Español

Matemática del Embudo: MQL a SQL a Forense de Oportunidades

El número de MQL subió un 32% mes a mes. El GM está contento. Tres semanas después, las oportunidades están estancadas. Usted no sabe por qué, y "calidad de los leads" no es una respuesta que su GM aceptará dos veces.

Esto es el forense del embudo. Ya no es un turista de dashboards. Es un investigador que lee los números buscando la causa nombrada (el segmento, la fuente, el día, el traspaso) que explica por qué el volumen subió y el pipeline no lo siguió.

La mayoría de los demand gen managers reportan tasas de conversión agregadas. Los buenos reportan diagnósticos. Hay una diferencia entre "MQL a SQL es el 11%" y "MQL a SQL cae al 8% los martes, y esa es la brecha de cobertura de SDR, no calidad del lead". Uno obtiene una cabeza asintiendo. El otro obtiene presupuesto.

Acuerde la definición de MQL con ventas, incluida la regla de rechazo

Antes de cualquier forense, resuelva esto: ¿puede el AE rechazar un MQL y con qué fundamento? Si la respuesta es "no" o "no está claro", su número de MQL es métricas de vanidad. Lo reportará durante seis meses, ventas lo ignorará silenciosamente, y un día su VP de Ventas le dirá al GM que los leads de marketing "no convierten", y usted no tendrá defensa porque no hay una definición compartida.

Este es el acuerdo funcional que se sostiene. Un MQL tiene tres cosas: perfil (coincidencia con el ICP de la cuenta), intención (un umbral de puntuación basado en comportamiento) y un contacto alcanzable. Por debajo del umbral, es un lead, no un MQL. ¿Por encima del umbral pero con el título, tamaño de empresa o geografía incorrectos? El AE tiene 24 horas para rechazar con un código de razón. Después de 24 horas, se acepta por defecto y cuenta.

Los códigos de razón importan más que el rechazo en sí. Seis códigos son suficientes: tamaño de empresa incorrecto, título/persona incorrectos, geografía incorrecta, cliente existente, competidor, información de contacto no verificada. Cualquier cosa fuera de esos seis se escala. Usted y un gerente de AE arbitran disputas mensualmente: 30 minutos, revisan 20 MQL disputados, los resuelven y actualizan el modelo de puntuación si aparece un patrón.

Sin esto, no puede hacer forense. El debate de "¿siquiera es esto un MQL?" consume cada reunión y nunca llega a la fuga real.

Leyendo las tasas de conversión por fuente, persona y segmento

Una tasa combinada de MQL a SQL del 14% lo oculta todo. Oculta una tasa del 4% en paid social que está quemando $40.000 al mes y una tasa del 38% en webinars que recibe el 12% de su presupuesto. El número combinado es la mentira más costosa de su dashboard.

Corte el embudo de tres maneras cada mes: fuente, nivel de antigüedad de la persona, segmento. Siempre tres maneras. Ni dos ni cuatro. Tres.

Benchmarks aproximados de B2B SaaS 2026 para conversión MQL a SQL:

Fuente Rango saludable Señal de alerta por debajo de
Paid social (LinkedIn, Meta) 6-10% 4%
Paid search (Google, Bing) 10-15% 7%
Contenido / orgánico 10-18% 8%
Webinar (en vivo) 25-40% 18%
Webinar (a demanda) 12-20% 9%
ABM-originado (cuentas nominadas) 30%+ 22%
Referido / partner 35-50% 25%
Outbound frío (tratado como MQL) 8-12% 5%

Para el MQL a SQL combinado general, el B2B SaaS saludable se sitúa en el rango del 12 al 15%. Por encima del 20% probablemente está puntuando demasiado ajustado. Por debajo del 8%, o bien su puntuación es laxa o su proceso de ventas no está adaptado a los leads que entran.

La antigüedad de la persona corta de manera diferente. VP y C-level convierten MQL a SQL al 25-35%. El nivel de Director ronda el 18-25%. El nivel de Manager cae al 8-14%. Por debajo de Manager, a menudo son investigadores, no compradores. Las tasas de conversión caen por debajo del 5%, y eso no es una fuga, es la audiencia equivocada.

El segmento corta de manera diferente otra vez. Los MQL de SMB convierten más rápido pero a tasas más bajas y con tickets más pequeños. El mercado medio es su punto óptimo para la mayoría del B2B SaaS, con un MQL a SQL del 15-22% y ciclos de venta que realmente puede prever. Los MQL enterprise convierten con la tasa bruta más baja (8-12%), pero los SQL que llegan son 6 a 10 veces más grandes, por lo que los números siguen funcionando si su equipo de ventas está configurado para ello.

