Marketing Qualified Lead (MQL)
Ein Marketing Qualified Lead (MQL) ist ein Lead, den das Marketing als kaufwahrscheinlicher eingestuft hat als einen allgemeinen Website-Besucher und der zur Übergabe bereit ist. Die Absicht ist noch nicht vollständig bestätigt, aber die Person zeigt klares Interesse am Produkt oder an der Dienstleistung und passt zur definierten Buyer Persona.
Ein Marketing Qualified Lead (MQL) ist ein Lead, den das Marketing als kaufwahrscheinlicher eingestuft hat als einen allgemeinen Website-Besucher und der zur Übergabe bereit ist. Die Absicht ist noch nicht vollständig bestätigt, aber die Person zeigt klares Interesse am Produkt oder an der Dienstleistung und passt zur definierten Buyer Persona.
Warum es wichtig ist
Nicht jeder Besucher ist ein Interessent, und nicht jeder Lead ist kaufwahrscheinlich. Das MQL-Konzept definiert die Trennlinie zwischen "wert, an den Vertrieb übergeben zu werden" und "noch nicht". Wenn diese Linie klar ist, verschwendet der Vertrieb keine Zeit mehr, und das Marketing kann die Effizienz seiner Ausgaben messen. HubSpot-Forschung zeigt, dass B2B-Unternehmen mit klaren MQL-Definitionen um 25 % kürzere Verkaufszyklen durchlaufen und doppelt so gut konvertieren wie solche ohne.
MQL vs. SQL
MQL (Marketing Qualified Lead): Vom Marketing als "interessiert" klassifiziert. Verhaltenssignale wie Content-Downloads, Webinar-Teilnahmen und Besuche von Demo-Seiten sind gängige Kriterien.
SQL (Sales Qualified Lead): Vom Vertrieb als "tatsächlich kaufwahrscheinlich" validiert. Frameworks wie BANT (Budget, Authority, Need, Timing) treiben die Bewertung an.
PQL (Product Qualified Lead): Beim Product-Led Growth durch tatsächliche produktinterne Nutzung identifiziert, z. B. ein kostenloser Nutzer, der ein Schlüsselfeature nutzt oder ein Team einlädt.
Diese Phasen sind aufeinanderfolgende Filter, kein Ersatz füreinander. Die Lead-Anzahl schrumpft von MQL zu SQL, doch die Kaufwahrscheinlichkeit steigt.
MQL-Kriterien
Verhaltensbezogen
- Mehrfache Besuche zentraler Landingpages
- Produktvideo vollständig angesehen
- Preisseite aufgerufen
- Ein E-Book oder Whitepaper heruntergeladen
- Für ein Webinar angemeldet
- Öffnet Newsletter regelmäßig
Demografisch / Firmografisch
- Titel, Branche oder Unternehmensgröße passen zur Persona
- Region und Sprache passen zum Servicegebiet
- Anmeldung mit einer geschäftlichen E-Mail (keine private)
Negative Signale
- Domains von Wettbewerbern, Arbeitssuchenden oder Studierenden
- Außerhalb der Zielländer des Produkts
- "Konversionsblockierendes Verhalten" (sofortiger Absprung, Umgehen des Checkouts)
In der Praxis kombinieren die meisten Teams verhaltensbezogene, firmografische und negative Signale in einem automatisierten Lead-Scoring-System.
MQL-zu-SQL-Konversionsrate
Gartner berichtet, dass gesundes B2B-SaaS im Durchschnitt eine MQL-zu-SQL-Konversion von etwa 13 % erreicht. Unter 5 % deutet darauf hin, dass das Marketing überqualifiziert; über 30 % deutet darauf hin, dass es zu konservativ ist. Eine regelmäßige Neukalibrierung zwischen den beiden Teams ist der Kern eines gesunden Funnels.
Praktische Tipps
Eine gemeinsame Definition dokumentieren: Halten Sie zwischen Marketing und Vertrieb in Notion oder Confluence fest, was "MQL" bedeutet. Mündliche Vereinbarungen verwässern schnell.
Regelmäßige Feedbackschleife: Monatlich prüft der Vertrieb die MQL-Qualität und gibt Rückmeldung an das Marketing. Dieses Feedback justiert die Scoring-Regeln.
Automatisierungstools: CRMs und Marketing Automation (HubSpot, Salesforce, Marketo) automatisieren das Scoring für eine konsistente Qualifizierung im großen Maßstab.
Mit PLG integrieren: Legen Sie Signale der Produktnutzung (PQL) über die MQL-Checkliste, um die Qualifizierung zu schärfen.
Sources: