MQL vs SQL w B2B i lead scoring: jak ustalić zasady między marketingiem a sprzedażą, żeby leady nie „umierały”

W B2B łatwo wpaść w klasyczną pułapkę: marketing mówi, że „dowozi leady”, sprzedaż mówi, że „to nie są leady, tylko przypadkowe kontakty”, a klient w tym czasie kupuje u kogoś, kto szybciej i lepiej poprowadził rozmowę. Konflikt nie wynika zwykle ze złej woli, tylko z braku wspólnego języka i zasad. Jeśli nie ma definicji MQL i SQL, nie ma też sensownego sposobu mierzenia jakości pozyskania, czasu reakcji i konwersji w lejku.

MQL i SQL porządkują współpracę marketing–sprzedaż tylko wtedy, gdy są osadzone w konkretnych kryteriach, procesie przekazania i regułach pracy z leadem. Same etykiety nic nie zmienią. Zmienia dopiero to, że zespół wie: kiedy kontakt jest „zainteresowany”, kiedy jest „gotowy na rozmowę”, kto i w jakim czasie ma go obsłużyć oraz co się dzieje, gdy lead nie jest jeszcze gotowy do zakupu.

Po co w ogóle rozróżniać MQL i SQL

Rozróżnienie ma sens, jeśli rozwiązuje konkretny problem, na przykład:

• sprzedaż jest zasypywana kontaktami, z których większość nie ma potencjału zakupowego,
• marketing nie dostaje informacji zwrotnej, co faktycznie konwertuje na sprzedaż,
• lead trafia do handlowca za późno albo zbyt wcześnie,
• brakuje standardu follow-upu i lead „paruje” po pierwszym mailu,
• nie wiadomo, które kanały działają, bo atrybucja jest niejasna.

Definicje, które da się wdrożyć

MQL (Marketing Qualified Lead) to kontakt, który wykazuje zainteresowanie i pasuje do profilu klienta, ale nie musi być gotowy na rozmowę sprzedażową. SQL (Sales Qualified Lead) to kontakt, który spełnia warunki do rozmowy sprzedażowej, bo ma intencję, potrzebę lub jest w procesie decyzyjnym.

Definicje muszą mieć formę kryteriów, a nie luźnych opisów. Dobra definicja MQL i SQL łączy dwa wymiary:

• Dopasowanie (fit) – czy to właściwa firma i właściwa osoba: branża, wielkość, rola, zgodność z ICP.
• Zachowanie (intent) – czy widać intencję: działania, które wskazują, że temat jest „na teraz”.

Najczęstszy błąd: „MQL = każdy, kto zostawił maila”

Jeśli definicja MQL jest zbyt szeroka, marketing „wygrywa” liczbą, ale firma przegrywa w rzeczywistości: handlowcy tracą czas, czas reakcji rośnie, a najlepsze leady giną w kolejce. MQL powinien być filtrem, który pomaga, a nie workiem na wszystko.

Zbyt wąska definicja MQL też szkodzi, bo marketing zaczyna trzymać kontakty „dla siebie” i oddaje je dopiero, gdy jest za późno. W B2B często wygrywa nie ten, kto ma najlepszą ofertę, tylko ten, kto pierwszy dobrze poprowadzi diagnozę potrzeb.

Lead scoring: po co, kiedy i dlaczego to nie jest „ustaw i zapomnij”

Lead scoring to system punktów, który porządkuje leady według dopasowania i intencji. Jego sens jest praktyczny: automatycznie rozpoznawać moment, w którym lead ma sens dla sprzedaży, oraz moment, w którym powinien pozostać w „ogrzewaniu” (nurturingu).

Lead scoring ma sens, gdy masz więcej leadów niż sprzedaż jest w stanie obsłużyć natychmiast, albo gdy cykl sprzedaży jest długi i potrzebujesz prowadzić kontakt przez tygodnie lub miesiące. W krótszych cyklach nie zawsze jest konieczny, ale często pomaga w priorytetyzacji.

Dwa typy scoringu: dopasowanie i intencja

Najlepszy scoring w B2B zwykle składa się z dwóch równoległych części.

Scoring dopasowania (fit) ocenia, czy to właściwy typ klienta. Punkty mogą wynikać z danych firmograficznych i roli kontaktu: wielkość firmy, branża, stanowisko, decyzyjność.

