MQL e SQL: como definir lead qualificado e alinhar marketing e vendas

MQL e SQL são classificações usadas para separar leads em diferentes níveis de prontidão comercial. MQL significa Marketing Qualified Lead; SQL significa Sales Qualified Lead. Mais importante que decorar as siglas é definir critérios claros para saber quando marketing deve continuar nutrindo um contato e quando vendas deve assumir a conversa.

Quando essa passagem não é bem definida, surgem dois problemas comuns: marketing celebra volume que não vira receita e vendas perde tempo abordando contatos sem perfil ou sem intenção.

O que é um MQL?

Um MQL é um lead que atingiu critérios definidos pela empresa para demonstrar fit, interesse ou comportamento suficiente para avançar no processo de qualificação.

Esses critérios podem combinar:

• empresa dentro do ICP;
• cargo ou função relevante;
• segmento e porte;
• visita a páginas de alta intenção;
• download de materiais específicos;
• participação em evento ou webinar;
• engajamento recorrente;
• pontuação mínima em um modelo de lead scoring.

O MQL ainda pode precisar de nutrição. A classificação sinaliza prioridade, não garante que exista uma oportunidade comercial pronta.

O que é um SQL?

Um SQL é um lead que atende aos critérios para conversa comercial direta. Em muitas operações, essa classificação acontece depois de uma validação de pré-vendas ou vendas sobre necessidade, timing, aderência, orçamento ou autoridade de decisão.

A HubSpot descreve a principal diferença entre MQL e SQL como o nível de prontidão para a abordagem comercial: o primeiro demonstra interesse e potencial, enquanto o segundo está preparado para avançar com vendas. Veja a referência da HubSpot sobre SQL e MQL.

MQL e SQL não são definições universais

Cada negócio precisa adaptar os critérios ao seu ciclo. Uma empresa SaaS com teste gratuito, uma agência B2B e um e-commerce de ticket alto não deveriam usar exatamente a mesma lógica.

O que precisa ser universal dentro da empresa é a interpretação. Se marketing chama um contato de MQL, vendas precisa saber exatamente quais condições foram atendidas.

Por que “preencheu um formulário” não deveria ser suficiente?

Formulários têm intenções diferentes. Download de ebook, inscrição em newsletter, solicitação de orçamento e pedido de demonstração não representam o mesmo nível de prontidão.

Se todo contato vira MQL, a categoria perde utilidade. Uma boa classificação considera comportamento e perfil.

Como definir critérios de MQL

Comece por clientes que já fecharam e procure padrões. Quais empresas tinham maior fit? Quais cargos participaram? Quais conteúdos ou páginas apareceram antes da venda?

Depois, separe critérios em duas dimensões:

• Fit: características do contato ou empresa.
• Intenção: comportamentos que indicam interesse.

Um lead com alto interesse e baixo fit pode não ser prioridade. Um lead com ótimo fit, mas sem intenção, pode precisar de nutrição.

Como definir critérios de SQL

A passagem para SQL costuma exigir confirmação mais forte. Exemplos:

• problema ou necessidade identificada;
• projeto ativo;
• timing razoável;
• fit com a solução;
• capacidade de compra ou caminho claro para decisão;
• aceite para reunião ou próxima etapa comercial.

Evite critérios subjetivos como “parece um bom lead”. O CRM precisa registrar por que o contato avançou.

Exemplo prático de jornada

Imagine uma empresa que vende serviço de automação comercial.

1. Um gestor baixa um guia e entra como lead.
2. O domínio da empresa indica que ela está dentro do ICP.
3. O contato visita a página de automação de vendas e uma página sobre integração de CRM.
4. O lead atinge o score mínimo e vira MQL.
5. Pré-vendas confirma que existe um projeto ativo e agenda uma reunião.
6. O contato vira SQL e entra no pipeline comercial.

Esse processo cria uma passagem baseada em sinais, não em sensação.

O papel do lead scoring

Lead scoring ajuda a combinar diferentes sinais em uma prioridade. Pontos podem ser atribuídos por perfil, páginas visitadas, frequência, ações e intenção.

