Cómo evaluar con IA la calidad de una consulta entrante y usar solo las conversiones de mejor calidad para entrenar mejor a Google, Meta o LinkedIn.
En muchos sitios, cada envío de formulario se trata como una conversión valiosa. Pero en la práctica eso no siempre es cierto. Hay formularios que llegan con consultas vagas, solicitudes fuera de mercado, mensajes automáticos, personas que no tienen presupuesto o contactos que simplemente no califican como prospectos reales.
Si todas esas conversiones se envían por igual a plataformas como Google Ads, Meta Ads o LinkedIn Ads, el algoritmo aprende de una señal mezclada. En vez de optimizar hacia leads realmente útiles, puede comenzar a buscar perfiles que llenan formularios, pero que no generan oportunidades comerciales de buena calidad.
El resultado es frecuente: el volumen parece bueno, pero ventas o comercial sienten que la calidad baja. Y cuando la señal de conversión no representa valor real, la optimización publicitaria pierde precisión.
Una estrategia cada vez más útil es enviar el contenido del formulario a una IA justo después del envío. La IA puede leer el mensaje, revisar variables como nombre, empresa, cargo, tamaño del requerimiento, claridad de la consulta o intención comercial, y devolver una evaluación estructurada.
Por ejemplo, puede responder con:
Con esa respuesta, el cliente puede decidir qué hacer a continuación. Una buena práctica es que solo cuando la calidad del prospecto es alta se envíe la conversión a la plataforma publicitaria.
Esto no significa botar los demás formularios. Todos pueden seguir llegando al CRM, al correo comercial o a un flujo interno de clasificación. Lo que cambia es la señal que se usa para entrenar al algoritmo publicitario.
El formulario captura los datos habituales: nombre, empresa, email, teléfono, servicio de interés y mensaje libre.
La IA recibe el contenido con un prompt diseñado para evaluar intención comercial, claridad, fit con la oferta y valor potencial. La salida ideal no debería ser texto libre solamente, sino una respuesta estructurada en JSON o campos claros para usarla en automatización.
Por ejemplo: score de 87/100, nivel “alto”, motivo “consulta clara, empresa identificable, interés concreto y servicio dentro de la oferta”.
Cuando el formulario recibe la respuesta del sistema, puede ejecutar el evento de conversión solo si el puntaje supera un umbral. Por ejemplo, reportar a Google Ads solo leads sobre 75 puntos, o enviar eventos diferenciados según nivel de calidad.
Incluso si no se reporta como conversión publicitaria, la consulta puede seguir su camino normal. Así no se pierde información y el filtro solo afecta el aprendizaje de la plataforma, no la operación comercial completa.
Los algoritmos de campañas funcionan mejor cuando reciben señales más limpias. Si reportas conversiones de alto valor o alta calidad en vez de cualquier envío, ayudas a que la plataforma identifique patrones más cercanos a los leads que sí interesan al negocio.
En otras palabras: no optimizas por “gente que llena formularios”, sino por gente que deja mejores consultas.
Eso suele aportar beneficios como:
La IA ayuda a clasificar, pero conviene revisar periódicamente si el puntaje realmente se correlaciona con oportunidades reales. La mejor implementación es aquella que se calibra con feedback comercial.
El modelo debe evaluar según el contexto real de la empresa. No es lo mismo un lead valioso para una consultora B2B que para un ecommerce o una empresa de servicios masivos.
No te quedes solo con el evento final. Guardar el puntaje, la razón y la clasificación permite auditar decisiones, mejorar el prompt y detectar cuándo la IA está siendo demasiado permisiva o demasiado estricta.
Esta distinción es clave. Un formulario puede existir como lead operativo para seguimiento interno, pero no necesariamente como señal ideal para entrenar campañas. Separar ambas capas mejora la calidad del dato.
No siempre tienes que resolver esto con un sí o no. También puedes enviar conversiones con valor: por ejemplo, bajo, medio o alto. Eso da una señal más rica a plataformas que aceptan optimización por valor.
Una consulta podría considerarse de alta calidad si cumple varias de estas condiciones:
Cuando las conversiones que reportas a Google, Meta o LinkedIn representan mejores prospectos, las plataformas aprenden de una señal más útil. Eso no arregla por sí solo una campaña, pero sí mejora una parte crítica del sistema: el dato que le enseña al algoritmo qué tipo de resultado debe perseguir.
En formularios de contacto, esta diferencia importa mucho. Porque el problema no suele ser solo generar más envíos, sino generar envíos que realmente tengan valor comercial.
En VRWEB podemos ayudarte a diseñar el formulario, conectar la evaluación con IA, definir reglas de calidad y enviar mejores señales de conversión a tus plataformas publicitarias.