Como este tema funciona na sua empresa
Definição leve com um a dois critérios firmográficos (porte e cargo, por exemplo) e um critério comportamental (sinal de interesse — solicitação de contato, download de material de fundo de funil, abertura de sequência de email). Sem necessidade de lead scoring numérico complexo nem ferramenta robusta — uma regra clara em planilha ou em campo do CRM já basta. Reunião trimestral de uma hora com marketing e vendas revisa critérios, calibra o filtro e ajusta. Ferramentas acessíveis: RD Station Marketing, HubSpot Starter, Brevo, ActiveCampaign.
Modelo formal com lead scoring numérico (cinco a 10 critérios pontuados), SLA documentado entre marketing e vendas, painel compartilhado de funil e revisão mensal de calibração. Ferramenta de automação executa o scoring (HubSpot, RD Station Marketing, Pardot). Critérios de aceitação e rejeição padronizados no CRM. Taxa de aceitação (MQL?SAL) e taxa de conversão (MQL?SQL) são reportadas mensalmente como indicadores de saúde do funil. RevOps começa a se desenhar como função, mesmo em estágio inicial.
Múltiplas definições de MQL por linha de negócio, segmento de cliente (small, mid-market, enterprise) e mercado geográfico. Lead scoring preditivo com modelos de machine learning calibrados continuamente em dados históricos. Equipe dedicada de RevOps governa as definições; SLA é contrato interno entre lideranças, com indicadores em painel executivo. Stack robusto (Salesforce + Marketo, Salesforce + Pardot, HubSpot Enterprise) integrado ao data warehouse e a ferramentas de business intelligence.
MQL e SQL: definição compartilhada
MQL (Marketing Qualified Lead) é o lead que marketing considera com fit e intenção suficientes para vendas abordar, com base em critérios firmográficos e comportamentais; SQL (Sales Qualified Lead — não confundir com a linguagem SQL de banco de dados) é o lead já aceito por vendas como oportunidade real após qualificação inicial via frameworks como BANT, MEDDIC ou GPCT — sendo que toda definição funcional de MQL e SQL exige acordo formal entre as duas áreas, ritual de revisão periódica e métricas compartilhadas que indiquem quando a definição precisa ser ajustada.
Por que MQL e SQL sem acordo formal não funcionam
O problema mais comum em operações de inbound não é falta de leads — é desalinhamento entre marketing e vendas sobre o que conta como lead de qualidade. Marketing entrega volume seguindo a própria definição; vendas trabalha o que considera bom e descarta o resto silenciosamente. As duas áreas se cobram em reunião, sem que ninguém tenha em mãos a definição compartilhada que ancore a discussão.
MQL e SQL existem para resolver exatamente isso. Não são rótulos arbitrários — são acordos. Marketing diz "leads que atendem a estes critérios são MQL", vendas concorda "vou tratar todo MQL com SLA de tempo de resposta de 24 horas e registrar motivo se rejeitar". O acordo é escrito, versionado e revisado. Sem essa formalização, qualquer treinamento sobre inbound vira teoria desligada da operação.
Antes de prosseguir, vale um esclarecimento: a sigla SQL aqui é Sales Qualified Lead, não a linguagem de consulta a banco de dados. Em time de marketing, contexto resolve a ambiguidade; em conversas que envolvem TI, vale explicitar.
O que define um MQL
MQL combina dois eixos: fit (a empresa e a pessoa correspondem ao perfil ideal de cliente?) e intenção (a pessoa mostrou sinais ativos de interesse?).
Fit firmográfico. Características objetivas da empresa e da pessoa. Para empresa: setor, porte (faturamento, número de funcionários), localização, estágio (startup, estabelecida, multinacional). Para pessoa: cargo, função, senioridade, área de atuação. Exemplo prático: para empresa que vende plataforma de gestão para indústria média, critérios firmográficos típicos são "indústria de manufatura ou alimentos, 50 a 500 funcionários, Brasil, cargo de diretor industrial, gerente de operações ou C-level operacional".
Intenção comportamental. Sinais que indicam interesse ativo. Tipos: visitas a páginas de fundo de funil (preço, comparativo, casos de uso), downloads de material avançado (estudo de caso, demonstração interativa, guia técnico), abertura repetida de email de nutrição, solicitação de demonstração ou contato, participação em webinar, uso de calculadora ou simulador no site. Cada sinal pode receber peso diferente.
O conjunto importa. Lead com fit perfeito mas sem intenção é "ICP frio" — empresa certa, momento errado. Lead com intenção alta mas sem fit é "engajado mas não-cliente" — perde tempo de vendas. MQL útil reúne os dois eixos.
