什么是市场认可线索（MQL）？判定标准、打分与交接

什么是市场认可线索（MQL）？

市场认可线索（MQL）是市场部判断值得交给销售跟进的潜在客户：它匹配你的目标客户画像，并表现出购买信号，比如浏览定价页、申请演示。这个判断依据的是证据，而不是销售沟通——这正是 MQL 和销售认可线索的分界。

MQL 是线索生命周期中的一个阶段。原始线索（下载过电子书、留过邮箱的人）在匹配度和互动达到约定标准后成为 MQL；销售直接接触后接受它，就成为 SQL；出现有预算、有时间表的真实交易，再成为商机。HubSpot 的生命周期阶段文档描述的正是「线索 → MQL → SQL → 商机」这条路径。阶段的意义在于明确下一步归谁：MQL 之前由市场培育，之后由销售跟进。

线索怎么判定：匹配度 + 行为信号

线索资格判定，就是决定哪些线索值得投入精力。多数 MQL 定义同时看两个维度，缺一不可：

• 匹配度：这个线索像不像你的目标客户？公司规模、行业、职位与职级、地区，有时还包括预算和已在用的工具。匹配度数据通常来自表单本身，或 CRM 里的数据补全。
• 行为：这个线索有没有像买家一样行动？浏览定价页、提交演示或联系表单、参加线上研讨会、点击邮件、反复访问高意向页面。这些正是网站统计记录的信号。

只看一个维度都会出错。完全匹配却从不互动的公司，只是数据库里的一个名字，不是今天该打的电话；把每篇博客都读完的学生，互动很高却不会购买。如果购买信号来自产品使用而不是营销内容——比如团队用到了用量上限——这类线索通常归为产品认可线索。

把两个维度合起来的常用机制是线索打分：匹配度分值加行为分值，再和阈值比较。例如 HubSpot 的线索打分工具，就把互动分和匹配度分分开维护。

匹配度与行为打分示例

示例数据：某 B2B 软件团队把 MQL 阈值定为 70 分，匹配度至多 40 分，行为至多 60 分。同一场活动来的两条线索：

线索 A：15 + 10 + 15 = 40（匹配度），15 + 25 + 10 + 10 = 60（行为），合计 100，达到 70，成为 MQL 交给销售。线索 B：10 + 10 + 5 = 25，15 + 5 = 20，合计 45，不到 70，留在培育池，等新行为加分。

分值只是示意，权重各团队自定。让这张表有用的两条规则：在看到结果之前把权重和阈值写下来；有新信号就重新打分，而不是注册时打一次就不管。打分本身在 CRM 或营销自动化工具里执行。

从 MQL 到 SQL 再到商机

MQL 是市场判断「值得联系」；SQL 是销售直接接触后确认「有真实需求、有可能成交」——完整对比见 MQL 与 SQL 的区别。两个阶段之间的交接，是多数 MQL 体系漏损的地方，要把它写具体：

• 随线索交接的字段：联系方式、公司与职位（匹配度数据）、来源与 UTM 参数、行为轨迹与分值、线索到底问了什么。销售不该把表单里已有的问题再问一遍。
• 两边认可的时效约定（SLA）：例如交接后一个工作日内首次联系，并记录结果。时效重要，因为购买信号会衰减；一周后才回复的演示申请，已经凉了。
• 由销售确认 SQL：销售在初步沟通后逐条接受或拒绝 MQL，拒绝要写原因。接受后确认有预算、决策权、需求和时间表的（即 Salesforce 描述的 BANT 标准），推进为商机。

被拒绝的 MQL 不是浪费：拒绝原因正是让打分模型保持诚实的反馈。

MQL 转 SQL 转化率

衡量 MQL 口径是否符合销售现实的比率：

MQL 转 SQL 转化率 = SQL 数 ÷ MQL 数（结果以百分数表示）

示例数据：某月市场交接 240 个 MQL，销售接受其中 60 个为 SQL，比率为 60 ÷ 240 = 25%。

注意按同一批线索计算：取某段时间产生的 MQL，跟踪到销售做出判定为止；不要直接用本月 SQL 数除以本月 MQL 数——销售周期超过一个月时，那样会混批。然后和自己的历史基线比，按时间跟踪。我们找不到能核对原始出处的通用基准，而且定义本身对比率的影响，比任何行业平均值都大。漏斗其余环节的算法，见线索转化率。

常见问题

MQL 数量好看，就是不成交。 先沿漏斗往回查，别急着怪销售。MQL 多但转 SQL 率低，说明阈值太松——常见原因是只按行为打分，把下载电子书也算成购买意向。SQL 被接受了，商机和成交却跟不上，说明匹配度标准错了（合格的是错误的公司），或交接太慢。把线索跟踪做通，从首次触点到成交，才能做这种诊断。

市场和销售口径对不上。 症状是销售抱怨线索质量差，市场却报告创纪录的月份。解法是把定义写成双方认可的文档：匹配度要求、计分行为与权重、阈值、交接字段、时效约定。然后每月一起复盘被拒绝的 MQL，按拒绝原因调整权重。没人维护的定义，会慢慢不再描述真实买家。

在 TapCub 里跟踪 MQL 信号

TapCub 不做线索打分，也不是 CRM，上面的打分表要在 CRM 或营销自动化工具里跑。TapCub 提供的是打分表里「行为」那一半，并且带着来源。

• 把行为这几行变成事件和目标。 把演示申请表单、注册、网络研讨会报名记成事件，再把重要的几个在 网站统计 › 目标 里标成转化。示例里的「看过价格页」「提交演示申请」就是这类目标。见跟踪表单提交。
• 让活动来源跟着走。 网站统计 › 来源 能看出完成这些目标的访客来自哪个渠道、来源和 UTM 活动，这样比较的是各活动带来的 MQL 行为，而不只是线索数量。
• 数人，不数机器人。 机器人和爬虫的访问和真人分开统计，自动化流量不会把这些信号背后的访客数抬高。
• 把轨迹交给销售。 用户登录或提交表单后，在统计脚本上用 tapcub.login 识别他们；他们就会出现在 全端分析 › 用户 › 用户 里，档案里有按天排列的行为时间线，这正是销售打第一个电话前想知道的。线索来源里有在线客服的话，见用在线客服获取线索。

资料来源

• Salesforce，MQL vs. SQL。
• HubSpot，使用联系人和公司生命周期阶段。
• HubSpot，线索打分工具概述。