MQL лид
Что такое MQL-лид
Marketing Qualified Lead и его роль в воронке продаж
MQL стоит между обычным лидом и SQL. Обычный лид — контакт, который оставил email или зашёл на сайт: качество тут никто не оценивал. MQL — тот же контакт, но уже отфильтрованный по поведению и профилю, потому что у маркетинга накопилось достаточно сигналов, чтобы не считать интерес случайным.
У MQL простая функция в воронке: он снимает с продаж работу с холодной базой. Отдел продаж получает только тех, кто с высокой вероятностью станет клиентом, а не всю входящую массу подряд. Это экономит время менеджеров и поднимает конверсию звонка в сделку.
Чем MQL отличается от inbound-лида
Inbound-лид — любой контакт, пришедший через входящий канал: заполнил форму, написал в чат, позвонил сам. Канал здесь ключевой признак, не качество лида. Среди inbound-лидов попадаются студенты, конкуренты, разработчики без бюджета: причина оставить контакт может быть любой.
MQL — это уже отфильтрованный inbound (или outbound) лид, прошедший через модель скоринга. Не каждый inbound становится MQL, но почти каждый MQL начинается как inbound-контакт. Разница в том, что MQL проходит через измеримый порог, который отделяет случайный интерес от квалифицированного.
Основные критерии квалификации MQL-лида
Поведенческие маркеры (скачивания, просмотры страниц, посещение вебинаров)
Поведение лида на сайте и в коммуникациях — первый источник сигналов для MQL:
- скачивание прайса, кейса или white paper;
- повторные визиты на страницу тарифов;
- участие в вебинаре целиком, а не выход после первых минут;
- переход по ссылкам в email-рассылке;
- запрос демо или обратного звонка.
Демографические и фирмографические данные (должность, ниша, размер компании)
Поведение показывает интерес, но не показывает, может ли контакт вообще принять решение о покупке. Для этого нужны другие данные:
- должность и уровень принятия решений (ЛПР или нет);
- ниша компании и её соответствие целевому профилю (ICP);
- размер компании — штат, оборот, количество точек;
- регион и наличие бюджета на категорию продукта.
Контакт с сильным поведением, но без полномочий закупки, редко доходит до сделки. Эти данные отсекают такие случаи ещё до передачи в продажи.
Как провести скоринг лидов
Скоринг — система баллов, которая переводит разрозненные сигналы в одно число. Каждому критерию присваивают вес. Например: посещение страницы тарифов даёт 15 баллов, скачивание кейса — 10, должность руководителя — 20, а несоответствие ICP отнимает 20.
Сумму баллов сравнивают с порогом. Ниже порога лид остаётся в базе для дальнейшего прогрева email-рассылкой, выше — получает статус MQL и уходит в продажи. Порог задают эмпирически: маркетинг сверяет исторические данные о баллах у лидов, дошедших до сделки, и калибрует модель под эти цифры.
Главные отличия MQL и SQL (таблица сравнения)
| Критерий | MQL | SQL |
|---|---|---|
| Кто квалифицирует | Маркетинг | Продажи |
| Что подтверждено | Интерес к теме, соответствие профилю | Реальная потребность и бюджет |
| Источник данных | Поведение на сайте, фирмографика | Разговор с менеджером, ответы на вопросы |
| Готовность к покупке | Не подтверждена | Подтверждена намерением |
| Следующий шаг | Передача в отдел продаж | Формирование предложения / КП |
| Типичная конверсия дальше | В SQL | В сделку |
Способы передачи лидов MQL из маркетинга в отдел продаж
Понятие SLA (Service Level Agreement) между отделами
SLA между маркетингом и продажами фиксирует взаимные обязательства двух отделов. Маркетинг указывает, сколько MQL в месяц поставляет и по каким критериям они квалифицированы, а продажи — за какое время обязаны связаться с новым MQL: обычно от 5 минут до нескольких часов, в зависимости от канала.
В SLA также прописывают правило эскалации: что происходит, если менеджер не дозвонился с первой попытки, сколько попыток положено сделать и через сколько дней лид возвращается в маркетинг для повторного прогрева. Без этого документа лиды теряются на стыке отделов. Никто не считает себя ответственным за конкретный контакт.
Почему продажи могут отклонить MQL-лид
Отдел продаж возвращает часть MQL с пометкой «не подходит». Основные причины:
- компания не попадает в ICP по размеру или нише;
- контакт не имеет полномочий на закупку;
- бюджет отсутствует или несопоставим с ценой продукта;
- лид уже клиент или изучает продукт для конкурента;
- признаки бота или случайного заполнения формы.
Высокая доля отказов у одного менеджера не всегда говорит о качестве лидов. Стоит для начала прослушать несколько его звонков: возможно, дело в том, как он ведёт разговор, а не в самом лиде.
Метрики эффективности работы с MQL
Какая конверсия из MQL в SQL считается эталонной
В B2B ориентир — конверсия из MQL в SQL на уровне 25–30%. Ниже этой отметки стоит пересматривать модель скоринга: либо порог занижен и в продажи попадают слабые лиды, либо критерии не отражают реальный профиль покупателя. Выше 40% обычно означает обратное: порог MQL завышен, и часть годных лидов маркетинг придерживает для дополнительного прогрева вместо того, чтобы передать их дальше.
Время обработки лида
Скорость первого контакта напрямую влияет на конверсию: чем дольше лид ждёт звонка после того, как стал MQL, тем сильнее остывает его интерес. Разрыв в несколько часов между появлением лида и звонком менеджера — частая причина потерь, особенно на входящих заявках.
Автоматизация первого контакта (моментальное уведомление менеджеру или автоматический звонок сразу после присвоения статуса) сокращает этот разрыв.
Гайд: матрица квалификации MQL-лидов
| Критерий | Баллы |
|---|---|
| Скачал прайс, кейс или white paper | +10 |
| Посетил страницу тарифов 2+ раза | +15 |
| Запросил демо или обратный звонок | +25 |
| Участвовал в вебинаре полностью | +10 |
| Открыл 3+ письма рассылки | +5 |
| Должность — ЛПР (директор, руководитель отдела) | +20 |
| Компания соответствует ICP по размеру и нише | +15 |
| Нет бюджета или контакт не ЛПР | −20 |
| Признаки бота / случайного заполнения формы | −30 |
Матрица не даёт готовое решение. Откалибруйте вес каждого критерия под собственную воронку через 2–3 месяца: сверяют баллы прошедших MQL с тем, кто из них дошёл до сделки. Чем больше реальных сделок проходит через эту проверку, тем точнее модель отражает, кто на самом деле готов разговаривать с продажами.