MQL vs SQL: definiciones, reglas de traspaso y las cifras que muestran dónde se pierden los leads

Solo el 13 % de los marketing qualified leads de B2B SaaS llega a sales qualified lead, según la tabla de 30 sectores de First Page Sage, elaborada con datos de clientes, y el mejor sector de esa tabla llega al 26 %. El resto se rechaza, se ignora o se enfría entre dos equipos que a menudo no definen los términos de la misma manera. Esta guía de MQL vs SQL repasa las definiciones de MQL y SQL, las reglas de traspaso que mantienen vivos los leads, la fórmula de la tasa de conversión y sus benchmarks, y una cohorte real: los 400 MQL de una cohorte de dos meses de Spona. Una aclaración antes de entrar en cifras: aquí SQL significa sales qualified lead, no el lenguaje de bases de datos.

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

MQL vs SQL en cifras: dónde se pierden los leads del embudo

Un embudo B2B tiene cinco paradas: lead, marketing qualified lead (MQL, el lead cualificado por marketing), sales accepted lead (SAL, el lead aceptado por ventas), sales qualified lead (SQL, el lead cualificado por ventas) y oportunidad. La mayoría de las cifras publicadas miden el paso de MQL a SQL, y la dispersión es amplia. En la tabla de First Page Sage, los servicios jurídicos y el sector inmobiliario se quedan en el 10 %, B2B SaaS en el 13 %, la ciberseguridad en el 15 %, y los seguros para empresas y HVAC (climatización) en el 26 %. La página no da una media global; la media no ponderada de sus 30 filas es del 16,1 % (cálculo nuestro).

El análisis de Implisit, más antiguo, sobre los pipelines de cientos de empresas, resumido por Geckoboard, concluyó que el 13 % de los leads se convertía en oportunidad y que el recorrido duraba 84 días de media. Lo que más pesaba era el origen: los leads de la web convertían al 31,3 % y los de recomendación al 24,7 %, mientras que las listas de leads compradas se quedaban en el 2,5 % y las campañas de email en el 0,9 %.

Otras dos cifras explican por qué falla este paso. El informe State of Business Buying de Forrester, basado en más de 16.000 compradores B2B, concluyó que el 91 % de las compras se estanca en algún momento. En una encuesta de Gartner Peer Community a 200 profesionales de ventas y marketing, el 27 % de los profesionales de marketing señaló la «falta de alineación en las definiciones internas» como su principal reto de alineación, y solo el 3 % del total dijo que sus equipos habían construido métricas comunes.

Cada fila tiene un responsable y un criterio de salida. Allí donde una empresa no sabe rellenar las dos celdas es justo donde se le pierden los leads.

¿Qué es un MQL y qué es un SQL?

Los términos vienen del Demand Waterfall de SiriusDecisions, un modelo de embudo publicado por primera vez en 2005, revisado en 2012 y sustituido por el Demand Unit Waterfall en 2017. Lo que significan MQL y SQL en la práctica depende de quién redacte la definición; el significado de MQL que verás a continuación sale primero de los proveedores y después de los registros de la propia Spona.

¿Qué es un MQL en marketing? Significado y definición

La documentación de HubSpot sobre el ciclo de vida define un marketing qualified lead como «un contacto o empresa que tu equipo de marketing ha cualificado como preparado para el equipo de ventas». La versión de Adobe es más laxa: alguien que ha mostrado interés en tus productos o soluciones. Las dos dejan el criterio en tus manos, y ahí empieza el problema de la definición: descargar un ebook y pedir precios son, ambas cosas, «interés».

La definición de Spona es más estrecha a propósito. Un MQL de Spona es una empresa que encaja en el ICP, con un rol relevante identificado y una petición explícita de muestra, precios o demo, excluidos los duplicados y los registros no válidos. Eso genera menos MQL y una tasa de conversión más alta, una contrapartida sobre la que vuelve la sección de benchmarks. Para las etapas y los marcos de cualificación en general, consulta qué es la cualificación de leads.

¿Qué es un sales qualified lead (SQL)?

HubSpot define un SQL como «un contacto o empresa que tu equipo de ventas ha cualificado como cliente potencial», con el detalle registrado en la propiedad Lead Status (estado del lead). El hub de Salesforce para Canadá enumera cuatro condiciones: un caso de negocio, un contacto que pueda facilitar la decisión, una necesidad directa o latente y un plazo. Cognism añade una regla de vía rápida: el lead que pide que le contacten, una propuesta o precios pasa a ser SQL en el acto y va a un comercial con experiencia en cierre, «idealmente en minutos, no en horas».

La definición de SQL de Spona: ventas confirma un caso de uso concreto, un encaje de datos suficiente, una vía de compra plausible y un paso de evaluación o compra acordado. La última condición es la que más pesa. Sin un siguiente paso acordado, una buena conversación sigue siendo un MQL.

