Lead scoring con n8n: cómo crear un flujo del formulario al CRM (2026)

Un flujo de lead scoring con n8n toma el envío de un formulario, pide a un modelo de lenguaje que valore el lead según los criterios que tú definas y escribe el resultado en tu CRM. Este tutorial construye ese proceso con un disparador Webhook, el nodo Information Extractor, un nodo Code para reglas deterministas y HubSpot como CRM. Está pensado para desarrolladores que quieren un patrón adaptable, no una plantilla fija.

Cómo se hizo este artículo: se basa en anuncios oficiales, documentación y las fuentes que figuran al final, no en nuestras propias pruebas prácticas. Consulta nuestra política editorial.

La arquitectura de un flujo de lead scoring con n8n

El flujo tiene cinco etapas. Un nodo Webhook recibe los datos del formulario y un nodo Information Extractor convierte los campos de texto libre en atributos estructurados. Después, un nodo Code calcula la puntuación final, un nodo IF o Switch enruta el lead y un nodo HubSpot escribe el contacto.

Este diseño reparte el trabajo a propósito. El modelo lee texto desordenado, como un campo de «cuéntanos tu proyecto». El código normal aplica los pesos numéricos, de modo que la puntuación sigue siendo explicable y puedes cambiarla sin tocar un prompt.

Requisitos

  • Una instancia de n8n, ya sea en la nube o autoalojada.
  • Una credencial de modelo de chat (OpenAI, Anthropic u otro proveedor compatible con los subnodos de modelo de chat de n8n).
  • Una cuenta de HubSpot y una credencial para el nodo HubSpot de n8n.
  • Una herramienta de formularios que pueda enviar una petición POST a una URL.

No verifiqué el nodo de Pipedrive en esta investigación, así que los pasos del CRM usan HubSpot. La lógica de puntuación es independiente del CRM y solo cambiaría el último nodo.

Paso 1: recibe el formulario con un nodo Webhook

  1. Crea un workflow y añade un nodo Webhook como disparador. Configura el método HTTP que envía tu formulario, normalmente POST.
  2. Define una ruta legible, como lead-intake.
  3. En Respond, elige «Using ‘Respond to Webhook’ Node» si quieres controlar la respuesta. Los otros modos, según la documentación del nodo Webhook, son Immediately y When Last Node Finishes.
  4. Añade autenticación, como Header Auth, para que nadie pueda colar leads falsos en tu proceso.

n8n genera dos URL para cada nodo Webhook: una Test URL y una Production URL. Según la guía de desarrollo de workflows de n8n, usa la Test URL mientras construyes. El webhook de prueba sigue activo durante 120 segundos después de seleccionar Listen for test event. Cambia a la Production URL solo cuando hayas guardado y publicado el workflow.

Cuando llegan los datos, los campos del formulario quedan dentro del objeto body. Un campo como email se lee con {{ $json.body.email }}. Si necesitas una explicación más detallada de los disparadores, consulta nuestro tutorial de webhooks en n8n.

Paso 2: extrae atributos estructurados con Information Extractor

Añade un nodo Information Extractor después del webhook. La documentación de Information Extractor lo describe como un nodo que extrae información estructurada de los datos entrantes. Conéctale un modelo de chat como subnodo.

Configura el parámetro Text con una expresión que combine los campos de texto libre, por ejemplo la descripción de la empresa y el mensaje del proyecto. Después elige un tipo de esquema. Las opciones documentadas son From Attribute Descriptions, Generate From JSON Example y Define using JSON Schema.

Un esquema práctico para el lead scoring con n8n podría incluir:

  • company_size_band: una cadena como «1-10», «11-50» o «unknown».
  • budget_mentioned: un booleano.
  • timeline: «immediate», «this quarter», «exploring» o «unknown».
  • use_case_fit: un entero de 0 a 10, con los criterios detallados en la descripción del atributo.
  • reason: una frase que explica la valoración del encaje.

Dos detalles de la documentación importan aquí. Cuando generas un esquema a partir de un ejemplo JSON, n8n usa los nombres y tipos de las propiedades e ignora los valores. Además, trata todos los campos como obligatorios, así que incluye «unknown» como respuesta válida en lugar de dejar campos vacíos. n8n también añade automáticamente instrucciones de formato al prompt del sistema, por lo que no necesitas escribir tú las reglas de formato JSON.

Mantén el prompt de extracción acotado. Pide al modelo que describa el lead y deja el número final al código. Si necesitas ayuda para elegir proveedor, consulta Claude vs OpenAI en n8n.

