MQL vs SQL: definizioni, regole per il passaggio di consegne e i numeri che mostrano dove si perdono i lead

Solo il 13% dei marketing qualified lead nel B2B SaaS diventa sales qualified lead, secondo la tabella di First Page Sage su 30 settori, e il settore migliore della tabella arriva al 26%. Gli altri vengono scartati, ignorati o lasciati raffreddare tra due team che spesso danno a MQL e SQL definizioni diverse. Questa guida MQL vs SQL affronta le definizioni, le regole di passaggio di consegne che tengono vivi i lead, la formula e i benchmark del tasso di conversione e una coorte reale: i 400 MQL di Spona creati nell'arco di due mesi. Una precisazione prima dei numeri: qui SQL significa sales qualified lead, non il linguaggio dei database.

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

Dove si perdono i lead tra MQL e SQL: il funnel in numeri

Un funnel B2B ha cinque tappe: lead, marketing qualified lead (MQL), sales accepted lead (SAL), sales qualified lead (SQL) e opportunità. La maggior parte dei numeri pubblicati misura il passaggio da MQL a SQL, e la forbice è ampia. Nella tabella di First Page Sage servizi legali e immobiliare sono al 10%, il B2B SaaS al 13%, la cybersecurity al 15%, le assicurazioni per le imprese e il settore HVAC (riscaldamento, ventilazione e climatizzazione) al 26%. La pagina non riporta una media complessiva; la media non ponderata delle sue 30 righe è del 16,1% (calcolo nostro).

L'analisi più datata di Implisit, condotta su centinaia di pipeline aziendali, sintetizzata da Geckoboard, ha rilevato che il 13% dei lead diventava opportunità e che il percorso durava in media 84 giorni. A fare la differenza era soprattutto la fonte: i lead dal sito web convertivano al 31,3% e i referral al 24,7%, mentre le liste di lead acquistate si fermavano al 2,5% e le campagne email allo 0,9%.

Altri due numeri spiegano perché questo passaggio fallisce. Lo State of Business Buying, 2024 di Forrester, basato su oltre 16.000 buyer aziendali, ha rilevato che il 91% degli acquisti si blocca a un certo punto. In un sondaggio della Gartner Peer Community su 200 professionisti di vendite e marketing, il 27% dei marketer ha indicato «il disallineamento sulle definizioni interne» come principale ostacolo all'allineamento, e solo il 3% di tutti i rispondenti ha dichiarato che i propri team avevano costruito metriche comuni.

Ogni riga ha un responsabile e un criterio di uscita. Dove un'azienda non riesce a compilare entrambe le celle, lì muoiono i suoi lead.

Cos'è un MQL e cos'è un SQL?

I termini nascono dal Demand Waterfall di SiriusDecisions, un modello di funnel pubblicato per la prima volta nel 2005, rivisto nel 2012 e sostituito nel 2017 dal Demand Unit Waterfall. Cosa significano MQL e SQL in pratica dipende da chi scrive la definizione; il significato di MQL che segue arriva prima dai vendor, poi dai dati interni di Spona.

Cos'è un MQL nel marketing? Significato e definizione

La documentazione di HubSpot sul ciclo di vita definisce un marketing qualified lead come «un contatto o un'azienda che il tuo team marketing ha qualificato come pronto per il team commerciale». La versione di Adobe è più ampia: qualcuno che ha manifestato interesse per i tuoi prodotti o le tue soluzioni. Entrambe lasciano a te il criterio, ed è lì che nasce il problema della definizione: scaricare un ebook e chiedere i prezzi sono entrambi «interesse».

La definizione di Spona è volutamente più stretta. Per Spona un MQL è un'azienda in linea con l'ICP, con un ruolo rilevante identificato e una richiesta esplicita di campione, prezzi o demo, esclusi duplicati e iscrizioni non valide. Ne risultano meno MQL e un tasso di conversione più alto, un compromesso su cui torna la sezione dedicata ai benchmark. Per le fasi e i framework di qualificazione in generale, leggi cos'è la qualificazione dei lead.

