Lead Grading vs Lead Scoring: Como Usar os Dois

Por Laurel · Atualizado em 8 de setembro de 2026

Um representante abre um lead com score 85 de 100 e presume que ele está quente. Acontece que é um estudante universitário que preencheu todos os formulários do site para um trabalho de aula. O número era alto. O lead não valia nada. Essa lacuna é exatamente o que o lead grading existe para fechar.

A maioria das equipes que enfrenta dificuldade com a priorização de leads não está sem um modelo de scoring. Está sem a outra metade da equação. O scoring diz o quanto alguém está engajado. Não diz nada sobre se essa pessoa, ou a empresa dela, poderia algum dia se tornar um cliente de verdade. O grading responde a essa segunda pergunta. Se você o ignorar, a sua lista de leads "mais quentes" continuará misturando estudantes, concorrentes e candidatos a vagas com os seus compradores reais.

Este guia explica o que é o lead grading, como construir um modelo de A a D a partir dos seus próprios dados de closed-won, e não de opinião, como os critérios negativos mantêm leads de baixo fit fora do seu pipeline e como grade e score se combinam em uma única decisão de prioridade. Se você ainda não leu o nosso texto complementar sobre sistemas de lead scoring, comece por ele para ver o lado do engajamento desta equação. Este artigo é o lado do fit, e os dois foram feitos para serem lidos juntos.

Fatos-Chave: Lead Grading

• Os representantes de vendas gastam apenas 40% do tempo de fato vendendo, e o resto se perde em tarefas administrativas, entrada de dados e na perseguição de prospects que nunca foram um bom fit, segundo o relatório State of Sales da Salesforce (Seventh Edition). Fonte
• Apenas 27% dos leads B2B estão prontos para vendas no momento em que se engajam pela primeira vez com uma empresa; os outros 73% ainda não estão prontos para uma conversa de vendas, segundo o B2B Benchmark Report 2012 da MarketingSherpa. Fonte
• Os representantes desperdiçam cerca de 27% do tempo potencial de venda perseguindo dados de contato ruins ou incompletos em vez de trabalhar oportunidades reais, segundo pesquisa da ZoomInfo/Validity. Fonte
• Apenas 44% das empresas B2B usam algum sistema formal de lead scoring ou grading para separar prospects de bom fit dos de mau fit, segundo pesquisa da Landbase de 2025. Fonte

O que é lead grading?

Lead grading é a prática de atribuir uma nota em letra, geralmente de A a D, a um lead com base em quão de perto ele corresponde ao seu perfil de cliente ideal. Ele responde a uma única pergunta: se essa pessoa ou empresa estivesse pronta para comprar hoje, nós realmente a quereríamos como cliente?

Essa é uma pergunta completamente diferente de "quão interessados eles estão agora", que é o que o lead scoring mede. O grading olha para dados firmográficos (porte da empresa, receita, setor), dados demográficos (cargo, senioridade, departamento), dados tecnográficos (quais ferramentas já usam) e fit geográfico (você de fato atende a região deles). Nada disso muda porque alguém abriu três e-mails esta semana. Uma fintech de 200 pessoas continua sendo uma fintech de 200 pessoas, quer o VP de Vendas dela esteja navegando ativamente pela sua página de preços, quer não visite o seu site há seis meses.

O scoring, por outro lado, é construído inteiramente a partir de comportamento: visitas a páginas, downloads, cliques em e-mails, pedidos de demo. Ele se move constantemente e normalmente decai com o tempo. O grading se parece mais com uma consulta de crédito do que com um anel do humor. É de movimento lento, baseado em quem alguém é e não no que está fazendo esta semana, e raramente precisa ser recalculado, a menos que a própria empresa mude: uma nova rodada de investimento, uma aquisição, uma virada para um novo mercado.

Lead grading vs lead scoring: a diferença central

A confusão entre esses dois termos é compreensível. Ambos produzem um número ou uma letra associada a um registro de lead, ambos alimentam decisões de roteamento e ambos são agrupados sob "qualificação de leads" na conversa informal. Mas eles medem coisas ortogonais, e fundi-los em um único número é onde a maioria dos sistemas de qualificação erra.