O que define um SQL
SQL é o passo seguinte. Após receber o MQL, vendas conduz qualificação inicial (geralmente via SDR — sales development representative — ou executivo de contas em B2B). Nessa qualificação, vendas valida critérios que marketing não consegue confirmar à distância: orçamento real, identidade do decisor, urgência efetiva, encaixe entre necessidade e produto.
Frameworks que estruturam essa qualificação:
BANT (Budget, Authority, Need, Timing). Origem IBM, ainda usado em B2B simples. Pergunta: tem orçamento? É decisor? Tem necessidade real? Quando precisa resolver?
MEDDIC (Metrics, Economic Buyer, Decision Criteria, Decision Process, Identify Pain, Champion). Mais sofisticado, usado em vendas enterprise. Adiciona métricas (que indicador a solução vai mover?), processo de decisão (quantas etapas?) e champion (aliado interno).
GPCT (Goals, Plans, Challenges, Timeline). Mais consultivo, focado em entender objetivos e contexto do cliente. Comum em metodologia HubSpot.
Independentemente do framework, SQL é o lead que passou pela qualificação inicial e foi reconhecido como oportunidade real. Vendas assume responsabilidade por ele e o move adiante no funil. Se a qualificação falhar (não tem orçamento, não é decisor, prazo irreal), o lead pode ser rejeitado com motivo registrado.
Critérios típicos: o que entra no scoring
Operações que adotam lead scoring numérico combinam critérios em pontuação. Lista comum para B2B:
Cargo. C-level: 40 pontos. Diretor: 30 pontos. Gerente: 20 pontos. Analista: 10 pontos. Outros: 0.
Porte da empresa. Dentro do ICP (50 a 500 funcionários, por exemplo): 30 pontos. Acima ou abaixo do ICP: -10 pontos. Sem informação: 0.
Setor. Setor-alvo: 25 pontos. Setor adjacente: 10 pontos. Fora do escopo: -20 pontos.
Localização geográfica. Mercado-alvo: 15 pontos. Fora do mercado-alvo: -30 pontos (bloqueia o lead).
Sinais comportamentais. Visita à página de preço: 25 pontos. Download de estudo de caso: 20 pontos. Solicitação de contato: 50 pontos (frequentemente vira MQL direto). Abertura de 5+ emails da sequência: 15 pontos.
Corte de MQL. Soma acima de 100 pontos: vira MQL. Operações ajustam o corte com base em dados históricos — corte muito baixo gera MQL fraco; corte muito alto reduz volume excessivamente.
Critérios são ponto de partida — calibração ajusta pesos e cortes com base no que efetivamente converte. Operações maduras revisam pesos a cada trimestre.
Modelo de três critérios: cargo (gerência ou acima), setor (dentro do ICP) e um sinal comportamental (solicitação de contato, download de estudo de caso, ou três visitas à página de preço em duas semanas). Sem pontuação numérica — regra booleana "atende aos três critérios" ou "não atende". Ferramenta: RD Station Marketing, HubSpot Starter ou ActiveCampaign. Reunião trimestral de uma hora com marketing e vendas revisa últimos 20 MQLs, identifica falsos positivos, ajusta.
Lead scoring com cinco a 10 critérios numéricos, pontuação somatória, corte explícito (tipicamente 80 a 120 pontos). Ferramenta de automação executa o scoring automaticamente. SLA documentado: tempo de resposta de vendas (24 horas), motivos válidos de rejeição (lista fechada de 5 a 8 motivos), cadência de revisão. Painel mensal: volume de MQL, taxa de aceitação, taxa de conversão MQL?SQL, motivos de rejeição. Calibração mensal de 90 minutos.
Múltiplas definições por segmento, linha de negócio e mercado. Lead scoring preditivo com modelos de machine learning treinados em dados históricos (centenas de milhares de leads). RevOps governa critérios e modelo. Calibração contínua. Painéis em tempo real integrados ao data warehouse, ao CRM e à plataforma de marketing. Stack típico: Salesforce + Marketo (ou Salesforce + Pardot, ou HubSpot Enterprise + Salesforce). Investimento de centenas de milhares de reais por ano em stack e equipe.
SLA: o contrato entre marketing e vendas
SLA (Service Level Agreement) formaliza expectativas mútuas em documento escrito. Sem SLA, marketing e vendas operam em entendimentos verbais que se desfazem em momentos de pressão.
