MQL vs SQL: definicje, zasady przekazania leadów i liczby, które pokazują, gdzie leady przepadają

Według tabeli First Page Sage obejmującej 30 branż tylko 13% marketing qualified leads w B2B SaaS staje się sales qualified leads, a najlepsza branża w tej tabeli dochodzi do 26%. Reszta zostaje odrzucona, zignorowana albo stygnie gdzieś pomiędzy dwoma zespołami, które często różnie rozumieją te pojęcia. Ten przewodnik po MQL vs SQL omawia definicje, zasady przekazania, dzięki którym leady nie przepadają, wzór na wskaźnik konwersji i benchmarki, a także jedną prawdziwą kohortę: 400 leadów MQL Spony z dwóch miesięcy. Jedna uwaga, zanim przejdziemy do liczb: SQL oznacza tu sales qualified lead, a nie język baz danych.

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 w liczbach: gdzie w lejku przepadają leady

Lejek B2B ma pięć przystanków: lead, marketing qualified lead (MQL, lead zakwalifikowany przez marketing), sales accepted lead (SAL, lead zaakceptowany przez sprzedaż), sales qualified lead (SQL, lead zakwalifikowany przez sprzedaż) i szansa sprzedażowa. Większość publikowanych danych mierzy przejście z MQL do SQL, a rozrzut jest duży. W tabeli First Page Sage usługi prawne i nieruchomości mają 10%, B2B SaaS 13%, cyberbezpieczeństwo 15%, a ubezpieczenia dla firm i HVAC (ogrzewanie, wentylacja i klimatyzacja) 26%. Strona nie podaje ogólnej średniej; nieważona średnia z jej 30 wierszy wynosi 16,1% (nasze wyliczenie).

Starsza analiza Implisit obejmująca pipeline'y setek firm, streszczona przez Geckoboard, wykazała, że 13% leadów zamieniało się w szanse sprzedażowe, a cała droga trwała średnio 84 dni. Najwięcej zależało od źródła: leady ze strony internetowej konwertowały na poziomie 31,3%, a polecenia 24,7%, podczas gdy kupione listy leadów osiągały 2,5%, a kampanie e-mailowe 0,9%.

Dwie kolejne liczby wyjaśniają, dlaczego ten etap zawodzi. Raport firmy Forrester State of Business Buying, 2024, oparty na odpowiedziach ponad 16 000 kupujących B2B, wykazał, że 91% zakupów w którymś momencie utyka. W ankiecie Gartner Peer Community wśród 200 specjalistów od sprzedaży i marketingu 27% marketerów wskazało „rozbieżności w wewnętrznych definicjach” jako główne wyzwanie we współpracy obu działów, a tylko 3% wszystkich respondentów stwierdziło, że ich zespoły wypracowały wspólne wskaźniki.

Każdy wiersz ma właściciela i kryterium wyjścia. Tam, gdzie firma nie potrafi wypełnić obu komórek, jej leady przepadają.

Czym jest MQL, a czym SQL?

Pojęcia pochodzą z Demand Waterfall firmy SiriusDecisions, modelu lejka publikowanego od 2005 r., zmienionego w 2012 r. i zastąpionego w 2017 r. przez Demand Unit Waterfall. To, co MQL i SQL oznaczają w praktyce, zależy od tego, kto pisze definicję; poniższe znaczenie MQL pochodzi najpierw od dostawców, a potem z danych samej Spony.

Co to jest MQL? Znaczenie i definicja

Dokumentacja HubSpot dotycząca etapów cyklu życia definiuje marketing qualified lead jako „kontakt lub firmę, które Twój zespół marketingu zakwalifikował jako gotowe dla zespołu sprzedaży”. Wersja Adobe jest luźniejsza: ktoś, kto wyraził zainteresowanie Twoimi produktami lub rozwiązaniami. Obie zostawiają kryterium Tobie i tu zaczyna się problem z definicją: pobranie e-booka i prośba o cennik to w obu przypadkach „zainteresowanie”.

Definicja Spony jest celowo węższa. MQL w Sponie to firma zgodna z ICP, ze zidentyfikowaną osobą na właściwym stanowisku i wyraźną prośbą o próbkę, cennik lub demo, z wyłączeniem duplikatów i nieprawidłowych rejestracji. Daje to mniej leadów MQL i wyższy wskaźnik konwersji, a do tego kompromisu wracamy w części o benchmarkach. Szersze omówienie etapów i metod kwalifikacji znajdziesz w tekście czym jest kwalifikacja leadów.

