Convierte una descripción que ningún filtro expresa en una lista, separándola entre atributos que una base guarda y evidencias que solo una fuente en tiempo real muestra.
Resumen
- En una guía de 2026, Merit Data, proveedor de datos B2B, califica el sector, el tamaño de empresa y el cargo de "necesarios pero muy lejos de ser suficientes" para definir un ICP.
- La referencia de la API de Apollo, leída el 23 de septiembre de 2026, filtra empresas por los cargos de sus ofertas de empleo activas, las tecnologías que usan y la fecha de su última ronda de financiación. Ningún campo recoge una condición como "primer comercial".
- El centro de ayuda de LinkedIn, leído el 23 de septiembre de 2026, indica que una audiencia debe coincidir con al menos 300 cuentas de miembros antes de que un conjunto de anuncios pueda usarla.
- Un benchmark de agencia de mayo de 2026 da entre el 90 y el 98 por ciento de coincidencia para listas de empresas con nombre y dominio, mientras que una guía de marzo de 2026 da entre el 60 y el 85 por ciento para empresas conocidas.
- Las estadísticas de 2026 de Cleanlist sitúan el deterioro de los contactos B2B en torno al 2,1 por ciento al mes. A ese ritmo, una lista creada 90 días antes del envío ha perdido cerca del 6,2 por ciento de su fiabilidad.
- Lusha contó 1.470.414 cambios de empresa en todo el mundo entre enero y junio de 2026, unos 13.600 contactos que cambian de puesto cada día laborable.
¿Por qué los filtros de una base no expresan un brief de campaña?
La mayoría de los filtros describen lo que una empresa es, mientras que un brief real suele depender de algo que la empresa hizo hace poco. Las bases ya filtran algunos comportamientos, como contrataciones y financiación, pero la condición de la que depende la campaña, como un primer comercial o una segunda sede, rara vez tiene su propio campo.
Los equipos de marketing describen el segmento que quieren en una frase y luego descubren que el panel de filtros no tiene un campo para eso. Merit Data, proveedor de datos B2B, lo dice claramente en una guía de 2026. El sector, el tamaño de empresa y el cargo son "necesarios pero muy lejos de ser suficientes". La misma guía ilustra la idea con dos empresas que comparten perfil firmográfico, una evaluando con presupuesto disponible y la otra que no comprará en dieciocho meses.
Las mejores bases ya cubren también parte del comportamiento. La búsqueda de organizaciones de Apollo, por ejemplo, filtra por los cargos de las ofertas de empleo activas, la fecha de publicación de las ofertas, las tecnologías en uso y la fecha de la última ronda de financiación. Lo que ningún panel de filtros recoge es la condición concreta de la que depende tu brief (un primer comercial y no cualquier comercial, una segunda sede, anuncios activos sin una tienda online que funcione).
Las grandes cifras de cobertura tampoco resuelven la cuestión. Un resumen publicado por Landbase en enero de 2026 atribuye más de 360 millones de empresas en 220 países y territorios a InfobelPRO, y una tasa de precisión superior al 95 por ciento en datos de contacto a ZoomInfo. La primera cifra cuenta entidades y la segunda es una afirmación de calidad sobre los registros de un solo proveedor. Ninguna de las dos dice cuántas empresas encajan con tu brief.
¿Cómo encontrar empresas por lo que hacen y no por lo que son?
Busca dónde se hace públicamente visible el comportamiento en lugar de buscar un filtro. Descompón la descripción condición por condición, clasifica cada una como atributo o como evidencia, y anota el tipo de fuente que la muestra y la rapidez con la que esa señal caduca.
"Empresas que abrieron hace poco una segunda sede." "Empresas que contratan a su primer comercial." "Empresas que se anuncian sin una tienda online que funcione." Cada uno de estos segmentos es real, y ninguno es una casilla.
Las filas de atributo son aquello para lo que está hecha una base almacenada, y algunas filas de evidencia ya existen también como filtros, en la taxonomía propia del proveedor. Las filas que quedan fuera de alcance son las concretas o recientes, porque una instantánea que se actualiza por ciclos no puede saber qué pasó la semana pasada. El registro aparece a ambos lados de la tabla. Guarda atributos como la forma jurídica y el sector, y también registra hechos fechados como la constitución y los depósitos.
Trabaja primero las filas de evidencia. Son más pequeñas, te dan el motivo para escribir y suelen reducir la lista a algo que una campaña puede cubrir de verdad. Las herramientas que consultan fuentes en tiempo real en lugar de filtrar una instantánea aparecen en nuestro repaso de herramientas de prospección con IA.
¿Cómo crear una lista cuando ningún filtro tiene la palabra adecuada?
