MQL (Marketing Qualified Lead): definición, criterios y guía de implantación
Un MQL (Marketing Qualified Lead) es un lead que marketing ha validado como lo bastante comprometido para justificar un contacto comercial. Ha alcanzado un umbral de scoring definido en el CRM acumulando criterios de comportamiento (páginas visitadas, contenidos descargados, emails abiertos) y firmográficos (cargo, tamaño de empresa, sector). Un MQL todavía no está listo para comprar: está listo para que se le contacte.
La distinción MQL / SQL es la frontera más estratégica del pipeline B2B. Si se gestiona mal, genera fricciones permanentes entre marketing y ventas: los comerciales reciben leads poco maduros que rechazan, y marketing se queja de que sus leads no se trabajan. Si se gestiona bien, es el mecanismo que convierte a desconocidos en oportunidades comerciales con una previsibilidad medible.
Este artículo aborda la definición del MQL, los criterios para configurarlo, una tabla de scoring lista para usar y el proceso de traspaso (handover) MQL-SQL. Para el contexto previo, la definición de lead en B2B sienta las bases conceptuales.
Por tanto, un MQL debe tratarse como una señal de priorización, no como una promesa comercial: indica que un contacto merece una acción de ventas, pero la cualificación debe confirmarse en una conversación directa. Las técnicas de generación de leads deben evaluarse según su capacidad para producir SQL reales.
¿Qué es un MQL? Definición en una frase
Un MQL (Marketing Qualified Lead) es un contacto cuyo comportamiento digital y cuyo perfil se ajustan lo suficiente a los criterios definidos por marketing como para justificar un primer contacto comercial, sin garantizar por ello que esté listo para comprar.
El matiz es importante: el MQL no es un cliente potencial cualificado. Es un lead en proceso de maduración que ha superado un umbral de interacción definido. El cliente potencial cualificado es el SQL, después de que un SDR o un AE haya confirmado la necesidad, el presupuesto y la autoridad en una conversación directa.
MQL vs SQL vs PQL: la tabla de referencia completa
| Criterio | MQL | SQL | PQL (SaaS) |
|---|---|---|---|
| Definido por | Marketing | Ventas (SDR o AE) | Producto / uso real |
| Criterio | Puntuación de comportamiento alcanzada (CRM) | BANT confirmado en una conversación directa | Acción clave en el producto: funcionalidad activada, equipo invitado, uso regular |
| Señal | Interacción con contenidos (descarga, visita a la página de precios, webinar) | Necesidad expresada, presupuesto identificado, responsable de decisión presente | Paso de un comportamiento de prueba a una intención de compra demostrada |
| Acción siguiente | Traspaso a ventas (SDR) en 2 h como máximo | Apertura de oportunidad por el AE, propuesta comercial | Contacto product-led, oferta de upgrade, puesta en contacto con un AE |
| Tasa de conversión | 13-22 % -> SQL (media B2B SaaS) | 20-35 % -> deal firmado | 25-40 % -> de pago (SaaS con mejores resultados) |
| Riesgo si se gestiona mal | Ventas recibe leads poco maduros, fricción y pérdida de confianza | Pipeline inflado con deals poco creíbles | Pérdida de una activación con alto potencial de conversión |
El SAL (Sales Accepted Lead) es un cuarto estado que algunas organizaciones sitúan entre el MQL y el SQL: es el momento en que ventas acepta formalmente el MQL transmitido por marketing antes de iniciar el proceso de cualificación. Mide la alineación entre marketing y ventas: una tasa de SAL < 75 % indica una definición de MQL mal calibrada o falta de confianza de ventas en los leads recibidos.
Por qué el MQL es la clave de la alineación entre marketing y ventas
El MQL es la interfaz contractual entre marketing y ventas. Sin una definición común y formalizada del MQL, cada equipo avanza con sus propios criterios: marketing evalúa su rendimiento por el volumen de leads generados, y ventas por la calidad de los leads recibidos. Ambas métricas son incompatibles y generan conflictos recurrentes.
Un dato que ilustra la magnitud del problema: una gran parte de los MQL nunca se convierte en SQL. No es un problema de volumen, sino de definición y de proceso. Las organizaciones que han resuelto esta fricción con un scoring preciso y un SLA formalizado alcanzan tasas de conversión MQL -> SQL del 30 al 40 %.
Cómo definir los criterios MQL
Criterios demográficos y firmográficos en B2B
Los criterios firmográficos determinan si el lead corresponde a su ICP (Ideal Customer Profile) con independencia de su comportamiento. Son criterios estáticos que se aplican desde la entrada del lead en la base:
- Cargo y función: responsable de decisión (director general, VP, CTO, Head of) o influenciador clave (manager, responsable). Los perfiles sin poder de decisión (becario, estudiante, cargo no identificado) deben recibir una puntuación negativa.
