MQL vs. SQL: Definitionen, Übergaberegeln und die Zahlen, die zeigen, wo Leads auf der Strecke bleiben

Nur 13 % der Marketing Qualified Leads von B2B-SaaS-Anbietern werden zu Sales Qualified Leads, so die Tabelle von First Page Sage mit 30 Branchen, und die beste Branche in dieser Tabelle erreicht 26 %. Der Rest wird abgelehnt, ignoriert oder kühlt zwischen zwei Teams aus, die die Begriffe oft unterschiedlich definieren. Dieser Leitfaden zu MQL vs. SQL behandelt die Definitionen, die Übergaberegeln, die Leads am Leben halten, die Formel und die Benchmarks für die Conversion-Rate sowie eine echte Kohorte: die 400 MQLs, die bei Spona innerhalb von zwei Monaten entstanden sind. Vorab ein Hinweis: SQL steht hier für Sales Qualified Lead, nicht für die Datenbanksprache.

Get thousands of leads in 4 minutes.

Stop stitching tools together.
Start with verified sales data, delivered in minutes.

SCALE SALES NOW

No contracts · No setup · No onboarding

Wo Leads zwischen MQL und SQL versanden: der Funnel in Zahlen

Ein B2B-Funnel hat fünf Stationen: Lead, Marketing Qualified Lead (MQL), Sales Accepted Lead (SAL), Sales Qualified Lead (SQL) und Opportunity. Die meisten veröffentlichten Zahlen messen den Schritt vom MQL zum SQL, und die Spanne ist groß. In der Tabelle von First Page Sage liegen Rechtsdienstleistungen und Immobilien bei 10 %, B2B SaaS bei 13 %, Cybersecurity bei 15 % sowie Gewerbeversicherungen und HVAC (Heizungs-, Lüftungs- und Klimatechnik) bei 26 %. Einen Gesamtdurchschnitt nennt die Seite nicht; der ungewichtete Mittelwert ihrer 30 Zeilen liegt bei 16,1 % (unsere Rechnung).

Die ältere Implisit-Analyse von Hunderten Unternehmens-Pipelines, zusammengefasst von Geckoboard, ergab, dass 13 % der Leads zu Opportunities wurden und dass dieser Weg im Schnitt 84 Tage dauerte. Am stärksten wirkte die Quelle: Website-Leads konvertierten zu 31,3 % und Empfehlungen zu 24,7 %, gekaufte Lead-Listen dagegen zu 2,5 % und E-Mail-Kampagnen zu 0,9 %.

Zwei weitere Zahlen erklären, warum dieser Schritt scheitert. Die Studie State of Business Buying von Forrester, für die mehr als 16.000 B2B-Einkäufer befragt wurden, ergab, dass 91 % der Kaufprozesse irgendwann ins Stocken geraten. In einer Umfrage der Gartner Peer Community unter 200 Fachleuten aus Vertrieb und Marketing nannten 27 % der Marketer „uneinheitliche interne Definitionen“ als größte Hürde bei der Abstimmung, und nur 3 % aller Befragten gaben an, dass ihre Teams gemeinsame Kennzahlen aufgebaut hatten.

Jede Zeile hat einen Verantwortlichen und ein Exit-Kriterium. Wo ein Unternehmen nicht beide Felder ausfüllen kann, bleiben seine Leads auf der Strecke.

Was ist ein MQL und was ist ein SQL?

Die Begriffe stammen aus dem SiriusDecisions Demand Waterfall, einem Funnel-Modell, das 2005 erstmals veröffentlicht, 2012 überarbeitet und 2017 durch den Demand Unit Waterfall ersetzt wurde. Was MQL und SQL in der Praxis bedeuten, hängt davon ab, wer die Definition schreibt; die folgende MQL-Bedeutung stammt zuerst von den Anbietern, dann aus den eigenen Daten von Spona.

