Optimización del Lead Scoring Mediante Inteligencia Artificial para Mejorar la Calidad de Prospectos en Campañas de Marketing Digital

Este trabajo tuvo como propósito proponer una solución basada en inteligencia artificial para mejorar la calidad de los leads generados a través de campañas digitales en la empresa Darnel Group, multinacional del sector de empaques sostenibles. El alcance de la propuesta comprendió el rediseño del proceso de captación, calificación y gestión de leads provenientes de plataformas como Meta y motores de búsqueda, con el objetivo de optimizar el uso de los recursos comerciales y aumentar el retorno sobre la inversión publicitaria. La metodología se estructuró en cuatro fases. Primero, se realizó un diagnóstico a partir del análisis de una base de datos histórica de leads generados en campañas anteriores, identificando factores clave asociados a la conversión. En segundo lugar, se rediseñó el formulario de captación utilizando inteligencia artificial generativa, incorporando preguntas clave que permitan clasificar mejor a los prospectos desde el origen. En la tercera y cuarta fase, se plantea el desarrollo de un modelo de machine learning supervisado entrenado con datos históricos, que pueda clasificar automáticamente nuevos leads según su probabilidad de conversión, y su integración dentro de un flujo automatizado en la plataforma Make.com. Este flujo permitiría canalizar los leads calificados hacia el equipo comercial, mientras que los no calificados ingresarían a una campaña automatizada de nutrición por correo electrónico. Los resultados esperados incluyen una mayor eficiencia en la gestión comercial, mejor calidad de los prospectos atendidos y un uso más inteligente de los recursos invertidos en pauta digital. En conclusión, el proyecto propuso una estrategia que combina tecnologías emergentes con procesos comerciales tradicionales, con el fin de profesionalizar la gestión de leads en el entorno B2B.

• Autores: Chaves Gomez , Sofia; Santana Valero , Diego Alejandro; Mejía Cabrera, Juli Paola
• Tipo de recurso: https://purl.org/coar/resource_type/c_7a1f
• Fecha de publicación: 2025
• Institución: Universidad El Bosque
• Repositorio: Repositorio U. El Bosque
• Idioma: spa
• OAI Identifier: oai:repositorio.unbosque.edu.co:20.500.12495/17850
• Acceso en línea: https://hdl.handle.net/20.500.12495/17850
• Palabra clave: Inteligencia artificial; Marketing B2B; Puntuación de prospectos; Modelo predictivo; Automatización de procesos; 382; Artificial intelligence; B2C marketing; Lead scoring; Predictive model; Process automation
• License: Attribution 4.0 International