Co to jest lead SQL (sales qualified lead)?

HubSpot definiuje SQL jako „kontakt lub firmę, które Twój zespół sprzedaży zakwalifikował jako potencjalnego klienta”, a szczegóły zapisuje się we właściwości Lead Status (status leada). Kanadyjski hub Salesforce wymienia cztery warunki: uzasadnienie biznesowe, kontakt, który może ułatwić decyzję, bezpośrednią lub ukrytą potrzebę oraz harmonogram. Cognism dodaje regułę szybkiej ścieżki: lead, który prosi o kontakt, ofertę lub cennik, od razu staje się SQL i trafia do doświadczonego handlowca od domykania sprzedaży, „najlepiej w ciągu minut, a nie godzin”.

Definicja SQL w Sponie: sprzedaż potwierdza konkretny przypadek użycia, wystarczające dopasowanie danych, realną ścieżkę zakupu i uzgodniony krok oceny lub zakupu. Ostatni warunek jest najważniejszy. Bez uzgodnionego kolejnego kroku nawet dobra rozmowa to wciąż MQL.

MQL i SQL jako etapy cyklu życia w HubSpot

W HubSpot Marketing Qualified Lead i Sales Qualified Lead to wartości właściwości Lifecycle Stage (etap cyklu życia), Opportunity oznacza kontakt lub firmę powiązane z transakcją, a domyślna automatyzacja przesuwa etap tylko do przodu. Odrzucony MQL wymaga więc ręcznego cofnięcia albo resetu przez workflow, inaczej we wszystkich raportach pozostaje MQL. W Salesforce zespoły zwykle śledzą etap w polu Lead Status, a konwersja leada tworzy konto i kontakt oraz domyślnie szansę sprzedaży.

MQL vs SQL: różnica w jednej tabeli

Kluczowa różnica między MQL a SQL dotyczy tego, kto decyduje i na jakiej podstawie. MQL to prognoza, którą system tworzy na podstawie dopasowania i zachowania. SQL to ocena, którą wydaje człowiek po rozmowie z kupującym, w której kupujący zadeklarował kolejny krok. Punktacja może przekazać leada dalej; zakwalifikować go może tylko rozmowa.

Zasady przekazania leada z MQL do SQL, dzięki którym leady nie przepadają

To przy przekazaniu problem z definicjami, który wskazuje 27% marketerów, zamienia się w utracony pipeline. Pięć zasad, każda z podanym źródłem, ogranicza większość szkód.

1. Spisz obie definicje i daj je do podpisu obu zespołom. Definicja MQL określa kryteria dopasowania oraz zachowanie lub prośbę, które go uruchamiają; definicja SQL określa, co handlowiec musi potwierdzić. Przeglądaj je na spotkaniu uzgadniającym opisanym w checkliście kwalifikacji leadów i zmieniaj, gdy wskazują na to dane: według praktycznej reguły HubSpot wskaźnik poniżej 10% oznacza zbyt luźne kryteria MQL.

Etap SAL (sales accepted lead) między MQL a SQL

2. Dodaj etap akceptacji lub odrzucenia i wprowadź obowiązkowy powód odrzucenia. Sales accepted lead to MQL, który handlowiec przejrzał i zgodził się nad nim pracować. Ten etap kosztuje jedno kliknięcie, a daje marketingowi najcenniejszy zbiór danych, jaki może zdobyć: dlaczego sprzedaż powiedziała nie. 4Thought Marketing zaleca ustrukturyzowane pole powodu z wartościami takimi jak złe dopasowanie, zły moment, już klient i konkurent, a lead liczy jako SQL dopiero wtedy, gdy sprzedaż wykona „świadome działanie w CRM”. Mniejsze zespoły często łączą MQL i SAL w jeden etap; nawet wtedy zachowaj pole powodu.