Cuando vea un número, su reflejo debería ser: córtelo de tres maneras. Una tasa del 14% se convierte en un problema de paid social (4%), un motor de webinars (38%) y un piso de contenido/orgánico (12%). Ahora tiene tres diagnósticos, no un solo número.

Por qué el SLA de 30 días lo cambia todo

La palanca más importante de su embudo no es la calidad del lead. Es la velocidad de respuesta al lead. Todos los estudios creíbles de la última década lo han confirmado, y sigue sorprendiendo a los líderes de ventas cada trimestre. Los MQL contactados en menos de 5 minutos convierten aproximadamente 8 veces mejor que los contactados en 24 horas. Baje a 60 minutos o más y la conversión se desploma un 80% frente al punto de referencia de 5 minutos.

Su SLA no es de 30 días. Su SLA es de 5 minutos para solicitudes de demo de alto perfil, 1 hora para MQL de nivel inferior y 30 días solo para la salida total del embudo (el punto en que un MQL sin trabajar se recicla a nutrición de leads, no la ventana de trabajo).

Construya el dashboard de SLA. Necesita cuatro cosas: tiempo desde MQL hasta la primera acción del SDR, tiempo desde MQL hasta el primer contacto, porcentaje de MQL trabajados dentro del SLA y porcentaje que convirtieron a SQL, desglosado por SDR.

Ese último desglose es donde viven los diagnósticos nombrados. Cuando ve "MQL a SQL cae al 8% los martes", no se encoge de hombros y lo llama ruido. Extrae el cuadro de cobertura de SDR. Normalmente encontrará una de tres cosas: una reunión del lunes por la mañana que consume la mitad de la mañana del equipo de SDR, una reunión de pie del martes que retrasa las llamadas outbound a la tarde, o un calendario de PTO rotativo que deja la cola inbound con cobertura insuficiente cada martes.

Nombre la brecha. No solo la reporte. "Brecha de cobertura de SDR los martes" es un diagnóstico. "Problema de calidad" no lo es.

Encontrar la etapa con fugas

Cuando MQL a Oportunidad está roto, hay tres etapas sospechosas. Investíguelas en este orden, porque casi siempre es una de estas tres.

Etapa 1: Retraso en el traspaso (MQL a contacto SDR). Extraiga todos los MQL de los últimos 90 días. Calcule el tiempo hasta el primer contacto. Agrupe los MQL en: 0-5 min, 5-60 min, 1-24 hr, 1-7 días, 7+ días. Compare la conversión a SQL dentro de cada cohorte. Si su cohorte de 0-5 min convierte al 28% y su cohorte de 1-24 hr convierte al 9%, no tiene un problema de calidad. Tiene un problema de velocidad. Arregle el enrutamiento, no la puntuación.

Etapa 2: Desajuste de persona (empresa correcta, título incorrecto). Agrupe los MQL por regex de cargo frente a su ICP. Los títulos de "Manager" que no son tomadores de decisión convertirán al 6-10% sin importar qué tan rápido llame. Los investigadores y analistas convierten por debajo del 4%. Si el 35% de su volumen de MQL tiene títulos que no son compradores, su modelo de puntuación está premiando comportamientos que no predicen intención de compra. Actualice el modelo. Agregue puntuación negativa para títulos que no son compradores, y exija ya sea un título de comprador O una acción de alta intención (solicitud de demo, visita a página de precios más envío de formulario) para calificar.

Etapa 3: Decaimiento de intención (MQL con más de 14 días de antigüedad). Algunos MQL se quedan en cola. Quizás los SDR están trabajando otra campaña, quizás el enrutamiento falló, quizás la cobertura fue escasa esa semana. Mire los MQL por antigüedad-al-primer-contacto. Cualquier MQL contactado después de 14 días convierte al 30-50% de la tasa de los MQL frescos. Eso no es calidad del lead, es decaimiento de intención. El momento de investigación del prospecto ya pasó.

