Para la prospección en frío en LinkedIn, una aceptación de solicitudes de conexión cercana al 28 % es una referencia inicial útil. Para las respuestas, compare datos equivalentes: HeyReach indica una tasa de respuesta típica por campaña del 18,1 % entre los contactos aceptados, mientras que Reachium registra un 27,55 % entre sus contactos aceptados. Recomendamos medir las respuestas por contacto aceptado para evaluar la etapa de conversación, y las respuestas cualificadas y las reuniones por invitación para valorar el impacto comercial de la campaña.
Los benchmarks siguientes utilizan datos de 2025–2026; la sección de 2027 explica qué incorporar al próximo ciclo de planificación. Cada tasa indica su denominador para que pueda elegir la comparación adecuada. Las cifras y la metodología de las fuentes se revisaron de nuevo el 8 de noviembre de 2026. Son resultados de terceros revisados para el blog de Linked Helper, y no resultados de clientes de Linked Helper.
Benchmarks de prospección en LinkedIn para planificar campañas de 2027
| Métrica | Resultado | Método | Fuente |
|---|---|---|---|
| Aceptación de solicitudes de conexión | 28,5 % | Solicitudes aceptadas / invitaciones enviadas; datos agrupados por volumen de solicitudes | Expandi |
| Aceptación de solicitudes de conexión | 27,11 % | Solicitudes aceptadas / invitaciones enviadas; datos agrupados, solicitudes con al menos 30 días de antigüedad | Reachium |
| Aceptación de solicitudes de conexión | 21 % | Mediana de la tasa de aceptación por remitente | GetSales, presentado en el resumen del seminario web de Extrovert |
| Respuestas por contacto aceptado | 18,1 % | Tasa típica por campaña | HeyReach |
| Respuestas por contacto aceptado | 27,55 % | Contactos aceptados con una respuesta / contactos aceptados; datos agrupados | Reachium |
| Respuestas por invitación enviada | 7,47 % | Los mismos contactos que respondieron / invitaciones enviadas | Reachium |
| Respuestas por mensaje enviado | 10,4 % | Respuestas / mensajes enviados, incluidos los seguimientos y varios canales | Expandi |
| Reuniones agendadas por contacto aceptado | 1,99 % | Contactos aceptados con una reunión agendada registrada / contactos aceptados | Reachium |
| Reuniones agendadas por invitación enviada | 0,54 % | Los mismos contactos con una reunión agendada / invitaciones enviadas | Reachium |
Expandi midió 13 218 869 invitaciones de 13 302 cuentas entre mayo de 2025 y abril de 2026.
La extracción de Reachium del 6 de agosto de 2026 abarca la actividad desde el 8 de enero de 2025; su cohorte principal excluye las invitaciones enviadas en los últimos 30 días, lo que deja 180 155 solicitudes.
GetSales registra más de 6 000 000 de invitaciones de más de 20 000 cuentas en Q2 2026.
El informe de HeyReach del 17 de septiembre de 2026 abarca 96 051 campañas de los 12 meses anteriores; no indica las fechas exactas de inicio y fin. Su tasa de respuesta típica por campaña es del 18,10 % por contacto aceptado, frente al 22,22 % por conversación iniciada. Son denominadores diferentes.
Utilice los estudios como referencias independientes: sus clientes y métodos de agregación difieren. Las fuentes están enlazadas junto a las cifras.
Cómo comparar su campaña con estos benchmarks
Empiece con una campaña y un grupo de contactos invitados. Registre las fechas de las invitaciones, la fecha en que midió los resultados, la audiencia y el remitente. Mantenga juntos esos contactos al contar las aceptaciones, las respuestas y las reuniones agendadas.
