По данным DOJO AI за 2025 год, 85% лидов которые маркетинг передаёт как MQL - sales отклоняет или игнорирует. При этом 82% C-level руководителей считают что их маркетинг и продажи согласованы - против 35% практиков которые говорят то же самое. Разрыв не в намерениях: обе команды хотят закрывать сделки. Разрыв в определениях: под MQL маркетинг и продажи понимают принципиально разные вещи, не договорившись об этом явно.
Потери ощутимы: несогласованные команды теряют до 10% годовой выручки на упущенных лидах и нецелевых затратах. Aligned команды - по данным того же исследования - показывают на 24% более быстрый рост выручки и на 36% выше retention. В EU B2B с длинными циклами сделок и несколькими stakeholders в buying committee это расхождение становится структурной проблемой, а не операционной.
В этой статье разбираем почему стандартные определения MQL/SQL не работают, как выстроить систему квалификации для EU mid-market, и как встроить её в CRM. Если вы хотите решить эту проблему системно - посмотрите наш материал про RevOps: согласование маркетинга и продаж это одна из ключевых функций RevOps-функции.
Почему activity-based scoring не работает
Стандартный подход к MQL: лид набирает баллы за действия - открыл email (+5), посетил сайт (+10), скачал whitepaper (+20), посмотрел демо (+50). При достижении порога в 100 баллов - MQL, передаём в sales.
Проблема этой модели в том, что активность не равна намерению купить. Конкурент, студент, и идеальный покупатель могут набрать одинаковый score, совершив одинаковые действия. Sales получает MQL, делает два звонка, понимает что это не целевой лид, и перестаёт доверять маркетинговым лидам как категории.
В EU B2B ситуация усложняется: покупатели здесь традиционно более осторожны в предоставлении контактных данных, меньше открывают холодные письма (GDPR и общая культура), и чаще проводят independent research до первого контакта с вендором. Активность в ваших owned каналах - плохой прокси намерения для EU-аудитории.
Что должно быть в MQL-критериях для EU B2B
Работающее определение MQL комбинирует два типа данных: firmographic (кто) и behavioral (что делает).
Firmographic сигналы - обязательные фильтры, без которых лид не может стать MQL независимо от активности:
- Размер компании: попадает ли в ваш ICP (например, 15-200 сотрудников)
- Geography: страна/регион из вашего target market
- Industry: вертикаль которую вы обслуживаете
- Role: должность соответствует buyer persona или влияет на решение
Behavioral сигналы высокого намерения - не любая активность, а действия которые коррелируют с реальным интересом к покупке:
- Запросил демо или pricing
- Посетил pricing page 3+ раз за две недели
- Просмотрел case study в вашей вертикали
- Вернулся на сайт 5+ раз за месяц
- Заполнил форму с конкретным вопросом (не newsletter)
MQL = firmographic fit + behavioral signal высокого намерения. Без обоих условий одновременно - не MQL.
BANT, MEDDIC, CHAMP: что выбрать для EU mid-market
SQL-критерии определяют, когда лид готов к полноценной работе с AE. Здесь фреймворк квалификации выбирает sales team, но маркетингу важно понимать логику.
BANT (Budget, Authority, Need, Timeline) - простейший фреймворк, работает для transactional сделок. Для EU mid-market B2B SaaS с бюджетами 20-100k EUR/год - недостаточен: не учитывает complexity buying committee и organisational pain.
MEDDIC (Metrics, Economic Buyer, Decision Criteria, Decision Process, Identify Pain, Champion) - enterprise-фреймворк, обычно избыточен для компаний до 100 сотрудников. Но элементы полезны: наличие Champion внутри компании - критически важный сигнал для EU mid-market, где решения принимаются медленно и нужен internal advocate.
CHAMP (Challenges, Authority, Money, Prioritization) - практичный выбор для EU B2B 15-100 сотрудников. Начинается с Challenges (реальная проблема которую решает продукт), что соответствует EU-стилю принятия решений: покупатели здесь хотят понять fit до разговора о цене.
