceros son especialmente vulnerables a señales infladas por bots. Si un proveedor muestra picos repentinos en cientos de cuentas a la vez, cuestiona la calidad de los datos.
Umbrales mínimos de señal
No personalices basándote en una sola señal. Exige un umbral mínimo antes de cambiar la experiencia:
- Datos propios: al menos 2 señales de intención en 14 días (p. ej., 2 vistas de páginas de producto, o 1 página de producto + 1 visita recurrente)
- De segunda parte: al menos 1 señal fuerte (comparación con competidores) o 2 señales moderadas (navegación por la categoría)
- De terceros: puntuación de pico de intención por encima del umbral recomendado por el proveedor, Y una señal propia o firmográfica que coincida
La personalización basada en una sola señal crea una experiencia errática en la que los visitantes ven contenido distinto cada vez en función de una única página vista. Las reglas basadas en umbrales crean una experiencia estable y progresiva que se apoya en la evidencia acumulada.
Cómo medir la personalización basada en la intención
Las métricas que importan son distintas de las de la medición genérica de la personalización, porque tienes que seguir específicamente la contribución de la señal de intención.
Precisión de la señal
Para cada tipo de señal de intención, mide la tasa de conversión de las cuentas marcadas con esa señal frente a las no marcadas. Si las cuentas con un “pico alto de interés” según tu proveedor externo convierten igual que las que no lo tienen, la señal no sirve para tu mercado. Descártala y reasigna el presupuesto.
Comprueba la precisión de las señales cada trimestre con tus propios datos: para cada señal, compara la tasa de solicitudes de demo de las cuentas que la mostraron con la de las que no. En la mayoría de los casos, las señales propias, como las visitas a la página de precios, son las más predictivas, porque muestran interés en ti concretamente; los picos de interés temáticos de terceros muestran interés en la categoría y son más débiles. Pondera tus reglas según lo que muestren tus propias cifras.
Mejora de la personalización según la fuente de la señal
Haz experimentos controlados para cada regla de personalización basada en la intención. Reserva el 20 % de las cuentas que cumplen los requisitos como grupo de control (ven la experiencia genérica aunque tengan señales de intención). Compara las tasas de conversión entre el grupo personalizado y el de control.
Esto te dice si la personalización funciona o si la señal de intención por sí sola explica la mejora. Es posible que las cuentas de alta intención conviertan mejor con o sin personalización. La prueba controlada separa el efecto de tener alta intención del efecto de ver una experiencia personalizada. Solo la diferencia entre el grupo personalizado y el grupo de control es la mejora incremental que puedes atribuir a la personalización.
Coste por conversión incremental
Los proveedores de datos de intención son caros. Calcula si la mejora de la personalización justifica el coste de los datos:
- Cuenta las conversiones incrementales atribuibles a la personalización basada en la intención (conversiones del grupo personalizado menos conversiones del grupo de control)
- Divide el coste anual de tus datos de intención entre las conversiones incrementales
- Compáralo con tu coste medio de adquisición de clientes
Ejemplo con cifras ilustrativas: si tus datos de intención de terceros cuestan 50.000 USD al año y generan 20 conversiones incrementales, son 2.500 USD por conversión incremental. Si el tamaño medio de tus acuerdos es de 25.000 USD con una tasa de cierre del 25 %, cada conversión incremental vale 6.250 USD en ingresos esperados. El ROI es positivo. Si las cifras no cuadran, quédate con tus datos propios y de segunda parte y prescinde de la inversión en datos de terceros hasta que mejoren tu tráfico o tus tasas de cierre.
Empieza por lo que ya tienes
Las señales de intención más fuertes son las que ya recopilas. Tu analítica web registra lo que hacen las cuentas en tu sitio. Tu identificación de visitantes vincula ese comportamiento con empresas. Tus patrones de consumo de contenido revelan qué temas le importan a cada cuenta.
Construye tus primeras reglas de personalización basadas en intención sobre estos datos propios. Comprueba que producen una mejora medible. Después, añade datos de segunda parte de plataformas de reseñas para captar señales de investigación sobre la competencia. Incorpora proveedores de intención de terceros solo cuando hayas demostrado que el modelo funciona y necesites más cobertura.
Cuándo no merece la pena: si tu sitio recibe tan poco tráfico identificado que una sola regla no puede llegar a unos cientos de visitas cualificadas al trimestre, no podrás medir nada de esto. Dedica primero el esfuerzo a las páginas por defecto y, mientras tanto, usa listas de intención para priorizar ventas.