MQL vs SQL: definities, overdrachtsregels en de cijfers die laten zien waar leads stranden

Volgens de tabel van First Page Sage met 30 sectoren wordt maar 13% van de marketing qualified leads in B2B SaaS een sales qualified lead, en haalt de beste sector in die tabel 26%. De rest wordt afgewezen, genegeerd of koelt af tussen twee teams die de begrippen vaak verschillend definiëren. Deze gids over MQL vs SQL behandelt de definities, de overdrachtsregels die leads in leven houden, de formule en benchmarks voor de conversieratio, en één echt cohort: de 400 MQL's van Spona uit een cohort van twee maanden. Nog één opmerking vooraf: SQL staat hier voor sales qualified lead, niet voor de databasetaal.

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

Waar leads stranden tussen MQL en SQL: de funnel in cijfers

Een B2B-funnel heeft vijf stations: lead, marketing qualified lead (MQL), sales accepted lead (SAL), sales qualified lead (SQL) en opportunity. De meeste gepubliceerde cijfers meten de stap van MQL naar SQL, en de spreiding is groot. In de tabel van First Page Sage zitten juridische dienstverlening en vastgoed op 10%, B2B SaaS op 13%, cybersecurity op 15%, en zakelijke verzekeringen en installatietechniek (HVAC) op 26%. Een totaalgemiddelde geeft de pagina niet; het ongewogen gemiddelde van de 30 rijen is 16,1% (onze eigen berekening).

De oudere analyse van Implisit, gebaseerd op de pipelines van honderden bedrijven en samengevat door Geckoboard, liet zien dat 13% van de leads een opportunity werd en dat dat traject gemiddeld 84 dagen duurde. De bron maakte het meeste verschil: leads via de website converteerden voor 31,3% en doorverwijzingen voor 24,7%, terwijl gekochte leadlijsten uitkwamen op 2,5% en e-mailcampagnes op 0,9%.

Twee andere cijfers verklaren waarom deze stap misgaat. Het rapport State of Business Buying, 2024 van Forrester, gebaseerd op meer dan 16.000 zakelijke kopers, liet zien dat 91% van de aankopen ergens in het proces vastloopt. In een enquête van Gartner Peer Community onder 200 sales- en marketingprofessionals noemde 27% van de marketeers ‘niet op één lijn over interne definities’ de grootste uitdaging bij de afstemming, en maar 3% van alle respondenten zei dat hun teams gezamenlijke metrics hadden opgebouwd.

Elke rij heeft een eigenaar en een exitcriterium. Waar een bedrijf die twee cellen niet allebei kan invullen, stranden zijn leads.

Wat is een MQL en wat is een SQL?

De begrippen komen uit de SiriusDecisions Demand Waterfall, een funnelmodel dat sinds 2005 wordt gepubliceerd, in 2012 is herzien en in 2017 is vervangen door de Demand Unit Waterfall. Wat MQL en SQL in de praktijk betekenen, hangt af van wie de definitie schrijft; de betekenis van MQL hieronder komt eerst van de leveranciers en daarna uit de eigen administratie van Spona.

Wat is een MQL? MQL-betekenis en definitie

De lifecycle-documentatie van HubSpot definieert een marketing qualified lead als ‘een contact of bedrijf dat je marketingteam heeft gekwalificeerd als klaar voor het salesteam’. De versie van Adobe is ruimer: iemand die interesse heeft getoond in je producten of oplossingen. Allebei laten ze de toets aan jou over, en daar begint het definitieprobleem: een e-book downloaden en een prijsaanvraag doen zijn allebei ‘interesse’.

Spona definieert bewust strakker. Een MQL is bij Spona een bedrijf met ICP-fit, een geïdentificeerde relevante rol en een expliciete aanvraag voor een sample, prijzen of een demo, zonder dubbele records en ongeldige aanmeldingen. Dat levert minder MQL's en een hogere conversieratio op, een afweging waar de sectie over benchmarks op terugkomt. Lees voor de bredere kwalificatiefasen en frameworks het artikel over wat leadkwalificatie is.