Separa la descripción en dos capas y quédate con su intersección. La capa de atributos contiene todo lo que un filtro puede expresar, lo más amplia posible. La capa de evidencias contiene uno o dos hechos fechados y comprobables que deben ser ciertos. La intersección es tu lista, normalmente más pequeña y mucho más útil que una salida de filtros.
A veces el brief no es de comportamiento en absoluto. Es una descripción en lenguaje llano para la que ninguna taxonomía de filtros tiene palabra, como un operador que atiende a otras empresas de una forma particular, o una empresa en una etapa concreta de la creación de un área.
La capa de atributos es todo lo que un filtro puede expresar, y debes hacerla tan amplia como puedas. Cada filtro adicional estrecha el conjunto antes de que la capa de evidencias haya podido calificar a nadie. Un error habitual es apilar seis filtros, terminar con 40 empresas y concluir que el segmento no existe.
La capa de evidencias son una o dos cosas fechadas y comprobables que deben ser ciertas. Tres o cuatro condiciones son demasiadas. Una buena evidencia por fila hace que la fila sea defendible ante un director comercial que pregunta por qué una empresa está en la lista, y también le da a la campaña su frase de apertura.
Después quédate con la intersección. Atributos amplios con evidencias estrictas dan una lista más pequeña de lo que sugería el panel de filtros, y mucho más trabajable. Atributos estrictos sin ninguna evidencia dan una lista que parece precisa y se comporta como una suposición. Ese es el brief en torno al que está construida nuestra página para equipos de marketing.
- Un brief en una frase
- Una capa de atributos amplia
- Uno o dos hechos fechados
- Un recuento por condición
- La intersección de las dos capas
- La verificación el día del envío
¿Cómo contar un segmento antes de gastar en datos?
Cuenta antes de gastar. Anota la cifra de la capa de atributos sola, aplica después cada condición de evidencia por separado anotando cada cifra, y luego aplícalas juntas. La cifra final es tu número direccionable, y las cifras intermedias muestran qué condición relajar si el recuento sale demasiado pequeño.
Si no sabes si el segmento tiene 400 empresas o 9.000, no puedes dimensionar la campaña, y descubrirás la respuesta después de la factura. Anotar cada condición por separado te dice cuál está haciendo el recorte.
Aquí también entra la cuestión de los contactos. Un número de empresas no es un número de personas alcanzables. Los contactos verificados son un rendimiento aparte que se suma al número de empresas, y si te saltas ese paso presupuestarás sobre empresas y ejecutarás sobre la mitad de ellas. Nuestra guía sobre lo que cuestan los datos de prospección a un equipo comercial calcula el coste por contacto utilizable, que es la cifra que el recuento debería producir al final.
¿Por qué una audiencia subida coincide tan poco?
Normalmente por el formato de la lista y no por la plataforma de anuncios. En LinkedIn, la plataforma de referencia aquí, las listas de empresas con nombre y dominio coinciden mucho mejor que las listas de contactos, y una audiencia que coincide con menos de 300 cuentas de miembros no puede usarse en ningún conjunto de anuncios.
El centro de ayuda de LinkedIn define la tasa de coincidencia como la parte de las entradas subidas que coincidió con una cuenta de miembro o, en listas de empresas, con una página de LinkedIn. También indica que incluir el sitio web de la empresa o la URL de su página de LinkedIn ayuda a que una lista de empresas coincida, y que una lista debe coincidir con al menos 300 cuentas de miembros antes de que un conjunto de anuncios pueda usarla.
Las tasas publicadas varían según la fuente. Un benchmark de agencia de mayo de 2026 sitúa las listas de empresas con nombre y dominio entre el 90 y el 98 por ciento, y las listas de contactos entre el 70 y el 85 por ciento con correos de trabajo, entre el 40 y el 60 por ciento con correos personales y entre el 60 y el 70 por ciento en listas mixtas. Una guía de marzo de 2026 es más prudente, con entre el 60 y el 85 por ciento para empresas conocidas y entre el 30 y el 60 por ciento para listas de contactos.
Aquí va una ilustración en números. Una lista de 400 contactos que coincide al 60 por ciento, el máximo del rango prudente, da unas 240 cuentas de miembros. Eso queda por debajo del mínimo de 300, así que la campaña no puede publicarse.
Así que la regla práctica es llevar siempre el dominio y tratar la fila de empresa como la unidad principal con los contactos vinculados, y no al revés. La solución está antes, en cómo se construye la audiencia semilla, y no en los ajustes de la plataforma.
¿Qué tan rápido caduca una lista B2B entre su creación y el envío?