1. Calcule cuatro tasas a partir de los mismos contactos
Sea S el número de invitaciones enviadas correctamente, A el de contactos aceptados de ese grupo, R el de contactos aceptados que enviaron al menos una respuesta y B el de contactos aceptados con una reunión agendada. Cuente a cada persona una sola vez en cada etapa.
| Métrica | Fórmula | Qué indica |
|---|---|---|
| Tasa de aceptación | A / S × 100 | Cuántos contactos invitados se conectaron |
| Tasa de respuesta por contacto aceptado | R / A × 100 | Cuántos contactos aceptados respondieron |
| Tasa de respuesta por invitación | R / S × 100 | Cuántas invitaciones originales dieron lugar a un contacto que respondió |
| Tasa de reuniones por invitación | B / S × 100 | Cuántas invitaciones originales dieron lugar a una reunión agendada |
Suponga que una campaña envió 500 invitaciones, recibió 140 aceptaciones, obtuvo respuestas de 35 contactos aceptados únicos y registró reuniones agendadas con 4 de esos contactos. Sus tasas son:
-
28 % de aceptación: 140 / 500.
-
25 % de respuestas por contacto aceptado: 35 / 140.
-
7 % de respuestas por invitación: 35 / 500.
-
0,8 % de reuniones por invitación: 4 / 500.
Este cálculo es ilustrativo; no es un resultado de un cliente de Linked Helper ni una previsión.
Las cifras del 25 % y del 7 % son correctas. El informe de la campaña debe indicar cuál utiliza. Registre un denominador igual a cero como «no disponible», en lugar de una tasa de conversión del 0 %.
Hay una distinción adicional para las notas de las solicitudes de conexión. LinkedIn permite a los destinatarios responder a la nota de una invitación sin aceptar la solicitud de conexión.
Las fórmulas anteriores siguen un embudo de contactos aceptados. Mantenga las respuestas de personas que no hayan aceptado en un recuento aparte.
También puede calcular las respuestas de todos los contactos invitados / invitaciones enviadas, pero indíquelo explícitamente antes de compararlo con una fuente que cuente las respuestas solo entre los contactos aceptados.
2. Dé a cada grupo tiempo suficiente para generar un resultado
Una invitación enviada ayer y otra enviada hace un mes han tenido distintas oportunidades de convertirse en resultados. Elija una regla de medición y manténgala entre comparaciones:
Medición puntual con antigüedad mínima
Incluya solo las invitaciones con al menos 30 días de antigüedad y cuente sus resultados hasta la fecha de extracción. Las invitaciones más antiguas seguirán teniendo períodos de observación más largos.
Período de observación fijo Cuente los resultados durante los primeros 30 días después de cada invitación. Esto proporciona la misma duración de seguimiento para cada contacto, pero requiere fechas de eventos utilizables.
Con cualquiera de los métodos, filtre toda la cohorte: las aceptaciones y las respuestas deben corresponder a las invitaciones incluidas en el denominador. Las respuestas de un mes natural pueden incluir a personas invitadas en un mes anterior.
3. Utilice la comparación para elegir qué investigar
| Qué observa respecto a sus propias campañas comparables | Qué revisar a continuación |
|---|---|
| Menos invitaciones se convierten en conexiones | Selección de la audiencia, perfil del remitente, contexto de la invitación y tiempo de observación |
| La aceptación es similar, pero menos contactos aceptados responden | Adecuación de la oferta a la audiencia, relevancia del mensaje, entrega y cobertura del seguimiento |
| Aumentan las respuestas, pero no las conversaciones con personas interesadas | El contenido de las respuestas; si la campaña genera rechazos o solicitudes de aclaración |
| Aumentan las conversaciones con personas interesadas, pero no las reuniones agendadas | Cualificación, propuesta del siguiente paso, programación y registros de reuniones agendadas que faltan |
Cambie la parte del embudo que requiera atención y compare la siguiente campaña con la anterior utilizando los mismos criterios de audiencia y período de observación. Pruebe un cambio importante cada vez para que el resultado le indique qué mantener.
Benchmarks de la tasa de aceptación de solicitudes de conexión en LinkedIn
¿Cuál es una buena tasa de aceptación en LinkedIn?
Nuestra valoración: una aceptación cercana al 28 % es una referencia inicial razonable para la prospección en frío, porque Reachium y Expandi registran tasas agrupadas del 27,11 % y del 28,5 %. Considere un resultado próximo a esas cifras como una señal positiva en la primera etapa cuando también genere conversaciones relevantes. Si la aceptación es menor, revise el perfil del remitente, la audiencia y el contexto de la invitación antes de aumentar el volumen. Utilice un segmento de características muy similares cuando esté disponible.