Cos'è un sales qualified lead (SQL)?

HubSpot definisce un SQL come «un contatto o un'azienda che il tuo team commerciale ha qualificato come potenziale cliente», con i dettagli registrati nella proprietà Lead Status (stato del lead). L'hub canadese di Salesforce elenca quattro condizioni: un business case, un contatto in grado di facilitare la decisione, un'esigenza diretta o latente e una tempistica. Cognism aggiunge una regola di corsia preferenziale: un lead che chiede di essere contattato, una proposta o i prezzi diventa subito SQL e passa a un closer esperto, «idealmente entro pochi minuti, non ore».

La definizione di SQL di Spona: le vendite confermano un caso d'uso concreto, un fit dei dati sufficiente, un percorso d'acquisto plausibile e un passo concordato di valutazione o acquisto. L'ultima condizione è quella che conta di più. Senza un passo successivo concordato, anche una buona conversazione resta un MQL.

MQL vs SQL in HubSpot: le fasi del ciclo di vita

In HubSpot, Marketing Qualified Lead e Sales Qualified Lead sono valori della proprietà Lifecycle Stage (fase del ciclo di vita), Opportunity indica un contatto o un'azienda associati a una trattativa, e l'automazione predefinita sposta la fase solo in avanti. Un MQL scartato ha quindi bisogno di un reset manuale o tramite workflow, altrimenti resta un MQL in ogni report. In Salesforce i team di solito tracciano la fase nel campo Lead Status, e la conversione di un lead crea un account e un contatto, più un'opportunità per impostazione predefinita.

MQL vs SQL: la differenza in una tabella

La differenza chiave tra MQL e SQL è chi decide e su quali prove. Un MQL è una previsione che un sistema fa a partire da fit e comportamento. Un SQL è un giudizio che una persona dà dopo aver parlato con il buyer e aver sentito un passo successivo. Uno score può passare un lead; solo una conversazione può qualificarlo.

Passaggio di consegne da MQL a SQL: le regole che tengono vivi i lead

È nel passaggio di consegne che il problema delle definizioni di quel 27% diventa pipeline persa. Cinque regole, ognuna con una fonte, evitano gran parte dei danni.

1. Metti per iscritto entrambe le definizioni e falle firmare a entrambi i team. La definizione di MQL indica i criteri di fit e il comportamento o la richiesta che fanno scattare l'MQL; la definizione di SQL indica cosa deve confermare il commerciale. Rivedile nella riunione di allineamento descritta nella checklist per la qualificazione dei lead, e cambiale quando i dati lo indicano: secondo la regola empirica di HubSpot, un tasso sotto il 10% significa che i criteri MQL sono troppo laschi.

La fase del sales accepted lead (SAL) tra MQL e SQL

2. Aggiungi un passaggio di accettazione o rifiuto, e rendi obbligatorio il motivo del rifiuto. Un sales accepted lead è un MQL che un commerciale ha esaminato e ha accettato di lavorare. Il passaggio costa un clic e produce il dataset più utile che il marketing possa ottenere: perché le vendite hanno detto no. 4Thought Marketing consiglia un campo motivo strutturato con valori come fit sbagliato, tempistica sbagliata, già cliente e concorrente, e conta un lead come SQL solo quando le vendite compiono «un'azione deliberata nel tuo CRM». I team più piccoli spesso uniscono MQL e SAL in un unico passaggio; anche in quel caso, mantieni il campo motivo.

3. Fissa una finestra di risposta, e falla breve. Il punto di partenza comune di 4Thought è 24 ore per i segnali ad alta intenzione e da 48 a 72 ore per quelli meno caldi. La ricerca dice: più in fretta. Il Lead Response Management Study (il professor Oldroyd del MIT con dati di InsideSales.com: tre anni, sei aziende, oltre 15.000 lead e 100.000 tentativi di chiamata) ha rilevato che le probabilità di qualificare un prospect diventano 21 volte più basse quando il tempo di risposta passa da 5 a 30 minuti, e quattro volte più basse tra 5 e 10 minuti. Uno SLA di 24 ore è lo standard minimo per tutto il team, non un obiettivo per una richiesta di prezzi.