Repare que nenhuma das colunas é "o score de qualificação". Elas são insumos da qualificação, e a qualificação só se torna precisa quando você olha para as duas juntas, um ponto ao qual voltaremos na matriz de prioridade abaixo. Se você ainda está decidindo onde o grading e o scoring se encaixam em relação aos seus frameworks de qualificação de leads mais amplos, pense no grading e no scoring como os dois insumos brutos sobre os quais esses frameworks (como as definições de MQL/SQL) são construídos.

O modelo de grading de A a D

A maioria das equipes B2B que fazem grading de leads usa uma escala de letras em quatro níveis, de A a D, porque ela é simples o bastante para vendas confiar à primeira vista e granular o bastante para ser útil no roteamento.

Os leads Grade A são a correspondência de manual com o seu ICP. Porte de empresa certo, setor certo, cargo certo, região certa, idealmente com um sinal tecnográfico ou de crescimento por cima. São as contas que os seus melhores representantes escolheriam primeiro se pudessem escolher o próprio território.

Os leads Grade B são um bom fit com uma ou duas lacunas. Talvez a empresa seja um pouco menor do que o seu ponto ideal, ou o contato seja um Director em vez de um VP. Ainda valem a pena, apenas com um pouco mais de trabalho de qualificação logo no início.

Os leads Grade C têm um fit parcial com lacunas reais. Podem estar em um setor adjacente ou ter um cargo de influenciador, e não de tomador de decisão. Costumam ser mais bem atendidos por uma nutrição conduzida por marketing do que por uma ligação imediata de vendas, e são bons candidatos a serem refinados por meio de um trabalho de buyer persona.

Os leads Grade D são um mau fit ou acionam um desqualificador de imediato. Geografia errada, um endereço de e-mail pessoal, o domínio de um concorrente, uma empresa muito fora da sua faixa de porte atendível. Grade D não significa "ignore para sempre". Significa não deixar o tempo de vendas chegar perto deles até que algo relevante na conta mude.

Os limites exatos de pontos que você usa para traçar as linhas entre A, B, C e D devem vir dos seus próprios dados, não de um template. Veja como construí-los.

Construindo os seus critérios de grading a partir de dados de closed-won, não de opinião

O maior erro isolado no lead grading é desenhar o modelo em torno do que vendas supõe que importa, em vez do que os dados realmente mostram. Os representantes têm opiniões fortes e defendidas com convicção sobre como é um "bom lead", e essas opiniões frequentemente estão erradas, ou pelo menos incompletas.

Comece levantando todos os negócios closed-won dos últimos 12 a 24 meses. Para cada um, registre os atributos firmográficos e demográficos no momento em que o lead entrou no seu pipeline pela primeira vez: porte da empresa, setor, cargo, região, stack de tecnologia, estágio de investimento. Depois, levante os mesmos atributos para uma amostra de leads closed-lost e desqualificados e procure a diferença entre os dois grupos.

Faça perguntas específicas. Que porcentagem dos negócios ganhos veio de empresas de uma determinada faixa de número de funcionários, em comparação com o seu conjunto geral de leads? Se 70% da sua receita vem de empresas com 100 a 1.000 funcionários, mas essa faixa é apenas 25% do total de leads, o porte da empresa é um forte preditor e deve ter peso real. Se o setor quase não mostra diferença entre negócios ganhos e perdidos, não desperdice pontos nele só porque parece intuitivamente importante.

Essa é a mesma disciplina por trás da construção de um perfil de cliente ideal defensável: deixe o padrão da sua base de clientes real definir os critérios e só então traduza esse padrão em pontos.

Critérios e pesos de grading de exemplo

Depois de ponderado, mapeie o total de pontos resultante para a sua escala de letras, de forma simples o bastante para que um representante olhe um registro e entenda por que ele caiu onde caiu.

Mapeamento de pontos para grade

Critérios negativos de grading: os seus desqualificadores

Os atributos positivos dizem quem perseguir. Os atributos negativos, às vezes chamados de desqualificadores, dizem quem deixar de perseguir, independentemente de quão engajado pareça. Esta é a parte do grading que a maioria dos modelos caseiros ignora, e costuma ser a razão pela qual um lead de "score alto" acaba em um beco sem saída.