GetSales registra una mediana de la tasa de aceptación por remitente del 21 %. Ese dato describe al remitente situado en el centro de la distribución. Una tasa agrupada divide todas las aceptaciones entre todas las invitaciones, por lo que los remitentes con mayor volumen tienen más peso; una mediana otorga a cada remitente una posición en la distribución. Para comparar equipos, utilice el mismo método de agregación y una audiencia equivalente.
En un informe de equipo, puede resultar útil mostrar la tasa agrupada y la mediana de las tasas por remitente, junto con el número de invitaciones de cada uno. Esto facilita detectar si una campaña de gran volumen domina el resultado global.
Flujo de trabajo de Linked Helper: cualifique la lista de invitaciones
Si su tasa de aceptación queda por debajo de un benchmark comparable, empiece por la adecuación de la audiencia. En Linked Helper, recopile leads de búsquedas relevantes, empleados de empresas, eventos o interacciones con publicaciones, elimine los duplicados y mantenga identificable cada fuente.
Utilice AI ICP Detection para evaluar los perfiles según sus criterios de cliente y establezca una puntuación mínima de coincidencia antes de enviar las invitaciones. Revise una muestra de los perfiles aceptados y rechazados; la puntuación refleja la adecuación a sus criterios. Seleccione los campos del perfil y la actualidad de los datos necesarios para esa evaluación.
Mida los leads cualificados únicos por fuente, la cobertura de datos y las invitaciones aceptadas / enviadas por segmento. Son flujos de trabajo que debe probar; los estudios de benchmarks no demuestran una mejora específica atribuible a Linked Helper.
¿Cuánto tardan en aceptarse las solicitudes de conexión de LinkedIn?
El análisis de Reachium (enero de 2025–agosto de 2026) mostró que la mediana del tiempo hasta la aceptación fue de 25,4 horas; el 46,7 % de las aceptaciones se produjo en un día y el 92 % en 30 días. Esos porcentajes corresponden a solicitudes aceptadas con marcas de tiempo utilizables (total: 53 142), no al total de solicitudes enviadas. Estudio sobre el tiempo hasta la aceptación.

De las solicitudes aceptadas con marcas de tiempo válidas, el 46,7 % se aceptó en un día y el 92 % en 30 días. Las invitaciones pendientes necesitan tiempo antes de evaluar su resultado.
Utilice un punto de control a los 30 días para la primera comparación, en lugar de evaluar las invitaciones tras unos pocos días. Mantenga las solicitudes pendientes separadas de los rechazos confirmados: algunos contactos aceptan más tarde, y una solicitud pendiente no revela por qué no han actuado.
Flujo de trabajo de Linked Helper: pruebe la interacción antes de enviar la invitación
Si la audiencia parece adecuada pero las invitaciones siguen sin recibir atención, pruebe si ayuda que las personas ya le conozcan. Linked Helper puede realizar visitas a perfiles, seguir a personas o interactuar con publicaciones recientes antes de enviar la invitación. Elija interacciones relevantes y revise los comentarios generados con AI antes de aprobarlos.
Compare una forma de interacción con un grupo similar que solo reciba invitaciones. Mantenga constantes el remitente, los criterios de audiencia, el texto de la invitación y el período de observación. Mida las invitaciones aceptadas / enviadas en el mismo punto de control de 30 días y compruebe después las respuestas cualificadas por invitación. Obtener más aceptaciones solo es útil cuando los contactos adicionales encajan con su oferta.
Benchmarks de las tasas de respuesta y reuniones en LinkedIn
¿Cuál es una buena tasa de respuesta en LinkedIn?
