> For the complete documentation index, see [llms.txt](https://docs.patagon.ai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.patagon.ai/es/optimizacion-del-agente/optimizing-lead-qualification.md).

# Cómo optimizar la calificación de leads

Estas son las cinco prácticas con mayor impacto en la tasa de calificación de tu agente.

1. **Enfócate en BANT desde el primer mensaje.** Configura tu agente para recopilar BANT (Budget/Presupuesto, Authority/Autoridad, Need/Necesidad, Timeline/Plazo) temprano en la conversación.
2. **Usa preguntas cerradas para datos críticos.** Pide respuestas binarias o de opción múltiple al recopilar presupuesto o plazo.
3. **Define qué hacer cuando un lead es evasivo.** Si un lead no quiere compartir su presupuesto, tu agente necesita un plan B (ofrece agendar una llamada o enviar material de apoyo.)
4. **Define condiciones explícitas de transferencia.** Define los criterios exactos para transferir un lead a un humano: nombre + teléfono + presupuesto confirmado + autoridad de decisión confirmada = transferencia.
5. **Revisa y actualiza tu prompt semanalmente.** Verifica conversaciones donde falló la calificación. Agrega esos patrones de falla a tu prompt.

{% hint style="warning" %}
Cambia un campo a la vez al iterar. Cambiar múltiples campos simultáneamente hace imposible identificar qué mejoró o rompió la calificación.
{% endhint %}

Monitorea tu tasa de calificación en el Dashboard. Un rango saludable es del 30 al 60%. Si estás por debajo del 30%, comienza revisando tu flujo de conversación y el umbral de calificación.


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:

```
GET https://docs.patagon.ai/es/optimizacion-del-agente/optimizing-lead-qualification.md?ask=<question>&goal=<endgoal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.