Las etapas del ciclo de vida de MQL y SQL en HubSpot

En HubSpot, Marketing Qualified Lead y Sales Qualified Lead son valores de la propiedad Lifecycle Stage (etapa del ciclo de vida), Opportunity designa un contacto o una empresa asociados a un deal, y la automatización por defecto solo mueve la etapa hacia delante. Por eso un MQL rechazado necesita un reinicio manual o mediante un workflow; si no, sigue figurando como MQL en todos los informes. En Salesforce, los equipos suelen seguir la etapa en el campo Lead Status, y convertir un lead crea una cuenta y un contacto, además de una oportunidad por defecto.

MQL vs SQL: la diferencia en una tabla

La diferencia clave entre MQL y SQL está en quién decide y con qué pruebas. Un MQL es una predicción que hace un sistema a partir del encaje y el comportamiento. Un SQL es un juicio que hace una persona después de hablar con el comprador y escuchar un siguiente paso. Una puntuación puede pasarle un lead a ventas; solo una conversación puede cualificarlo.

Reglas de traspaso de MQL a SQL que mantienen vivos los leads

El traspaso es el punto en el que el problema de definiciones del 27 % se convierte en pipeline perdido. Cinco reglas, cada una con su fuente, evitan la mayor parte del daño.

1. Pon por escrito las dos definiciones y haz que los dos equipos las firmen. La definición de MQL fija los criterios de encaje y el comportamiento o la petición que lo activa; la de SQL fija lo que el comercial tiene que confirmar. Revísalas en la reunión de alineación que describe la checklist de cualificación de leads y cámbialas cuando los datos lo pidan: según la regla práctica de HubSpot, una tasa por debajo del 10 % significa que los criterios de MQL son demasiado laxos.

El paso del sales accepted lead (SAL) entre MQL y SQL

2. Añade un paso de aceptar o rechazar, y haz obligatorio el motivo del rechazo. Un sales accepted lead es un MQL que un comercial ha revisado y ha aceptado trabajar. El paso cuesta un clic y genera el conjunto de datos más útil que puede conseguir marketing: por qué ventas dijo que no. 4Thought Marketing recomienda un campo de motivo estructurado con valores como mal encaje, mal momento, ya es cliente y competidor, y solo cuenta un lead como SQL cuando ventas realiza «una acción deliberada en tu CRM». Los equipos pequeños suelen fusionar MQL y SAL en un único paso; aun así, conserva el campo de motivo.

3. Fija un plazo de respuesta, y que sea corto. El punto de partida habitual de 4Thought son 24 horas para las señales de alta intención y de 48 a 72 horas para las más tibias. La investigación pide más rapidez. El estudio Lead Response Management (el profesor Oldroyd, del MIT, con datos de InsideSales.com: tres años, seis empresas, más de 15.000 leads y 100.000 intentos de llamada) observó que las probabilidades de cualificar a un prospecto se dividían por 21 cuando el tiempo de respuesta pasaba de 5 a 30 minutos, y por cuatro entre los 5 y los 10 minutos. Un SLA de 24 horas es el estándar mínimo para todo el equipo, no un objetivo para una petición de precios.

4. Recicla los MQL rechazados con su motivo adjunto. «Mal momento» vuelve a nurturing con una fecha, «mal encaje» endurece la regla de MQL y «ya es cliente» obliga a corregir el CRM. Los umbrales de puntuación y su degradación con el tiempo tienen su sitio en el artículo de buenas prácticas de lead scoring; la regla de traspaso es solo que nada sale de la cola de SAL sin un motivo.

5. Pon a los dos equipos en el mismo dashboard. Solo el 3 % de los encuestados de Gartner Peer Community dijo que sus equipos tenían métricas comunes. Las tres métricas de traspaso de Understory Agency son un mínimo viable: el cumplimiento del SLA del primer contacto, el porcentaje de MQL trabajados hasta una resolución y la tasa de conversión según el evento que generó el MQL.

Tasa de conversión de MQL a SQL: fórmula y benchmarks

La fórmula es sencilla: tasa de conversión de MQL a SQL = SQL ÷ MQL × 100. La trampa está en la ventana temporal. La guía de KPI de Geckoboard advierte de que contar solo los MQL que se convierten en SQL dentro del mismo mes infravalora la tasa cuando el ciclo de venta es más largo. Mide por cohortes: toma los MQL creados en un periodo y cuenta cuántos pasaron a SQL dentro de una ventana fija, 30 días para la mayoría de los equipos y más en la venta enterprise. El ejemplo práctico de HubSpot son 26 SQL de 200 MQL, es decir, un 13 %.