3. Ustal czas na reakcję i niech będzie krótki. Typowy punkt wyjścia 4Thought to 24 godziny dla sygnałów wysokiej intencji i 48 do 72 godzin dla mniej gorących. Badania mówią: szybciej. Badanie Lead Response Management (profesor Oldroyd z MIT na danych InsideSales.com: trzy lata, sześć firm, ponad 15 000 leadów i 100 000 prób połączeń) wykazało 21-krotny spadek szans na zakwalifikowanie potencjalnego klienta, gdy czas reakcji wydłużał się z 5 do 30 minut, i czterokrotny spadek między 5 a 10 minutą. SLA na poziomie 24 godzin to dla całego zespołu nieprzekraczalny limit, a nie cel przy prośbie o cennik.

4. Zawracaj odrzucone leady MQL do obiegu razem z powodem. „Zły moment” wraca do nurturingu z datą, „złe dopasowanie” zaostrza regułę MQL, „już klient” to sygnał do poprawienia danych w CRM. Progi punktowe i wygaszanie punktów to temat na tekst o dobrych praktykach lead scoringu; zasada przekazania mówi tylko, że nic nie opuszcza kolejki SAL bez podanego powodu.

5. Postaw oba zespoły przed jednym dashboardem. Tylko 3% respondentów Gartner Peer Community stwierdziło, że ich zespoły mają wspólne wskaźniki. Trzy wskaźniki przekazania według Understory Agency to rozsądne minimum: dotrzymanie SLA pierwszego kontaktu, odsetek leadów MQL doprowadzonych do rozstrzygnięcia i wskaźnik konwersji według zdarzenia, które uruchomiło MQL.

Wskaźnik konwersji MQL do SQL: wzór i benchmarki

Wzór jest prosty: wskaźnik konwersji MQL do SQL = liczba SQL ÷ liczba MQL × 100. Pułapką jest okno czasowe. Przewodnik po KPI od Geckoboard ostrzega, że liczenie tylko tych MQL, które w tym samym miesiącu stały się SQL, zaniża wskaźnik, gdy cykl sprzedaży jest dłuższy. Mierz więc kohortami: weź leady MQL utworzone w jednym okresie i policz, ile z nich stało się SQL w stałym oknie, w większości zespołów 30 dni, a w sprzedaży enterprise dłuższym. Przykład z HubSpot to 26 SQL z 200 MQL, czyli 13%.

Dwie inne opublikowane liczby wyznaczają ramy dla tej tabeli. HubSpot podaje przedział międzybranżowy od 10% do 20% i uznaje 13% za zdrowy wynik. Salesforce, powołując się na badania Gartnera, podaje, że 21% leadów MQL przechodzi do SQL; źródłowej strony Gartnera nie udało się otworzyć, więc traktuj tę liczbę jako informację z drugiej ręki. Z resztą wyników wyszukiwania trzeba uważać: strona jednej z agencji w pierwszej dziesiątce podaje dla tego samego wskaźnika 13%, 13 do 15%, 10 do 20% i 20 do 30%, bez źródła dla żadnej z tych wartości. Benchmark bez wielkości próby, okresu i definicji to opinia. Następna część podaje wszystkie trzy.

Konwersja MQL do SQL w Sponie: 400 MQL, 120 SQL, 30% w 30 dni

Spona zarejestrowała każdy MQL utworzony w ciągu dwóch miesięcy i śledziła każdy z nich do końca następnego miesiąca, więc każdy rekord ma pełne 30 dni obserwacji. Kohorta liczy 400 leadów MQL. Sprzedaż zaakceptowała 120 z nich jako SQL w ciągu 30 dni, co daje wskaźnik konwersji MQL do SQL na poziomie 30%. Spona potwierdziła konwersję i próbę na podstawie własnych danych.

Definicje to te dwie, które przytoczyliśmy w części o definicjach, zastosowane przed liczeniem: duplikaty i nieprawidłowe rejestracje nigdy nie trafiły do tych 400, a żaden lead nie został policzony jako SQL bez uzgodnionego kroku oceny lub zakupu.

To, że 30% jest wyżej niż 13% dla B2B SaaS, wynika głównie z definicji. First Page Sage liczy każdy kontakt z intencją zakupu i środkami na zakup, nie wyjaśniając, jak mierzy intencję; definicja MQL w Sponie wymaga wyraźnej prośby, która wykonuje filtrowanie, jakim w innym wypadku zająłby się etap SAL. Okno 30 dni działa w przeciwną stronę: MQL zaakceptowany po 30. dniu liczy się jako chybiony.

