Español

MQL vs SQL: Diferencias y Cómo Definir Cada Uno

Ciclo de vida del lead de MQL a SQL a oportunidad con el traspaso entre marketing y ventas

MQL vs SQL es una de las definiciones más debatidas en el GTM B2B, y la mayoría de esos debates ocurren porque los dos términos nunca se acordaron formalmente. Si marketing y ventas están discutiendo sobre la calidad de los leads, la solución no es mejor higiene del CRM ni una nueva herramienta de puntuación. Es una definición escrita y compartida en la que ambos equipos estén de acuerdo.

¿Qué Es un MQL?

Un lead calificado por marketing (MQL) es un lead que ha superado un umbral de interés explícito acordado por marketing, pero que aún no está listo para ventas. El umbral suele ser una combinación de señales de ajuste con el comprador (tamaño de empresa, industria, cargo) y señales de comportamiento (visitas a páginas, descargas de contenido, asistencia a webinars) que juntas sugieren una intención real.

¿Qué Es un SQL?

Un lead calificado por ventas (SQL) es un lead que un representante de ventas ha revisado y aceptado como un prospecto real que vale la pena perseguir. Significa que el representante cree que el lead tiene una necesidad confirmada, autoridad de decisión y un plazo realista para comprar. La palabra clave es "aceptado": un SQL es una decisión humana, no simplemente una puntuación.

MQL vs SQL de un Vistazo

Dimensión MQL SQL
Responsable Equipo de marketing Equipo de ventas
Tipo de señal Ajuste comportamental + firmográfico Necesidad + autoridad + plazo confirmados
Cómo se establece Umbral de puntuación (puntos o reglas) Revisión del representante (BANT, MEDDIC o equivalente)
Acción desencadenada Enrutado a ventas para revisión El representante abre una oportunidad activa
KPI principal Volumen de MQLs, tasa MQL a SQL Tasa SQL a oportunidad, cobertura de pipeline
Razón de rechazo común ICP incorrecto, señales de intención bajas Sin presupuesto, sin autoridad, plazo incorrecto

El ciclo de vida del lead: visitante, lead, MQL, SAL, SQL, oportunidad, cliente

Datos Clave

Datos Clave: MQL vs SQL

  • El LinkedIn B2B Marketing Benchmark 2024 encontró que, en promedio, solo entre el 25% y el 30% de los MQLs se convierten en SQLs en empresas B2B, con los equipos del cuartil superior alcanzando entre el 35% y el 40%. (LinkedIn, 2024)
  • El Revenue Waterfall B2B de Forrester sigue siendo el framework más citado para el flujo de traspaso MQL-SAL-SQL, con la etapa SAL como la puerta crítica de aceptación/rechazo. (Forrester, 2023)
  • La encuesta CSO 2024 de Gartner reportó que la alineación entre ventas y marketing sobre las definiciones de leads es la palanca de mayor impacto para mejorar las tasas de conversión del pipeline. (Gartner, 2024)

El Ciclo de Vida del Lead: Dónde Encajan MQL y SQL

Las etapas del ciclo de vida del lead típicamente atraviesan siete etapas. Entender dónde se encuentran el MQL y el SQL dentro de ese embudo ayuda a ambos equipos a comprender quién es responsable de qué.

  • Visitante: alguien que llega a su sitio web o contenido sin identidad adjunta.
  • Lead: un visitante que ha compartido información de contacto (envío de formulario, registro a evento, etc.).
  • MQL: un lead que ha alcanzado el umbral de interés y ajuste acordado; marketing lo pasa a ventas.
  • SAL (Lead Aceptado por Ventas): un lead que un representante ha revisado y reconocido. La etapa SAL es el recibo del traspaso: el representante aún no lo ha trabajado, pero ha confirmado que vale la pena hacerlo.
  • SQL: un lead que el representante ha calificado con una llamada de descubrimiento o criterios estructurados (BANT, MEDDIC, etc.) y aceptado como un prospecto real.
  • Oportunidad: un SQL con un negocio definido: presupuesto confirmado, siguiente paso acordado, etapa del pipeline establecida.
  • Cliente: un negocio ganado.