- Tamaño de la empresa: defina los rangos que corresponden a su ICP. Un editor SaaS B2B mid-market se dirigirá a empresas de 50 a 500 empleados. Fuera de ese rango, la puntuación debe reflejar la pérdida de pertinencia.
- Sector de actividad: ¿su ICP abarca sectores concretos? Un sector fuera del objetivo debe penalizar la puntuación o activar una descalificación automática.
- Ubicación geográfica: si su equipo comercial tiene un alcance geográfico limitado, un lead fuera de su zona no puede convertirse en MQL, sea cual sea su madurez de comportamiento.
Criterios de comportamiento: la interacción con su contenido
Los criterios de comportamiento miden la intensidad del interés del lead por su oferta a través de sus interacciones con sus contenidos y su web. Son criterios dinámicos que evolucionan con el tiempo:
- Señales fuertes (> 20 puntos): visita a la página de precios o tarifas, solicitud de demo, envío de un formulario de contacto, asistencia efectiva a un webinar de producto.
- Señales medias (10-20 puntos): descarga de un contenido avanzado (caso de éxito, guía técnica, benchmark), visitas repetidas a la web (5+ visitas en 7 días), inscripción en un webinar.
- Señales débiles (< 10 puntos): apertura de un email, visita a un artículo de blog genérico, conexión en LinkedIn sin mensaje.
- Señales negativas: inactividad prolongada (90+ días sin interacción), baja de la lista de emails, páginas visitadas poco pertinentes (página de empleo, página de prensa sin señal de compra).
La regla empírica: un lead que visita la página de precios está 10 veces más cualificado que uno que solo ha descargado un ebook. Pondere las señales en consecuencia en su scoring.
La tabla de scoring MQL: modelo listo para usar
Este es un modelo de tabla de scoring que puede aplicarse directamente en HubSpot, Salesforce o cualquier CRM con módulo de scoring. Los puntos son orientativos: ajuste los umbrales según su ICP y su ciclo de venta.
| Criterio | Ejemplo de regla | Puntos | Categoría |
|---|---|---|---|
| Cargo / función | Director, VP, alta dirección, Head of (responsable de decisión o influenciador) | + 20 | Firmográfico |
| Cargo / función | Manager, responsable (influenciador) | + 10 | Firmográfico |
| Cargo / función | Estudiante, sin cargo comercial (fuera del objetivo) | - 20 | Firmográfico |
| Tamaño de la empresa | 50-500 empleados (mid-market, núcleo del objetivo) | + 15 | Firmográfico |
| Tamaño de la empresa | 10-50 empleados (SMB, objetivo secundario) | + 8 | Firmográfico |
| Tamaño de la empresa | < 10 ou > 2000 empleados (fuera del ICP) | - 10 | Firmográfico |
| Sector | Sector objetivo prioritario (p. ej.: SaaS, servicios profesionales) | + 15 | Firmográfico |
| Visita a la página de precios | Visita a la página de tarifas (señal de interés fuerte) | + 25 | Comportamiento |
| Solicitud de demo | Formulario de solicitud de demostración enviado | + 40 | Comportamiento |
| Descarga de contenido | Libro blanco, guía o plantilla descargados | + 15 | Comportamiento |
| Asistencia a un webinar | Inscripción y asistencia efectiva | + 20 | Comportamiento |
| Apertura de email x3 | Ha abierto 3 emails o más en los últimos 30 días | + 10 | Comportamiento |
| Visita a la web x5 en 7 días | 5 visitas o más en una semana (señal de intención elevada) | + 20 | Comportamiento |
| Inactividad de 90 días | Ninguna interacción en 90 días | - 15 | Pérdida de interés |
| Baja de la lista de emails | Ha hecho clic en «darse de baja» | - 50 | Pérdida de interés |
Umbral MQL recomendado: de 60 a 80 puntos para un scoring de SaaS B2B mid-market. Por debajo de ese umbral, el lead entra en nurturing. Por encima, se transfiere a ventas en menos de 2 horas. Ajuste el umbral en función de la tasa de conversión MQL-SQL observada: si ventas rechaza más del 30 % de los MQL transmitidos, el umbral es demasiado bajo. Si menos del 10 % de los leads alcanzan el umbral, quizá sea demasiado alto.
Implantar el proceso MQL en su CRM
Configuración del lead scoring en el CRM
El lead scoring puede configurarse en la mayoría de los CRM modernos: HubSpot (Lead Scoring nativo o Predictive Scoring), Salesforce (Einstein Lead Scoring), Pardot (Scoring + Grading), Pipedrive (mediante integraciones). Implantar el lead scoring aborda en detalle la configuración técnica y las buenas prácticas por herramienta.