Wat is een sales qualified lead (SQL)?

HubSpot definieert een SQL als ‘een contact of bedrijf dat je salesteam heeft gekwalificeerd als potentiële klant’, met de details vastgelegd in de eigenschap Lead Status (leadstatus). De Canadese hub van Salesforce noemt vier voorwaarden: een business case, een contactpersoon die het besluit kan faciliteren, een directe of latente behoefte en een tijdlijn. Cognism voegt een fast-trackregel toe: een lead die vraagt om contact, een offerte of prijzen wordt meteen een SQL en gaat naar een ervaren closer, ‘het liefst binnen minuten, niet uren’.

De SQL-definitie van Spona: sales bevestigt een concrete use case, voldoende datafit, een plausibele aankooproute en een afgesproken evaluatie- of aankoopstap. Die laatste voorwaarde weegt het zwaarst. Zonder afgesproken volgende stap is ook een goed gesprek nog steeds een MQL.

MQL vs SQL in HubSpot: de lifecycle stages

In HubSpot zijn Marketing Qualified Lead en Sales Qualified Lead waarden van de eigenschap Lifecycle Stage (levenscyclusfase), staat Opportunity voor een contact of bedrijf dat aan een deal is gekoppeld, en zet de standaardautomatisering de fase alleen vooruit. Een afgewezen MQL moet daarom handmatig of via een workflow worden teruggezet, anders blijft hij in elk rapport een MQL. In Salesforce houden teams de fase meestal bij in het veld Lead Status, en het converteren van een lead maakt een account en een contact aan, plus standaard een opportunity.

MQL vs SQL: het verschil in één tabel

Het belangrijkste verschil tussen MQL en SQL is wie beslist en op basis van welk bewijs. Een MQL is een voorspelling die een systeem doet op basis van fit en gedrag. Een SQL is een oordeel dat een mens velt nadat hij de koper heeft gesproken en een volgende stap heeft gehoord. Een score kan een lead overdragen; alleen een gesprek kan hem kwalificeren.

Overdracht van MQL naar SQL: regels die leads in leven houden

Bij de overdracht verandert het definitieprobleem van die 27% in verloren pipeline. Vijf regels, elk met een bron, vangen het grootste deel van de schade op.

1. Leg beide definities vast en laat beide teams ze ondertekenen. De MQL-definitie noemt de fitcriteria en het gedrag of de aanvraag die de MQL triggert; de SQL-definitie beschrijft wat de verkoper moet bevestigen. Bespreek ze in het afstemmingsoverleg dat de checklist voor leadkwalificatie beschrijft, en pas ze aan als de data daarom vraagt: volgens de vuistregel van HubSpot betekent een ratio onder de 10% dat de MQL-criteria te ruim zijn.

De sales accepted lead (SAL) als stap tussen MQL en SQL

2. Voeg een stap toe om te accepteren of af te wijzen, en maak de afwijsreden verplicht. Een sales accepted lead is een MQL die een verkoper heeft bekeken en wil oppakken. De stap kost één klik en levert de nuttigste dataset op die marketing kan krijgen: waarom sales nee zei. 4Thought Marketing raadt een gestructureerd veld voor de reden aan, met waarden als verkeerde fit, slechte timing, al klant en concurrent, en telt een lead pas als SQL zodra sales ‘een bewuste actie in je CRM’ uitvoert. Kleinere teams voegen MQL en SAL vaak samen tot één stap; houd het redenveld dan toch aan.

3. Stel een reactietermijn in en houd die kort. Het gangbare startpunt van 4Thought is 24 uur voor signalen met hoge koopintentie en 48 tot 72 uur voor minder warme. Het onderzoek zegt: sneller. De Lead Response Management-studie (professor Oldroyd van het MIT met data van InsideSales.com: drie jaar, zes bedrijven, meer dan 15.000 leads en 100.000 belpogingen) vond dat de kans om een prospect te kwalificeren 21 keer kleiner werd als de reactietijd opliep van 5 naar 30 minuten, en vier keer kleiner tussen 5 en 10 minuten. Een SLA van 24 uur is voor het hele team de uiterste grens, geen streeftijd voor een prijsaanvraag.