Was ist ein MQL? MQL-Bedeutung und Definition

Die Lifecycle-Dokumentation von HubSpot definiert einen Marketing Qualified Lead als „einen Kontakt oder ein Unternehmen, den bzw. das Ihr Marketingteam als bereit für das Vertriebsteam qualifiziert hat“. Die Version von Adobe ist lockerer: jemand, der Interesse an Ihren Produkten oder Lösungen gezeigt hat. Beide überlassen den Test Ihnen, und genau dort beginnt das Definitionsproblem: Ein E-Book-Download und eine Preisanfrage sind beide „Interesse“.

Spona definiert bewusst enger. Ein MQL ist bei Spona ein Unternehmen mit ICP-Fit, einer identifizierten relevanten Rolle und einer ausdrücklichen Sample-, Preis- oder Demo-Anfrage, ohne Dubletten und ungültige Anmeldungen. Das ergibt weniger MQLs und eine höhere Conversion-Rate, ein Zielkonflikt, auf den der Abschnitt zu den Benchmarks zurückkommt. Die übergreifenden Qualifizierungsphasen und Frameworks erklärt der Beitrag Was ist Lead-Qualifizierung?.

Was ist ein Sales Qualified Lead (SQL)?

HubSpot definiert einen SQL als „einen Kontakt oder ein Unternehmen, den bzw. das Ihr Vertriebsteam als potenziellen Kunden qualifiziert hat“; die Details werden in der Eigenschaft Lead Status (Lead-Status) erfasst. Der kanadische Hub von Salesforce nennt vier Bedingungen: einen Business Case, einen Kontakt, der die Entscheidung voranbringen kann, einen direkten oder latenten Bedarf und einen Zeitrahmen. Cognism ergänzt eine Fast-Track-Regel: Ein Lead, der um Kontakt, ein Angebot oder Preise bittet, wird sofort zum SQL und geht an einen erfahrenen Closer, „idealerweise innerhalb von Minuten, nicht Stunden“.

Die SQL-Definition von Spona: Der Vertrieb bestätigt einen konkreten Anwendungsfall, einen ausreichenden Daten-Fit, einen plausiblen Kaufweg und einen vereinbarten Evaluierungs- oder Kaufschritt. Die letzte Bedingung zählt am meisten. Ohne vereinbarten nächsten Schritt bleibt auch ein gutes Gespräch ein MQL.

MQL vs. SQL in HubSpot: die Lifecycle Stages

In HubSpot sind Marketing Qualified Lead und Sales Qualified Lead Werte der Eigenschaft Lifecycle Stage (Lebenszyklusphase), Opportunity steht für einen Kontakt oder ein Unternehmen, das mit einem Deal verknüpft ist, und die Standardautomatisierung setzt die Phase nur vorwärts. Ein abgelehnter MQL braucht deshalb einen manuellen oder per Workflow ausgelösten Reset, sonst bleibt er in jedem Report ein MQL. In Salesforce erfassen Teams die Phase meist im Feld Lead Status, und das Konvertieren eines Leads legt einen Account und einen Kontakt an, standardmäßig dazu eine Opportunity.

MQL vs. SQL: der Unterschied in einer Tabelle

Der entscheidende Unterschied zwischen MQL und SQL liegt darin, wer entscheidet und auf welcher Grundlage. Ein MQL ist eine Prognose, die ein System aus Fit und Verhalten ableitet. Ein SQL ist ein Urteil, das ein Mensch fällt, nachdem er mit dem Käufer gesprochen und einen nächsten Schritt gehört hat. Ein Score kann einen Lead übergeben; qualifizieren kann ihn nur ein Gespräch.

Übergabe von MQL zu SQL: Regeln, die Leads am Leben halten

Bei der Übergabe wird aus dem Definitionsproblem der 27 % verlorene Pipeline. Fünf Regeln, jede mit Quelle, fangen den Großteil des Schadens ab.

1. Schreiben Sie beide Definitionen auf, und lassen Sie beide Teams unterschreiben. Die MQL-Definition nennt die Fit-Kriterien und das auslösende Verhalten oder die auslösende Anfrage; die SQL-Definition legt fest, was der Vertriebsmitarbeiter bestätigen muss. Prüfen Sie beide in dem Abstimmungsmeeting, das die Checkliste zur Lead-Qualifizierung beschreibt, und ändern Sie sie, wenn die Daten es nahelegen: Die Faustregel von HubSpot lautet, dass eine Rate unter 10 % auf zu lockere MQL-Kriterien hinweist.

