Квалификация лидов
Оглавление
- Квалификация лидов: зачем она нужна бизнесу
- Базовые модели квалификации
- Этапы процесса квалификации
- Критерии и данные для MQL
- Lead scoring: как считать и не усложнить
- Маркетинг и продажи: SLA и обратная связь
- Инструменты и автоматизация
- Метрики контроля качества
- Типовые ошибки
- Мнение эксперта
- Кейс-вектор: что меняется после внедрения
- Как запустить процесс за 14 дней
- FAQ
- Чем MQL отличается от SQL?
- С чего начать, если нет истории данных?
- Можно ли автоматизировать квалификацию полностью?
- Как выбрать порог MQL?
- Что делать с «пограничными» лидами?
Квалификация лидов: зачем она нужна бизнесу
Квалификация лидов — это система критериев и действий, которая помогает отделам маркетинга и продаж быстро отличать перспективные запросы от «шума». Грамотно выстроенный процесс снижает CAC, повышает конверсию MQL→SQL и ускоряет цикл сделки, потому что менеджеры тратят время на тех, кто действительно может купить. Для performance- и SEO-каналов это особенно критично: поток заявок большой, а внимание — ресурсное.
Базовые модели квалификации
- BANT — Budget, Authority, Need, Timing. Классика для оценки готовности сделки.
- CHAMP — Challenges, Authority, Money, Prioritization. Сфокусирована на проблеме клиента.
- GPCT — Goals, Plans, Challenges, Timeline. Полезна в сложных b2b-продажах.
- MEDDICC — Metrics, Economic buyer, Decision criteria/process, Identify pain, Champion, Competition. Для enterprise-процессов с множеством стейкхолдеров.
На практике компании комбинируют элементы этих моделей, дополняя их цифровыми поведенческими сигналами из CRM, аналитики и рекламных кабинетов.
Этапы процесса квалификации
- Захват лида: UTM-метки, источник, кампания, ключевое слово.
- Автопроверки: корректность телефона/почты, дубликаты, спам-сигналы.
- Маркетинговая оценка (MQL): соответствие ICP/персоне, интерес к продукту, пороговый lead scoring.
- Передача в продажи по SLA: канал, дедлайн, контекст заявки.
- Продажная квалификация (SQL): потребность, бюджет, лицо, принимающее решение, срок.
- Решение: в работу/ nurture / дисквалификация с причиной.
Критерии и данные для MQL
- Явные признаки: отрасль, размер компании, должность, регион.
- Поведение: страницы и глубина просмотра, скачанные материалы, повторные визиты.
- Сигналы намерения: запросы в форме («сроки», «демо»), ключевые слова в источнике трафика.
- Технические маркеры: корпоративный домен, IP-диапазон, технология на сайте.
Lead scoring: как считать и не усложнить
Начинайте с простой аддитивной модели: присваивайте баллы за совпадение с ICP и поведение, снимайте баллы за низкое соответствие или спам-паттерны. Порог MQL — эмпирически подбирается на исторических данных и корректируется ежемесячно.
Пример простого скоринга:
- Отрасль из ICP: +20
- Размер компании 50–250: +15
- Должность «директор/руководитель»: +15
- Скачал прайс/кейсы: +10
- Вернулся в течение 7 дней: +10
- Почта на бесплатном домене: −10
- Несоответствие региону: −15
Порог MQL: 30–40 баллов на старте, далее — подстройка по фактической конверсии в SQL/Won.
Маркетинг и продажи: SLA и обратная связь
- Скорость реакции: первый контакт ≤15 минут в рабочее время.
- Каналы связи: приоритет звонка, затем мессенджер, затем email.
- Обязательные поля при передаче: контекст запроса, источник, последняя страница, примечания.
- Стандартизированные причины дисквалификации (DDL) — единый справочник.
- Еженедельный разбор 10–20 лидов на стыке маркетинга и продаж.
Инструменты и автоматизация
- CRM с полями для скоринга и статусов MQL/SQL/Disqualified.
- Сквозная аналитика: связываем рекламные расходы, визиты, лиды и сделки.
- CDP/ETL для объединения событий сайта, писем, звонков и офлайн-источников.
- Автотриггеры: nurturing цепочки для лидов ниже порога, уведомления менеджерам в мессенджерах.
Метрики контроля качества
- Конверсия MQL→SQL и SQL→Won по источникам/кампаниям.
- Скорость реакции и количество попыток контакта.
- CAC и LTV:CAC по сегментам.
- Доля дисквалификаций и топ-3 причины.
- Прогнозность скоринга: lift по децилям.
Типовые ошибки
- Отсутствие единого словаря статусов и причин отказа.
- Порог MQL поставлен «на глаз», без обратной связи от продаж.
- Скоринг не обновляется, хотя воронка и трафик изменились.
- Маркетинг оптимизирует по дешевым лидам, а не по SQL/Won.
- Нет nurturing-пути для «ранних» лидов — теряется потенциал.