Nuestra valoración: un 18,1 % de respuestas por contacto aceptado es una referencia inicial útil para la prospección en frío, porque HeyReach lo registra como la tasa típica por campaña en su estudio de 96 051 campañas. Quedar por debajo es motivo para revisar la oferta, la relevancia de los mensajes y la cobertura del seguimiento. La cifra agrupada del 27,55 % de Reachium es una referencia independiente, no un límite superior. Solo consideraríamos exitosa una campaña cuando las respuestas incluyan a leads interesados y den lugar a reuniones que merezcan la pena.
El embudo completo de Reachium muestra por qué importa el denominador. Los mismos 13 456 contactos que respondieron equivalen al 27,55 % de los contactos aceptados y al 7,47 % de las invitaciones enviadas. En la tabla siguiente, todos los porcentajes se calculan a partir de las invitaciones enviadas:
| Etapa | Total | Porcentaje |
|---|---|---|
| Invitaciones enviadas | 180 155 | 100 % |
| Contactos aceptados | 48 836 | 27,11 % |
| Contactos aceptados con al menos una respuesta | 13 456 | 7,47 % |
| Contactos aceptados con una reunión agendada registrada | 973 | 0,54 % |
Fuente: Cohorte de Reachium con antigüedad suficiente.

La misma cohorte produce tasas diferentes según el denominador: las respuestas representan el 27,55 % de los contactos aceptados o el 7,47 % de las invitaciones enviadas. Las reuniones representan el 0,54 % de las invitaciones.
Las respuestas incluyen respuestas negativas; las reuniones agendadas fuera del flujo de trabajo monitorizado pueden quedar sin registrar.
Por qué la tasa de respuesta por mensaje no permite completar este embudo
La tasa de respuesta por mensaje del 10,4 % de Expandi divide 700 868 respuestas entre 6 730 447 mensajes enviados. Ese conjunto incluye seguimientos, mensajes a grupos y eventos, InMails y correos electrónicos. Mide las respuestas por mensaje, en lugar de las respuestas por contacto aceptado único.
Multiplicar una tasa de aceptación del 28,5 % por esa tasa de respuesta por mensaje del 10,4 % no produce una conversión válida de invitaciones a respuestas. Ese cálculo requeriría una tasa de respuesta por persona aceptada de la misma cohorte.
En sus propios informes, muestre cuántos contactos únicos respondieron por separado de cuántos mensajes se enviaron. Los seguimientos adicionales cambian el denominador de mensajes, incluso cuando el número de personas de la campaña se mantiene constante.
Flujo de trabajo de Linked Helper: mejore los mensajes y los seguimientos
Cuando la aceptación sea buena pero las respuestas se queden atrás, elija la relevancia del mensaje o la cobertura del seguimiento como próxima prueba. Las herramientas de personalización de Linked Helper permiten utilizar variables personalizadas y plantillas condicionales, o mensajes de AI basados en el perfil. Desactive la aprobación automática mientras revisa los borradores para que el motivo de contactar con cada lead sea preciso y específico.
Cree seguimientos espaciados con un propósito distinto para cada mensaje. Configure pasos de Check for replies antes de los seguimientos y excluya del resto de la secuencia a las personas que hayan respondido y se hayan detectado. Pruebe ese funcionamiento antes de aumentar el volumen y continúe después la conversación en «Inbox».
Mida las respuestas únicas / contactos aceptados de la cohorte, las respuestas cualificadas / invitaciones enviadas y las respuestas adicionales por paso de seguimiento. Compruebe también si se enviaron seguimientos genéricos después de detectar una respuesta. La vista de campaña «Messaged/Replied» utiliza un denominador diferente; concilie sus datos con los de la cohorte como se explica a continuación.
¿Cuántos contactos se convierten en reuniones?
Reachium registró reuniones con el 1,99 % de los contactos aceptados, equivalente al 0,54 % de las invitaciones enviadas.
El informe de SmartReach de enero–junio de 2026 abarca más de 1800 campañas y más de 500 000 solicitudes. Su embudo ilustrativo equivale aproximadamente a un 26 % de aceptación, un 4,7 % de respuestas por invitación y un 0,3–0,4 % de reuniones por invitación. SmartReach describe una agregación por campaña, mientras que Reachium agrupa contactos; mantenga separadas las dos estimaciones al establecer expectativas.