Lo bastante rápido como para importar en el plazo de una campaña. Las estadísticas de 2026 de Cleanlist sitúan el deterioro de los contactos B2B en torno al 2,1 por ciento al mes, o el 22,5 por ciento al año. A ese ritmo, una lista creada 90 días antes del envío ha perdido cerca del 6,2 por ciento de su fiabilidad antes del primer correo.
Las listas son perecederas y los calendarios de campaña son largos. Las estadísticas de 2026 de Cleanlist sobre el deterioro de datos dan en torno al 22,5 por ciento al año, cerca del 2,1 por ciento al mes, impulsado sobre todo por un 15 a 20 por ciento de profesionales que cambian de empleo cada año. La misma tasa del 2,1 por ciento aparece en la simulación Database Decay de HubSpot, que la atribuye a investigaciones de MarketingSherpa. Los recuentos más recientes apuntan en la misma dirección. El informe de 2026 de ZeroBounce sobre el deterioro de listas de correo, basado en más de 11.000 millones de direcciones procesadas en 2025, concluye que al menos el 23 por ciento de una lista de correo se deteriora en un año. Lusha detectó 1.470.414 cambios de empresa en todo el mundo entre enero y junio de 2026, unos 13.600 contactos que cambian de puesto cada día laborable.
Al 2,1 por ciento al mes, compuesto, esto es lo que te cuesta el intervalo entre creación y envío.
Estas cifras son lo bastante pequeñas para ignorarlas y lo bastante grandes para explicar una mala tasa de rebote. La solución es una pasada de verificación la mañana del envío y no el día de la creación, lo que además protege el dominio de envío que lleva tus correos de nurturing y de ciclo de vida. Las recomendaciones de 2026 de Instantly para subir listas piden mantener la tasa de rebote en el 2 por ciento o menos y tratan cualquier cifra superior como señal de mala higiene de lista. Nuestra guía sobre cómo verificar una lista de correos B2B detalla los controles y lo que cuestan por cada mil registros.
La capa de evidencias se deteriora más rápido que los contactos. Un anuncio de financiación sigue siendo un motivo para escribir durante semanas. Una oferta de empleo sigue siéndolo durante días. Si la campaña se retrasa un mes, vuelve a buscar la evidencia en lugar de reenviar contra un disparador que ya se cerró.
¿Cómo escribir una descripción que produzca una lista?
Escríbela como una frase que un compañero entendería y luego anótala. Nombra las condiciones de atributo y las condiciones de evidencia. Para cada condición de evidencia, nombra el tipo de fuente donde se hace visible y cuánto tiempo queda abierta la ventana.
Aquí va un ejemplo desarrollado. "Empresas de tu región, de servicios profesionales, de entre diez y cincuenta personas, que publicaron una oferta para un primer comercial en los últimos treinta días." Los atributos son la región, el sector y la franja de plantilla. La evidencia es la oferta, visible en los portales de empleo, con una ventana de días y no de meses. Un filtro por cargo puede encontrar una oferta comercial, pero la palabra "primer" no está en ningún filtro, y es la que hace que valga la pena escribir a esa empresa. La frase de apertura sale de la condición de evidencia, y el director comercial que pregunta por qué una empresa está en la lista recibe una respuesta con fecha.
Compáralo con "empresas del mid-market listas para comprar". Tiene la misma longitud, pero no nombra ninguna evidencia, ningún tipo de fuente y ninguna fecha. Ese brief volverá como una salida de filtros y será idéntico al anterior.
Dónde encaja Freelvy
Freelvy es una plataforma de ventas con IA, que se usa como ChatGPT o Claude. Escribes la descripción en un solo prompt, en lenguaje llano e incluida la condición de evidencia. El agente consulta entonces más de 40 fuentes de datos en tiempo real en el momento de la consulta (mapas, registros oficiales de empresas, portales de empleo, tiendas online, bibliotecas de anuncios) en lugar de filtrar una instantánea almacenada. Enriquece cada fila con contactos verificados mediante cascadas de proveedores (seis para el correo, nueve para el teléfono), y una fila que no pasa la verificación nunca se entrega ni se factura. Búsqueda, enriquecimiento y secuenciación están en un mismo hilo, así que la evidencia que calificó a una empresa sigue unida al mensaje que la menciona. Los planes empiezan en €49 al mes por 1.500 créditos, con miembros del equipo ilimitados y sin permanencia.
La frase anotada de la sección anterior es justo el tipo de prompt que acepta tal cual. La región, el sector y la plantilla describen la empresa, y el primer comercial es la evidencia que muestran los portales de empleo. Prueba gratuita de 7 días, sin tarjeta, en freelvy.com.