Der Sales Accepted Lead (SAL) als Schritt zwischen MQL und SQL

2. Bauen Sie einen Schritt zum Annehmen oder Ablehnen ein, und machen Sie den Ablehnungsgrund zur Pflicht. Ein Sales Accepted Lead ist ein MQL, den ein Vertriebsmitarbeiter geprüft und zur Bearbeitung angenommen hat. Der Schritt kostet einen Klick und liefert den nützlichsten Datensatz, den das Marketing bekommen kann: warum der Vertrieb Nein gesagt hat. 4Thought Marketing empfiehlt ein strukturiertes Feld für den Grund mit Werten wie falscher Fit, schlechtes Timing, bereits Kunde und Wettbewerber und zählt einen Lead erst dann als SQL, wenn der Vertrieb „eine bewusste Aktion in Ihrem CRM“ ausführt. Kleinere Teams legen MQL und SAL oft zu einem Schritt zusammen; behalten Sie das Feld für den Grund auch dann bei.

3. Legen Sie ein Reaktionsfenster fest, und halten Sie es kurz. Der übliche Ausgangswert von 4Thought liegt bei 24 Stunden für Signale mit hoher Kaufabsicht und 48 bis 72 Stunden für weniger heiße. Die Forschung spricht für mehr Tempo. Die Lead Response Management Study (Professor Oldroyd vom MIT mit Daten von InsideSales.com: drei Jahre, sechs Unternehmen, mehr als 15.000 Leads und 100.000 Anrufversuche) ergab, dass die Chance, einen Interessenten zu qualifizieren, 21-mal geringer ist, wenn die Reaktionszeit von 5 auf 30 Minuten steigt, und zwischen 5 und 10 Minuten bereits auf ein Viertel sinkt. Ein SLA von 24 Stunden ist der Mindeststandard für das ganze Team, kein Ziel für eine Preisanfrage.

4. Recyceln Sie abgelehnte MQLs mitsamt ihrem Grund. „Schlechtes Timing“ geht mit einem Datum zurück ins Nurturing, „falscher Fit“ verschärft die MQL-Regel, „bereits Kunde“ bereinigt das CRM. Score-Schwellen und Score-Verfall gehören in den Beitrag zu Best Practices für Lead Scoring; für die Übergabe gilt nur: Nichts verlässt die SAL-Warteschlange ohne Grund.

5. Bringen Sie beide Teams auf ein gemeinsames Dashboard. Nur 3 % der Befragten der Gartner Peer Community gaben an, dass ihre Teams gemeinsame Kennzahlen haben. Die drei Übergabe-Kennzahlen von Understory Agency sind ein praktikables Minimum: die Einhaltung des SLA beim Erstkontakt, der Anteil der MQLs, die bis zu einem klaren Ergebnis bearbeitet wurden, und die Conversion-Rate nach dem Ereignis, das den MQL ausgelöst hat.

Conversion-Rate von MQL zu SQL: Formel und Benchmarks

Die Formel ist einfach: Conversion-Rate von MQL zu SQL = SQLs ÷ MQLs × 100. Die Falle ist das Zeitfenster. Der KPI-Leitfaden von Geckoboard warnt davor, nur die MQLs zu zählen, die im selben Monat zu SQLs werden, denn das unterschätzt die Rate, wenn der Vertriebszyklus länger dauert. Messen Sie stattdessen eine Kohorte: Nehmen Sie die in einem Zeitraum entstandenen MQLs und zählen Sie, wie viele innerhalb eines festen Fensters zu SQLs wurden, 30 Tage bei den meisten Teams und länger im Enterprise-Vertrieb. Das Rechenbeispiel von HubSpot: 26 SQLs aus 200 MQLs, also 13 %.