Ambos editores indican que las reuniones registradas infravaloran el total porque algunas se agendan fuera de sus sistemas. Una reunión agendada también es distinta de una reunión celebrada o una venta.
Nuestra recomendación: utilice su propia tasa de reuniones por invitación para planificar la carga de trabajo y registre la asistencia y la cualificación en su CRM. Una tasa de reuniones agendadas más alta solo ayuda si las reuniones son relevantes y se celebran.
Flujo de trabajo de Linked Helper: convierta las respuestas de personas interesadas en reuniones
Si las conversaciones con personas interesadas no se convierten en reuniones agendadas, revise la respuesta y la transferencia al responsable. Utilice AI Reply Assistant para redactar una respuesta a partir del historial de la conversación, revísela después y proponga una siguiente acción clara. Responda a la pregunta del lead antes de solicitar una reunión.
Para los equipos que utilizan almacenamiento en la nube, Unified Inbox reúne las conversaciones de las cuentas accesibles. Marque con etiquetas a los contactos interesados, añada notas, asigne un responsable en su CRM y envíe los datos de leads con sus campos asignados mediante una integración con CRM compatible o un webhook. Consulte los requisitos del plan si la transferencia necesita el historial de mensajes.
Mida en su CRM el tiempo transcurrido entre la respuesta del contacto y la respuesta humana, las reuniones / respuestas positivas y las reuniones / invitaciones enviadas. Registre la asistencia y la cualificación por separado. Esto muestra si la conversación sobre el siguiente paso y la transferencia al responsable producen reuniones útiles, en lugar de limitarse a añadir más respuestas.
Benchmarks de prospección en LinkedIn por sector
Sector del remitente: comparación con empresas que realizan prospección
Los siguientes datos proceden del informe de Expandi de mayo de 2025–abril de 2026:
| Sector | Cuentas remitentes | Invitaciones | Aceptación | Respuestas por mensaje |
|---|---|---|---|---|
| Selección y contratación de personal | 462 | 423 792 | 36,5 % | 18,9 % |
| Recursos humanos | 213 | 260 081 | 30,5 % | 9,7 % |
| Marketing y publicidad | 1115 | 1 038 187 | 29,4 % | 10,6 % |
| Tecnologías de la información y servicios | 1825 | 1 731 259 | 28,4 % | 10,5 % |
| Consultoría de gestión | 976 | 1 029 342 | 28,0 % | 9,2 % |
| Software informático | 1851 | 1 831 933 | 27,5 % | 8,8 % |
| Servicios financieros | 767 | 732 855 | 26,0 % | 10,3 % |
| Telecomunicaciones | 61 | 66 663 | 21,8 % | 11,2 % |
| Total de la plataforma | 13 302 | 13 218 869 | 28,5 % | 10,4 % |
Fuente: Apéndice completo por sector de Expandi.

La tasa de aceptación de toda la plataforma de Expandi fue del 28,5 %, mientras que los segmentos seleccionados por sector del remitente oscilaron entre el 21,8 % y el 36,5 %. Utilice un segmento relevante al diagnosticar su campaña.
Los sectores mostrados son una selección. El total de la plataforma abarca todo el conjunto de datos, incluidos sectores que no aparecen aquí; se trata de eventos de prospección registrados, no de respuestas a encuestas. La columna de respuestas utiliza como denominador los mensajes enviados.
Un remitente de servicios de TI con una aceptación del 27 % está 1,4 puntos porcentuales por debajo de la cifra sectorial del 28,4 % de Expandi; un remitente de selección y contratación de personal con la misma tasa está 9,5 puntos porcentuales por debajo de su cifra del 36,5 %. Investigaríamos primero la campaña de contratación porque la diferencia es mayor. Empiece por comprobar la adecuación de la audiencia y la credibilidad del remitente, y pruebe después un cambio comparándolo con los resultados anteriores de la propia campaña.
Compruebe el número de cuentas remitentes junto con el volumen de invitaciones. Un segmento con muchas solicitudes de pocos remitentes es una referencia menos sólida que un segmento comparable repartido entre muchos remitentes.