O que um SLA bem feito cobre:
Definição operacional de MQL. Lista exata dos critérios, com pesos quando há scoring numérico, e o corte que define MQL. Sem ambiguidade — termos vagos como "perfil aderente" ou "lead engajado" não entram.
Volume mensal contratado. Quantos MQLs marketing se compromete a entregar por mês. Compromisso bilateral: vendas se compromete a receber, contatar e processar esse volume com tempo de resposta acordado.
Tempo de resposta de vendas. Quanto tempo após o lead virar MQL, vendas precisa fazer a primeira tentativa de contato. Padrão: 24 horas em B2B com ciclo médio; mais rápido em produto transacional. Pesquisa do Lead Response Management mostra queda significativa de probabilidade de conversão após 30 minutos da chegada do lead.
Critério de aceitação e rejeição. Quais motivos são válidos para vendas rejeitar um MQL como SAL. Lista fechada — "não corresponde ao ICP", "dados incorretos", "lead já é cliente", "não conseguimos contato após 5 tentativas", "lead solicitou não ser contatado". "Não me pareceu bom" não entra.
Tempo máximo para retorno do MQL não aceito. Se vendas rejeitar, marketing recebe o feedback dentro de prazo definido (típico: 48 a 72 horas) para colocar o lead em nutrição ou em outro fluxo apropriado.
Cadência de revisão. Reunião mensal ou trimestral entre lideranças com pauta padrão (métricas, falsos positivos, falsos negativos, ajustes).
SLA é vivo: revisado a cada trimestre ou em mudanças relevantes (lançamento de produto, ajuste de ICP, mudança de equipe).
Ritual de revisão: como calibrar a definição
A definição de MQL e SQL não está pronta no primeiro mês. Calibração é parte estrutural da operação, não trabalho extra.
Cadência. Mensal em operação em construção, trimestral em operação madura. Em momentos de mudança (novo produto, novo segmento, mudança de stack), aumentar frequência.
Participantes. Gerente de marketing, gerente de vendas, RevOps (quando existe), analista de operações. Em grandes empresas, CMO e CRO em reuniões estratégicas trimestrais.
Pauta padrão. Cinco blocos.
Primeiro: métricas do período. Volume de MQL gerado, taxa de aceitação (SAL/MQL), taxa de conversão (SQL/MQL), tempo médio de qualificação, motivos de rejeição mais frequentes, MQLs envelhecidos sem ação.
Segundo: análise de falsos positivos. MQLs que vendas rejeitou — quais critérios falharam? A pessoa parecia decisora mas não era? A empresa tinha porte certo mas estava em momento errado? Padrões nos rejeitados sugerem ajustes.
Terceiro: análise de falsos negativos. Oportunidades fechadas em que o lead inicial não foi MQL — chegou via outro canal (prospecção ativa, indicação, evento) ou foi MQL que marketing classificou abaixo do corte. Indica se o filtro está perdendo perfis válidos.
Quarto: ajustes de critério ou peso. Decisões versionadas: "peso do cargo de diretor aumenta de 30 para 40 a partir do próximo mês; novo critério: empresa em setor de tecnologia recebe +10". Versões registradas, com data e justificativa.
Quinto: próximos testes. Hipóteses para validar no próximo ciclo. Calibração funciona como experimentação: cada ajuste é hipótese, e os dados do próximo período confirmam ou refutam.
Métricas que indicam quando a definição precisa de ajuste
Seis métricas mostram a saúde da definição de MQL e SQL.
Taxa de aceitação (SAL/MQL). Porcentagem de MQLs que vendas aceita como SAL. Saudável: 60% a 85%. Abaixo: critérios precisam ser mais restritivos. Acima: pode ser conservadorismo demais.
Taxa de conversão MQL ? SQL. Porcentagem de MQLs que viram oportunidade real. Varia muito por setor — 10% a 25% em B2B com ciclo médio, mais em SaaS transacional.
Taxa SQL ? oportunidade fechada. Qualidade da qualificação de vendas e da execução comercial.
Tempo de qualificação (lead ? MQL). Tempos longos podem indicar critérios muito altos ou sinais comportamentais que demoram a se acumular.
MQL aging. MQLs sem ação após 30, 60 ou 90 dias. Sinal de gargalo: vendas saturada ou MQLs de baixa prioridade acumulando.
Motivos de rejeição em frequência. Se "não corresponde ao ICP" é o motivo dominante, marketing está enviando lead errado. Se "não conseguimos contato" é dominante, dados estão incompletos ou tempo de resposta está atrasado. Padrões nos motivos guiam ajustes.