4. Recycle afgewezen MQL's met hun reden erbij. ‘Slechte timing’ gaat met een datum terug naar nurturing, ‘verkeerde fit’ maakt de MQL-regel strenger, ‘al klant’ corrigeert het CRM. Scoredrempels en scoreverval horen thuis in het artikel over best practices voor lead scoring; voor de overdracht geldt alleen dat niets de SAL-wachtrij verlaat zonder reden.

5. Zet beide teams op één dashboard. Maar 3% van de respondenten van Gartner Peer Community zei dat hun teams gezamenlijke metrics hadden. De drie overdrachtsmetrics van Understory Agency zijn een werkbaar minimum: naleving van de SLA voor het eerste contact, het aandeel MQL's dat is opgevolgd tot een duidelijke uitkomst, en de conversieratio per gebeurtenis die de MQL triggerde.

Conversieratio van MQL naar SQL: formule en benchmarks

De formule is eenvoudig: conversieratio van MQL naar SQL = SQL's ÷ MQL's × 100. De valkuil is het tijdvenster. De KPI-gids van Geckoboard waarschuwt dat je de ratio onderschat als je alleen MQL's telt die in dezelfde maand SQL worden, terwijl de salescyclus langer duurt. Meet daarom een cohort: neem de MQL's die in één periode zijn aangemaakt en tel hoeveel er binnen een vast venster SQL werden, 30 dagen voor de meeste teams en langer bij enterprise sales. Het rekenvoorbeeld van HubSpot is 26 SQL's uit 200 MQL's, oftewel 13%.

Twee andere gepubliceerde cijfers bakenen de tabel af. HubSpot zet de bandbreedte over alle sectoren op 10% tot 20% en noemt 13% gezond. Salesforce zegt, met een beroep op onderzoek van Gartner, dat 21% van de MQL's SQL wordt; de onderliggende pagina van Gartner kon niet worden geopend, dus beschouw dat cijfer als informatie uit de tweede hand. Ga voorzichtig om met de rest van de zoekresultaten: één bureaupagina in de top tien noemt voor dezelfde metric 13%, 13 tot 15%, 10 tot 20% en 20 tot 30%, zonder bron voor ook maar één ervan. Een benchmark zonder steekproefomvang, periode en definitie is een mening. De volgende sectie noemt alle drie.

Conversie van MQL naar SQL bij Spona: 400 MQL's, 120 SQL's, 30% in 30 dagen

Spona heeft elke MQL vastgelegd die in een periode van twee maanden is aangemaakt en elk daarvan lang genoeg gevolgd om elk record een volledige opvolgperiode van 30 dagen te geven. Het cohort telt 400 MQL's. Sales accepteerde 120 daarvan binnen 30 dagen als SQL, een conversieratio van MQL naar SQL van 30%. Spona heeft de conversie en de steekproef gecontroleerd aan de hand van de eigen administratie.

De definities zijn de twee die in de sectie over definities zijn geciteerd, toegepast vóór het tellen: dubbele records en ongeldige aanmeldingen kwamen nooit in de 400 terecht, en geen enkele lead telde als SQL zonder een afgesproken evaluatie- of aankoopstap.

Dat 30% boven de 13% voor B2B SaaS ligt, komt vooral door de definitie. First Page Sage telt elk contact met koopintentie en de middelen om te kopen, zonder te zeggen hoe die intentie wordt gemeten; de MQL-definitie van Spona vereist een expliciete aanvraag, en die doet het filterwerk dat anders een SAL-stap zou doen. Het venster van 30 dagen werkt de andere kant op: een MQL die na dag 30 wordt geaccepteerd, telt als misser.