Sector del destinatario: una segmentación diferente
Si vende a empresas de software, un benchmark de remitentes del sector del software no describe a esos destinatarios.
El estudio de Reachium por sector del destinatario abarca 30 364 solicitudes vinculadas a los sectores de los destinatarios. La aceptación fue del 30,9 % en servicios empresariales, del 28,4 % en tecnología y del 20,5 % en servicios financieros.
Ese subconjunto abarca solo el 15,4 % de su cohorte de 196 696 solicitudes con antigüedad suficiente, procedentes de la actividad de enero de 2025–julio de 2026.
Su aceptación global fue del 22,75 %, frente al 26,97 % de la cohorte completa, y los servicios financieros aportaron el 53,6 % de las solicitudes vinculadas a un sector. Estas diferencias de selección limitan la generalización.
Para decidir a quién dirigirse, utilice datos del destinatario cuando coincidan con su audiencia. Estas cifras pueden ayudar a priorizar una prueba, pero el subconjunto es demasiado selectivo para tratar su clasificación de sectores como una regla para todas las campañas.
Solicitudes de conexión con nota frente a solicitudes sin nota
Reachium comparó 19 516 invitaciones con nota con 160 639 invitaciones sin nota, todas con al menos 30 días de antigüedad a fecha de Aug 6, 2026:
| Métrica | Con nota | Sin nota |
|---|---|---|
| Aceptación | 22,60 % | 27,66 % |
| Respuestas por contacto aceptado | 47,80 % | 25,54 % |
| Respuestas por invitación | 10,80 % | 7,06 % |
| Reuniones registradas por contacto aceptado | 1,29 % | 2,06 % |
Fuente: Comparación de Reachium sobre las notas. La asignación de notas a las solicitudes no fue aleatoria.

Las solicitudes con nota se asociaron con más respuestas, pero la comparación de datos agrupados no permite establecer una mejora causal. Evalúe conjuntamente la aceptación, las respuestas y las reuniones registradas.
La comparación de la aceptación con datos agrupados es sensible a quién envía cada tipo de invitación. En las tres cuentas de clientes que tenían al menos 200 solicitudes en cada grupo, las diferencias de aceptación asociadas con las notas fueron de +8,74, −9,89 y +0,81 puntos porcentuales. La dirección de la diferencia varió entre clientes.
Las notas se asociaron con más respuestas por contacto aceptado en las tres comparaciones. Sin embargo, la selección de destinatarios y la secuencia de seguimiento de cada cliente también podían diferir entre grupos. Por tanto, el estudio no permite aislar la contribución de la nota. El grupo con nota también registró menos reuniones por contacto aceptado, con solo 57 reuniones agendadas registradas como base.
Para su propia prueba, asigne los leads que cumplan los criterios a grupos con y sin nota antes del envío. Mantenga comparables el remitente, los criterios de audiencia y la secuencia posterior, y elija de antemano el resultado principal. En una campaña de prospección, podrían ser las respuestas cualificadas por invitación, con un seguimiento separado de las reuniones.
Utilice los grupos asignados originalmente al comparar los resultados. Analizar solo a las personas que aceptaron ocultaría cualquier diferencia en la aceptación y cambiaría la población evaluada. Defina el período de observación y el plan de muestreo antes de sacar conclusiones; una regla fija como «50 contactos aceptados por variante» no garantiza un resultado informativo para cualquier tasa inicial o magnitud del efecto.
Cómo medir su prospección en Linked Helper
Abra el Dashboard de Linked Helper, seleccione la campaña y el período del informe, y descargue sus estadísticas. Utilice «Invited» y «Accepted» para revisar las conexiones, y después «Messaged» y «Replied» para revisar las conversaciones. Para ver el detalle por acción, abra la pestaña «Statistics» de la campaña.
Actualice los estados de aceptación y respuesta antes de exportar un informe. «Accepted» se actualiza cuando se ejecuta la acción correspondiente de comprobación de conexiones; «Replied» se actualiza mediante los mensajes y las comprobaciones de respuestas. El «Dashboard» excluye las notas de invitación de «Messaged», pero incluye las respuestas a invitaciones en «Replied», y cuenta la actividad de Linked Helper en lugar de las interacciones manuales.