La brecha entre MQL y SQL es donde ocurren la mayoría de las fugas del pipeline. Sin una etapa SAL, no se sabe si el problema es la calidad de los leads (marketing) o el seguimiento del representante (ventas).

Cómo Definir un MQL

Una definición de MQL que ambos equipos respeten debe construirse conjuntamente, no imponerse por parte de marketing. Aquí hay un enfoque de cinco pasos:

Paso 1: Elija las 2 o 3 Señales de Ajuste con el Comprador

Elija los atributos firmográficos o demográficos que describan su perfil de cliente ideal (ICP). Opciones comunes: rango de ingresos de la empresa, número de empleados, vertical de industria, cargo o nivel de seniority, geografía. Limítelas a tres para que la puntuación sea legible.

Paso 2: Elija las 2 o 3 Señales de Intención

Las señales de intención son eventos de comportamiento que sugieren un interés activo. Elija eventos vinculados a una intención de compra real, no al consumo pasivo. Señales fuertes: visitó la página de precios, reservó una demo, vio 3 o más páginas de producto en 7 días, descargó un recurso de la parte inferior del embudo. Señales débiles: abrió un newsletter, visitó la página de inicio una vez.

Paso 3: Establezca un Umbral de Puntuación

Asigne valores de puntos a las señales de ajuste e intención, luego establezca la puntuación mínima que activa el estado de MQL. Un modelo común: puntuación de ajuste (0 a 50 puntos) + puntuación de comportamiento (0 a 50 puntos) = 100 puntos totales; MQL con 60 o más. Ejecute el umbral con 3 meses de datos históricos antes de lanzarlo. Si marca más del 20% de sus leads como MQLs, es demasiado flexible.

Paso 4: Acuerde el SLA con Ventas

Un MQL sin un SLA de tiempo de respuesta a leads es solo un número en una base de datos. Ventas necesita comprometerse a revisar cada MQL dentro de una ventana definida (típicamente 24 horas para inbound, 48 horas para outbound asistido). Marketing necesita comprometerse a marcar los rechazos de MQL y usar el feedback para mejorar el lead scoring.

Paso 5: Revise Mensualmente

Los modelos de lead scoring se desactualizan. El comportamiento del comprador cambia, su ICP evoluciona, las campañas cambian. Establezca una cadencia de revisión mensual donde marketing y ventas comparen las tasas de conversión MQL a SQL por fuente, segmento y banda de puntuación. Ajuste los umbrales basándose en datos, no en intuición.

Ejemplo: Acme SaaS define un MQL como: puntuación de ajuste ICP de 60 o superior (empresa de 50 a 500 empleados, industria SaaS o tecnológica, cargo VP o superior) Y al menos uno de: reservó una demo, vio la página de precios dos veces en 7 días, o descargó la calculadora de ROI.

Cómo Definir un SQL

Una definición de SQL le da a ventas una puerta consistente que aplicar antes de abrir un negocio. Sin ella, cada representante califica de manera diferente y la cobertura del pipeline pierde su significado.

Paso 1: Elija un Framework de Calificación (BANT, MEDDIC, etc.)

Los frameworks de calificación de leads como BANT (Presupuesto, Autoridad, Necesidad, Plazo) o MEDDIC (Métricas, Comprador Económico, Criterios de Decisión, Proceso de Decisión, Identificar Dolor, Campeón) le dan a los representantes una lista de verificación consistente. Elija uno y capacite en torno a él. BANT funciona bien para ventas transaccionales simples. MEDDIC se adapta a negocios empresariales complejos donde múltiples partes interesadas influyen en el resultado.

Paso 2: Decida los Criterios Mínimos de Ajuste

No todas las casillas de BANT necesitan marcarse, pero algunas son innegociables. Decida: ¿cuál es el ajuste mínimo con el ICP que necesita un lead para calificarse como SQL? Los mínimos típicos: número de empleados por encima de un umbral determinado, rango de presupuesto que cubra el tamaño de su negocio, responsable de la decisión o un influenciador fuerte en el contacto.

