La mayoría de los visitantes de un sitio web B2B se van sin rellenar ningún formulario. Comprueba tus propias cifras: divide los envíos de formularios entre las sesiones del último trimestre, y la parte del tráfico que nunca se identifica suele ser la mayoría. La generación de leads con IA, en el sentido del sitio web, es el conjunto de técnicas que actúan sobre esa mayoría silenciosa: identificar qué empresas te visitan, estimar cuáles están en un ciclo de compra y cambiar lo que muestra el sitio para que más de ellas den un siguiente paso.
La "IA" hace un trabajo distinto en cada parte, y los proveedores usan la palabra a la ligera. Este artículo separa las partes, explica cómo funciona cada una y dónde falla, y ofrece un plan de 30 días para combinarlas sin construir de más.
Qué significa la generación de leads con IA en una web
La etiqueta abarca chatbots, scoring predictivo, outreach automatizado y más. Para un equipo B2B centrado en la web, importan tres piezas:
| Pieza | Qué hace | Dónde ayuda realmente el machine learning |
|---|---|---|
| Identificación de visitantes | Asocia sesiones anónimas a empresas mediante datos de IP y enriquecimiento | Principalmente cruce de datos, no ML; algunos proveedores usan modelos para limpiar y cruzar registros |
| Puntuación de intención | Estima qué cuentas tienen probabilidad de comprar, a partir del encaje y del comportamiento | El principal uso del machine learning: aprender qué combinaciones de señales precedieron a tus victorias pasadas |
| Engagement personalizado | Cambia titulares, pruebas y CTA según quién visita y qué ha hecho | Opcional; la mayor parte de la personalización B2B funciona con reglas explícitas, a veces con selección automática de variantes |
Si un proveedor dice "con IA", pregunta a cuál de estas tres cosas se aplica y con qué datos se entrena el modelo. Un modelo de puntuación entrenado con tus propios datos de oportunidades ganadas es algo muy distinto de una "puntuación de intención" genérica que un proveedor calcula sobre todos sus clientes.
Cómo funciona la identificación de visitantes
La generación de leads basada en formularios espera a que la gente se identifique. La identificación de visitantes funciona desde el otro extremo: intenta poner nombre a la empresa antes de que nadie rellene nada.
- Resolución de IP. La dirección IP del visitante se coteja con bases de datos que asocian rangos de IP con organizaciones. Las empresas con sus propios rangos de red (oficinas, VPN que salen por pasarelas corporativas) se identifican bien. La banda ancha doméstica, las redes móviles y las redes compartidas de coworking se identifican mal o no se identifican, por eso las tasas de coincidencia varían tanto entre sitios. Mide tu propia tasa de coincidencia antes de planificar nada en torno a ella.
- Enriquecimiento firmográfico. Una vez identificada la empresa, el enriquecimiento añade el sector, el rango de empleados, la ubicación y a veces el stack tecnológico. Trata estos campos como estimaciones; revisa una muestra frente a lo que sabes de cuentas reales.
- Comportamiento en el sitio. Las páginas vistas, el número de visitas y la frecuencia de retorno se asocian a la empresa, de modo que ves "tres personas de esta empresa han leído la página de precios esta semana" en lugar de tres sesiones anónimas.
- Asociación con el CRM. Si la empresa coincide con una cuenta de tu CRM, la visita se vincula a su propietario y a sus oportunidades abiertas. Un comercial puede ver que una cuenta que está trabajando abrió dos veces la página de seguridad.
La identificación a nivel de empresa no es identificación a nivel de persona. Te dice qué organización, no qué individuo, y así debe presentarse a ventas. Para comparar herramientas, consulta nuestra guía de software de identificación de visitantes web.
Scoring: de identificada a cualificada
Una lista de empresas que visitan no es un pipeline. El paso de scoring decide cuáles merecen atención. Para saber cómo llevar el scoring basado en modelos a un pipeline que funcione, consulta esta guía práctica de lead scoring con IA.
1. Basa el perfil en tus propias victorias
Toma tus últimos 50 a 100 acuerdos ganados y fíjate en el sector, el rango de tamaño, la región y cualquier tecnología que compartan. Ese es tu perfil de encaje, y debería sustituir a lo que suponía antes el modelo de scoring. Nuestro artículo sobre cómo crear un perfil de cliente ideal explica el análisis paso a paso. Si tienes menos de unas pocas decenas de acuerdos ganados, un modelo de machine learning tiene muy poco de lo que aprender; un modelo de puntos transparente que puedas explicar a ventas funcionará igual de bien.