Paso 3: convierte los atributos en una puntuación con un nodo Code

Añade un nodo Code que lea la salida del extractor y aplique pesos que tú controlas. Los pesos de abajo son ejemplos inventados por mí para ilustrar. Sustitúyelos por tus propios criterios comerciales.

const o = $json.output;
let score = 0;
const sizeWeights = { "1-10": 5, "11-50": 15, "unknown": 0 };
score += sizeWeights[o.company_size_band] ?? 10;
if (o.budget_mentioned) score += 25;
if (o.timeline === "immediate") score += 25;
else if (o.timeline === "this quarter") score += 15;
score += o.use_case_fit * 3;
score = Math.min(score, 100);
const tier = score >= 70 ? "hot" : score >= 40 ? "warm" : "cold";
return [{ json: { ...$json, lead_score: score, lead_tier: tier } }];

Ten en cuenta que la ubicación de la salida depende de cómo devuelva los datos tu nodo extractor, así que revisa la salida del nodo en el editor y ajusta la ruta. Una puntuación calculada con código es más fácil de auditar que un número inventado por el modelo. También puedes registrarla junto al campo reason del modelo y revisar a mano los leads dudosos.

Paso 4: enruta por nivel

Añade un nodo Switch con tres ramas: hot, warm y cold. Los leads hot pueden avisar a un canal de ventas y crear un deal. Los leads warm van a una lista de nurturing y los cold solo se registran. Mantén las reglas de enrutado sencillas al principio y ajusta los umbrales cuando veas envíos reales.

Paso 5: escribe el lead en HubSpot

La documentación del nodo HubSpot de n8n indica que el nodo permite crear, actualizar, eliminar y obtener contactos, deals, listas, engagements y empresas. Para los leads de formularios, usa el recurso Contact.

  1. Añade un nodo HubSpot y establece el Resource en Contact.
  2. Elige la operación Create or Update. El email es obligatorio y es el valor por el que HubSpot busca coincidencias, de modo que un envío repetido actualiza el contacto existente en lugar de crear un duplicado.
  3. Asigna email, nombre y apellidos desde el body del webhook.
  4. Añade propiedades personalizadas para la puntuación, por ejemplo lead_score y lead_tier. Crea antes esas propiedades en HubSpot, porque el nodo no puede escribir en una propiedad que no existe.
  5. Para los leads hot, añade un segundo nodo HubSpot con el recurso Deal y la operación Create, y asocia después el ID del contacto del nodo anterior.

Por último, añade un nodo Respond to Webhook para que la herramienta de formularios reciba una respuesta de éxito limpia. Colócalo después de los nodos cuyos datos quieras devolver.

Problemas habituales de este flujo de lead scoring con n8n

El webhook nunca se activa en producción

La Test URL solo funciona mientras el editor está escuchando. Para el tráfico real, el workflow debe estar guardado y publicado, y el formulario debe llamar a la Production URL. n8n también permite solo un webhook por combinación de ruta y método HTTP, así que un conflicto de ruta con otro workflow impedirá el registro.

El extractor devuelve una salida mal formada

Los fallos de análisis en los nodos de IA son un problema conocido. Los reportes públicos en el repositorio de GitHub de n8n describen errores «Invalid JSON in model output», y algunos indican que las entradas más largas los hacen más probables. Recorta el texto de entrada y mantén el esquema pequeño. Añade una rama de error para que una extracción fallida cree igualmente el contacto, con la puntuación vacía, en lugar de perder el lead.

Los campos aparecen vacíos o se reinician más adelante

Los nodos posteriores pueden reemplazar el elemento actual. Haz referencia explícita al nodo anterior, por ejemplo el webhook, cuando necesites los campos originales del formulario después del paso de IA.

Las puntuaciones fluctúan o parecen arbitrarias

Si las puntuaciones parecen incorrectas, revisa el texto de reason y compáralo con el nivel final. Revisa primero las descripciones de los atributos y después los pesos del nodo Code. Mantener los pesos en el código hace que, para cambiar la puntuación, solo tengas que tocar el nodo Code y no el prompt.

Privacidad y próximos pasos

Los envíos de formularios suelen contener datos personales y estás enviando ese texto a un proveedor de modelos. Revisa las condiciones de datos de tu proveedor y tus obligaciones antes de ponerlo en marcha. Nuestra guía sobre RGPD y chatbots de IA en el trabajo explica qué comprobar.

Cuando el proceso básico funcione, puedes añadir enriquecimiento antes del extractor, un paso de revisión humana para las puntuaciones dudosas o un bucle de retroalimentación que compare las puntuaciones con los deals cerrados. Para la configuración del modelo, consulta nuestra guía de integración de Claude con n8n.

Conclusión

Un buen flujo de lead scoring con n8n mantiene cada tarea en su sitio. El modelo interpreta el texto, el código aplica pesos que puedes auditar y HubSpot guarda el resultado en propiedades personalizadas. Empieza con un esquema pequeño, prueba con la Test URL, publica y ajusta los umbrales con leads reales.

Fuentes

Deja un comentario