Paso 3: Decida los Criterios Mínimos de Interés

El interés es lo que separa un lead calificado de un prospecto calificado. Un lead que encaja con su ICP pero no tiene una necesidad activa no merece que se le abra un negocio. Los criterios mínimos de interés podrían incluir: reconoció un punto de dolor específico en el descubrimiento, tiene un proyecto o iniciativa vinculado a su solución, tiene un plazo de decisión en los próximos dos trimestres.

Paso 4: Documente los Motivos de Rechazo

Cada SAL rechazado debe llevar un motivo de rechazo estructurado. Categorías comunes: sin presupuesto, nivel de autoridad incorrecto, sin necesidad activa, mal momento, ya trabaja con un competidor. Estos datos se retroalimentan a marketing para mejorar los programas de lead nurturing y la segmentación del ICP.

Paso 5: Establezca un SLA de 24 Horas para el Outreach

Una vez que un lead alcanza el estado de SQL, el reloj empieza. La velocidad de respuesta reduce drásticamente las tasas de conversión. Incorpore el SLA de 24 horas en su flujo de trabajo del CRM para que los representantes reciban recordatorios automáticos y los gerentes puedan monitorear el cumplimiento.

Criterios de puntuación MQL vs SQL: comportamiento + ajuste ICP se convierte en MQL; necesidad + autoridad + plazo se convierte en SQL

Conversión MQL a SQL: ¿Cuál Es una Buena Tasa?

La tasa MQL a SQL mide qué porcentaje de los leads que marketing califica son realmente aceptados por ventas.

Tasa MQL a SQL = SQLs generados / MQLs pasados a ventas

Benchmarks de la industria para B2B SaaS:

  • Cuartil superior: 35 a 40%
  • Mediana: 25 a 30%
  • Por debajo del promedio: menos del 15%

Si su tasa está por debajo del 15%, los culpables más comunes son: umbral de MQL establecido demasiado bajo, segmentación ICP deficiente en las campañas, o ningún bucle de feedback de rechazo de ventas a marketing. Si está por encima del 40%, verifique si el umbral de MQL es demasiado restrictivo y está enviando pocos leads.

Una tasa baja de MQL a SQL es casi siempre un problema compartido. Marketing puede estar generando volumen por encima de calidad. Pero ventas también puede estar seleccionando los mejores leads o aplicando criterios inconsistentes. La única manera de diagnosticarlo es rastrear los rechazos por motivo y revisarlos conjuntamente.

Errores Comunes de MQL y SQL

  • Perseguir volumen sobre calidad. Inflar los recuentos de MQL para alcanzar una métrica hace que la tasa SQL parezca peor y erosiona la confianza de ventas en los leads de marketing.
  • Sin SLA en la revisión de MQL. Los MQLs que permanecen sin revisar durante días pierden su intención. Un lead que reservó una demo y no recibió ninguna llamada durante 72 horas ya siguió adelante.
  • Bucle de feedback de rechazo ausente. Si ventas no puede rechazar un MQL con un código de motivo, marketing no tiene señal para mejorar. El bucle de feedback es lo que hace de la gestión de leads un sistema en lugar de una cinta transportadora unidireccional.
  • Sin dashboard compartido. Marketing observa el volumen de MQLs. Ventas observa el pipeline. Sin una vista compartida que muestre MQL a SQL a oportunidad, ningún equipo ve el panorama completo.
  • Puntuación que nunca se actualiza. Un modelo de puntuación construido en el año uno refleja el comportamiento del comprador del año uno. Si no lo ha tocado desde entonces, casi con certeza es incorrecto.
  • Omitir la etapa SAL. Sin un traspaso formal de aceptación/rechazo, no puede saber si los problemas del pipeline son un problema de calidad de leads o de ejecución de ventas.

