Calificación de leads

Puntúa la intención de compra, define una prioridad, ordena con un lead score y enruta los leads entrantes a ventas, SDRs o nurture —y bloquea el spam— con la plantilla Lead Qualification.

Objetivo: cada lead entrante (formulario de contacto, chat, e-mail) recibe un puntaje de intención de compra, una prioridad, un lead score y un equipo de destino en unos pocos cientos de milisegundos, y el spam evidente nunca llega a tu CRM. La plantilla combina tres patrones: enrutamiento por intención, enrutamiento filtrado por confianza y puntuación compuesta.

Crea la decisión

En la app, abre Plantillas → Lead Qualification → Crear decisión. El borrador contiene:

ParteContenido
Estadomessage (string, obligatorio), company_size (number), source (string)
purchase_intentprobability: ¿intención real de comprar en los próximos 30 días? Sí: pide precios, una demo, un presupuesto o una fecha de inicio. No: solo está mirando, es estudiante, proveedor o spam.
priorityscore: low, medium, high, critical
routechoice: sales (intención alta, listo para hablar con ventas), sdr (algo de intención, necesita calificación), nurture (etapa temprana, enviar contenido), spam (spam, oferta de un proveedor o irrelevante), other
Compuestolead_score = 2 × purchase_intent + 1 × priority + 1 × p(route = sales), de 0 a 1; consulta Compuestos
Políticas1. route = spam → block · 2. confianza de purchase_intent por debajo de 0.6 → escalate

Pruébala en el Playground y luego haz clic en Publicar · v1.

Llámala

curl -X POST https://api.dcision.io/v1/decisions/lead-qualification \
  -H "Authorization: Bearer $DCISION_API_KEY" \
  -H "Content-Type: application/json" \
  -H "Idempotency-Key: lead-8421" \
  -d '{
    "state": {
      "message": "We need pricing for 500 users and want to start next month.",
      "company_size": 500,
      "source": "website"
    }
  }'
200 OK
{
  "decision_id": "dec_3fKq9ZtW1mXcV7bN2pLa",
  "execution_id": "exec_8HsT2kQw9ZyR4vMn1cXe",
  "schema": "lead-qualification",
  "version": 1,
  "result": { "purchase_intent": 0.9412, "priority": "high", "route": "sales" },
  "confidence": { "purchase_intent": 0.8824, "priority": 0.69, "route": 0.85 },
  "scores": { "priority": 2.81 },
  "composites": { "lead_score": 0.8414 },
  "action": "continue",
  "action_reason": { "type": "default" },
  "metrics": { "latency_ms": 412, "engine": "jev", "model": "jev-1.13.0", "estimated_cost_usd": 0.00001575, "input_tokens": 375, "output_tokens": 36 }
}

Otros resultados que verás:

Leadactionaction_reason
La oferta de un proveedor: route = spamblock{ "type": "policy", "rule": 0 }
Un mensaje ambiguo: purchase_intent = 0.45 (confianza 0.1)escalate{ "type": "policy", "rule": 1 }
Nada encaja, una postulación a un empleo: route = otherescalate (la acción de fallback){ "type": "other_option", "question": "route" }

La confianza de una probabilidad es |2p − 1|, así que la regla 2 escala todos los leads cuyo purchase_intent esté entre 0.2 y 0.8; consulta Confianza y probabilidades.

Actúa según el resultado

async function qualify(lead) {
  const response = await fetch("https://api.dcision.io/v1/decisions/lead-qualification", {
    method: "POST",
    headers: {
      Authorization: `Bearer ${process.env.DCISION_API_KEY}`,
      "Content-Type": "application/json",
      "Idempotency-Key": `lead-${lead.id}`,
    },
    body: JSON.stringify({ state: { message: lead.message, company_size: lead.companySize, source: lead.source } }),
  });
  if (!response.ok) return crm.assign(lead, "sdr"); // on errors, a person decides
  const { action, result, composites, execution_id } = await response.json();

  switch (action) {
    case "block":
      return crm.discard(lead, { reason: "spam", execution_id });
    case "escalate":
      return crm.assign(lead, "sdr", { note: "needs review", execution_id });
    default: {
      const sla = { critical: "1h", high: "4h", medium: "1d", low: "3d" }[result.priority];
      return crm.assign(lead, result.route, { sla, score: composites.lead_score, execution_id });
    }
  }
}

Ordena la cola de cada equipo por lead_score para atender primero los mejores leads. Los campos que la decisión no declara se reenvían igualmente al motor, así que puedes agregar contexto como country o page sin cambiar el schema.

Ajústala

  • Describe tu negocio en el context de la decisión: qué vendes, a quién, tu rango de precios. Se envía con cada lead.

  • Afina los límites entre sales, sdr y nurture con exclusiones ("not for existing customers", "no budget or timeline mentioned"). Si el Playground señala un casi empate, las descripciones se superponen.

  • Escala los leads críticos a una persona incluso cuando el enrutamiento tiene confianza:

    { "field": "priority", "on": "output", "operator": "gte", "value": "critical", "action": "escalate" }
  • Escala según el nivel ponderado para captar los leads que tienden a crítico aunque high sea el nivel más probable: { "field": "priority", "on": "score", "operator": "gte", "value": 3.5, "action": "escalate" }.

  • Exige un enrutamiento con confianza con "minConfidence": 0.7 en route: por debajo, se aplica la acción de fallback.

  • Ajusta lead_score cambiando sus pesos, o agrega términos —una probabilidad − 3 × spam, un puntaje company_fit— y luego enruta según él: { "field": "lead_score", "operator": "gte", "value": 0.8, "action": "continue" }.

  • Repite leads reales: en Ejecuciones, abre una ejecución y usa Volver a ejecutar esta entrada en el Playground para comprobar que un cambio la mejora antes de publicar la v2.

En esta página