4. Ricicla gli MQL scartati insieme al loro motivo. «Tempistica sbagliata» torna nel nurturing con una data, «fit sbagliato» rende più stretta la regola MQL, «già cliente» corregge il CRM. Soglie di punteggio e decadimento del punteggio trovano spazio nell'articolo sulle best practice di lead scoring; per il passaggio di consegne vale una sola regola: nulla esce dalla coda SAL senza un motivo.

5. Metti entrambi i team sulla stessa dashboard. Solo il 3% dei rispondenti della Gartner Peer Community ha dichiarato che i propri team avevano metriche comuni. Le tre metriche sul passaggio di consegne di Understory Agency sono un minimo praticabile: rispetto dello SLA sul primo contatto, quota di MQL lavorati fino a un esito, e tasso di conversione per evento che ha generato l'MQL.

Tasso di conversione da MQL a SQL: formula e benchmark

La formula è semplice: tasso di conversione da MQL a SQL = SQL ÷ MQL × 100. La trappola è la finestra temporale. La guida ai KPI di Geckoboard avverte che contare solo gli MQL che diventano SQL nello stesso mese sottostima il tasso quando il ciclo di vendita è più lungo. Misura invece una coorte: prendi gli MQL creati in un periodo e conta quanti sono diventati SQL entro una finestra fissa, 30 giorni per la maggior parte dei team e di più per le vendite enterprise. L'esempio di calcolo di HubSpot è 26 SQL su 200 MQL, cioè il 13%.

Altri due dati pubblicati delimitano la tabella. HubSpot colloca la forbice intersettoriale tra il 10% e il 20% e definisce sano un 13%. Salesforce, citando una ricerca di Gartner, afferma che il 21% degli MQL diventa SQL; la pagina originale di Gartner non era accessibile, quindi considera quel dato di seconda mano. Maneggia con cautela il resto dei risultati di ricerca: una pagina di agenzia tra i primi dieci risultati riporta 13%, dal 13 al 15%, dal 10 al 20% e dal 20 al 30% per la stessa metrica, senza una fonte per nessuno di questi valori. Un benchmark senza dimensione del campione, periodo e definizione è un'opinione. La prossima sezione li indica tutti e tre.

Il tasso di conversione da MQL a SQL di Spona: 400 MQL, 120 SQL, 30% in 30 giorni

Spona ha registrato ogni MQL creato nell'arco di due mesi e lo ha seguito fino alla fine del mese successivo, così ogni record ha un follow-up completo di 30 giorni. La coorte conta 400 MQL. Le vendite ne hanno accettati 120 come SQL entro 30 giorni, un tasso di conversione da MQL a SQL del 30%. Spona ha verificato la conversione e il campione sui propri dati.

Le definizioni sono le due citate nella sezione sulle definizioni, applicate prima del conteggio: duplicati e iscrizioni non valide non sono mai entrati nei 400, e nessun lead è stato contato come SQL senza un passo concordato di valutazione o acquisto.

Il fatto che il 30% superi il 13% del B2B SaaS dipende soprattutto dalla definizione. First Page Sage conta qualsiasi contatto con intenzione d'acquisto e mezzi per acquistare, senza dire come misura l'intenzione; la definizione di MQL di Spona esige una richiesta esplicita, che fa il filtro che altrimenti farebbe una fase SAL. La finestra di 30 giorni spinge nella direzione opposta: un MQL accettato dopo il giorno 30 viene contato come perso.

