Scoring (puntuación)

Por ejemplo, una persona hace un test de disposición a la compra. Una persona respondió "sí" a todas las preguntas clave, otra - a ninguna de ellas

Sin scoring obtienes dos respuestas igualmente "completadas". Con scoring - dos números diferentes que determinan automáticamente quién es un lead caliente y quién necesita nurturing. El scoring es la conversión de respuestas cualitativas en un total cuantitativo apto para la segmentación y la automatización.

Definición

Scoring - mecanismo para asignar valores numéricos a las respuestas de un encuestado y luego sumarlos en una puntuación final. A cada opción de respuesta se le asigna un peso - positivo, negativo o cero. La puntuación final se utiliza para clasificar al encuestado, mostrar un resultado personalizado, segmentar la audiencia o transferir el valor a un CRM como característica del lead.

Dónde se utiliza el scoring

El scoring funciona en cualquier escenario donde no solo necesitas recopilar respuestas, sino también clasificar automáticamente al encuestado según el resultado.

Calificación de leads. Un quiz de marketing "Encontremos una solución para tu negocio" - cada respuesta sobre el tamaño de la empresa, el presupuesto y los problemas actuales recibe un peso. La puntuación final determina el segmento: lead caliente (pasar a ventas hoy), templado (añadir a nurturing), frío (solo newsletter). Sin scoring el quiz simplemente recopila datos. Con scoring califica la audiencia automáticamente.

Pruebas educativas. Un test con respuestas correctas e incorrectas. Cada respuesta correcta es +1 punto (o un peso diferente para preguntas de distinta dificultad). El resultado es un porcentaje de finalización, el acceso al siguiente nivel, un certificado. Un clásico del e-learning y la formación corporativa.

Encuestas diagnósticas. "¿Qué tan eficaz es tu sistema de gestión de proyectos?" - una serie de preguntas, cada una evalúa un aspecto distinto. La puntuación final muestra en qué cuadrante se encuentra la empresa y recomienda acciones concretas. Personalizar el resultado aumenta el engagement y la conversión hacia el siguiente paso.

Evaluación y cribado de RR. HH. Tests de alineación con los valores de la empresa, conocimientos profesionales básicos durante la contratación, evaluación de soft skills. El scoring clasifica automáticamente a los candidatos antes de la revisión manual.

NPS y métricas compuestas. Formatos de quiz para calcular índices, donde la puntuación final no es solo una suma, sino una fórmula: la proporción de promotores menos la proporción de detractores.

Cómo funciona técnicamente el scoring

La mecánica básica es sencilla: a cada opción de respuesta se le asigna un número. El usuario completa el cuestionario - el sistema suma los puntos de sus respuestas. El total se compara con valores umbral que determinan el resultado o la acción.

Algunos elementos clave:

Pesos de las preguntas. No todas las preguntas son iguales. Una pregunta sobre el presupuesto puede pesar 3 veces más que una pregunta sobre los plazos. Esto se implementa multiplicando los puntos de la respuesta por el coeficiente de importancia de la pregunta. El resultado: una respuesta "sí" a una pregunta prioritaria da 15 puntos, a una secundaria - 5.

Puntos negativos. Por una respuesta "incorrecta" o un indicio de baja afinidad puedes restar puntos en lugar de simplemente no sumarlos. Esto permite construir modelos más diferenciados: un candidato con una única incompatibilidad crítica obtendrá un total bajo aunque todo lo demás esté en orden.

Valores umbral. Rangos que traducen la puntuación final en una categoría: 0-30 - bajo, 31-70 - medio, 71-100 - alto. El número de umbrales y sus límites es una decisión propia de cada tarea. Para una clasificación binaria (aprobado/no aprobado) basta con un solo umbral.

Resultado personalizado. A cada rango de puntuación le corresponde su propia pantalla con texto, una recomendación, una imagen o un enlace. Una persona con una puntuación alta ve "Estás listo para implementar - contáctanos". Una persona con una baja - "Empieza con estos materiales".

Ejemplo: scoring en un quiz para elegir un plan

Una empresa SaaS lanza un quiz "¿Qué plan te conviene?" - 6 preguntas. Cada respuesta tiene un peso:

• Tamaño del equipo: hasta 5 personas = 0 puntos, 5-20 = 10, más de 20 = 20
• Número de encuestas al mes: hasta 5 = 0, 5-20 = 10, más de 20 = 20
• Si se necesita integración con CRM: no = 0, sí = 15
• Si se necesita marca blanca: no = 0, sí = 20
• Presupuesto: hasta 30 $/mes = 0, 30-150 $ = 10, más alto = 20
• Urgencia: "solo estoy mirando opciones" = 0, "listo para probar ahora" = 15

Máximo - 100 puntos. Umbrales: 0-30 → recomendar el plan gratuito, 31-60 → plan inicial, 61-100 → una llamada con un gestor. 400 personas hicieron el quiz: 120 cayeron en "gestor", conversión a llamada de demostración - 34 %. Sin scoring las 400 habrían recibido la misma oferta - la conversión habría sido considerablemente menor.