2. Encuentra el comportamiento que precedió a esas victorias
Analiza la actividad web de las cuentas ganadas en las semanas previas a la creación de la oportunidad. Señales que suelen importar en B2B: visitas repetidas a precios, casos de éxito del propio sector del visitante, páginas comparativas y de integraciones, varias personas de la misma cuenta en poco tiempo. Contrástalas con tus datos en lugar de adoptarlas tal cual; una señal que nunca aparece antes de tus victorias no debería tener peso.
Aquí es donde el machine learning se gana su sitio. Con suficiente historial, un modelo puede ponderar combinaciones de encaje y comportamiento mejor que unos puntos fijados a mano. Sin suficiente historial, se sobreajusta al ruido, así que empieza por lo sencillo y pasa a un modelo cuando los datos lo permitan.
3. Convierte las puntuaciones en acciones
Define los niveles por lo que ocurre después, no solo por la puntuación:
- Actuar ya: encaje con el ICP más comportamiento de fase avanzada. Avisa al propietario de la cuenta el mismo día, con las páginas vistas.
- Calentar: buen encaje, comportamiento inicial. Ajusta la experiencia web y, cuando tengas consentimiento, haz nurturing.
- Observar: todo lo demás. Sigue recopilando comportamiento y vuelve a evaluar cuando cambie.
Fija los cortes para que el nivel "actuar ya" sea lo bastante pequeño como para que ventas revise de verdad cada alerta. Nuestras guías para puntuar cuentas de alta intención y para enrutar los leads de la web detallan más los umbrales y el enrutamiento.
Cómo usar los datos en la propia web
La identificación y la puntuación te dicen quién está ahí. La personalización lo usa para cambiar lo que ven. Tres usos habituales, con lo que hay que vigilar en cada uno:
Cuentas identificadas pero desconocidas: primeras impresiones relevantes para su sector
Cuando una sesión se asocia a un sector o a un rango de tamaño, la página de inicio puede mostrar un titular, pruebas y un caso de uso para ese segmento. Ejemplo: un visitante de logística ve una historia de cliente de logística en lugar de un muro de logos genérico. Esto solo funciona si tienes pruebas reales para el segmento; un titular sectorial delante de contenido genérico es peor que la versión por defecto.
Cuentas objetivo conocidas: experiencias a nivel de cuenta
Para las cuentas de un programa ABM o con una oportunidad abierta, el sitio puede mostrar contenido vinculado a esa relación: pruebas de su sector, la integración por la que preguntaron, un CTA hacia su account executive en lugar de un formulario de demo genérico. Hazlo con mesura. Nombrar a la empresa en un banner puede parecer vigilancia; mostrar material relevante normalmente no.
Visitantes recurrentes: adaptar el siguiente paso
Primera visita: "Mira cómo funciona". Visita posterior tras ver páginas de producto: "Compara planes". Visita posterior tras ver precios: "Habla con nosotros" con una agenda. Las reglas concretas importan menos que testarlas; mide cada una frente a un grupo de exclusión que ve la versión por defecto. Nuestro artículo sobre CTA personalizados cubre la parte de testing.
El stack, pieza a pieza
- Identificación y enriquecimiento: identifica empresas y añade datos firmográficos. Sin esto, nada de lo que viene después sabe quién está visitando la web.
- Seguimiento del comportamiento: tus eventos de analítica (categorías de página, visitas, acciones clave), asociados al registro de la empresa.
- Scoring: puntos que defines tú o un modelo entrenado con tus resultados. Puede estar en tu herramienta de personalización, en tu CRM o en un servicio aparte.
- Personalización: evalúa reglas y sirve variantes. Las etiquetas en el cliente son rápidas para empezar; la entrega en el servidor o en el edge evita el parpadeo en las páginas clave.
- Sincronización con el CRM en ambos sentidos: la identificación y las puntuaciones entran en el CRM a nivel de cuenta; el estado y el propietario de la cuenta vuelven al sitio web para que, por ejemplo, no muestre un CTA de "reserva una demo" a un cliente actual.