Рекомендация: возьмите CHAMP как основу, добавьте Champion из MEDDIC. SQL-статус наступает когда: есть реальная проблема, есть лицо принимающее решение или champion который к нему выйдет, бюджет существует (не обязательно утверждён), и есть временной горизонт.
SLA между маркетингом и продажами
SLA - это формальное соглашение о том, что маркетинг обязуется делать с лидами, а продажи обязуются делать с MQL. Без него обе стороны работают по своим правилам.
Со стороны маркетинга:
- MQL передаётся с заполненными firmographic полями (company, role, size, country)
- К MQL прикреплена история активности за последние 30 дней
- Дополнительный контекст если есть: из какой кампании пришёл, что читал, какой контент скачивал
Со стороны продаж:
- Первый контакт с MQL: в течение 24 часов в рабочие дни (для EU mid-market это норма; enterprise может быть 48ч)
- Статус MQL обновляется в CRM: Accepted, Working, Rejected с причиной
- Rejected MQL: обязательно указывается причина (не ICP, не тот момент, уже клиент, конкурент)
Feedback loop - самое важное: rejected MQL с причинами возвращаются маркетингу ежемесячно. Это единственный способ итеративно улучшать scoring модель на основе реальных данных, а не ощущений.
Lead scoring: правила vs ML
Два подхода к построению scoring модели.
Rule-based scoring - вы сами определяете веса: +30 за pricing page, +20 за demo request, -20 если company size не в ICP. Преимущество: прозрачно, легко объяснить sales, легко обновлять. Недостаток: веса субъективны и требуют ручной калибровки.
Для большинства EU B2B команд 15-100 человек - это правильный старт. Сложность ML-моделей оправдана когда у вас тысячи MQL в месяц; при 50-200 MQL в месяц правила работают лучше за счёт прозрачности.
ML-based scoring - модель обучается на исторических данных (какие MQL конвертировались в SQL, а какие нет) и предсказывает вероятность конверсии. HubSpot Predictive Lead Scoring, Salesforce Einstein доступны на enterprise-тарифах. Работает хорошо при наличии чистых исторических данных за 12+ месяцев и объёме 200+ MQL/месяц.
Переходите на ML когда: rule-based модель перестала улучшаться от ручных правок, данных достаточно, и есть ресурс на настройку и мониторинг.
Настройка в HubSpot и Kommo: lifecycle stages
В HubSpot: Lifecycle Stage - встроенное поле (Subscriber -> Lead -> MQL -> SQL -> Opportunity -> Customer). Настройте workflow: при достижении scoring threshold И выполнении firmographic criteria - автоматический перевод в MQL с уведомлением sales. Создайте отдельный view для sales: все MQL с сортировкой по score и дате перехода.
В Kommo (ex-amoCRM): стадии воронки настраиваются вручную. Создайте отдельную воронку для квалификации или используйте теги: «MQL» и «SQL» как теги со своими автоматизациями. Для scoring используйте кастомные поля и scoring через встроенную автоматизацию или Zapier.
В обоих случаях: rejection причины фиксируйте как обязательное поле при смене статуса. Это данные которые вы потом анализируете.
Метрики процесса
Четыре метрики которые говорят о здоровье MQL/SQL процесса:
MQL-to-SQL rate - какой % MQL sales принимает в работу. Норма для B2B SaaS: 25-40%. Ниже 20% - проблема с качеством MQL или слишком строгие SQL-критерии у sales. Выше 50% - возможно, SQL-критерии слишком мягкие.
SQL-to-Opportunity rate - какой % SQL превращается в полноценную сделку. Норма: 40-60%.
Opportunity-to-Close rate - win rate. В EU B2B mid-market: 20-30% считается хорошим результатом.
Time-to-MQL-contact - сколько времени проходит от MQL до первого контакта sales. Каждые дополнительные сутки снижают конверсию. Мониторьте ежемесячно - это операционный показатель дисциплины sales team.
Ежеквартальный review этих четырёх метрик с участием и маркетинга, и продаж - минимальный процесс для поддержания alignment. Без общих данных обе команды неизбежно разойдутся в оценке ситуации.