Czego ta liczba nie dowodzi: to jedna firma, jedna dwumiesięczna kohorta i jeden produkt z niską ceną wejścia i darmową próbką. To nie jest benchmark rynkowy ani średnia dla klientów Spony, a kolejna kohorta może wyglądać inaczej. Pokazuje za to metodę: jawna definicja, jawny okres, jawne okno i wynik, który czytelnik może sprawdzić (dane Spony, leady MQL utworzone w ciągu dwóch miesięcy i śledzone do końca następnego miesiąca).

Jak zamienić MQL w SQL

Trzy ruchy podnoszą wskaźnik bez luzowania definicji.

Odpowiadaj na wyraźne prośby w ciągu minut. Wspomniany wyżej 21-krotny spadek dotyczy pierwszych pięciu do trzydziestu minut. Kieruj prośby o cennik, demo i próbkę prosto do handlowca z zadaniem w CRM, a 24-godzinne SLA zostaw dla leadów MQL, które tylko korzystały z treści. Przykład klienta HubSpot przyznaje 25 punktów za pobranie cennika, a za otwarcie newslettera od 1 do 2, przy progu 75 punktów: wyraźna prośba powinna sama przeprowadzić leada przez większość drogi.

Potwierdź trzy rzeczy w pierwszej rozmowie. Handlowcy Spony pracują na dziesięciu pytaniach kwalifikacyjnych; przy małym zakupie stawiają na trzy: potrzebę (które brakujące kontakty, słabe dopasowanie lub nieaktualne rekordy zabierają zespołowi czas), moment (jaka kampania lub wejście na rynek wyznacza termin) i kryteria decyzji (co musi udowodnić próbka 100 kont, żeby uzasadnić zakup). Budżet i uprawnienia decyzyjne sprawdza się pobieżnie, nie są warunkiem wstępnym; pełny MEDDIC zostaje dla większych kont z umową roczną albo złożonych kont.

Nie pozwól, by filtr budżetowy zabił transakcję, którą da się sfinansować. Jeden z odnotowanych przykładów Spony: założyciel firmy powiedział, że nie ma budżetu na dane, więc sztywny filtr odrzuciłby to konto. Mała próbka pokazała oszczędność 10 godzin researchu miesięcznie, co dało uzasadnienie biznesowe pozwalające sfinansować zakup. Lekcja dotyczy kolejności: najpierw udowodnij wartość, potem pytaj o budżet. Jeśli chodzi o dopasowanie w regule MQL, zacznij od profilu idealnego klienta uzgodnionego przez oba zespoły.

Kiedy podział na MQL i SQL przestaje działać: komitety zakupowe i samodzielni kupujący

Twórcy tych pojęć poszli dalej. Przedstawiając w 2017 r. Demand Unit Waterfall, Kerry Cunningham z SiriusDecisions mówił, że „wiedzieliśmy, że nie chodzi już o leady” i że konta trzeba pozyskiwać już na szczycie kaskady; Terry Flaherty dodał, że popyt wymaga „kupującego, problemu biznesowego i rozwiązania”. Dane z kolejnych lat przyznają im rację. Forrester liczy 13 osób w przeciętnej decyzji zakupowej. 2025 Buyer Experience Report firmy 6sense (niecałe 4000 respondentów) umiejscawia pierwszy kontakt ze sprzedawcą w 61% ścieżki zakupowej i pokazuje, że 94% komitetów zakupowych układa ranking swojej krótkiej listy, zanim nawiąże kontakt. Gartner podaje, że 75% kupujących B2B woli zakupy bez udziału handlowca.

Dlatego MQL oparty na jednej osobie często przychodzi za późno, a osoba, która wypełniła formularz, może zbierać informacje, a nie podejmować decyzję. Rozwiązaniem nie jest rezygnacja z MQL i SQL, tylko zmiana jednostki: kwalifikuj konto, licz zaangażowane osoby na konto, dodaj do wypełnionych formularzy dane o korzystaniu z produktu i sygnały zakupowe, a rozmowa na etapie SQL niech mapuje cały komitet zakupowy, a nie jeden kontakt. Jednym z takich wariantów jest product qualified lead (PQL); wyjaśniamy go w FAQ.