Scoring frente a suma simple

El recuento básico de respuestas correctas es un caso particular de scoring donde todos los pesos son iguales a 1. El scoring completo se diferencia en que:

• Las preguntas tienen pesos distintos según su importancia
• Una misma respuesta puede sumar puntos en una escala y restar en otra a la vez (scoring multidimensional)
• El resultado puede no ser un único número, sino varios - a través de distintas dimensiones (por ejemplo, habilidades técnicas frente a habilidades de comunicación)

El scoring multidimensional se utiliza en tests psicológicos y encuestas de perfilado: la persona obtiene un perfil de varios indicadores en lugar de una única puntuación. Es más difícil de configurar, pero ofrece una imagen más rica.

Errores típicos al configurar el scoring

Pesos arbitrarios sin justificación. Asignar pesos "a ojo" sin analizar la contribución real de cada pregunta al total es un error frecuente. El resultado: una pregunta domina sobre todas las demás, y la puntuación final viene determinada de hecho solo por ella. Antes del lanzamiento conviene comprobar: si cambias la respuesta solo a la pregunta de mayor peso - ¿cuánto cambia el total? Si anula todas las demás - hay que revisar los pesos.

Demasiadas categorías de umbral. Cinco o seis segmentos parecen detallados, pero diluyen el sentido. Si la diferencia entre los segmentos 3 y 4 no implica acciones distintas - no es necesario separarlos. El número óptimo de categorías es tantas como acciones realmente distintas planees realizar según el resultado.

No probar el modelo de scoring antes del lanzamiento. Ejecutar manualmente los escenarios extremos (todas las respuestas mínimas, todas máximas, mixtas) es un paso obligatorio. A veces resulta que con respuestas realistas todos caen en un segmento - y no hay ninguna diferenciación.

Ignorar las respuestas omitidas. Si una pregunta es opcional y el encuestado la omitió - su puntuación suele ser 0. Esto hay que tenerlo en cuenta en los valores umbral: una persona que omitió 2 preguntas pierde automáticamente la puntuación máxima posible no por respuestas "malas", sino por la omisión.

Scoring en SurveyNinja

En SurveyNinja el scoring se configura de forma nativa mediante la configuración de respuestas correctas y puntos: a cada opción de respuesta se le asigna un valor numérico y el sistema suma automáticamente el total. El resultado está disponible en una variable que se puede transferir mediante piping a la pantalla final - para mostrar a la persona su puntuación o un texto personalizado.

Para la segmentación por resultado se utilizan saltos lógicos basados en la puntuación acumulada: al alcanzar un umbral el encuestado llega a la pantalla de resultado correspondiente. Los datos de puntuación se exportan junto con las respuestas mediante la exportación - para análisis posteriores o para transferirlos a un CRM mediante un webhook.

El scoring convierte un conjunto de respuestas en un resultado clasificable. Las decisiones clave: los pesos de las preguntas, los valores umbral, el número de segmentos y una respuesta personalizada para cada rango. Un modelo de scoring bien ajustado automatiza lo que de otro modo exigiría revisar manualmente cada cuestionario.

Preguntas frecuentes

¿En qué se diferencia el scoring de un test normal con respuestas correctas?

Un test con respuestas correctas es un caso particular de scoring con pesos iguales: +1 por una respuesta correcta, 0 por una incorrecta. El scoring completo permite asignar pesos distintos a distintas preguntas y opciones, usar puntos negativos y crear varias escalas a la vez. Esto da flexibilidad para tareas donde no hay respuestas inequívocamente "correctas" - por ejemplo, en quizzes de calificación o encuestas diagnósticas.

¿Cómo elegir los pesos de las preguntas?

Parte de la lógica de negocio: ¿cuánto influye realmente cada factor en la clasificación final? Si el presupuesto es dos veces más importante que la urgencia - el peso de la pregunta de presupuesto debe ser dos veces mayor. Tras asignar los pesos, asegúrate de ejecutar varios escenarios de prueba: el más alto, el más bajo y una respuesta típica. Si la distribución por segmentos es inesperada - revisa los pesos.

¿Se puede mostrar al encuestado su puntuación final?

Sí. La puntuación final se puede transferir mediante piping al texto de la pantalla final: "Tu resultado: 74 de 100". Esto aumenta el engagement - a la gente le gusta conocer su "número". Mostrar la puntuación o solo la categoría ("nivel alto") depende de la tarea: en la calificación de leads la puntuación normalmente no se muestra, en los tests educativos - sí.

¿Cómo transferir la puntuación final a un CRM?

Mediante webhook o API: al completarse la encuesta el sistema envía los datos, incluida la puntuación final, al endpoint indicado. En el CRM la puntuación se guarda como un campo de lead o contacto. Esto permite priorizar automáticamente el tratamiento: primero se trabaja con quienes tienen una puntuación de scoring alta.

¿Qué hacer si la mayoría de los encuestados caen en un mismo segmento?

Es una señal de que los valores umbral o los pesos están mal configurados. Comprueba la distribución de las puntuaciones finales en todas las respuestas: si el 80 % está en el rango 60-80 - hay que desplazar los umbrales o revisar los pesos para obtener una distribución más uniforme por segmentos. Una alternativa es reducir el número de segmentos al número que realmente se distingue en los datos.