MQL vs SQL: definitioner, regler för överlämningen och siffrorna som visar var leads går förlorade

Bara 13 % av alla marketing qualified leads inom B2B SaaS blir sales qualified leads, enligt First Page Sages tabell över 30 branscher, och den bästa branschen i tabellen når 26 %. Resten avvisas, ignoreras eller hinner kallna mellan två team som ofta definierar begreppen olika. Den här guiden om MQL vs SQL går igenom definitionerna, reglerna för överlämningen som håller leads vid liv, formeln och riktmärkena för konverteringsgraden och en verklig kohort: Sponas 400 MQL:er från en kohort på två månader. En sak innan vi kommer till siffrorna: SQL betyder här sales qualified lead, inte databasspråket.

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

Var leads går förlorade mellan MQL och SQL: tratten i siffror

En B2B-tratt har fem steg: lead, marketing qualified lead (MQL, ett lead som marknad har kvalificerat), sales accepted lead (SAL), sales qualified lead (SQL, ett lead som sälj har kvalificerat) och affärsmöjlighet. De flesta publicerade siffror mäter steget från MQL till SQL, och spridningen är stor. I First Page Sages tabell ligger juridiska tjänster och fastigheter på 10 %, B2B SaaS på 13 %, cybersäkerhet på 15 % och företagsförsäkringar och VVS på 26 %. Sidan anger inget samlat genomsnitt; det oviktade medelvärdet av de 30 raderna är 16,1 % (vår egen uträkning).

Den äldre analysen från Implisit av hundratals företags pipelines, sammanfattad av Geckoboard, visade att 13 % av alla leads blev affärsmöjligheter och att vägen dit tog 84 dagar i genomsnitt. Källan betydde mest: leads från webbplatsen konverterade till 31,3 % och rekommendationer till 24,7 %, medan köpta leadlistor nådde 2,5 % och e-postkampanjer 0,9 %.

Två siffror till förklarar varför steget fallerar. Forresters State of Business Buying, 2024, som bygger på över 16 000 företagsköpare, visade att 91 % av alla köp stannar av någon gång på vägen. I en undersökning från Gartner Peer Community bland 200 yrkesverksamma inom sälj och marknad angav 27 % av marknadsförarna ”oense om interna definitioner” som den största utmaningen för samsynen, och bara 3 % av alla svarande sa att teamen hade byggt gemensamma mått.

Varje rad har en ägare och ett kriterium för att gå vidare. Där ett företag inte kan fylla i båda cellerna, där går dess leads förlorade.

Vad är en MQL och vad är en SQL?

Begreppen kommer från SiriusDecisions Demand Waterfall, en trattmodell som publicerats sedan 2005, reviderades 2012 och ersattes av Demand Unit Waterfall 2017. Vad MQL och SQL betyder i praktiken beror på vem som skriver definitionen; betydelsen av MQL nedan hämtas först från leverantörerna och sedan från Sponas egna register.

Vad är en MQL? Betydelse och definition

HubSpots dokumentation om livscykelsteg definierar ett marketing qualified lead som ”en kontakt eller ett företag som ditt marknadsteam har kvalificerat som redo för säljteamet”. Adobes version är lösare: någon som har visat intresse för dina produkter eller lösningar. Båda lämnar testet till dig, och det är där problemet med definitionen börjar: en nedladdad e-bok och en prisförfrågan är båda ”intresse”.

Sponas definition är medvetet snävare. En MQL hos Spona är ett företag som matchar ICP:n, med en identifierad relevant roll och en uttrycklig förfrågan om provleads, pris eller demo, exklusive dubbletter och ogiltiga registreringar. Det ger färre MQL:er och en högre konverteringsgrad, en avvägning som avsnittet om riktmärken återkommer till. De bredare kvalificeringsstegen och ramverken hittar du i artikeln om vad leadkvalificering är.

Vad är ett sales qualified lead (SQL)?

HubSpot definierar en SQL som ”en kontakt eller ett företag som ditt säljteam har kvalificerat som potentiell kund”, med detaljerna registrerade i egenskapen Lead Status (leadstatus). Salesforces kanadensiska kunskapshubb listar fyra villkor: ett affärscase, en kontakt som kan underlätta beslutet, ett direkt eller latent behov och en tidsplan. Cognism lägger till en snabbspårsregel: ett lead som ber om kontakt, offert eller pris blir en SQL direkt och går till en erfaren säljare som kan stänga affärer, ”helst inom minuter, inte timmar”.

Sponas definition av en SQL: sälj bekräftar ett konkret användningsfall, tillräcklig matchning mot datan, en rimlig köpväg och ett överenskommet steg för utvärdering eller köp. Den sista delen väger tyngst. Utan ett överenskommet nästa steg är även ett bra samtal fortfarande en MQL.