Cómo lo verificamos
Leímos cada página listada en las fuentes el 23 de septiembre de 2026. Cuando una plataforma publica su propia documentación, la usamos, en concreto el centro de ayuda de LinkedIn para las tasas de coincidencia y el mínimo de 300 miembros, la referencia de la API de Apollo para sus filtros, y la página de HubSpot para el origen de la tasa del 2,1 por ciento. La ilustración de los 400 contactos y la tabla de deterioro compuesto son cálculos propios sobre esas cifras publicadas.
Preguntas frecuentes
¿Por qué no puedo crear mi lista de ICP con filtros?
Porque la mayoría de los filtros describen lo que una empresa es y no lo que ha hecho hace poco. Merit Data califica en 2026 el sector, el tamaño y el cargo de necesarios pero muy lejos de ser suficientes. Algunas bases ya filtran contrataciones, tecnologías y financiación, pero la condición concreta de un brief, como un primer comercial, rara vez tiene campo.
¿Cómo convierto una descripción en lenguaje llano en una lista?
Sepárala en una capa de atributos y una capa de evidencias. Mantén los atributos tan amplios como puedas, porque cada filtro adicional estrecha el conjunto antes de la calificación. Añade una o dos evidencias fechadas y comprobables que deben ser ciertas, y quédate con la intersección de ambas. La evidencia es también tu frase de apertura.
¿Qué fuentes muestran lo que una empresa está haciendo ahora?
Piensa en tipos de fuente y no en nombres. El registro oficial de empresas recoge fechas de inscripción, forma jurídica, actividad declarada y depósitos fechados. Los portales de empleo muestran la intención de contratar. Las fichas de mapas muestran nuevas sedes. Las tiendas online muestran qué vende una empresa y cómo. Las bibliotecas de anuncios públicas muestran la actividad publicitaria. Las plataformas de reseñas muestran la calidad del servicio.
¿Cuántas empresas debe tener un segmento?
Las suficientes para que la campaña pueda cubrirlo con el nivel de personalización que buscas, lo que suele significar que la capa de evidencias, y no la de atributos, fija el tamaño. Cuenta primero la capa de atributos y luego cada condición de evidencia por separado, para saber qué condición hace el recorte antes de relajar nada.
¿Por qué mi audiencia subida coincidió tan poco?
Normalmente por el formato de la semilla. Un benchmark de agencia de mayo de 2026 sitúa las listas de empresas de LinkedIn con nombre y dominio entre el 90 y el 98 por ciento y las listas de contactos entre el 70 y el 85 por ciento con correos de trabajo, mientras que una guía de marzo de 2026 da entre el 60 y el 85 y entre el 30 y el 60 por ciento. Lleva siempre el dominio, y recuerda que LinkedIn exige al menos 300 cuentas de miembros coincidentes.
¿Cada cuánto hay que rehacer una lista de campaña?
Verifica los contactos la mañana del envío y no el día de la creación, y vuelve a buscar la evidencia si la campaña se retrasa. Con un deterioro publicado del 2,1 por ciento al mes, un intervalo de 90 días cuesta cerca del 6,2 por ciento de fiabilidad, y la condición de evidencia envejece más rápido que el contacto, en días para una oferta de empleo y en semanas para una financiación.
¿Cómo justificar por qué una empresa está en una lista de cuentas objetivo?
Dale a cada fila su propia evidencia fechada. Ese es el argumento práctico de la capa de evidencias frente a una puntuación de intención sin fuente. Cuando un director comercial pregunta por qué una empresa está en la lista, una fecha de depósito en el registro, una fecha de oferta o una aparición en una biblioteca de anuncios es una respuesta, y un porcentaje salido de un modelo opaco no lo es.
Fuentes y metodología
Todas las páginas de abajo se leyeron el 23 de septiembre de 2026. Las cifras se atribuyen en el texto a las páginas que las publicaron.
- https://www.meritdata-tech.com/resources-post/blog-how-to-build-icp-strategy-2026
- https://docs.apollo.io/reference/organization-search
- https://www.landbase.com/blog/firmographic-coverage-statistics
- https://www.linkedin.com/help/lms/answer/a420595
- https://www.linkedin.com/help/lms/answer/a423102
- https://www.growthspreeofficial.com/blogs/linkedin-matched-audiences-b2b-2026
- https://benly.ai/learn/linkedin-ads/linkedin-matched-audiences
- https://www.cleanlist.ai/blog/2026-01-22-b2b-data-decay-statistics
- https://www.hubspot.com/database-decay
- https://www.zerobounce.net/email-list-decay
- https://www.lusha.com/blog/b2b-contact-change-report/
- https://instantly.ai/blog/email-list-validation-upload-quality-checks/