Otras dos cifras publicadas acotan la tabla. HubSpot sitúa el rango intersectorial entre el 10 % y el 20 % y considera saludable un 13 %. Salesforce, citando una investigación de Gartner, afirma que el 21 % de los MQL se convierte en SQL; la página original de Gartner no se pudo abrir cuando la consultamos, así que toma esa cifra como de segunda mano. Ojo con el resto de los resultados de búsqueda: la página de una agencia que aparece entre los diez primeros da 13 %, 13 a 15 %, 10 a 20 % y 20 a 30 % para la misma métrica, sin fuente para ninguna de esas cifras. Un benchmark sin tamaño de muestra, periodo y definición es una opinión. La siguiente sección da las tres cosas.

La tasa de conversión de MQL a SQL de Spona: 400 MQL, 120 SQL, 30 % en 30 días

Spona registró todos los MQL creados en un periodo de dos meses y siguió cada uno durante un mes más, de modo que todos los registros tienen un seguimiento completo de 30 días. La cohorte reúne 400 MQL. Ventas aceptó 120 de ellos como SQL en un plazo de 30 días, lo que da una tasa de conversión de MQL a SQL del 30 %. Spona ha verificado la conversión y la muestra con sus propios registros.

Las definiciones son las dos citadas en la sección de definiciones, aplicadas antes de contar: los duplicados y los registros no válidos nunca entraron en los 400, y ningún lead contó como SQL sin un paso de evaluación o compra acordado.

Que el 30 % quede por encima del 13 % de B2B SaaS se explica sobre todo por las definiciones. First Page Sage cuenta cualquier contacto con intención de compra y medios para comprar, sin decir cómo mide la intención; la definición de MQL de Spona exige una petición explícita, que hace el filtrado que de otro modo haría un paso SAL. La ventana de 30 días empuja en sentido contrario: un MQL aceptado después del día 30 cuenta como fallo.

Lo que la cifra no demuestra: es una sola empresa, una sola cohorte de dos meses y un solo producto con un precio de entrada bajo y una muestra gratuita. No es un benchmark de mercado, no es una media de los clientes de Spona, y la siguiente cohorte puede ser distinta. Lo que sí muestra es el método: una definición explícita, un periodo explícito, una ventana explícita y un recuento que cualquier lector puede comprobar (datos de Spona: MQL creados en dos meses y seguidos durante un mes más).

Cómo convertir un MQL en SQL

Tres medidas suben la tasa sin relajar las definiciones.

Responde en minutos a las peticiones explícitas. El dato de las 21 veces citado más arriba se refiere a los primeros cinco a treinta minutos. Envía las peticiones de precios, demo y muestra directamente a un comercial con una tarea en el CRM, y deja el SLA de 24 horas para los MQL que solo han consumido contenido. El ejemplo de cliente de HubSpot da 25 puntos a la descarga de una hoja de precios y de 1 a 2 a la apertura de una newsletter, con un umbral de 75 puntos: una petición explícita debería llevar a un lead casi todo el camino por sí sola.

Confirma tres cosas en la primera conversación. Los comerciales de Spona trabajan con diez preguntas de cualificación; para una compra pequeña priorizan tres: la necesidad (qué contactos que faltan, qué mal encaje o qué registros desactualizados le están costando tiempo al equipo), el momento (qué campaña o qué lanzamiento en un mercado marca el plazo) y los criterios de decisión (qué tiene que demostrar una muestra de 100 cuentas para justificar la compra). Presupuesto y autoridad se comprueban de pasada, no son una barrera; el MEDDIC completo se reserva para contratos anuales más grandes o cuentas complejas.

No dejes que un filtro de presupuesto mate un deal financiable. Un ejemplo registrado de Spona: un fundador dijo que no había presupuesto para datos, así que un filtro rígido habría descartado la cuenta. Una pequeña muestra demostró un ahorro de 10 horas de investigación al mes, y eso dio pie a un caso de negocio financiable. La lección está en el orden: primero demuestra el valor y después pregunta por el presupuesto. Para la parte de encaje de la regla de MQL, parte de un perfil de cliente ideal que los dos equipos hayan acordado.

Cuando el modelo MQL y SQL deja de funcionar: comités de compra y compradores autónomos

Quienes acuñaron los términos ya han pasado página. Al presentar el Demand Unit Waterfall en 2017, Kerry Cunningham, de SiriusDecisions, dijo que «sabíamos que ya no iba de leads» y que las cuentas deben captarse en lo alto de la cascada; Terry Flaherty añadió que la demanda necesita «un comprador, un problema de negocio y una solución». Los datos posteriores les dan la razón. Según Forrester, en la decisión de compra media participan 13 personas. El Buyer Experience Report de 6sense (algo menos de 4.000 encuestados) sitúa el primer contacto con un vendedor al 61 % del recorrido, y concluye que el 94 % de los comités de compra ordena su lista de candidatos antes de contactar con nadie. Gartner informa de que el 75 % de los compradores B2B prefiere una experiencia sin comerciales.