Zwei weitere veröffentlichte Zahlen stecken den Rahmen der Tabelle ab. HubSpot beziffert die branchenübergreifende Spanne auf 10 % bis 20 % und nennt 13 % gesund. Salesforce schreibt unter Berufung auf Gartner-Forschung, dass 21 % der MQLs zu SQLs werden; die zugrunde liegende Gartner-Seite ließ sich nicht öffnen, behandeln Sie die Zahl also als Information aus zweiter Hand. Mit den übrigen Suchergebnissen sollten Sie vorsichtig umgehen: Eine Agenturseite unter den ersten zehn Treffern nennt für dieselbe Kennzahl 13 %, 13 bis 15 %, 10 bis 20 % und 20 bis 30 %, ohne Quelle für auch nur einen dieser Werte. Ein Benchmark ohne Stichprobengröße, Zeitraum und Definition ist eine Meinung. Der nächste Abschnitt nennt alle drei.

MQL-zu-SQL-Rate bei Spona: 400 MQLs, 120 SQLs, 30 % in 30 Tagen

Spona hat jeden MQL erfasst, der innerhalb von zwei Monaten entstanden ist, und jeden davon nachverfolgt, sodass für jeden Datensatz ein vollständiges Follow-up über 30 Tage vorliegt. Die Kohorte umfasst 400 MQLs. Der Vertrieb hat 120 davon innerhalb von 30 Tagen als SQLs angenommen, eine Conversion-Rate von MQL zu SQL von 30 %. Spona hat die Conversion und die Stichprobe anhand der eigenen Daten bestätigt.

Es gelten die beiden Definitionen, die im Abschnitt zu den Definitionen zitiert sind, und zwar schon vor dem Zählen: Dubletten und ungültige Anmeldungen kamen gar nicht erst in die 400, und kein Lead zählte ohne vereinbarten Evaluierungs- oder Kaufschritt als SQL.

Warum 30 % über den 13 % für B2B SaaS liegen, ist vor allem eine Frage der Definition. First Page Sage zählt jeden Kontakt mit Kaufabsicht und den Mitteln zum Kauf, ohne zu sagen, wie die Absicht gemessen wird; die MQL-Definition von Spona verlangt eine ausdrückliche Anfrage und übernimmt damit die Filterung, die sonst ein SAL-Schritt leisten würde. Das 30-Tage-Fenster wirkt in die andere Richtung: Ein MQL, der nach Tag 30 angenommen wird, zählt als Fehlschlag.

Was die Zahl nicht beweist: Es handelt sich um ein Unternehmen, eine zweimonatige Kohorte und ein Produkt mit niedrigem Einstiegspreis und kostenlosem Sample. Sie ist kein Marktbenchmark und kein Durchschnitt für die Kunden von Spona, und die nächste Kohorte kann anders ausfallen. Was sie zeigt, ist die Methode: eine genannte Definition, ein genannter Zeitraum, ein genanntes Fenster und eine Zählung, die Leser nachprüfen können (Spona-Daten, MQLs aus zwei Monaten, jeder mit vollständigem Follow-up).

Wie aus einem MQL ein SQL wird

Drei Hebel erhöhen die Rate, ohne die Definitionen aufzuweichen.

Reagieren Sie auf ausdrückliche Anfragen innerhalb von Minuten. Der oben genannte Befund zum 21-fachen Rückgang betrifft die ersten fünf bis dreißig Minuten. Leiten Sie Preis-, Demo- und Sample-Anfragen mit einer Aufgabe im CRM direkt an einen Vertriebsmitarbeiter weiter, und behalten Sie das 24-Stunden-SLA für MQLs, die nur auf Content beruhen. Das Kundenbeispiel von HubSpot vergibt für den Download eines Preisblatts 25 Punkte und für das Öffnen eines Newsletters 1 bis 2, bei einer Schwelle von 75 Punkten: Eine ausdrückliche Anfrage sollte einen Lead schon allein den größten Teil des Weges zur Schwelle bringen.