Cómo Deben Alinearse Marketing y Ventas en las Definiciones

Llegar a una definición compartida de MQL/SQL no es una reunión de una sola vez. Es un ritmo operativo continuo. Esto es lo que realmente funciona:

  1. Revisión semanal del traspaso. Una reunión permanente de 30 minutos donde marketing y ventas revisan las conversiones de MQL a SQL de la semana anterior, los rechazos y los motivos de rechazo. Manténgala enfocada en datos, no en culpas.
  2. Dashboard compartido. Ambos equipos deben ver la misma vista del embudo: MQLs creados, SALs aceptados, SQLs abiertos, oportunidades creadas, ganados. Úselo para detectar dónde se están perdiendo los leads.
  3. SLA en tiempo de respuesta. Incorpore el SLA de respuesta a MQL en el flujo de trabajo del CRM. Construya alertas de escalamiento para los representantes que no cumplan la ventana. Rastree el cumplimiento como una métrica de operaciones de ventas.
  4. Taxonomía de rechazo conjunta. Marketing y ventas acuerdan de antemano los códigos de motivo de rechazo. Esto evita que los representantes usen motivos vagos como "no es un buen ajuste" que no le dan nada a marketing para actuar.
  5. Re-puntuación trimestral. Cada trimestre, extraiga la tasa de MQL a SQL por banda de puntuación y segmento de ICP. Ajuste los umbrales para reflejar lo que realmente está convirtiendo. Así es como la puntuación se mantiene precisa con el tiempo.

Preguntas Frecuentes

¿Cuál es la diferencia entre un MQL y un SQL?

Un MQL es un lead que marketing ha marcado como que cumple un umbral de interés y ajuste acordado. Un SQL es un lead que ventas ha revisado, calificado y aceptado como un prospecto real. El MQL se basa en puntuación automatizada. El SQL es una decisión humana tomada por un representante.

¿Cuál es una buena tasa de conversión de MQL a SQL?

Para B2B SaaS, la mediana es del 25 al 30%. Los equipos del cuartil superior alcanzan del 35 al 40%. Cualquier cifra por debajo del 15% generalmente significa que el umbral de MQL es demasiado flexible, la segmentación del ICP es débil o no hay feedback de rechazo que llegue a marketing. Cualquier cifra por encima del 40% puede significar que el umbral de MQL es demasiado restrictivo y está enviando pocos leads a ventas.

¿Qué es un SAL y cómo encaja?

Un SAL (Lead Aceptado por Ventas) es la etapa entre MQL y SQL. Cuando un representante recibe un MQL, lo revisa y lo acepta (SAL) o lo rechaza con un código de motivo. La etapa SAL hace que el traspaso sea auditable y separa los problemas de calidad de los leads de los problemas de ejecución de ventas. Sin ella, marketing y ventas no tienen datos compartidos para diagnosticar los fallos de conversión.

¿Quién es dueño del MQL y quién es dueño del SQL?

Marketing es dueño del MQL: define el umbral, ejecuta la puntuación y es responsable del volumen de MQLs y la tasa MQL a SQL. Ventas es dueño del SQL: los representantes establecen los criterios de calificación (dentro del framework acordado), revisan los MQLs entrantes y son responsables de la conversión de SQL a oportunidad. La propiedad compartida del SLA de traspaso recae en las operaciones de ingresos o en quien dirija la reunión de alineación semanal.

¿En qué se diferencia un SQL de una oportunidad?

Un SQL es un lead calificado que ventas ha aceptado. Una oportunidad es un negocio que se ha abierto en el CRM con una etapa definida, un valor esperado y un siguiente paso. Un SQL se convierte en oportunidad cuando el representante ha confirmado el presupuesto y ha abierto un registro de negocio formal. No todo SQL se convierte en oportunidad: algunos se descalifican durante el descubrimiento antes de que se abra un negocio.

El traspaso entre marketing y ventas seguirá generando fricción mientras MQL y SQL permanezcan vagamente definidos. Definir ambos con precisión es uno de los movimientos de mayor impacto disponibles para un equipo de ingresos. Una definición compartida, un SLA, una taxonomía de rechazo y una cadencia de revisión semanal: ese es el sistema completo. Empiece ahí, y el juego de culpas se detiene casi solo.