Lead Gen · Análisis
Tasas de conversión del funnel B2B: benchmarks y diagnóstico
Tasas de conversión del funnel B2B: rangos de referencia por etapa, cómo calcularlas sin distorsión y cómo detectar el cuello de botella en tu pipeline.
Las tasas de conversión del funnel B2B dicen dónde se pierde el pipeline, pero solo si se calculan por etapa, por canal y por cohorte. Esta guía reúne rangos de referencia para cada tramo, las fórmulas para calcularlos sin distorsión y un método para ubicar el cuello de botella antes de pedir más presupuesto de medios.
El reflejo habitual ante un trimestre flojo es sumar leads arriba. A veces es lo correcto. Muchas otras, el funnel ya tiene volumen suficiente y lo pierde en un tramo puntual: una landing que no convierte, MQL que ventas no llama, propuestas que quedan sin seguimiento. Agregar tráfico sobre un funnel con una fuga en el medio encarece el costo por oportunidad sin mover el ingreso.
Qué etapas medir y cómo calcular cada tasa
Antes de comparar contra cualquier benchmark hay que fijar las etapas y sus definiciones. Un funnel B2B con ciclo consultivo se puede ordenar en cinco tramos:
| Tramo | Fórmula | Quién lo controla |
|---|---|---|
| Visita → lead | Leads ÷ sesiones (o usuarios únicos) | Marketing |
| Lead → MQL | MQL ÷ leads | Marketing |
| MQL → SQL | SQL ÷ MQL | Marketing y ventas |
| SQL → oportunidad | Oportunidades ÷ SQL | Ventas |
| Oportunidad → cierre | Negocios ganados ÷ oportunidades cerradas (ganadas + perdidas) | Ventas |
Dos aclaraciones que evitan la mayoría de las discusiones internas:
- Las definiciones van por escrito. Si marketing y ventas no comparten qué es un MQL y qué es un SQL, las tasas del medio del funnel no significan nada. El criterio para trazar esa línea está en la guía de MQL vs SQL.
- La tasa de cierre se calcula sobre oportunidades cerradas, no sobre las abiertas. Incluir en el denominador negocios que todavía están en curso baja el número de forma artificial en los meses de mucha generación.
Benchmarks de conversión B2B: rangos de referencia por etapa
Los rangos que siguen son orientativos. Surgen de lo que suele verse en operaciones B2B con ciclo consultivo y de informes públicos del sector, no de un estudio propio, y varían mucho según ticket, canal y definición de etapa. Sirven para detectar un valor fuera de escala, no para fijar objetivos.
| Tramo | Rango orientativo | Qué lo mueve |
|---|---|---|
| Visita → lead (sitio corporativo) | 1-3% | Mezcla de tráfico, oferta, claridad del CTA |
| Visita → lead (landing de campaña) | 5-15% | Coherencia aviso-landing, largo del formulario, tipo de oferta |
| Lead → MQL | 20-40% | Segmentación del canal, exigencia del scoring |
| MQL → SQL | 10-30% | Calidad del MQL, velocidad y persistencia del contacto |
| SQL → oportunidad | 40-60% | Criterio de calificación, encaje con el ICP |
| Oportunidad → cierre | 15-30% | Competencia, precio, cantidad de decisores, proceso comercial |
Tres razones por las que tus números pueden quedar lejos de estos rangos sin que haya un problema:
- Definiciones distintas. Un MQL estricto (encaje de ICP más pedido de contacto) baja la tasa de lead a MQL y sube la de MQL a SQL. El resultado final es el mismo; cambia dónde aparece la pérdida.
- Mezcla de canales. Un lead que pidió cotización por búsqueda paga convierte a oportunidad varias veces más que uno que descargó una guía. Si el mix se mueve hacia contenido, la tasa promedio cae aunque cada canal rinda igual que antes.
- Origen de los benchmarks. La mayoría de los informes públicos, incluidos los de HubSpot State of Marketing, promedian industrias y mercados con fuerte peso de SaaS norteamericano. Una empresa industrial argentina con ticket alto y comité de compra de 4 a 7 personas tiene otra dinámica.
El benchmark más confiable es el propio: la misma etapa, el mismo canal, el trimestre anterior.
El efecto compuesto: por qué el promedio general engaña
Las tasas se multiplican, y eso cambia la lectura de cada punto porcentual. Un ejemplo con valores dentro de los rangos de la tabla:
| Etapa | Tasa | Volumen |
|---|---|---|
| Sesiones | — | 10.000 |
| Leads | 2% | 200 |
| MQL | 30% | 60 |
| SQL | 20% | 12 |
| Oportunidades | 50% | 6 |
| Clientes | 25% | 1,5 |
De 10.000 sesiones salen entre uno y dos clientes: una conversión de punta a punta de 0,015%. Ese número por sí solo no dice nada. La apertura por etapa sí: si la tasa de MQL a SQL pasa de 20% a 30%, los clientes suben 50% sin un peso adicional de inversión en medios. Para lograr lo mismo desde arriba haría falta 50% más de tráfico con la misma calidad, algo que rara vez se consigue al mismo costo por lead.