Os desqualificadores comuns incluem domínios de e-mail de concorrentes, endereços de e-mail pessoais ou gratuitos em um formulário que só deveria ser usado por compradores corporativos, portes de empresa muito fora da sua faixa atendível, geografias nas quais você não vende e cargos que indicam ausência de poder de compra (estudantes, candidatos a vagas, recrutadores navegando em uma página de carreiras). Cada um deles deve subtrair pontos suficientes para garantir um resultado Grade D, ou definir a nota diretamente como D, independentemente do que mais houver no registro. Não deixe um score positivo forte compensar um desqualificador rígido. Se alguém é um concorrente, nenhuma quantidade de visitas à página de preços muda isso.

Os critérios negativos também protegem a credibilidade do seu modelo perante vendas. Os representantes deixam de confiar em um sistema de grading na primeira vez em que ele lhes entrega um lead obviamente errado, e uma camada limpa de desqualificadores elimina esses erros constrangedores antes que um humano os veja.

Combinando grade e score: a matriz de prioridade

É aqui que o grading justifica a sua existência. Sozinha, uma grade diz quem vale a pena perseguir no futuro. Sozinho, um score diz quem está ativo agora. Nenhum dos dois, por si só, diz o que fazer hoje. Coloque-os em dois eixos e você obtém uma matriz que diz.

Plote a grade (de A a D) em um eixo e o nível de engajamento no outro, indo de quente (engajando ativamente agora) a frio (sem atividade recente). Todo lead cai em exatamente uma célula, e essa célula deve corresponder a uma ação específica.

Duas células desta matriz importam mais do que as demais, porque é nelas que a maioria dos sistemas caseiros falha.

Alto fit, baixo engajamento (canto superior direito das linhas A e B) é a sua zona de nutrição. São contas que você realmente quer como clientes, mas que ainda não mostram sinais ativos de compra. Muitas vezes estão apenas no início da jornada do comprador, pesquisando um problema que ainda não se comprometeram a resolver. Não entregue esses leads a vendas para uma ligação fria; isso queima boa vontade com uma conta que você vai querer mais tarde. Encaminhe-os para uma trilha de nutrição de ciclo mais longo e volte a eles conforme o engajamento crescer por meio dos seus programas de nutrição de leads.

Baixo fit, alto engajamento (canto superior esquerdo da linha D) é a armadilha clássica. É o lead que parece incrível em um score de uma única dimensão, porque preencheu todos os formulários e clicou em todos os links, mas é um estudante, um concorrente fazendo pesquisa ou simplesmente uma empresa que você não consegue atender. Se o seu processo de qualificação olha apenas para o engajamento, esse lead vai direto para a fila de um representante e desperdiça tempo real de venda. Se olha apenas para o fit, você pode deixar passar que essa célula ocasionalmente contém, sim, uma conta legítima que superou as suas suposições, e que merece uma rápida olhada manual em vez de uma supressão automática. É por isso que "sinalizar para revisão" é melhor do que "roteamento automático" para essa célula: uma checagem humana custa um minuto, uma ligação de vendas desperdiçada custa muito mais.

Roteamento e SLAs por combinação de grade e score

Quando todo lead tem uma posição na matriz, você pode transformar essa posição em uma regra operacional concreta: tempo de resposta e responsável. É aqui que o grading deixa de ser um exercício analítico e começa a mudar o que acontece nos primeiros cinco minutos depois que um lead chega, exatamente o momento em que o tempo de resposta a leads tem o maior efeito sobre a conversão.

Leve esta tabela diretamente para a sua lógica de roteamento de leads e para o seu workflow de gestão de status de leads, de modo que a grade e o nível de engajamento de um lead definam automaticamente a sua etapa, o seu responsável e o seu relógio. É também aí que as definições de MQL vs SQL se tornam concretas em vez de discutíveis: um MQL, na prática, costuma ser um lead que passou por um limite mínimo de grade e engajamento, e um SQL é aquele que um representante validou pessoalmente além disso.

Grading manual vs baseado em regras vs preditivo

Assim como o lead scoring, o grading pode ser construído de três formas diferentes, e a escolha certa depende de quantos dados históricos você tem e do quanto precisa que o modelo seja explicável.