Klären Sie im ersten Gespräch drei Dinge. Die Vertriebsmitarbeiter von Spona arbeiten mit zehn Qualifizierungsfragen; bei einem kleinen Kauf priorisieren sie drei: Bedarf (welche fehlenden Kontakte, welcher schlechte Fit oder welche veralteten Datensätze das Team Zeit kosten), Timing (welche Kampagne oder welcher Marktstart die Deadline setzt) und Entscheidungskriterien (was eine Stichprobe von 100 Accounts beweisen muss, damit sich der Kauf rechtfertigen lässt). Budget und Entscheidungsbefugnis werden kurz geprüft, sind aber kein Ausschlusskriterium; das vollständige MEDDIC bleibt größeren Accounts mit Jahresvertrag und komplexen Accounts vorbehalten.

Lassen Sie einen finanzierbaren Deal nicht an einer Budgetprüfung scheitern. Ein dokumentiertes Beispiel von Spona: Ein Gründer sagte, es gebe kein Budget für Daten, eine starre Prüfung hätte den Account also abgelehnt. Eine kleine Stichprobe zeigte eine Ersparnis von 10 Stunden Recherche pro Monat, und daraus entstand ein finanzierbarer Business Case. Die Lehre liegt in der Reihenfolge: erst den Wert belegen, dann nach dem Budget fragen. Für die Fit-Seite der MQL-Regel beginnen Sie am besten mit einem Ideal Customer Profile, auf das sich beide Teams geeinigt haben.

Wann MQL vs. SQL nicht mehr funktioniert: Buying Center und Self-Service-Käufer

Die Urheber der Begriffe sind selbst längst weiter. Bei der Vorstellung des Demand Unit Waterfall im Jahr 2017 sagte Kerry Cunningham von SiriusDecisions: „Wir wussten, dass es nicht mehr um Leads ging“ und erklärte, Accounts müssten ganz oben im Wasserfall gewonnen werden; Terry Flaherty ergänzte, Nachfrage brauche „einen Käufer, ein geschäftliches Problem und eine Lösung“. Die Daten seither geben ihnen recht. Laut Forrester sind an der durchschnittlichen Kaufentscheidung 13 Personen beteiligt. Der Buyer Experience Report von 6sense (knapp 4.000 Befragte) verortet den ersten Kontakt mit einem Verkäufer bei 61 % der Kaufreise und stellt fest, dass 94 % der Buying Center ihre Shortlist in eine Rangfolge bringen, bevor sie Kontakt aufnehmen. Gartner berichtet, dass 75 % der B2B-Käufer ein Kauferlebnis ohne Vertriebsmitarbeiter bevorzugen.

Ein MQL, der an einer einzelnen Person hängt, kommt deshalb oft spät, und wer das Formular ausgefüllt hat, ist womöglich derjenige, der recherchiert, und nicht derjenige, der entscheidet. Die Lösung ist nicht, MQL und SQL abzuschaffen, sondern die Einheit zu wechseln: den Account qualifizieren, die aktiven Personen pro Account zählen, Produktnutzung und Kaufsignale neben Formulareinträgen berücksichtigen und im SQL-Gespräch das ganze Buying Center erfassen statt nur einen Kontakt. Ein Product Qualified Lead (PQL) ist eine solche Variante; mehr dazu in den FAQ.

Wo Spona bei MQL und SQL ins Spiel kommt und wo nicht

Spona setzt vor der MQL-Phase an. Sie beschreiben Ihren idealen Kunden in einem Chat; die KI durchsucht 40+ Datenquellen, validiert jeden Lead und liefert qualifizierte Leads in etwa 4 Minuten. Ein Head of Sales bei einem Unternehmen mit 20 bis 50 Mitarbeitenden formulierte die Anforderung so: „Wir wollten eine kleine Liste, die zu unserer Nische passt, mit einer Begründung für jeden Treffer.“ Verlangen Sie diese Begründung von jeder Lead-Quelle: Sie macht es leichter, einen Lead im SAL-Schritt anzunehmen, weil der Vertriebsmitarbeiter schon vor dem ersten Call sieht, warum er passt.