Cosa non dimostra il numero: si tratta di un'azienda, una coorte di due mesi e un prodotto con un prezzo d'ingresso basso e un campione gratuito. Non è un benchmark di mercato, non è una media dei clienti di Spona, e la prossima coorte potrebbe essere diversa. Quello che mostra è il metodo: una definizione dichiarata, un periodo dichiarato, una finestra dichiarata e un conteggio che chi legge può verificare (dati Spona, MQL creati nell'arco di due mesi e seguiti fino alla fine del mese successivo).

Come trasformare un MQL in SQL

Tre mosse alzano il tasso senza allentare le definizioni.

Rispondi in pochi minuti alle richieste esplicite. Il dato delle 21 volte citato sopra riguarda i primi minuti, tra i cinque e i trenta. Instrada le richieste di prezzi, demo e campioni direttamente a un commerciale con un task nel CRM, e riserva lo SLA di 24 ore agli MQL basati solo sui contenuti. L'esempio cliente di HubSpot assegna 25 punti al download di un listino prezzi e da 1 a 2 punti all'apertura di una newsletter, con una soglia di 75 punti: una richiesta esplicita dovrebbe da sola far percorrere a un lead gran parte della strada.

Conferma tre cose nella prima conversazione. I commerciali di Spona lavorano con dieci domande di qualificazione; per un acquisto piccolo ne privilegiano tre: esigenza (quali contatti mancanti, quale fit scarso o quali record obsoleti fanno perdere tempo al team), tempistica (quale campagna o lancio su un mercato fissa la scadenza) e criteri di decisione (cosa deve dimostrare un campione di 100 account per giustificare l'acquisto). Budget e autorità decisionale ricevono una verifica rapida, ma non fanno da sbarramento; il MEDDIC completo è riservato ai contratti annuali più grandi o agli account complessi.

Non lasciare che un filtro sul budget uccida una trattativa finanziabile. Un esempio documentato di Spona: un founder ha detto che non c'era budget per i dati, quindi un filtro rigido avrebbe scartato l'account. Un piccolo campione ha mostrato un risparmio di 10 ore di ricerca al mese, e questo ha creato un business case finanziabile. La lezione sta nell'ordine delle operazioni: prima dimostrare il valore, poi chiedere del budget. Per la parte di fit della regola MQL, parti da un ideal customer profile condiviso da entrambi i team.

Quando MQL vs SQL smette di funzionare: buying center e acquirenti self-service

Chi ha coniato i termini è già andato oltre. Presentando il Demand Unit Waterfall nel 2017, Kerry Cunningham di SiriusDecisions disse «sapevamo che non si trattava più di lead» e che gli account andavano intercettati già in cima alla cascata; Terry Flaherty aggiunse che la domanda richiede «un buyer, un problema di business e una soluzione». I dati raccolti da allora danno loro ragione. Secondo Forrester, nella decisione d'acquisto media sono coinvolte 13 persone. Il Buyer Experience Report 2025 di 6sense (poco meno di 4.000 rispondenti) colloca il primo contatto con un venditore al 61% del percorso, e rileva che il 94% dei buying center stila la classifica della propria shortlist prima di farsi avanti. Gartner riporta che il 75% dei buyer B2B preferisce un'esperienza senza commerciali.

Un MQL legato a una sola persona arriva quindi spesso tardi, e chi ha compilato il modulo potrebbe essere chi fa ricerca e non chi decide. La soluzione non è abbandonare MQL e SQL, ma cambiare unità di misura: qualificare l'account, contare le persone coinvolte per account, affiancare ai moduli compilati l'utilizzo del prodotto e i segnali d'acquisto, e lasciare che la conversazione SQL mappi l'intero buying center invece di un solo contatto. Il product qualified lead (PQL) è una di queste varianti; se ne parla nelle FAQ.