O grading baseado em regras é o ponto de partida certo para quase todas as equipes. É transparente, rápido de construir depois de feita a análise de closed-won acima, e os representantes conseguem ver exatamente por que um lead caiu onde caiu, o que importa para a adoção. O grading preditivo vale o investimento quando você tem volume suficiente para que um modelo encontre padrões que uma planilha não encontra, mas deve ser uma camada sobre uma base baseada em regras, não substituí-la no primeiro dia.

Recalibrando conforme o seu ICP muda

Um modelo de grading construído hoje é um retrato de quem foram os seus melhores clientes nos últimos um ou dois anos. Esse retrato fica desatualizado no momento em que o seu produto, mercado ou motion de go-to-market muda, e a maioria das equipes só percebe quando vendas começa a reclamar que os leads "nota A" deixaram de converter.

Defina uma revisão trimestral como cadência padrão e trate os seguintes pontos como gatilhos para uma revisão antecipada: uma nova linha de produto que abre um comprador diferente, uma mudança de preço que desloca o ponto ideal de porte de empresa, uma mudança no motion de go-to-market (subir de mercado, lançar um modelo self-serve) ou dois ou três trimestres consecutivos em que os leads Grade A convertem a uma taxa visivelmente menor.

O processo de recalibração é a mesma análise de closed-won que você executou da primeira vez, apenas refeita com a coorte mais recente de negócios. Se o porte da empresa deixou de prever resultados, mas a senioridade do cargo passou a ser mais preditiva, desloque os pontos de acordo. Não tenha medo de mover também os limites das grades. Se 90% dos seus leads de repente estão caindo na Grade A porque o mercado se deslocou em direção ao seu ICP, os seus limites ficaram frouxos demais para serem úteis na priorização.

Erros comuns de lead grading a evitar

Fazer grading por intuição em vez de dados. "A gente reconhece um bom lead quando vê" é exatamente a suposição que a análise de closed-won serve para testar, e ela está errada com mais frequência do que as equipes de vendas esperam. Uma grade por intuição também não pode ser auditada, explicada a um novo contratado nem melhorada de forma sistemática.

Nunca revisitar os limites. Um modelo de grading não é um projeto pontual. Os mercados mudam, os produtos evoluem, e um modelo em que ninguém mexe há dezoito meses quase certamente está classificando mal leads que teria graduado corretamente um ano atrás.

Deixar o engajamento se sobrepor ao fit. Essa é a armadilha de baixo fit e alto engajamento da matriz de prioridade, e é a forma mais comum de leads de mau fit acabarem desperdiçando o tempo de vendas. Um score alto nunca deve bastar, por si só, para contornar um desqualificador rígido.

Fazer grading com dados que você não coleta de forma confiável. Se o seu formulário captura apenas e-mail e nome da empresa, não construa um modelo de grading que dependa de cargo e número de funcionários precisos para metade do seu peso. Invista em enriquecimento de dados de leads para preencher essas lacunas de forma confiável, ou construa o modelo em torno dos atributos para os quais você realmente tem dados limpos e consistentes. Um modelo construído sobre dados irregulares produz grades irregulares, e grades irregulares são piores do que nenhuma grade, porque criam falsa confiança.

Para onde ir a partir daqui

O grading e o scoring são duas metades do mesmo sistema de qualificação, não métodos concorrentes. Com os dois implementados, o restante da sua stack de lead management fica mais afiado: as decisões de roteamento deixam de depender de um único número ambíguo, os tipos de leads ficam mais fáceis de definir com fit e intenção como variáveis separadas, e até os motions product-led se beneficiam, já que um product qualified lead ainda precisa de uma checagem de fit antes de ser entregue a um representante, e não apenas de dados de uso.

Comece pela análise de closed-won, construa uma grade simples baseada em regras, sobreponha-a ao seu score de engajamento existente e faça o roteamento a partir da matriz, e não de um único número combinado. O modelo não será perfeito no primeiro dia. Ele só precisa ser melhor do que a intuição de um representante, e uma grade de A a D construída com dados quase sempre é.