Gdzie Spona pasuje do MQL i SQL, a gdzie nie

Spona działa przed etapem MQL. Opisujesz idealnego klienta na czacie; AI przeszukuje ponad 40 źródeł danych, weryfikuje każdy lead i zwraca zakwalifikowane leady w około 4 minuty. Head of Sales firmy zatrudniającej od 20 do 50 osób ujął to tak: „Chcieliśmy małej listy dopasowanej do naszej niszy, z uzasadnieniem dla każdego dopasowania”. Wymagaj takiego uzasadnienia od każdego źródła leadów: dzięki niemu łatwiej zaakceptować leada na etapie SAL, bo handlowiec widzi, dlaczego pasuje, zanim wykona pierwszy telefon.

Cena jest za lead: zakwalifikowane leady kosztują od 0,32 USD do 4 USD, leady hurtowe (bulk) od 0,01 USD do 0,09 USD, każdy nowy profil idealnego klienta to 1000 kredytów na konfigurację (od 8 do 10 USD), a darmowe leady próbne są dostępne. Nie ma umów, konfiguracji ani onboardingu, więc pierwszy test może objąć 100 leadów porównanych z obecnym źródłem MQL według tych samych kryteriów SAL i SQL.

Gdzie nie pasuje: Spona nie obsługuje Twoich etapów cyklu życia, liczników SLA ani routingu w CRM; od tego są HubSpot i Salesforce. Nie zastępuje rozmowy, która czyni z leada SQL. A lead ze Spony nie jest zapytaniem przychodzącym: trafia do Ciebie zakwalifikowany pod kątem dopasowania, a Twój outreach musi dopiero zapracować na wyraźny sygnał zainteresowania, który przychodzący MQL ma od początku. Zespoły, które potrzebują danych o intencji na poziomie kont, połączą ją z dostawcą danych intencyjnych.

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: najczęstsze pytania

Co jest pierwsze, MQL czy SQL?

MQL. Lead staje się marketing qualified lead, gdy spełnia marketingową regułę dopasowania i zaangażowania, sales accepted lead, gdy handlowiec zgadza się nad nim pracować, a sales qualified lead, gdy handlowiec potwierdzi potrzebę, dopasowanie, ścieżkę zakupu i kolejny krok. Domyślna automatyzacja HubSpot przesuwa etapy cyklu życia tylko do przodu.

Jaki wskaźnik konwersji MQL do SQL jest dobry?

Tabela branżowa First Page Sage obejmuje zakres od 10% (usługi prawne, nieruchomości) do 26% (ubezpieczenia dla firm, HVAC), z B2B SaaS na poziomie 13%; HubSpot uznaje 13% za zdrowy wynik, a wszystko poniżej 10% odczytuje jako zbyt luźne kryteria MQL. Oceniaj własny wskaźnik na tle własnych definicji i stałego okna kohorty, a nie wyników innej firmy.

Ile trwa przejście z MQL do SQL?

Według HubSpot w większości sprzedaży B2B to 30 do 90 dni, a przy złożonych transakcjach enterprise sześć miesięcy lub dłużej. Analiza Implisit wykazała średnio 84 dni od leada do szansy sprzedażowej. Kohorta Spony korzystała z 30-dniowego okna akceptacji, które pasuje do taniego produktu z darmową próbką.

Jaka jest najważniejsza różnica między SQL a MQL?

Kto decyduje i na jakiej podstawie. O MQL decyduje punktacja lub reguła w narzędziu marketingowym, na podstawie dopasowania i zachowania. O SQL decyduje handlowiec po rozmowie, która potwierdziła potrzebę, dopasowanie, ścieżkę zakupu i uzgodniony kolejny krok.

Czym PQL różni się od MQL?

Product qualified lead kwalifikuje się na podstawie tego, co ktoś zrobił w Twoim produkcie, na przykład osiągnięcia limitu użycia w darmowym planie, a nie na podstawie zaangażowania w treści. Zasady przekazania są te same: spisana definicja, czas na reakcję i powód odrzucenia.

Jak HubSpot i Salesforce oznaczają MQL i SQL?

HubSpot używa właściwości Lifecycle Stage (Marketing Qualified Lead, Sales Qualified Lead, Opportunity), a podetapy zapisuje w Lead Status. Zespoły pracujące w Salesforce zwykle śledzą to w polu Lead Status; konwersja leada tworzy rekordy konta i kontaktu, a domyślnie także szansę sprzedaży.