Utilice el «Dashboard» para la supervisión diaria. Para comparar con los benchmarks de contactos aceptados anteriores, exporte los registros de la campaña y cuente las personas únicas del mismo grupo de invitaciones, manteniendo aparte las respuestas de personas invitadas que no hayan aceptado.
Utilice este flujo de trabajo para crear una comparación de campañas:
-
Registre la cohorte Defina qué contactos recibieron una invitación, el período de envío y la fecha de medición. Mantenga diferenciadas las distintas campañas o canales.
-
Compruebe la actualidad de los datos Determine cuándo se comprobaron por última vez los estados de aceptación y respuesta. Distinga la fecha en que se detectó un resultado de la fecha en que ocurrió realmente cuando sea relevante para su período de observación.
-
Concilie los contactos Utilice los registros y las exportaciones disponibles de la campaña para identificar los contactos únicos invitados, aceptados y que respondieron. Mantenga aparte las respuestas de las personas invitadas que no hayan aceptado. Si no puede reconstruir esos grupos, conserve la definición propia de la métrica del panel en lugar de cambiarle el nombre.
-
Calcule las cuatro tasas anteriores Utilice una fila por cohorte en una hoja de cálculo. Registre los recuentos brutos junto a los porcentajes para que otra persona pueda reproducirlos.
-
Añada los resultados comerciales Clasifique de forma coherente las respuestas que muestran interés y concilie las reuniones agendadas con su CRM o calendario. Documente cualquier actividad manual o externa incluida en ese cálculo.
Una hoja de comparación útil incluye el nombre de la campaña, el remitente, la audiencia, las fechas de las invitaciones, la regla de observación, la fecha de medición, las invitaciones enviadas, los contactos aceptados, los contactos aceptados que respondieron, los contactos aceptados con una reunión agendada y las cuatro tasas calculadas. Las etiquetas de las fórmulas anteriores utilizan S para las invitaciones enviadas, A para los contactos aceptados, R para los contactos aceptados que respondieron y B para los contactos aceptados con una reunión agendada.
Para obtener instrucciones sobre la interfaz, consulte la guía del Dashboard. Para planificar campañas, consulte nuestra guía de prospección en LinkedIn.

Linked Helper puede ayudar con la selección de destinatarios, el contexto, los mensajes y la gestión de respuestas. Pruebe cada cambio frente a un grupo de control equivalente y realice el seguimiento de personas únicas hasta obtener respuestas cualificadas y reuniones.
Tendencias de prospección en LinkedIn que conviene seguir en 2027
Estas son prioridades de planificación para 2027 basadas en investigaciones de 2025–2026, en lugar de tasas de conversión medidas en 2027.
1. Mida las respuestas por separado de las aceptaciones
Reachium compara 101 191 invitaciones enviadas en 2025 con 78 964 enviadas durante el período parcial de 2026 anterior a su extracción del 6 de agosto. La aceptación subió del 26,33 % al 28,11 %, mientras que las respuestas por contacto aceptado bajaron del 32,19 % al 21,98 %. La lección práctica para 2027 es vigilar ambas etapas: una aceptación estable puede ocultar menos conversaciones. Esta es una comparación entre cohortes de un mismo proveedor, no una previsión de las tasas de todo LinkedIn para el próximo año.

En estas cohortes del proveedor, la aceptación aumentó mientras que las respuestas por contacto aceptado disminuyeron. Para planificar 2027, supervise ambas etapas y compare las campañas con períodos de observación uniformes.
La métrica de respuestas a notas de Expandi bajó del 3,5 % en mayo de 2025 al 2,2 % en abril de 2026. Su denominador incluye invitaciones sin nota, por lo que el descenso podría reflejar en parte un menor envío de notas, en lugar de un peor rendimiento de cada nota.
Si utiliza notas en las solicitudes de conexión en 2027, incluya en sus informes las respuestas por invitación con nota junto con la proporción de invitaciones que llevan nota. Esto le ayudará a distinguir un cambio en el uso de notas de un cambio en la respuesta.