Reciclagem: o que fazer com MQL não aceito
MQL rejeitado por vendas não é lead perdido. A maior parte dos motivos de rejeição é temporária — empresa estava no momento errado, não tinha orçamento naquele trimestre, decisor estava trocando, etc. Esses leads podem voltar a virar oportunidade em poucos meses.
Operações maduras estruturam reciclagem: cada motivo de rejeição direciona o lead para um fluxo específico de nutrição.
Motivo "lead frio": volta para fluxo de nutrição educacional padrão.
Motivo "sem orçamento neste trimestre": volta após 60 a 90 dias com material focado em retorno sobre investimento e casos de uso.
Motivo "decisor errado": marketing tenta identificar o decisor real e gerar contato qualificado.
Motivo "concorrente fechado recentemente": fluxo de longo prazo com material focado em diferenciais; vendas pode retomar quando contrato com concorrente estiver próximo de renovação.
Sem reciclagem estruturada, MQLs rejeitados acumulam em "cemitério" sem retorno — desperdício de geração de demanda.
Erros comuns que destroem a definição
Marketing define sozinho. Critérios desenhados sem envolvimento de vendas. Resultado previsível: vendas não reconhece a definição como válida, rejeita em massa ou ignora.
Sem revisão há mais de um ano. Definição feita na fundação da operação continua em uso, mesmo com mudanças no ICP, novos produtos, expansão geográfica. Filtro envelhece e degrada.
Threshold inflado para bater meta. Marketing reduz critérios para gerar volume e bater meta mensal de MQL. Vendas recebe leads piores, taxa de aceitação cai, qualidade do funil degrada. Sintoma: volume sobe, conversão a SQL cai.
Sem dashboard compartilhado. Marketing reporta MQL em um sistema; vendas reporta oportunidades em outro; ninguém vê o funil completo. Discussões viram disputa de números sem fonte única.
Critério único para tudo. Mesma definição para PME e enterprise, para produto novo e produto consolidado, para mercado doméstico e internacional. Granularidade insuficiente esconde performance heterogênea entre segmentos.
Sem feedback estruturado. Vendas rejeita MQL sem registrar motivo no CRM. Marketing fica cego sobre o que ajustar.
Sinais de que a definição de MQL e SQL precisa de revisão
Se três ou mais cenários abaixo descrevem a operação atual, é provável que a definição esteja desalinhada — vale conduzir ciclo de revisão com marketing e vendas.
- Vendas e marketing discordam recorrentemente sobre o que é "lead bom", sem resolução baseada em critério.
- Não há SLA documentado entre as duas áreas — entendimentos são verbais e mudam por gestor.
- Lead pula etapas — vai direto para vendas sem qualificação, ou marketing classifica como SQL sem aceitação de vendas.
- A definição de MQL não é revisada há mais de um ano, mesmo com mudanças no ICP ou no portfólio.
- Marketing bate meta mensal de MQL, mas vendas reclama recorrentemente da qualidade.
- Não existe painel compartilhado de funil — cada área usa números próprios.
- Critério de aceitação ou rejeição não está padronizado no CRM — vendas descarta MQL sem motivo registrado.
- MQLs rejeitados não retornam para nutrição — viram cemitério sem reciclagem estruturada.
Caminhos para estruturar MQL e SQL
A escolha entre conduzir internamente ou contratar consultoria de RevOps depende da maturidade analítica das lideranças, do volume de leads e da complexidade do stack.
Lideranças de marketing e vendas conduzem workshop conjunto para definir critérios, SLA e cadência. Operação técnica configura lead scoring na ferramenta de automação. Calibração trimestral entra na rotina. Funciona quando ambas as lideranças têm maturidade e tempo.
- Perfil necessário: CMO ou gerente de marketing + diretor ou gerente de vendas + analista de operações que opera a ferramenta de automação
- Quando faz sentido: empresa com operação consolidada, ferramenta de automação implementada, lideranças com maturidade analítica e disposição para alinhamento
- Investimento: tempo das lideranças (workshop 8 a 16 horas inicial) + recorrência (90 minutos por mês) + ferramenta de automação (R$ 1.500-12.000 por mês)
Consultoria de RevOps ou agência inbound enterprise conduz o desenho, ajuda a implementar lead scoring na ferramenta, calibra a definição com base em dados e treina o time. Acelera operação madura em meses.
- Perfil de fornecedor: consultoria de RevOps, agência inbound enterprise, escritório especializado em alinhamento marketing-vendas
- Quando faz sentido: empresa em alto crescimento, lideranças sobrecarregadas, stack complexo (Marketo, Pardot, Salesforce) ou múltiplas linhas de negócio
- Investimento típico: projeto de estruturação R$ 30.000-150.000 + acompanhamento mensal R$ 8.000-30.000
Sua empresa tem definição compartilhada de MQL e SQL com vendas?