Mas score não deve funcionar como uma caixa-preta. Compare periodicamente leads de pontuação alta com vendas reais. Se o modelo prioriza contatos que nunca avançam, ele precisa ser recalibrado.

Veja como estruturar lead scoring.

O SLA entre marketing e vendas

Um SLA define o que acontece depois que um MQL é enviado. Ele pode estabelecer:

• tempo máximo para primeiro contato;
• número mínimo de tentativas;
• canais permitidos;
• motivos padronizados de rejeição;
• quando o lead volta para nutrição;
• quem atualiza o CRM.

Sem SLA, marketing envia leads e perde visibilidade do resultado. Vendas recebe volume e pode priorizar de forma inconsistente.

Motivos de rejeição precisam virar dados

Padronize razões como sem fit, sem necessidade, sem timing, dados inválidos, estudante, fornecedor, duplicado ou orçamento incompatível. Isso transforma devoluções de vendas em aprendizado para campanhas e conteúdo.

Se grande parte dos MQLs é rejeitada pelo mesmo motivo, o problema pode estar no ICP, na campanha, no formulário ou no modelo de scoring.

Quais métricas acompanhar?

Etapa	Métrica	O que ajuda a entender
Lead → MQL	Taxa de qualificação	Se aquisição gera contatos com fit/interesse
MQL → SQL	Taxa de aceitação comercial	Se critérios de marketing fazem sentido
SQL → oportunidade	Taxa de avanço	Se existe necessidade real
Oportunidade → venda	Win rate	Eficiência da proposta e processo comercial
Tempo entre etapas	Velocidade do funil	Onde o processo trava

MQL e SQL em campanhas de mídia

Plataformas de mídia costumam otimizar para ações que conseguem observar. Se o único sinal enviado for “formulário enviado”, o algoritmo pode buscar volume sem distinguir qualidade.

Quando a estrutura técnica permite, conecte dados de CRM e qualificação às plataformas. O Google Ads, por exemplo, oferece medição de conversões e integração com fontes de dados para orientar campanhas a partir de ações valiosas. Consulte a documentação oficial de conversões.

SQL e pipeline de vendas

Depois que um lead vira SQL, ele precisa entrar no processo comercial com responsável, etapa, próxima ação e data. A Salesforce define pipeline como uma representação das oportunidades em diferentes estágios do processo de vendas, permitindo acompanhar progresso e saúde comercial. Veja a referência da Salesforce sobre pipeline.

Nosso guia de pipeline de vendas no CRM mostra como organizar as etapas.

Automação na passagem de MQL para SQL

O CRM pode automatizar tarefas repetitivas sem automatizar a decisão inteira. Exemplos:

• atribuir responsável quando o lead atinge critérios;
• criar tarefa para contato;
• enviar alerta;
• mudar estágio;
• registrar origem;
• iniciar sequência de follow-up;
• devolver leads não aceitos para nutrição.

Veja também automação de leads.

Como evitar conflito entre marketing e vendas

As definições devem ser construídas em conjunto. Marketing conhece canais, comportamento e aquisição; vendas conhece objeções, contexto e padrões observados nas conversas. Uma taxonomia imposta por apenas uma área tende a falhar.

Crie uma revisão mensal ou trimestral para comparar critérios com resultados reais. Pergunte: quais MQLs viraram clientes? Quais foram rejeitados? Qual origem gerou mais SQL? Quais sinais precedem as melhores oportunidades?

Empresas pequenas precisam de MQL e SQL?

Nem sempre com esse nível de nomenclatura. Uma operação pequena pode trabalhar com “lead”, “qualificado” e “oportunidade”. O importante é definir estados que ajudem a equipe a agir.

Adicionar categorias demais sem processo cria burocracia. A estrutura deve ser tão simples quanto possível e tão detalhada quanto necessário.

Como a Continuum trabalha qualificação e automação

A Continuum conecta marketing, CRM e automação de vendas para que a geração de leads não termine no formulário. A estrutura precisa registrar origem, qualificação, responsável, follow-up e resultado.

MQL e SQL só criam valor quando ajudam marketing e vendas a tomar decisões melhores: quem nutrir, quem abordar agora e quais sinais realmente antecedem receita.