Dove si inserisce Spona tra MQL e SQL, e dove no

Spona lavora prima della fase MQL. Descrivi il tuo cliente ideale in una chat; l'AI esplora 40+ fonti di dati, convalida ogni lead e restituisce lead qualificati in circa 4 minuti. Un Head of Sales di un'azienda da 20 a 50 persone ha descritto così l'esigenza: «Volevamo una lista piccola, in linea con la nostra nicchia, con un motivo per ogni corrispondenza». Chiedi quel motivo a ogni fonte di lead: rende più facile accettare un lead nella fase SAL, dato che il commerciale vede perché è in target ancora prima della chiamata iniziale.

Il prezzo è per lead: i lead qualificati costano da 0,32 $ a 4 $, i lead bulk da 0,01 $ a 0,09 $, ogni nuovo ideal customer profile richiede 1.000 crediti di setup (da 8 $ a 10 $) e sono disponibili lead campione gratuiti. Non ci sono contratti, setup né onboarding, quindi un primo test può essere di 100 lead, confrontati con la tua attuale fonte di MQL secondo gli stessi criteri SAL e SQL.

Dove non si inserisce: Spona non gestisce le tue fasi del ciclo di vita, i timer degli SLA o il routing nel CRM; di questo si occupano HubSpot e Salesforce. Non sostituisce la conversazione che crea un SQL. E un lead di Spona non è una richiesta inbound: arriva già qualificato sul fit, e il tuo outreach deve ancora guadagnarsi il segnale di interesse esplicito che un MQL inbound porta con sé. I team che hanno bisogno di dati di intent a livello di account lo abbineranno a un provider di dati di intent.

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 su MQL vs SQL

Viene prima l'MQL o l'SQL?

Prima l'MQL. Un lead diventa marketing qualified lead quando soddisfa la regola di fit ed engagement del marketing, sales accepted lead quando un commerciale accetta di lavorarlo, e sales qualified lead quando il commerciale conferma esigenza, fit, un percorso d'acquisto e un passo successivo. L'automazione predefinita di HubSpot sposta le fasi del ciclo di vita solo in avanti.

Qual è un buon tasso di conversione da MQL a SQL?

La tabella per settore di First Page Sage va dal 10% (servizi legali, immobiliare) al 26% (assicurazioni per le imprese, HVAC), con il B2B SaaS al 13%; HubSpot considera sano il 13% e legge qualsiasi valore sotto il 10% come segno di criteri MQL troppo laschi. Valuta il tuo tasso rispetto alle tue definizioni e a una finestra di coorte fissa, non rispetto a quello di un'altra azienda.

Quanto tempo serve per passare da MQL a SQL?

Secondo HubSpot servono da 30 a 90 giorni per la maggior parte delle vendite B2B e sei mesi o più per le trattative enterprise complesse. L'analisi di Implisit ha rilevato in media 84 giorni dal lead all'opportunità. La coorte di Spona ha usato una finestra di accettazione di 30 giorni, adatta a un prodotto economico con un campione gratuito.

Qual è la differenza principale tra un SQL e un MQL?

Chi decide, e su quali prove. Un MQL viene assegnato da uno score o da una regola in uno strumento di marketing, in base a fit e comportamento. Un SQL viene assegnato da un commerciale dopo una conversazione che ha confermato esigenza, fit, un percorso d'acquisto e un passo successivo concordato.

Cosa significa PQL rispetto a MQL?

Un product qualified lead viene qualificato in base a ciò che una persona ha fatto dentro il tuo prodotto, come raggiungere un limite d'uso in un piano gratuito, anziché in base all'engagement con i contenuti. Le regole del passaggio di consegne sono le stesse: una definizione scritta, una finestra di risposta e un motivo di rifiuto.

Come vengono chiamati MQL e SQL in HubSpot e Salesforce?

HubSpot usa la proprietà Lifecycle Stage (Marketing Qualified Lead, Sales Qualified Lead, Opportunity) con sottofasi in Lead Status. I team che usano Salesforce di solito tracciano la fase nel campo Lead Status; convertire un lead crea i record di account e contatto, più un'opportunità per impostazione predefinita.