Los pasos de configuración:
- Definir las propiedades de scoring en el CRM (puntuación de comportamiento, puntuación firmográfica, puntuación global)
- Crear las reglas de asignación automática de puntos para cada acción registrada
- Configurar el umbral de activación del estado MQL y la notificación automática a ventas
- Implantar una regla de pérdida de puntos (decay) que reduzca la puntuación si el lead se vuelve inactivo
- Crear una vista del CRM dedicada a los MQL con criterios de ordenación: puntuación, fecha de cualificación, cargo, empresa
Las reglas de cualificación automática
Tres tipos de reglas son imprescindibles para un sistema MQL sólido:
- Regla de paso a MQL: puntuación >= umbral definido Y (cargo dentro del ICP O tamaño de empresa dentro del ICP). La condición «Y» sobre lo firmográfico evita que un lead con una puntuación de comportamiento elevada pero fuera del ICP se transmita a ventas.
- Regla de descalificación automática: baja de la lista de emails = retirada inmediata del estado MQL y bloqueo de cualquier envío. Inactividad de 90 días = retirada del estado MQL y entrada en una secuencia de reactivación.
- Regla de nuevo scoring: un MQL rechazado por ventas vuelve al estado «Lead en nurturing» con una nota de rechazo documentada. Puede volver a ser MQL tras un nuevo ciclo de interacción.
El cuadro de mando MQL que debe revisar cada semana
Cinco indicadores que conviene monitorizar sin excepción:
- Volumen de MQL: número de nuevos MQL generados en la semana. Indicador de la salud del flujo inbound y outbound.
- Tasa de SAL (Sales Accepted Lead): proporción de MQL aceptados por ventas. Objetivo: > 75 %. Por debajo, hay que revisar los criterios u organizar una calibración conjunta.
- Tasa de conversión MQL -> SQL: objetivo del 18-22 % en B2B SaaS. Si está por debajo del 13 %, hay que revisar el scoring o el umbral MQL.
- Plazo medio de atención: tiempo entre el paso a MQL y el primer contacto de ventas. Objetivo: < 2 horas para los MQL con puntuación elevada.
- Tasa de MQL sin atender: proporción de MQL que no han recibido ningún contacto de ventas al cabo de 48 h. Cualquier valor > 0 es una señal de alerta sobre el proceso de traspaso.
El traspaso MQL-SQL: organizar el paso a ventas
Definición del SLA entre marketing y ventas
El SLA (Service Level Agreement) entre marketing y ventas es el documento contractual que formaliza los compromisos recíprocos de ambos equipos en torno al MQL. Sin un SLA por escrito, las fricciones son inevitables.
Un SLA MQL mínimo contiene:
- La definición común del MQL (criterios de scoring, umbral de paso)
- El plazo de atención por parte de ventas: < 2 horas para los MQL con puntuación elevada, < 24 horas para los MQL estándar
- El proceso de rechazo: motivos de rechazo estandarizados en el CRM (fuera del ICP, sin presupuesto, demasiado pronto), plazo de notificación a marketing (< 48 h)
- El circuito de feedback: reunión mensual conjunta para analizar los MQL rechazados y ajustar los criterios
- Los objetivos compartidos: volumen de MQL objetivo, tasa de SAL objetivo, tasa de conversión MQL-SQL objetivo
Las reglas de paso de MQL a SQL
El SQL se abre cuando un SDR o un AE ha confirmado en una conversación directa que el lead cumple al menos 3 de los 4 criterios BANT. No es marketing quien declara que un lead es SQL: siempre es el comercial, a partir de una conversación real.
Caso específico: para los MQL inbound con señal fuerte (solicitud de demo, formulario de contacto), la primera llamada de cualificación puede abrir directamente una oportunidad SQL si el BANT se confirma en menos de 15 minutos. No tiene sentido mantener ese lead en un estado MQL intermedio.
¿Qué hacer con los MQL que ventas no convierte?
Los MQL rechazados o no tratados no deben quedarse en el limbo del CRM. Tres tratamientos según el motivo de rechazo:
- Fuera del ICP (tamaño o sector equivocados): descalificar definitivamente y afinar las reglas de scoring firmográfico para no repetir el error.
- Demasiado pronto / sin presupuesto actual: vuelta al nurturing con una secuencia adaptada a la madurez del lead. Programar un recordatorio automático en el CRM a 90 días.
- No contactado dentro del plazo del SLA: escalado inmediato al Head of Sales. Un MQL no tratado en 48 h es una pérdida directa de ingresos potenciales.