Livscykelsteg för MQL vs SQL i HubSpot

I HubSpot är Marketing Qualified Lead och Sales Qualified Lead värden i egenskapen Lifecycle Stage (livscykelsteg), Opportunity betyder en kontakt eller ett företag som är kopplat till en affär, och standardautomatiseringen flyttar bara steget framåt. En avvisad MQL behöver därför återställas manuellt eller via ett arbetsflöde, annars förblir den en MQL i alla rapporter. I Salesforce följer teamen oftast steget i fältet Lead Status, och när ett lead konverteras skapas ett konto och en kontakt, plus som standard en affärsmöjlighet.

MQL vs SQL: skillnaden i en tabell

Den avgörande skillnaden mellan MQL och SQL är vem som beslutar och på vilka belägg. En MQL är en förutsägelse som ett system gör utifrån matchning och beteende. En SQL är en bedömning som en människa gör efter att ha pratat med köparen och fått höra ett nästa steg. En poäng kan lämna över ett lead; bara ett samtal kan kvalificera det.

Regler för överlämningen från MQL till SQL som håller leads vid liv

Det är i överlämningen som definitionsproblemet på 27 % blir förlorad pipeline. Fem regler, var och en med en källa, täcker det mesta av skadan.

1. Skriv ner båda definitionerna och låt båda teamen skriva under. MQL-definitionen anger kriterierna för matchning och det beteende eller den förfrågan som utlöser den; SQL-definitionen anger vad säljaren måste bekräfta. Gå igenom dem på det avstämningsmöte som checklistan för leadkvalificering beskriver, och ändra dem när datan säger det: HubSpots tumregel är att en konverteringsgrad under 10 % betyder att MQL-kriterierna är för lösa.

Steget sales accepted lead (SAL) mellan MQL och SQL

2. Lägg till ett steg där sälj accepterar eller avvisar, och gör anledningen till avvisningen obligatorisk. Ett sales accepted lead är en MQL som en säljare har granskat och lovat att bearbeta. Steget kostar ett klick och ger den mest användbara data marknad kan få: varför sälj sa nej. 4Thought Marketing rekommenderar ett strukturerat fält för anledningen med värden som fel matchning, fel tidpunkt, redan kund och konkurrent, och räknar ett lead som SQL först när sälj gör ”en medveten åtgärd i ditt CRM”. Mindre team slår ofta ihop MQL och SAL till ett steg; behåll fältet för anledningen även då.

3. Sätt ett svarsfönster, och håll det kort. 4Thoughts vanliga utgångspunkt är 24 timmar för signaler med hög köpavsikt och 48 till 72 timmar för signaler med lägre köpavsikt. Forskningen säger snabbare. Lead Response Management-studien (professor Oldroyd vid MIT med data från InsideSales.com: tre år, sex företag, över 15 000 leads och 100 000 samtalsförsök) fann att oddsen att kvalificera en prospekt var 21 gånger lägre när svarstiden ökade från 5 till 30 minuter, och fyra gånger lägre mellan 5 och 10 minuter. En SLA på 24 timmar är den längsta svarstid hela teamet får ha, inte ett mål för en prisförfrågan.

4. Återvinn avvisade MQL:er med anledningen bifogad. ”Fel tidpunkt” går tillbaka till nurturing med ett datum, ”fel matchning” skärper MQL-regeln, ”redan kund” rättar CRM:et. Poänggränser och poängförfall hör hemma i inlägget om bästa praxis för lead scoring; regeln för överlämningen är bara att inget lämnar SAL-kön utan en anledning.

5. Samla båda teamen kring samma dashboard. Bara 3 % av de svarande i Gartner Peer Community sa att teamen hade gemensamma mått. Understory Agencys tre mått för överlämningen är ett fungerande minimum: hur väl SLA:n för första kontakt hålls, andelen MQL:er som bearbetas fram till ett utfall och konverteringsgraden per händelse som utlöste MQL:en.

Konverteringsgrad från MQL till SQL: formel och riktmärken

Formeln är enkel: konverteringsgrad från MQL till SQL = SQL:er ÷ MQL:er × 100. Fällan är tidsfönstret. Geckoboards KPI-guide varnar för att den som bara räknar MQL:er som blir SQL:er samma månad underskattar konverteringsgraden när säljcykeln är längre. Mät i stället en kohort: ta de MQL:er som skapades under en period och räkna hur många som blev SQL:er inom ett fast fönster, 30 dagar för de flesta team och längre för enterprise-försäljning. HubSpots räkneexempel är 26 SQL:er av 200 MQL:er, alltså 13 %.