O oHub conecta sua empresa a consultorias de RevOps, agências inbound enterprise e especialistas em marketing de relacionamento. Em poucos minutos, descreva seu desafio e receba propostas de quem entende alinhamento marketing-vendas no mercado brasileiro.
Encontrar fornecedores de Marketing no oHub
Sem custo, sem compromisso. Você recebe propostas e decide se e com quem avançar.
Perguntas frequentes
Qual a diferença entre MQL e SQL?
MQL (Marketing Qualified Lead) é o lead que marketing considera com fit (firmográfico) e intenção (comportamental) suficientes para vendas abordar. SQL (Sales Qualified Lead — não confundir com a linguagem de banco de dados) é o lead que vendas aceitou como oportunidade real após qualificação inicial, validando critérios como orçamento, autoridade de decisão, necessidade real e prazo. MQL é responsabilidade do marketing; SQL é responsabilidade do vendas. A definição de ambos precisa ser acordo formal entre as duas áreas, não decisão unilateral.
Como definir um MQL?
Combine critérios firmográficos (porte, setor, cargo, geografia) com critérios comportamentais (visitas a páginas de fundo de funil, downloads, abertura de email, solicitação de contato). Operação simples usa regra booleana ("atende aos três critérios principais"); operação madura usa lead scoring numérico (cinco a 10 critérios pontuados, com corte explícito). Crítico: definir junto com vendas, documentar em SLA, revisar trimestralmente. Sem essas três coisas, qualquer definição vira ficção em pouco tempo.
Quando MQL vira SQL?
Quando vendas, após qualificação inicial (ligação de descoberta, conversa com SDR ou executivo de contas), confirma que o lead atende aos critérios de oportunidade real — orçamento compatível, decisor identificado, necessidade alinhada ao produto, prazo plausível. A transição não é automática nem decidida por marketing: depende da aceitação explícita de vendas após conversa de qualificação. Em operações maduras, existe etapa intermediária (SAL — Sales Accepted Lead) entre MQL e SQL para marcar a aceitação inicial.
Quem é responsável pelo MQL e pelo SQL?
MQL é responsabilidade do marketing — gerar volume com qualidade conforme critérios acordados, dentro do compromisso mensal do SLA. SQL é responsabilidade de vendas — receber o MQL no tempo de resposta acordado, qualificar com framework (BANT, MEDDIC, GPCT), e mover adiante ou rejeitar com motivo registrado. RevOps, quando existe, governa as definições, calibra critérios com base em dados e mantém o SLA atualizado. Ausência de RevOps faz com que essa governança recaia sobre as lideranças de marketing e vendas em rituais conjuntos.
SLA entre marketing e vendas: o que precisa cobrir?
Definição operacional de MQL (critérios exatos, pesos quando há scoring, corte numérico), volume mensal contratado, tempo de resposta de vendas (típico 24 horas em B2B), motivos válidos de rejeição (lista fechada), tempo máximo para feedback de rejeição (48 a 72 horas), cadência de revisão (mensal em operação em construção, trimestral em operação madura). SLA é documento escrito e versionado — revisões geram novas versões com data e justificativa. Sem SLA, marketing e vendas operam em entendimentos que se desfazem sob pressão.
Qual a taxa boa de MQL para SQL?
Varia muito por setor, produto e modelo de venda. Em B2B com ciclo médio (45 a 90 dias), 10% a 25% de conversão MQL para SQL é razoável. Em SaaS transacional pode ser maior. Em enterprise com ciclo de mais de 6 meses, pode ser menor. Mais importante que o número absoluto é a tendência: a taxa está estável, melhorando ou piorando? Quedas acentuadas sem mudança de mercado indicam queda de qualidade de MQL ou problema na qualificação de vendas. Use referências de mercado (RD Station Panorama, HubSpot State of Marketing, DemandGen) como ponto de comparação, mas calibre pelos próprios dados históricos.
Fontes e referências
- Mark Roberge. The Sales Acceleration Formula — metodologia de SLA e qualificação em B2B.
- HubSpot Academy. Marketing & Sales SLA Template e guias de qualificação.
- Forrester (SiriusDecisions). Demand Waterfall — modelo de referência para qualificação B2B.
- RD Station. Guias de qualificação de leads e Panorama de Marketing e Vendas.
- DemandGen Report. Benchmarks de qualificação e desempenho de funil B2B.