Мнение эксперта
Квалификация перестает работать, когда она «черно-белая». Используйте градации готовности: горячие — в продажу, теплые — в короткий nurture с конкретным CTA, холодные — в контентную прогревную дорожку. И обязательно закрывайте контур по качеству: причина дисквалификации должна попадать обратно в рекламные кабинеты для минусования и корректировки аудиторий.
Екатерина Соколова, руководитель отдела продаж B2B SaaS
Кейс-вектор: что меняется после внедрения
В b2b-сервисе на 2 000 лидов/мес стартовый порог MQL=35 дал -22% объема MQL, но +38% конверсии в SQL и -17% CAC. Через 6 недель добавили сигнал «повторный визит 3+ раза за 10 дней» и вынесли «почта на публичном домене» в мягкий отрицательный признак: MQL восстановили до -10% от базы, при этом SQL выросли на +29% к исходному периоду.
Как запустить процесс за 14 дней
- День 1–2: описать ICP и негативные сигналы, согласовать SLA.
- День 3–5: завести статусы/причины в CRM, добавить поля UTM и источники.
- День 6–7: собрать простой скоринг, выбрать порог.
- День 8–10: автоматизировать маршрутизацию и уведомления.
- День 11–14: пилот на 1–2 источниках, еженедельные ретроспективы.
Короткий чек-лист здоровья процесса
- Есть понятные критерии MQL/SQL и SLA реакции.
- Скоринг прозрачен и обновляется ежемесячно.
- Причины дисквалификации связаны с оптимизацией трафика.
- Маркетинг смотрит на SQL/Won, а не только на CPL.
- Nurturing-пути закрывают «теплые» и «холодные» сегменты.
FAQ
Чем MQL отличается от SQL?
MQL — маркетингово квалифицированный лид по формальным/поведенческим критериям. SQL — подтвержденный продажами лид с реальной потребностью и влиянием на покупку.
С чего начать, если нет истории данных?
Возьмите простую модель BANT+поведение, установите консервативный порог, еженедельно пересматривайте по фидбеку продаж и ручной разметке 50–100 лидов.
Можно ли автоматизировать квалификацию полностью?
Автоскоринг и маршрутизация — да. Финальную квалификацию в b2b лучше оставлять менеджеру: нюансы контекста и лица, принимающего решение, критичны.
Как выбрать порог MQL?
Проведите backtesting на исторических данных: сравните конверсии и нагрузку на продажи в трех вариантах порога (низкий/средний/высокий) и выберите компромисс.
Что делать с «пограничными» лидами?
Отправляйте в короткий nurture: 2–3 письма/месседжа с ценностью (кейс, демо, чек-лист) и повторной попыткой контакта через 3–5 дней.
Оглавление
- Квалификация лидов: зачем она нужна бизнесу
- Базовые модели квалификации
- Этапы процесса квалификации
- Критерии и данные для MQL
- Lead scoring: как считать и не усложнить
- Маркетинг и продажи: SLA и обратная связь
- Инструменты и автоматизация
- Метрики контроля качества
- Типовые ошибки
- Мнение эксперта
- Кейс-вектор: что меняется после внедрения
- Как запустить процесс за 14 дней
- FAQ
- Чем MQL отличается от SQL?
- С чего начать, если нет истории данных?
- Можно ли автоматизировать квалификацию полностью?
- Как выбрать порог MQL?
- Что делать с «пограничными» лидами?
Квалификация лидов: зачем она нужна бизнесу
Квалификация лидов — это система критериев и действий, которая помогает отделам маркетинга и продаж быстро отличать перспективные запросы от «шума». Грамотно выстроенный процесс снижает CAC, повышает конверсию MQL→SQL и ускоряет цикл сделки, потому что менеджеры тратят время на тех, кто действительно может купить. Для performance- и SEO-каналов это особенно критично: поток заявок большой, а внимание — ресурсное.
Базовые модели квалификации
- BANT — Budget, Authority, Need, Timing. Классика для оценки готовности сделки.
- CHAMP — Challenges, Authority, Money, Prioritization. Сфокусирована на проблеме клиента.
- GPCT — Goals, Plans, Challenges, Timeline. Полезна в сложных b2b-продажах.
- MEDDICC — Metrics, Economic buyer, Decision criteria/process, Identify pain, Champion, Competition. Для enterprise-процессов с множеством стейкхолдеров.
На практике компании комбинируют элементы этих моделей, дополняя их цифровыми поведенческими сигналами из CRM, аналитики и рекламных кабинетов.
Этапы процесса квалификации
- Захват лида: UTM-метки, источник, кампания, ключевое слово.
- Автопроверки: корректность телефона/почты, дубликаты, спам-сигналы.
- Маркетинговая оценка (MQL): соответствие ICP/персоне, интерес к продукту, пороговый lead scoring.
- Передача в продажи по SLA: канал, дедлайн, контекст заявки.
- Продажная квалификация (SQL): потребность, бюджет, лицо, принимающее решение, срок.
- Решение: в работу/ nurture / дисквалификация с причиной.
Критерии и данные для MQL
- Явные признаки: отрасль, размер компании, должность, регион.
- Поведение: страницы и глубина просмотра, скачанные материалы, повторные визиты.