Abgerechnet wird pro Lead: Qualifizierte Leads kosten 0,32 $ bis 4 $, Bulk-Leads 0,01 $ bis 0,09 $, jedes neue Ideal Customer Profile kostet 1.000 Setup-Credits (8 $ bis 10 $), und es gibt kostenlose Sample-Leads. Verträge, Setup und Onboarding entfallen, ein erster Test kann also aus 100 Leads bestehen, die Sie mit denselben SAL- und SQL-Kriterien an Ihrer aktuellen MQL-Quelle messen.

Wo Spona nicht passt: Spona steuert weder Ihre Lifecycle Stages noch SLA-Timer oder CRM-Routing; das übernehmen HubSpot und Salesforce. Spona ersetzt nicht das Gespräch, das einen Lead zum SQL macht. Und ein Spona-Lead ist keine Inbound-Anfrage: Er kommt mit geprüftem Fit, aber Ihr Outreach muss sich das ausdrückliche Interessensignal erst verdienen, das ein Inbound-MQL von sich aus mitbringt. Teams, die Intent-Daten auf Account-Ebene brauchen, kombinieren Spona mit einem Intent-Anbieter.

Get thousands of leads in 4 minutes.

Stop stitching tools together.
Start with verified sales data, delivered in minutes.

SCALE SALES NOW

No contracts · No setup · No onboarding

FAQ zu MQL vs. SQL

Was kommt zuerst, MQL oder SQL?

Der MQL. Ein Lead wird zum Marketing Qualified Lead, wenn er die Fit- und Engagement-Regel des Marketings erfüllt, zum Sales Accepted Lead, wenn ein Vertriebsmitarbeiter zusagt, ihn zu bearbeiten, und zum Sales Qualified Lead, wenn der Vertriebsmitarbeiter Bedarf, Fit, einen Kaufweg und einen nächsten Schritt bestätigt. Die Standardautomatisierung von HubSpot setzt Lifecycle Stages nur vorwärts.

Was ist eine gute Conversion-Rate von MQL zu SQL?

Die Branchentabelle von First Page Sage reicht von 10 % (Rechtsdienstleistungen, Immobilien) bis 26 % (Gewerbeversicherungen, HVAC), mit B2B SaaS bei 13 %; HubSpot nennt 13 % gesund und wertet alles unter 10 % als Zeichen zu lockerer MQL-Kriterien. Messen Sie Ihre eigene Rate an Ihren eigenen Definitionen und einem festen Kohortenfenster, nicht an den Zahlen eines anderen Unternehmens.

Wie lange dauert der Weg vom MQL zum SQL?

HubSpot nennt 30 bis 90 Tage für die meisten B2B-Verkäufe und sechs Monate oder mehr für komplexe Enterprise-Deals. Die Implisit-Analyse ermittelte im Schnitt 84 Tage vom Lead bis zur Opportunity. Die Kohorte von Spona nutzte ein Annahmefenster von 30 Tagen, das zu einem günstigen Produkt mit kostenlosem Sample passt.

Was ist der wichtigste Unterschied zwischen SQL und MQL?

Wer entscheidet, und auf welcher Grundlage. Einen MQL setzt ein Score oder eine Regel im Marketing-Tool anhand von Fit und Verhalten. Einen SQL setzt ein Vertriebsmitarbeiter nach einem Gespräch, das Bedarf, Fit, einen Kaufweg und einen vereinbarten nächsten Schritt bestätigt hat.

Was bedeutet PQL im Vergleich zu MQL?

Ein Product Qualified Lead wird über das qualifiziert, was jemand in Ihrem Produkt getan hat, etwa das Erreichen eines Nutzungslimits in einem kostenlosen Plan, und nicht über Content-Engagement. Die Übergaberegeln sind dieselben: eine schriftliche Definition, ein Reaktionsfenster und ein Ablehnungsgrund.

Wie bezeichnen HubSpot und Salesforce MQL und SQL?

HubSpot nutzt die Eigenschaft Lifecycle Stage (Marketing Qualified Lead, Sales Qualified Lead, Opportunity) mit Unterphasen in Lead Status. Salesforce-Teams erfassen die Phase meist im Feld Lead Status; beim Konvertieren eines Leads entstehen ein Account- und ein Kontakt-Datensatz, standardmäßig dazu eine Opportunity.