Así que un MQL de una sola persona suele llegar tarde, y quien rellenó el formulario puede ser quien investiga y no quien decide. La solución no es abandonar MQL y SQL, sino cambiar la unidad: cualificar la cuenta, contar las personas implicadas por cuenta, sumar el uso del producto y las señales de compra a los formularios, y dejar que la conversación de SQL mapee el comité de compra en lugar de un único contacto. Un product qualified lead (PQL) es una de esas variantes; las preguntas frecuentes lo explican.

Dónde encaja Spona entre MQL y SQL, y dónde no

Spona trabaja antes de la etapa de MQL. Describes a tu cliente ideal en un chat; la IA rastrea más de 40 fuentes de datos, valida cada lead y devuelve leads cualificados en unos 4 minutos. Un Head of Sales de una empresa de 20 a 50 personas lo resumió así: «Queríamos una lista pequeña que encajara con nuestro nicho, con un motivo para cada coincidencia». Pide ese motivo a todas tus fuentes de leads: hace que un lead sea más fácil de aceptar en la etapa SAL, porque el comercial ve por qué encaja antes de la primera llamada.

El precio es por lead: los leads cualificados cuestan de 0,32 $ a 4 $, los leads en bloque (bulk) de 0,01 $ a 0,09 $, cada nuevo perfil de cliente ideal requiere 1.000 créditos de configuración (de 8 $ a 10 $) y hay leads de muestra gratuitos. No hay contratos, ni configuración, ni onboarding, así que una primera prueba puede ser de 100 leads, medidos frente a tu fuente actual de MQL con los mismos criterios de SAL y SQL.

Dónde no encaja: Spona no gestiona tus etapas del ciclo de vida, los temporizadores del SLA ni el enrutamiento del CRM; de eso se encargan HubSpot y Salesforce. No sustituye la conversación que hace de un lead un SQL. Y un lead de Spona no es una petición inbound: llega con el encaje ya cualificado, y tu outreach tiene que ganarse la señal de interés explícito que un MQL inbound trae de serie. Los equipos que necesiten datos de intención a nivel de cuenta lo combinarán con un proveedor de datos de intención.

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

MQL vs SQL: preguntas frecuentes

¿Qué va primero, el MQL o el SQL?

El MQL. Un lead pasa a ser marketing qualified lead cuando cumple la regla de encaje e interacción de marketing, sales accepted lead cuando un comercial acepta trabajarlo, y sales qualified lead cuando el comercial confirma necesidad, encaje, una vía de compra y un siguiente paso. La automatización por defecto de HubSpot solo mueve las etapas del ciclo de vida hacia delante.

¿Qué es una buena tasa de conversión de MQL a SQL?

La tabla por sectores de First Page Sage va del 10 % (servicios jurídicos, inmobiliario) al 26 % (seguros para empresas, HVAC), con B2B SaaS en el 13 %; HubSpot considera saludable un 13 % e interpreta cualquier cifra por debajo del 10 % como señal de criterios de MQL laxos. Juzga tu tasa con tus propias definiciones y una ventana de cohorte fija, no comparándola con la de otra empresa.

¿Cuánto se tarda en pasar de MQL a SQL?

La guía de HubSpot habla de 30 a 90 días para la mayoría de las ventas B2B y de seis meses o más para las operaciones enterprise complejas. El análisis de Implisit encontró una media de 84 días de lead a oportunidad. La cohorte de Spona usó una ventana de aceptación de 30 días, adecuada para un producto de precio bajo con muestra gratuita.

¿Cuál es la principal diferencia entre MQL y SQL?

Quién decide y con qué pruebas. Un MQL lo marca una puntuación o una regla en una herramienta de marketing, a partir del encaje y el comportamiento. Un SQL lo marca un comercial después de una conversación que ha confirmado necesidad, encaje, una vía de compra y un siguiente paso acordado.

¿Qué diferencia hay entre un PQL y un MQL?

Un product qualified lead se cualifica por lo que alguien ha hecho dentro de tu producto, como alcanzar el límite de uso de un plan gratuito, y no por su interacción con contenidos. Las reglas de traspaso son las mismas: una definición por escrito, un plazo de respuesta y un motivo de rechazo.

¿Cómo etiquetan HubSpot y Salesforce el MQL y el SQL?

HubSpot usa la propiedad Lifecycle Stage (Marketing Qualified Lead, Sales Qualified Lead, Opportunity), con subetapas en Lead Status. Los equipos de Salesforce suelen seguirlo en el campo Lead Status; convertir un lead crea los registros de cuenta y de contacto, además de una oportunidad por defecto.