Benchmarks: tasas de conversión MQL-SQL-cliente en B2B
Estos benchmarks se basan en datos de FirstPageSage, Marketboats, Demand Gen Report 2025-2026 y en los datos de las campañas de Oliverlist. Deben interpretarse con prudencia: las definiciones de MQL varían de una organización a otra, lo que hace arriesgadas las comparaciones directas. Compárese primero con su propio historial.
| Segmento | MQL -> SQL | SQL -> Deal | MQL -> Cliente | Señal de alerta |
|---|---|---|---|---|
| B2B SaaS mid-market (todos) | 18-22 % | 20-25 % | 4-5 % | MQL-SQL < 13 % : scoring trop permissif |
| B2B SaaS con scoring de comportamiento | 30-40 % | 25-35 % | 8-14 % | MQL-SQL > 60 %: scoring demasiado restrictivo |
| Servicios profesionales (consultoría, agencia) | 15-20 % | 25-30 % | 4-6 % | MQL-SQL < 10 % : critères marketing à revoir |
| Industria / grandes cuentas | 10-15 % | 20-30 % | 2-5 % | Ciclos largos: mida sobre 90 días móviles |
| Inbound SEO / contenido | 20-30 % | 22-30 % | 5-9 % | Leads cualificados de forma natural por su búsqueda |
| Cold email outbound (MQL mediante respuesta positiva) | 35-50 % | 25-35 % | 9-17 % | Cualificación ya parcial en la conversación inicial |
El dato más accionable de estos benchmarks: las empresas que contactan con un MQL en la hora siguiente a su cualificación convierten el 53 % de esos leads en SQL, frente al 17 % de las que esperan 24 horas (fuente: Martal, 2026). Ningún ajuste de scoring produce un impacto tan inmediato como reducir el plazo de atención.
FAQ: MQL Marketing Qualified Lead
¿Cuál es la diferencia entre MQL y SQL?
El MQL (Marketing Qualified Lead) es un lead validado por marketing mediante un sistema de scoring: ha alcanzado un umbral de interacción que justifica un contacto comercial. El SQL (Sales Qualified Lead) es un MQL validado por ventas en una conversación directa: la necesidad está confirmada, el presupuesto identificado y el responsable de decisión presente. El MQL es una señal de interés; el SQL, una cualificación de madurez. Es ventas, y no marketing, quien declara que un lead es SQL, siempre a partir de una conversación real.
¿Cómo definir los criterios MQL?
Cruzando dos tipos de criterios: firmográficos (cargo, tamaño de empresa, sector: ¿corresponde a su ICP?) y de comportamiento (visita a la página de precios, solicitud de demo, descarga de contenido: ¿ha mostrado una señal de interés?). La tabla de scoring anterior es un punto de partida aplicable en cualquier CRM. El umbral MQL óptimo es aquel con el que su tasa de conversión MQL-SQL se sitúa entre el 18 y el 30 %. Ajuste el umbral en función de esa tasa observada, no solo de la lógica teórica.
¿Qué tasa de conversión MQL-SQL cabe esperar en B2B?
La tasa media de todos los sectores es del 13-15 % (FirstPageSage, 2025). En B2B SaaS, el benchmark es del 18-22 %. Las organizaciones con un scoring de comportamiento preciso y un SLA de respuesta < 2 horas alcanzan el 30-40 %. Si su tasa es inferior al 13 %, sus criterios MQL son demasiado permisivos. Si supera el 50 %, quizá sean demasiado restrictivos y esté perdiendo oportunidades en proceso de maduración.
¿Cómo evitar los conflictos entre marketing y ventas sobre los leads?
Formalizando un SLA por escrito: definición común del MQL, plazo de atención por parte de ventas (objetivo: < 2 horas), motivos de rechazo estandarizados en el CRM y reunión mensual conjunta para analizar los rechazos y ajustar los criterios. El concepto de smarketing (alineación de marketing y ventas en torno a objetivos compartidos) se basa en este SLA. Sin un documento escrito, cada parte interpreta los criterios a su manera y los conflictos son estructurales.
¿Se puede implantar un sistema MQL sin un CRM avanzado?
Sí, de forma simplificada. Sin un CRM con módulo de scoring nativo, puede crear una hoja de seguimiento en la que cada lead se evalúe manualmente según los criterios BANT en el momento del primer contacto. Es menos escalable, pero perfectamente viable para equipos de 1 a 5 comerciales. El proceso de lead management aborda los enfoques adecuados según la madurez del stack comercial.
Fuentes
- HubSpot – What is a Marketing Qualified Lead?
https://blog.hubspot.com/marketing/what-is-a-marketing-qualified-lead-mql - Salesforce – Lead scoring
https://www.salesforce.com/resources/articles/lead-scoring/ - LinkedIn – Marketing Qualified Lead
https://business.linkedin.com/marketing-solutions/success/best-practices/marketing-qualified-lead - Adobe – What is a marketing qualified lead?
https://business.adobe.com/blog/basics/marketing-qualified-lead