Två andra publicerade siffror ramar in tabellen. HubSpot sätter spannet över alla branscher till 10 till 20 % och kallar 13 % sunt. Salesforce, med hänvisning till forskning från Gartner, säger att 21 % av MQL:erna konverterar till SQL:er; den underliggande sidan från Gartner gick inte att öppna när vi kontrollerade, så behandla siffran som en andrahandsuppgift. Var försiktig med resten av sökresultaten: en byråsida bland de tio första anger 13 %, 13 till 15 %, 10 till 20 % och 20 till 30 % för samma mått, utan källa för någon av dem. Ett riktmärke utan urvalsstorlek, period och definition är en åsikt. Nästa avsnitt redovisar alla tre.

Sponas konverteringsgrad från MQL till SQL: 400 MQL:er, 120 SQL:er, 30 % på 30 dagar

Spona registrerade varje MQL som skapades under två månader och följde var och en tills varje post hade en fullständig uppföljning på 30 dagar. Kohorten omfattar 400 MQL:er. Sälj accepterade 120 av dem som SQL:er inom 30 dagar, en konverteringsgrad från MQL till SQL på 30 %. Spona har stämt av konverteringen och urvalet mot sina egna register.

Definitionerna är de två som citeras i avsnittet om definitioner, och de tillämpades innan något räknades: dubbletter och ogiltiga registreringar kom aldrig med bland de 400, och inget lead räknades som SQL utan ett överenskommet steg för utvärdering eller köp.

Att 30 % ligger över siffran 13 % för B2B SaaS beror mest på definitionerna. First Page Sage räknar alla kontakter med köpavsikt och medel att köpa, utan att säga hur köpavsikten mäts; Sponas MQL-definition kräver en uttrycklig förfrågan, och den gör den filtrering som ett SAL-steg annars skulle göra. Fönstret på 30 dagar drar åt andra hållet: en MQL som accepteras efter dag 30 räknas som en miss.

Vad siffran inte bevisar: det handlar om ett företag, en kohort på två månader och en produkt med lågt instegspris och gratis provleads. Det är inget riktmärke för marknaden, det är inget genomsnitt för Sponas kunder, och nästa kohort kan se annorlunda ut. Det siffran visar är metoden: en angiven definition, en angiven period, ett angivet fönster och en räkning som läsaren kan kontrollera (Spona-data, MQL:er från en kohort på två månader).

Så gör du en MQL till en SQL

Tre grepp höjer konverteringsgraden utan att definitionerna luckras upp.

Svara inom minuter på uttryckliga förfrågningar. Resultatet om 21 gånger lägre odds ovan gäller de första fem till trettio minuterna. Skicka förfrågningar om pris, demo och provleads direkt till en säljare med en uppgift i CRM:et, och behåll SLA:n på 24 timmar för MQL:er som bara bygger på innehåll. I HubSpots kundexempel får en nedladdad prislista 25 poäng och ett öppnat nyhetsbrev 1 till 2, mot en tröskel på 75 poäng: en uttrycklig förfrågan bör på egen hand ta ett lead större delen av vägen.

Bekräfta tre saker i det första samtalet. Sponas säljare utgår från tio kvalificeringsfrågor; vid ett litet köp prioriterar de tre: behov (vilka saknade kontakter, dålig matchning eller inaktuella poster som kostar teamet tid), tidpunkt (vilken kampanj eller marknadslansering som sätter deadlinen) och beslutskriterier (vad ett urval på 100 konton måste bevisa för att motivera ett köp). Budget och beslutsmandat kontrolleras kort, men är ingen spärr; fullständig MEDDIC sparas till större årsavtal och komplexa konton.

Låt inte en budgetkontroll stoppa en affär som går att finansiera. Ett dokumenterat exempel från Spona: en grundare sa att det inte fanns någon budget för data, så en stel kontroll hade avvisat kontot. Ett litet urval visade att teamet sparade 10 timmar research i månaden, vilket gav ett affärscase som gick att finansiera. Lärdomen ligger i ordningen: bevisa värdet först, fråga om budget sedan. För matchningsdelen av MQL-regeln, utgå från en ideal kundprofil som båda teamen är överens om.

När MQL vs SQL slutar fungera: köpgrupper och köpare som sköter köpet själva

De som myntade begreppen har gått vidare. När SiriusDecisions presenterade Demand Unit Waterfall 2017 sa Kerry Cunningham att ”vi visste att det inte längre handlade om leads” och att konton måste fångas in högst upp i vattenfallet; Terry Flaherty tillade att efterfrågan kräver ”en köpare, ett affärsproblem och en lösning”. Datan sedan dess ger dem rätt. Forrester räknar med 13 personer i ett genomsnittligt köpbeslut. 6senses 2025 Buyer Experience Report (knappt 4 000 svarande) placerar första kontakten med en säljare 61 % in i köpresan och visar att 94 % av köpgrupperna rangordnar sin kortlista innan de tar kontakt. Gartner rapporterar att 75 % av B2B-köparna föredrar en köpupplevelse utan säljare.