Wat het cijfer niet bewijst: het gaat om één bedrijf, één cohort van twee maanden en één product met een lage instapprijs en een gratis sample. Het is geen marktbenchmark en geen gemiddelde voor klanten van Spona, en het volgende cohort kan anders uitvallen. Wat het wel laat zien, is de methode: een vastgelegde definitie, een vastgelegde periode, een vastgelegd venster en een telling die een lezer kan controleren (data van Spona, MQL's uit een cohort van twee maanden).

Zo maak je van een MQL een SQL

Drie stappen verhogen de ratio zonder de definities op te rekken.

Reageer binnen minuten op expliciete aanvragen. De bevinding hierboven over de 21 keer kleinere kans gaat over de eerste vijf tot dertig minuten. Stuur aanvragen voor prijzen, demo's en samples met een taak in het CRM direct naar een verkoper, en bewaar de SLA van 24 uur voor MQL's die alleen op content zijn gebaseerd. Het klantvoorbeeld van HubSpot geeft een download van een prijsoverzicht 25 punten en het openen van een nieuwsbrief 1 tot 2, bij een drempel van 75 punten: een expliciete aanvraag hoort een lead op eigen kracht het grootste deel van de weg te brengen.

Bevestig drie dingen in het eerste gesprek. De verkopers van Spona werken met tien kwalificatievragen; bij een kleine aankoop geven ze voorrang aan drie: behoefte (welke ontbrekende contacten, slechte fit of verouderde records het team tijd kosten), timing (welke campagne of marktintroductie de deadline bepaalt) en beslissingscriteria (wat een sample van 100 accounts moet aantonen om de aankoop te rechtvaardigen). Budget en beslissingsbevoegdheid krijgen een korte check, maar zijn geen harde voorwaarde; volledige MEDDIC is voorbehouden aan grotere accounts met een jaarcontract of complexe accounts.

Laat een budgetcheck geen financierbare deal om zeep helpen. Een vastgelegd voorbeeld van Spona: een founder zei dat er geen budget voor data was, dus een rigide check zou het account hebben afgewezen. Een kleine sample liet 10 uur besparing op onderzoek per maand zien, en dat leverde een financierbare business case op. De volgorde is de les: eerst de waarde bewijzen, dan naar budget vragen. Begin voor de fitkant van de MQL-regel met een ideal customer profile waarover beide teams het eens zijn.

Wanneer MQL vs SQL niet meer werkt: DMU's en selfservicekopers

De bedenkers van de begrippen zijn zelf al verder. Bij de introductie van de Demand Unit Waterfall in 2017 zei Kerry Cunningham van SiriusDecisions: ‘we wisten dat het niet meer om leads ging’. Volgens hem moeten accounts al bovenaan de waterval in beeld worden gebracht; Terry Flaherty voegde eraan toe dat vraag ‘een koper, een zakelijk pijnpunt en een oplossing’ nodig heeft. De data van sindsdien geven hun gelijk. Volgens Forrester zijn bij een gemiddelde aankoopbeslissing 13 mensen betrokken. Het Buyer Experience Report 2025 van 6sense (net geen 4.000 respondenten) plaatst het eerste contact met een verkoper op 61% van de koopreis, en stelt vast dat 94% van de DMU's hun shortlist rangschikt voordat ze contact opnemen. Gartner meldt dat 75% van de B2B-kopers de voorkeur geeft aan een ervaring zonder verkoper.

Een MQL van één persoon komt daardoor vaak laat binnen, en wie het formulier invulde, is misschien de onderzoeker en niet de beslisser. De oplossing is niet om MQL en SQL te schrappen, maar om de eenheid te veranderen: kwalificeer het account, tel de betrokken personen per account, neem productgebruik en koopsignalen mee naast ingevulde formulieren, en laat het SQL-gesprek de hele DMU in kaart brengen in plaats van één contactpersoon. Een product qualified lead (PQL) is zo'n variant; de FAQ gaat daarop in.