2. Mantenga visibles la gestión de las invitaciones y las fechas de las campañas
La guía de LinkedIn sobre invitaciones describe las vistas «Focused» y «Other» e indica que los destinatarios podrían no recibir notificaciones de las invitaciones en «Other». No cuantifica el efecto sobre la aceptación. Registre cuándo se realizaron las campañas y compruebe cómo se gestionan actualmente las invitaciones antes de utilizar un benchmark antiguo como comparación directa.
Para planificar 2027, utilice un período de observación uniforme y compare campañas recientes entre sí. Mantenga las restricciones de envío separadas de las tasas de conversión; nuestra guía sobre el límite semanal de invitaciones explica los límites operativos.
3. Pruebe la personalización con AI frente a una versión de control escrita por una persona
El informe de Expandi de H2 2026 comparó campañas personalizadas con AI y campañas escritas por personas dentro de las mismas cuentas. Su análisis de AI abarcó 118 campañas de 73 cuentas entre octubre de 2025 y junio de 2026. Las plantillas escritas por personas obtuvieron una aceptación aproximadamente un 12 % mayor en términos relativos (no 12 puntos porcentuales), mientras que las tasas de respuesta prácticamente no variaron. Fue un estudio observacional: las diferencias entre audiencias y la madurez de las campañas aún podían influir en el resultado.
Nuestra recomendación para 2027 es utilizar AI para redactar mensajes, revisar su relevancia y después probarlos frente a una versión escrita por una persona. Compare las respuestas cualificadas por invitación y realice un seguimiento separado de las reuniones. Aplique la misma prueba a las notas de las solicitudes de conexión: la variante que consigue más respuestas puede no ser la que genera mejores conversaciones de ventas.
Cómo comprobamos los benchmarks
Comprobaciones realizadas
Revisamos la población, el período de medición, los resultados contabilizados y los denominadores de cada editor. Mantuvimos las tasas agrupadas separadas de las medianas por remitente y por campaña, y comprobamos si cada informe utilizaba datos recopilados de forma independiente o la muestra de otro proveedor. No combinamos los estudios para obtener una media de todo LinkedIn.
También comprobamos la titularidad de los datos. El estudio de Belkins de 2026 combina sus propios 14 077 registros de contactos con un conjunto de datos facilitado por Expandi; la parte de Expandi no constituye una población independiente de clientes. Esto evita contar otra publicación como una fuente adicional de evidencia recopilada de forma independiente.
Limitaciones que debe tener presentes en cada comparación
-
Selección de clientes Los clientes de los proveedores eligen sus audiencias, ofertas y flujos de trabajo. Sus resultados no tienen por qué trasladarse a la prospección manual o a los usuarios de otra plataforma.
-
Concentración Los diez espacios de trabajo de clientes más grandes de Reachium aportaron el 76,19 % de las solicitudes de su conjunto de datos principal. Interprete sus resultados agrupados como un benchmark con mayor peso de los remitentes de gran volumen.
-
Diferencias de medición Las personas únicas, las invitaciones y los eventos de mensajes son unidades diferentes. Incluso compartir denominador no garantiza una detección o atribución de respuestas idéntica.
-
Tiempo Un filtro de antigüedad mínima sigue dando a las solicitudes más antiguas más tiempo para generar resultados. Los períodos fijos responden a una pregunta diferente.
-
Resultados comerciales Una respuesta puede ser negativa. El registro de reuniones agendadas puede ser incompleto, y las reuniones no demuestran ingresos.
-
Incertidumbre Un cambio de unos pocos puntos porcentuales debe evaluarse dentro de su propia muestra y diseño. La variación mensual observada por un proveedor no es un umbral universal de significación.
El análisis de Reachium por día de envío encontró una aceptación de entre el 26,38 % y el 28,24 % en una cohorte de 196 696 solicitudes. Recomendamos probar el momento del envío después de la adecuación de la audiencia y la relevancia de los mensajes, en lugar de esperar que un día concreto de la semana solucione una campaña débil.