- Сигналы намерения: запросы в форме («сроки», «демо»), ключевые слова в источнике трафика.
- Технические маркеры: корпоративный домен, IP-диапазон, технология на сайте.
Lead scoring: как считать и не усложнить
Начинайте с простой аддитивной модели: присваивайте баллы за совпадение с ICP и поведение, снимайте баллы за низкое соответствие или спам-паттерны. Порог MQL — эмпирически подбирается на исторических данных и корректируется ежемесячно.
Пример простого скоринга:
- Отрасль из ICP: +20
- Размер компании 50–250: +15
- Должность «директор/руководитель»: +15
- Скачал прайс/кейсы: +10
- Вернулся в течение 7 дней: +10
- Почта на бесплатном домене: −10
- Несоответствие региону: −15
Порог MQL: 30–40 баллов на старте, далее — подстройка по фактической конверсии в SQL/Won.
Маркетинг и продажи: SLA и обратная связь
- Скорость реакции: первый контакт ≤15 минут в рабочее время.
- Каналы связи: приоритет звонка, затем мессенджер, затем email.
- Обязательные поля при передаче: контекст запроса, источник, последняя страница, примечания.
- Стандартизированные причины дисквалификации (DDL) — единый справочник.
- Еженедельный разбор 10–20 лидов на стыке маркетинга и продаж.
Инструменты и автоматизация
- CRM с полями для скоринга и статусов MQL/SQL/Disqualified.
- Сквозная аналитика: связываем рекламные расходы, визиты, лиды и сделки.
- CDP/ETL для объединения событий сайта, писем, звонков и офлайн-источников.
- Автотриггеры: nurturing цепочки для лидов ниже порога, уведомления менеджерам в мессенджерах.
Метрики контроля качества
- Конверсия MQL→SQL и SQL→Won по источникам/кампаниям.
- Скорость реакции и количество попыток контакта.
- CAC и LTV:CAC по сегментам.
- Доля дисквалификаций и топ-3 причины.
- Прогнозность скоринга: lift по децилям.
Типовые ошибки
- Отсутствие единого словаря статусов и причин отказа.
- Порог MQL поставлен «на глаз», без обратной связи от продаж.
- Скоринг не обновляется, хотя воронка и трафик изменились.
- Маркетинг оптимизирует по дешевым лидам, а не по SQL/Won.
- Нет nurturing-пути для «ранних» лидов — теряется потенциал.
Мнение эксперта
Квалификация перестает работать, когда она «черно-белая». Используйте градации готовности: горячие — в продажу, теплые — в короткий nurture с конкретным CTA, холодные — в контентную прогревную дорожку. И обязательно закрывайте контур по качеству: причина дисквалификации должна попадать обратно в рекламные кабинеты для минусования и корректировки аудиторий.
Екатерина Соколова, руководитель отдела продаж B2B SaaS
Кейс-вектор: что меняется после внедрения
В b2b-сервисе на 2 000 лидов/мес стартовый порог MQL=35 дал -22% объема MQL, но +38% конверсии в SQL и -17% CAC. Через 6 недель добавили сигнал «повторный визит 3+ раза за 10 дней» и вынесли «почта на публичном домене» в мягкий отрицательный признак: MQL восстановили до -10% от базы, при этом SQL выросли на +29% к исходному периоду.
Как запустить процесс за 14 дней
- День 1–2: описать ICP и негативные сигналы, согласовать SLA.
- День 3–5: завести статусы/причины в CRM, добавить поля UTM и источники.
- День 6–7: собрать простой скоринг, выбрать порог.
- День 8–10: автоматизировать маршрутизацию и уведомления.
- День 11–14: пилот на 1–2 источниках, еженедельные ретроспективы.
Короткий чек-лист здоровья процесса
- Есть понятные критерии MQL/SQL и SLA реакции.
- Скоринг прозрачен и обновляется ежемесячно.
- Причины дисквалификации связаны с оптимизацией трафика.
- Маркетинг смотрит на SQL/Won, а не только на CPL.
- Nurturing-пути закрывают «теплые» и «холодные» сегменты.
FAQ
Чем MQL отличается от SQL?
MQL — маркетингово квалифицированный лид по формальным/поведенческим критериям. SQL — подтвержденный продажами лид с реальной потребностью и влиянием на покупку.
С чего начать, если нет истории данных?
Возьмите простую модель BANT+поведение, установите консервативный порог, еженедельно пересматривайте по фидбеку продаж и ручной разметке 50–100 лидов.
Можно ли автоматизировать квалификацию полностью?
Автоскоринг и маршрутизация — да. Финальную квалификацию в b2b лучше оставлять менеджеру: нюансы контекста и лица, принимающего решение, критичны.
Как выбрать порог MQL?
Проведите backtesting на исторических данных: сравните конверсии и нагрузку на продажи в трех вариантах порога (низкий/средний/высокий) и выберите компромисс.
Что делать с «пограничными» лидами?
Отправляйте в короткий nurture: 2–3 письма/месседжа с ценностью (кейс, демо, чек-лист) и повторной попыткой контакта через 3–5 дней.