Este es un patrón de SQL que aísla la etapa 1 en HubSpot o Salesforce. Ajuste los nombres de columnas a su esquema:

SELECT
  CASE
    WHEN time_to_first_touch_minutes <= 5 THEN '0-5 min'
    WHEN time_to_first_touch_minutes <= 60 THEN '5-60 min'
    WHEN time_to_first_touch_minutes <= 1440 THEN '1-24 hr'
    WHEN time_to_first_touch_minutes <= 10080 THEN '1-7 días'
    ELSE '7+ días'
  END AS speed_cohort,
  COUNT(*) AS mqls,
  SUM(CASE WHEN became_sql = 1 THEN 1 ELSE 0 END) AS sqls,
  ROUND(100.0 * SUM(CASE WHEN became_sql = 1 THEN 1 ELSE 0 END) / COUNT(*), 1) AS conv_pct
FROM mql_events
WHERE mql_date >= DATE('now', '-90 days')
GROUP BY speed_cohort
ORDER BY MIN(time_to_first_touch_minutes);

Ejecútelo una vez por semana. El resultado es una tabla de 5 filas que le dice si la velocidad es su problema antes de gastar un trimestre reescribiendo su modelo de puntuación.

La trampa de "muchos MQL, sin oportunidades"

El volumen sube. Las oportunidades están estancadas. Seis causas nombradas, cada una comprobable en una semana.

1. ICP incorrecto en la parte superior. Sus campañas de parte superior del embudo están atrayendo a las empresas equivocadas. Prueba: extraiga los MQL de los últimos 30 días, puntúelos frente a su rúbrica de ICP (industria, número de empleados, ingresos, geografía, stack tecnológico). Si menos del 60% coinciden, sus campañas o su segmentación de audiencia están desviadas.

2. Desalineación del guión del SDR. Guiones escritos hace 18 meses para un posicionamiento de producto diferente. Prueba: asista a 10 llamadas de SDR. Cuente cuántas veces el SDR explica la propuesta de valor en lenguaje que coincide con su sitio web actual. Si es menos del 70%, tiene un problema de guión, no un problema de lead.

3. AE descalificando por higiene del pipeline. AE bajo presión de cuota descarta SQL "marginales" para mantener limpias sus tasas de conversión. Prueba: extraiga SQL descalificados por AE y redirija 20 a un AE diferente. Si el 25% o más se convierten en oportunidades, tiene un problema de higiene enmascarado como un problema de calidad.

4. Fuga de atribución. Los MQL están convirtiendo a oportunidades, pero las oportunidades no están etiquetadas de vuelta a la fuente. Su dashboard lee entonces "sin pipeline". Prueba: extraiga las ganadas cerradas de los últimos 90 días y rastree cada una hasta el primer contacto. Si el 25% o más no tiene fuente de MQL adjunta, su atribución está rota antes de que lo esté su embudo.

5. No-shows en demos. Los SQL están siendo agendados, pero el 40% de las demos son no-shows. Prueba: cuente reservas de demo frente a demos completadas en los últimos 30 días. Lo saludable es del 70 al 85% de completado. Por debajo del 60% y el flujo de reservas necesita una secuencia de confirmación, recordatorios de calendario y una oferta de reagendamiento el mismo día.

6. Inflación de MQL por puntuación de umbral bajo. Alguien bajó el umbral para "alcanzar el número". El volumen sube, la conversión se desploma. Prueba: vuelva a ejecutar su modelo de puntuación con el umbral del trimestre anterior y recalcule MQL a SQL. Si la conversión era del 14% entonces y es del 9% ahora, no obtuvo más MQL. Obtuvo más leads reetiquetados como MQL.

Cada uno de estos toma una semana para probar. Hágalos en orden. No ejecute los seis en paralelo, porque no sabrá qué corrección movió el número.

Forense de atribución en HubSpot, Salesforce y Rework

La atribución es donde la mayoría de los demand gen managers se atascan. Hay tres modelos, y tendrá debates sobre cuál es el "correcto" por el resto de su carrera.

Primer contacto le acredita a la campaña que trajo al prospecto a su base de datos. Bueno para medir campañas de parte superior del embudo. Malo para medir la velocidad del ciclo de venta.

Último contacto le acredita a la campaña que convirtió el MQL a SQL o el SQL a oportunidad. Bueno para medir campañas de asistencia a ventas. Malo para medir branding y creación de demanda.

Multitáctil distribuye el crédito entre todos los puntos de contacto del recorrido, ponderado por posición o por algún modelo de atribución (en W, en U, por decaimiento temporal). El más "preciso" en teoría, el más difícil de defender en una reunión de consejo porque nadie entiende la ponderación.

La respuesta correcta es reportar dos vistas (primer contacto y multitáctil) y elegir una para el consejo. Dígale al GM cuál está eligiendo y por qué. La mayoría de los equipos de demand gen de B2B SaaS se deciden por multitáctil (en forma de W: 30% primer contacto, 30% contacto de creación del lead, 30% contacto de creación de oportunidad, 10% otros) porque acredita tanto el trabajo de reconocimiento como el de conversión. Úselo de manera consistente durante un año antes de cambiar de modelo.