La consecuencia práctica: las mejoras en el medio y el final del funnel suelen ser más baratas que las de arriba, porque se aplican sobre leads que ya se pagaron.
Cómo detectar cuellos de botella en el funnel comercial
El cuello de botella no es la etapa con el porcentaje más bajo. De visita a lead siempre va a ser la menor tasa del funnel, y eso es normal. Es la etapa donde una mejora razonable mueve más ingreso. Para ubicarla conviene cruzar tres lecturas:
1. Contra la historia propia. Una etapa que convertía 25% y ahora convierte 15% tiene una causa concreta: un cambio de canal, de criterio, de vendedor o de oferta. Es la señal más confiable porque compara definiciones iguales.
2. Entre canales. Si los MQL de LinkedIn pasan a SQL al 25% y los de un programa de contenido al 5%, el problema no es el equipo comercial sino la calificación de ese canal. Si todos los canales caen juntos en la misma etapa, el problema es de proceso.
3. Por tiempo en etapa. Las tasas muestran cuántos avanzan; el tiempo muestra dónde se estancan. Una etapa con conversión aceptable pero con leads que esperan tres semanas esconde una pérdida que todavía no se registró. El análisis de velocidad del pipeline es el que impulsa Forrester en sus modelos de revenue B2B: volumen, conversión y tiempo se leen juntos.
Los síntomas más frecuentes y su causa probable:
| Síntoma | Causa probable | Primera acción |
|---|---|---|
| Visita → lead baja en campañas pagas | Landing genérica, formulario largo, oferta poco clara | Revisar la landing page B2B y la coherencia con el aviso |
| Lead → MQL muy baja | Segmentación amplia, lead magnet que atrae perfil equivocado | Ajustar audiencia y oferta antes de tocar el scoring |
| MQL → SQL baja | Contacto lento, pocos intentos, MQL definido con laxitud | Medir el tiempo de respuesta a leads y los intentos por lead |
| SQL → oportunidad baja | Calificación superficial, reuniones sin decisor | Revisar el framework de calificación y quién asiste a la primera reunión |
| Oportunidad → cierre baja | Propuestas sin seguimiento, precio, un solo contacto en la cuenta | Analizar motivos de pérdida y cantidad de contactos por oportunidad |
Un límite de este diagnóstico: con volúmenes chicos, las tasas se mueven por azar. Si un canal generó 12 SQL en el trimestre, la diferencia entre 4 y 6 oportunidades no prueba nada. En B2B industrial, donde los volúmenes son bajos y los tickets altos, conviene mirar ventanas de seis meses o más antes de sacar conclusiones, y complementar con revisión cualitativa de los negocios perdidos.
Cohortes y ciclos largos: el error de cálculo más común
En un ciclo de venta de 3 a 12 meses, dividir los cierres de noviembre por los leads de noviembre compara dos grupos distintos. Los clientes que cerraron este mes entraron como leads hace dos o tres trimestres. Si la generación de leads crece, la tasa por período parece desplomarse; si se frena, parece mejorar. En ninguno de los dos casos cambió la calidad del funnel.
La alternativa es medir por cohorte: tomar los leads generados en un mes y seguirlos hasta su resultado final.
- Ventaja: el número es real y permite comparar canales y campañas en igualdad de condiciones.
- Costo: hay que esperar a que la cohorte madure. Con un ciclo de seis meses, la tasa de cierre de la cohorte de noviembre se conoce recién a mitad del año siguiente.
La solución práctica es usar los dos enfoques con roles distintos: cohortes para las decisiones de inversión por canal, y tasas por período de las etapas tempranas (visita a lead, lead a MQL, MQL a SQL) como indicadores adelantados, porque esas sí maduran en días o semanas. Las mismas tasas por cohorte son además el insumo de un forecast confiable; el método está en la guía de forecast de ventas B2B.
Qué mejorar primero
Una vez ubicada la etapa, el orden de prioridad que suele rendir más:
- Arreglar el traspaso marketing-ventas. Ruteo automático, plazo de contacto acordado e intentos mínimos. Es barato y actúa sobre leads ya pagados.
- Depurar la definición de MQL. Si ventas descarta la mayoría de lo que recibe, el scoring está premiando actividad y no intención.
- Mejorar la conversión de las páginas con tráfico pago. Cada punto de conversión en la landing baja el costo por lead sin tocar la puja.
- Recién después, sumar volumen. Con las fugas principales cerradas, cada peso adicional de medios rinde más.
El trade-off: optimizar el medio del funnel exige que marketing y ventas compartan datos y definiciones, y eso lleva tiempo político además de técnico. Si el CRM no registra etapas con fecha, el primer trimestre se va en ordenar la medición antes de poder mejorar nada.
Resumen operativo
- Definí por escrito cada etapa y calculá las cinco tasas por canal, no un promedio general.
- Usá los benchmarks de conversión B2B como control de escala; el objetivo se fija contra tu propia historia.
- Buscá el cuello de botella cruzando tendencia, comparación entre canales y tiempo en etapa.
- Medí por cohorte todo lo que dependa del cierre, y por período las etapas tempranas.
- Arreglá primero el medio del funnel; sumá volumen después.
En OnTradeMax trabajamos la generación de demanda con medición de cada etapa, desde el clic hasta la oportunidad, para que la discusión de presupuesto parta de dónde se pierde el pipeline y no de cuántos leads entraron. El enfoque está en nuestra propuesta de lead generation B2B, y cómo se integra con ejecución y conversión comercial, en la metodología de OnTradeMax.
Si tenés leads pero no sabés en qué tramo se caen, escribinos por WhatsApp y armamos juntos el diagnóstico del funnel.
Preguntas frecuentes
¿Cuál es una buena tasa de conversión en un funnel B2B?+
No hay un número único: depende del ticket, del canal y de qué tan exigente sea cada definición de etapa. Como referencia orientativa, de visita a lead suele moverse entre 1% y 3% en un sitio corporativo, de MQL a SQL entre 10% y 30%, y de oportunidad a cierre entre 15% y 30%. Más útil que el benchmark externo es la tendencia propia por canal, trimestre contra trimestre.
¿Cómo se calcula la tasa de conversión de visita a lead?+
Tasa de conversión de visita a lead = leads generados ÷ sesiones o usuarios únicos del período, multiplicado por 100. Conviene calcularla por canal y por página de destino, y aclarar siempre si el denominador son sesiones o usuarios, porque el resultado cambia. Un promedio de todo el sitio mezcla tráfico de marca, blog y campañas pagas y dice poco.
¿Qué es la conversión de lead a oportunidad?+
Es el porcentaje de leads que terminan como oportunidad abierta en el pipeline, con monto y fecha estimada. Resume tres pasos intermedios: lead a MQL, MQL a SQL y SQL a oportunidad. Si el número es bajo, hay que abrirlo en esos tres tramos para saber si el problema es de calidad del lead, de seguimiento comercial o de criterio de calificación.
¿Cómo detectar un cuello de botella en el funnel comercial?+
Comparando cada etapa contra tres referencias: su propia historia, el resto de los canales y el tiempo que los leads pasan en ella. Una etapa que convierte menos que antes, menos que otros canales con el mismo perfil de lead, o donde los leads se acumulan sin avanzar, es candidata. El cuello de botella es la etapa donde una mejora moviliza más ingreso, no necesariamente la de menor porcentaje.
¿Conviene medir la conversión por cohorte o por período?+
Por cohorte siempre que el ciclo de venta supere el mes. La medición por período divide los cierres de este mes por los leads de este mes, que son grupos distintos: si el volumen de leads crece, la tasa parece caer aunque nada haya empeorado. La cohorte sigue a los leads generados en un mes hasta su resultado final y da el número real, a costa de esperar a que el ciclo madure.
¿Por qué mis tasas de conversión no coinciden con los benchmarks publicados?+
Porque casi nunca miden lo mismo. Cada empresa define MQL, SQL y oportunidad con criterios propios, y la mayoría de los informes públicos promedian industrias, tickets y mercados distintos, con fuerte peso de SaaS de Estados Unidos. Una definición estricta de MQL baja la tasa de lead a MQL y sube la de MQL a SQL, sin que el resultado final cambie.
Seguí leyendo
Software para gestión de equipos de campo: cómo elegirlo
Software para gestión de equipos de campo: funciones que importan, qué pedirle a una app para mercaderistas, costos y errores al implementarlo en el PDV.
Cómo negociar con el área de compras en B2B sin regalar margen
Cómo negociar con el área de compras en B2B: qué mide el comprador, cómo defender el precio y qué concesiones intercambiar sin erosionar el margen.
Sitio web para empresas industriales: estructura y catálogo
Sitio web para empresas industriales: qué páginas necesita un fabricante, cómo armar el catálogo y las fichas técnicas, y cuándo conviene un rediseño B2B.