En MQL som bygger på en enda person kommer alltså ofta sent, och den som fyllde i formuläret kan vara den som gör researchen snarare än den som fattar beslutet. Lösningen är inte att slopa MQL och SQL utan att byta enhet: kvalificera kontot, räkna engagerade personer per konto, lägg till produktanvändning och köpsignaler vid sidan av ifyllda formulär, och låt SQL-samtalet kartlägga köpgruppen i stället för en enda kontakt. Ett product qualified lead (PQL) är en sådan variant; FAQ:n tar upp den.

Där Spona passar in i MQL vs SQL, och där det inte gör det

Spona arbetar före MQL-steget. Du beskriver din ideala kund i en chatt; AI:n söker igenom 40+ datakällor, validerar varje lead och levererar kvalificerade leads på cirka 4 minuter. En försäljningschef (Head of Sales) på ett företag med 20 till 50 anställda formulerade kravet så här: ”Vi ville ha en liten lista som matchade vår nisch, med en motivering för varje träff.” Kräv den motiveringen av varje leadkälla: den gör ett lead lättare att acceptera i SAL-steget, eftersom säljaren ser varför det passar redan före första samtalet.

Priset sätts per lead: kvalificerade leads kostar 0,32 till 4 dollar, bulkleads 0,01 till 0,09 dollar, varje ny ideal kundprofil kräver 1 000 startkrediter (8 till 10 dollar), och det finns gratis provleads. Det finns inga avtal, ingen uppstart och ingen onboarding, så ett första test kan vara 100 leads som mäts mot din nuvarande MQL-källa med samma kriterier för SAL och SQL.

Där det inte passar: Spona sköter inte dina livscykelsteg, SLA-timers eller routingen i CRM:et; det gör HubSpot och Salesforce. Spona ersätter inte samtalet som gör ett lead till en SQL. Och ett lead från Spona är ingen inkommande förfrågan: det kommer kvalificerat på matchning, och din outreach måste förtjäna den uttryckliga intressesignal som en inkommande MQL har med sig. Team som behöver intent-data på kontonivå kombinerar Spona med en leverantör av intent-data.

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: vanliga frågor

Vad kommer först, MQL eller SQL?

MQL. Ett lead blir ett marketing qualified lead när det uppfyller marknadsteamets regel för matchning och engagemang, ett sales accepted lead när en säljare lovar att bearbeta det och ett sales qualified lead när säljaren bekräftar behov, matchning, en köpväg och ett nästa steg. HubSpots standardautomatisering flyttar bara livscykelsteg framåt.

Vad är en bra konverteringsgrad från MQL till SQL?

First Page Sages branschtabell sträcker sig från 10 % (juridiska tjänster, fastigheter) till 26 % (företagsförsäkringar, VVS), med B2B SaaS på 13 %; HubSpot kallar 13 % sunt och tolkar allt under 10 % som för lösa MQL-kriterier. Bedöm din egen konverteringsgrad utifrån dina egna definitioner och ett fast kohortfönster, inte mot ett annat företags siffra.

Hur lång tid tar det att gå från MQL till SQL?

HubSpots riktlinje är 30 till 90 dagar för de flesta B2B-affärer och sex månader eller mer för komplexa enterprise-affärer. Analysen från Implisit kom fram till 84 dagar från lead till affärsmöjlighet i genomsnitt. Sponas kohort använde ett acceptansfönster på 30 dagar, vilket passar en produkt med lågt pris och gratis provleads.

Vad är den avgörande skillnaden mellan MQL och SQL?

Vem som beslutar, och på vilka belägg. En MQL sätts av en poäng eller regel i ett marknadsverktyg utifrån matchning och beteende. En SQL sätts av en säljare efter ett samtal som har bekräftat behov, matchning, en köpväg och ett överenskommet nästa steg.

Vad skiljer en PQL från en MQL?

Ett product qualified lead kvalificeras av vad någon har gjort i din produkt, till exempel nått en användningsgräns i en gratisplan, och inte av engagemang i innehåll. Reglerna för överlämningen är desamma: en skriftlig definition, ett svarsfönster och en anledning vid avvisning.

Hur benämner HubSpot och Salesforce MQL och SQL?

HubSpot använder egenskapen Lifecycle Stage (Marketing Qualified Lead, Sales Qualified Lead, Opportunity) med understeg i Lead Status. Salesforce-team följer det oftast i fältet Lead Status; när ett lead konverteras skapas konto- och kontaktposter, plus som standard en affärsmöjlighet.