Scoring intencji (intent) ocenia, czy temat jest żywy. Tu liczą się działania: wejścia na strony ofertowe, pobrania materiałów o wdrożeniu, zapytania o cenę, rejestracje na webinar, odpowiedzi w mailu. Zasada jest prosta: im bliżej zakupu jest dana aktywność, tym więcej punktów.

Możesz mieć świetne dopasowanie i zero intencji (firma idealna, ale „na przyszły rok”) albo wysoką intencję i słabe dopasowanie (ktoś bardzo chce, ale nie jest Twoim klientem docelowym). Scoring pozwala to rozdzielić i nie marnować energii.

Jak zbudować scoring bez miesiąca pracy

Najskuteczniejszy start to wersja prosta, oparta o dane, które już masz. Nie próbuj tworzyć 50 reguł na dzień dobry. Wybierz kilka sygnałów o wysokiej wartości i nadaj im punkty w sposób, który da się obronić logicznie.

• Zbierz 20–30 ostatnich wygranych transakcji i sprawdź, jakie sygnały pojawiały się przed rozmową.
• Zbierz 20–30 leadów, które nie kupiły, i porównaj wzorzec zachowań.
• Wybierz 5–8 sygnałów dopasowania i 5–8 sygnałów intencji.
• Ustal próg punktowy, po którym lead staje się SQL (np. fit wysoki i intent powyżej progu).
• Testuj 4–6 tygodni, potem koryguj na podstawie wyników.

SLA między marketingiem a sprzedażą: bez tego scoring nie uratuje sytuacji

SLA w tym kontekście to umowa operacyjna: co marketing dostarcza, a co sprzedaż robi z leadem i w jakim czasie. To kilka prostych zasad, które ratują wyniki.

Co warto ustalić:

• Czas reakcji na SQL (dopasowany do branży).
• Liczbę prób kontaktu zanim lead wraca do nurtowania.
• Definicję „skontaktowany” – czy liczy się mail, czy rozmowa.
• Powód odrzucenia – kategorie i krótka notatka, zamiast „nie ten lead”.
• Ścieżkę powrotu – co się dzieje z leadem odrzuconym jako „za wcześnie”.

Nurturing: co zrobić z leadami, które są dobre, ale nie na teraz

W B2B większość leadów nie kupuje w momencie pierwszego kontaktu. Jeśli sprzedaż je odrzuci i na tym koniec, firma traci przyszłe transakcje. Dlatego potrzebujesz ścieżki „poczekajmy i wróćmy mądrzej”: sekwencji edukacyjnych, treści, webinarów, case studies, przypomnień, a czasem retargetingu.

Nurturing działa, gdy jest powiązany z sygnałami. Jeśli lead odpadł, bo „brak budżetu do Q3”, wracaj treściami związanymi z planowaniem budżetu i uzasadnieniem ROI. Jeśli odpadł, bo „brak decyzji”, wspieraj argumentację: wdrożenie, ryzyka, porównanie opcji, checklisty. To nie ma być masowy newsletter do wszystkich, tylko rozsądne podtrzymanie relacji.

Jak mierzyć, czy MQL/SQL i scoring działają

Skup się na metrykach jakości i szybkości, nie tylko na liczbie kontaktów:

• konwersja MQL→SQL,
• czas reakcji na SQL,
• konwersja SQL→opportunity,
• konwersja opportunity→win,
• powody odrzucenia leadów i ich powtarzalność.

Jeśli rośnie liczba SQL, ale spada konwersja na opportunity, próg SQL jest zwykle zbyt niski albo scoring premiuje nie te sygnały. Jeśli SQL jest jakościowy, ale sprzedaż nie reaguje na czas, problem jest operacyjny, nie marketingowy.

Źródła

• https://www.hubspot.com/marketing-statistics — zestawienie statystyk i danych o marketingu (w tym lead generation i praktyki raportowania).
• https://www.salesforce.com/blog/lead-scoring/ — opis lead scoringu i sposobu priorytetyzacji leadów w praktyce sprzedażowej.
• https://blog.hubspot.com/sales/sales-qualified-lead — definicja SQL i różnice w kwalifikacji leadów w procesie sprzedaży.
• https://www.microsoft.com/en-us/dynamics-365/blog/business-leader/2018/05/23/five-ways-to-align-sales-and-marketing/ — praktyki alignmentu marketingu i sprzedaży oraz wpływ procesu na wyniki.
• https://hbr.org/2006/07/ending-the-war-between-sales-and-marketing — model współpracy Sales–Marketing i elementy procesu, które redukują konflikt i poprawiają jakość leadów.