Las piezas solo son útiles juntas. La identificación sin acción es una lista. La personalización sin identificación adivina. Las puntuaciones que nunca llegan al CRM nunca llegan a ventas.
Cómo saber si está funcionando
| Pregunta | Métrica | Comparativa |
|---|---|---|
| ¿Estamos llegando a las cuentas adecuadas? | Porcentaje del tráfico identificado que encaja con tu ICP | Mes a mes |
| ¿El scoring diferencia algo? | Tasa de oportunidades por nivel de puntuación | El nivel superior debería superar claramente a los inferiores; si no, el modelo no está prediciendo |
| ¿Actúa ventas a partir de las alertas? | Tiempo desde la alerta hasta el primer contacto; porcentaje de alertas atendidas | Frente a tu tiempo de respuesta objetivo |
| ¿Ayuda la personalización? | Conversión por segmento, personalizado frente a grupo de control | Grupo de control del mismo segmento, no la media del sitio |
| ¿Merece la pena el coste? | Coste por lead aceptado por ventas u oportunidad procedente de esta acción | Frente a tus otros canales, con la misma definición |
Un sesgo que debes esperar: las cuentas identificadas tienden a ser empresas más grandes, porque son las redes que mejor resuelve la identificación por IP. Eso puede hacer que el tamaño de las oportunidades parezca mejor de lo que merece el modelo. Compara siempre elementos equivalentes.
Un plan de 30 días
- Semana 1: identificación, sin acciones. Instala la identificación, conecta el enriquecimiento y registra qué empresas visitan y qué leen. Mide tu tasa de coincidencia y comprueba por muestreo la precisión con cuentas que conoces.
- Semana 2: un primer modelo de scoring. Analiza las operaciones ganadas recientes por encaje y comportamiento previo a la oportunidad. Crea un modelo sencillo por niveles y acuerda con ventas la definición de “actuar ya”.
- Semana 3: una personalización. Elige el sector o el tramo de tamaño del ICP más frecuente en tu tráfico identificado y personaliza para él el titular y las pruebas de la home. Mantén un grupo de exclusión.
- Semana 4: conecta a ventas. Sincroniza la identificación a nivel de cuenta y los niveles con el CRM, activa las alertas a propietarios para el nivel superior e informa a los comerciales de lo que los datos muestran y lo que no, incluido cómo mencionarlo sin resultar intrusivos ("He visto que tu equipo ha estado mirando las integraciones" es una frase que a muchos compradores les resultará extraña; empezar con material relevante normalmente no).
Al cabo de cuatro semanas tienes la infraestructura y un primer test. La puntuación solo mejorará si alguien revisa cada mes el rendimiento por nivel y la ajusta; no mejora sola.
Errores que debes evitar
- Puntuar solo por encaje. Una gran empresa de tu ICP que lee un artículo del blog no es un lead caliente. El comportamiento suele distinguir a los compradores de los curiosos mejor que los datos firmográficos.
- Alertar de todo. Si los comerciales reciben decenas de alertas al día, dejan de leerlas. Mantén pequeño el nivel superior.
- Personalizar con datos poco fiables. Si el enriquecimiento no está seguro del sector, muestra la versión por defecto. Una página del sector equivocado es peor que una genérica.
- Dar la privacidad por resuelta porque son "datos de empresa". Las direcciones IP y el seguimiento del comportamiento pueden ser datos personales según el RGPD, aunque tu objetivo sea el nivel de empresa. Implica a tu responsable de privacidad, respeta las preferencias de consentimiento de cookies y seguimiento, y actualiza tu aviso de privacidad. Nuestro artículo sobre personalización B2B y privacidad de datos entra en detalle.
- Dar por hecho que el modelo se mantiene solo. Tu base de clientes, tu producto y tus mensajes cambian. Revisa la puntuación cada mes y las reglas de personalización cada trimestre.
Dónde encaja Markettailor
Markettailor combina la identificación de visitantes a nivel de empresa, el enriquecimiento firmográfico y la personalización web, de modo que los datos de identificación alimentan directamente los segmentos y las variantes y los resultados pueden compararse con un grupo de control. Uses la herramienta que uses, el orden anterior se mantiene: mide quién te visita, aprende qué precedió a tus victorias, actúa sobre un nivel pequeño de alta intención y prueba cada cambio en la página frente a un grupo de control.