Dónde difieren los tres CRM:

HubSpot vincula campañas a contactos mediante hs_analytics_first_url y un objeto de membresía de campaña. Las transiciones de etapa del ciclo de vida son la columna vertebral. La parte difusa es la ventana de traspaso SDR. No hay una marca de tiempo nativa de "MQL a SDR trabajado" a menos que la construya como propiedad personalizada. La mayoría de los equipos la arman con marcas de tiempo de finalización de tareas e historial de Etapa del Ciclo de Vida. Funciona, pero pierde en los bordes.

Salesforce tiene Campaign Influence (multitáctil) y Primary Campaign Source (primer contacto) integrados. La fuga está entre la conversión de Lead y la creación de Oportunidad. Si sus AE convierten Leads a Contactos sin crear una Oportunidad el mismo día, la conexión campaña-a-pipeline se rompe a menos que haya configurado las reglas de Campaign Influence para rellenar retroactivamente. La mayoría de las organizaciones de Salesforce tienen esto mal configurado.

El CRM de Rework está construido alrededor de una línea de tiempo de contacto unificada que incluye el estado de trabajo del SDR, los eventos de distribución de leads y la creación de oportunidades como objetos de primera clase en lugar de propiedades cosidas. La brecha de traspaso de SDR que HubSpot y Salesforce dejan difusa está cerrada por defecto. Puede ver el minuto exacto en que se asignó un MQL, el SDR que lo recibió, el primer contacto y el camino hasta SQL. Para equipos medianos (20 a 500 empleados) que operan Marketing y Ventas en el mismo sistema, eso cierra la brecha de atribución sin un proyecto de propiedades personalizadas. Rework CRM comienza en $12 por usuario al mes.

El rastreo en vivo. Elija una oportunidad ganada cerrada. Rastréela hacia atrás: creación de oportunidad, conversión a SQL, disparador de MQL, primer envío de formulario de contacto, primera fuente de sesión. Haga ese rastreo con su AE y SDR. Dos veces por trimestre, hágalo en vivo con el GM. Es la mejor manera única de enseñarle al GM qué significa realmente la atribución y de exponer dónde se pierden datos.

La revisión mensual del embudo con el GM

Su revisión mensual del embudo cabe en una página. Si no, está reportando demasiado.

Parte superior del embudo. Volumen total de MQL, combinación de fuentes (las 5 principales por volumen y por conversión) y comentario de una línea sobre el mayor cambio.

Parte media del embudo. MQL a SQL por segmento (SMB, Medio, Enterprise), cumplimiento del SLA (% de MQL trabajados dentro del SLA) y el corte por antigüedad de persona.

Parte inferior del embudo. SQL a Oportunidad, Oportunidad a Ganada Cerrada, velocidad promedio (días de MQL a cierre) y contribución al pipeline vinculada a fuentes de demand gen.

La línea de diagnóstico. Termine cada revisión con una hipótesis nombrada que esté investigando este mes. No cinco. Una. "Estamos probando si la brecha de cobertura de SDR los martes explica la caída del 8% en MQL a SQL. Si es así, reajustaremos la cobertura para el 15 de mayo y revisaremos en junio."

Eso es todo. Una página, cuatro secciones, un diagnóstico. El GM puede revisarla en 90 segundos, hacer dos preguntas y salir sabiendo en qué está enfocado usted.

Lo que no pone en esta revisión: informes de rendimiento a nivel de campaña (esos van a la reunión de pie de marketing), CTR y CPL por creatividad de anuncios (esos van a su revisión de rendimiento semanal con el equipo de paid) y cualquier dashboard con más de 12 números. El GM no quiere datos crudos. El GM quiere un diagnóstico.

Lo que esto le gana

El volumen es la historia que cuenta en la reunión de pie de marketing. El forense de conversión es la historia que cuenta en la mesa de ingresos.

Cuando entra a una revisión trimestral del negocio y dice "el volumen de MQL subió un 32%, pero nuestro MQL a SQL de paid social es del 4% frente a un benchmark del 12%, y la brecha de cobertura de SDR los martes nos está costando 60 SQL por trimestre, esto es lo que estamos probando", ha dejado de ser el demand gen manager que reporta leads. Se ha convertido en el operador que diagnostica problemas del pipeline con el mismo rigor que ventas usa para diagnosticar el deterioro de operaciones.

Ese es el asiento en la mesa. Los números lo ganan.

Más información