Waar Spona past bij MQL en SQL, en waar niet

Spona werkt vóór de MQL-fase. Je beschrijft je ideale klant in een chat; de AI doorzoekt 40+ databronnen, valideert elke lead en levert gekwalificeerde leads in ongeveer 4 minuten. Een Head of Sales bij een bedrijf met 20 tot 50 medewerkers verwoordde de eis zo: ‘We wilden een kleine lijst die bij onze niche paste, met een reden voor elke match.’ Vraag elke leadbron om die reden: die maakt het makkelijker om een lead bij de SAL-stap te accepteren, omdat de verkoper al vóór het eerste gesprek ziet waarom hij past.

De prijs is per lead: gekwalificeerde leads kosten $ 0,32 tot $ 4, bulkleads $ 0,01 tot $ 0,09, elk nieuw ideal customer profile kost 1.000 setupcredits ($ 8 tot $ 10), en er zijn gratis sampleleads. Er zijn geen contracten, geen setup en geen onboarding, dus een eerste test kan bestaan uit 100 leads die je met dezelfde SAL- en SQL-criteria afzet tegen je huidige MQL-bron.

Waar Spona niet past: Spona beheert je lifecycle stages, SLA-timers of CRM-routing niet; dat doen HubSpot en Salesforce. Het vervangt niet het gesprek dat van een lead een SQL maakt. En een lead van Spona is geen inbound aanvraag: hij komt binnen met een gecontroleerde fit, en je outreach moet het expliciete interessesignaal nog verdienen dat een inbound MQL vanzelf meebrengt. Teams die intentdata op accountniveau nodig hebben, combineren Spona met een intentprovider.

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 over MQL vs SQL

Wat komt eerst, MQL of SQL?

Eerst de MQL. Een lead wordt een marketing qualified lead als hij voldoet aan de fit- en engagementregel van marketing, een sales accepted lead als een verkoper toezegt hem op te pakken, en een sales qualified lead als de verkoper behoefte, fit, een aankooproute en een volgende stap bevestigt. De standaardautomatisering van HubSpot zet lifecycle stages alleen vooruit.

Wat is een goede conversieratio van MQL naar SQL?

De sectortabel van First Page Sage loopt van 10% (juridische dienstverlening, vastgoed) tot 26% (zakelijke verzekeringen, HVAC), met B2B SaaS op 13%; HubSpot noemt 13% gezond en ziet alles onder de 10% als teken van te ruime MQL-criteria. Beoordeel je eigen ratio aan de hand van je eigen definities en een vast cohortvenster, niet aan de hand van die van een ander bedrijf.

Hoe lang duurt het van MQL tot SQL?

HubSpot gaat uit van 30 tot 90 dagen voor de meeste B2B-verkopen en zes maanden of langer voor complexe enterprise-deals. De analyse van Implisit kwam gemiddeld uit op 84 dagen van lead tot opportunity. Het cohort van Spona gebruikte een acceptatievenster van 30 dagen, wat past bij een goedkoop product met een gratis sample.

Wat is het belangrijkste verschil tussen een SQL en een MQL?

Wie beslist, en op basis van welk bewijs. Een MQL wordt toegekend door een score of regel in een marketingtool, op basis van fit en gedrag. Een SQL wordt toegekend door een verkoper na een gesprek dat behoefte, fit, een aankooproute en een afgesproken volgende stap heeft bevestigd.

Wat is een PQL ten opzichte van een MQL?

Een product qualified lead wordt gekwalificeerd op basis van wat iemand in je product heeft gedaan, bijvoorbeeld een gebruikslimiet bereiken in een gratis abonnement, en niet op basis van contentengagement. De overdrachtsregels zijn hetzelfde: een schriftelijke definitie, een reactietermijn en een afwijsreden.

Hoe noemen HubSpot en Salesforce MQL en SQL?

HubSpot gebruikt de eigenschap Lifecycle Stage (Marketing Qualified Lead, Sales Qualified Lead, Opportunity) met subfasen in Lead Status. Teams in Salesforce houden het meestal bij in het veld Lead Status; het converteren van een lead maakt een account- en een contactrecord aan, plus standaard een opportunity.