Meta Pixel R$ 100 de bônus na API oficial do WhatsApp para novos clientes Começar teste grátis →

O que é MQL e SQL: diferenças, critérios e exemplos

Entenda o que é MQL e SQL, as diferenças entre eles, critérios de qualificação, exemplos práticos e as métricas que mostram se seu funil de vendas funciona.

IA e automaçãoPor Equipe Leavo15 de nov. de 202614 min de leitura

MQL e SQL são duas etapas diferentes da qualificação comercial. MQL é o lead que o marketing qualifica por perfil e interesse demonstrado; SQL é o lead que vendas valida como oportunidade real, com necessidade, contexto e possibilidade concreta de compra.

A confusão começa quando os dois termos viram sinônimo de lead bom. Não são. MQL e SQL descrevem momentos distintos de uma mesma decisão comercial, com critérios, donos e próximos passos diferentes.

Entender o que é MQL e SQL na prática evita que todo cadastro seja tratado como oportunidade. Também permite medir a passagem entre as etapas, cobrar tempo de resposta e descobrir onde o funil perde negócios. Um acordo operacional que o time consegue aplicar no CRM na segunda-feira é o que separa o conceito da execução.

O que são MQL e SQL e por que importam

A sequência mais comum do funil é Lead → MQL → SQL → Oportunidade. O glossário da Métrica AS descreve MQL como o contato que atende a critérios definidos pela empresa, como perfil de cliente ideal, segmento, cargo ou porte, e que também demonstrou interesse suficiente em ações de marketing. SQL é o contato analisado e validado pela área comercial como uma oportunidade com necessidade, contexto e possibilidade concreta de compra.

A diferença central não é apenas o nível de interesse, mas quem toma a decisão. Marketing classifica o MQL. Vendas ou pré-vendas confirma o SQL. Essa divisão de responsabilidade é o que impede que a qualificação vire opinião de quem falou com o lead por último.

Quem decide o quê

A tabela abaixo coloca os dois estágios lado a lado para você olhar para qualquer contato e saber onde ele está.

Aspecto MQL SQL
Significado Marketing Qualified Lead (lead qualificado pelo marketing) Sales Qualified Lead (lead qualificado por vendas)
Quem decide Marketing, com base em perfil e interesse Vendas ou pré-vendas, após validar a oportunidade
Critério principal Perfil de cliente ideal + interesse demonstrado Necessidade, orçamento, prazo e autoridade confirmados
Ação típica do lead Baixou material, preencheu formulário, pediu demonstração Respondeu ao contato, aceitou reunião ou proposta
Próximo passo Nutrição ou primeiro contato comercial Atendimento comercial, reunião, negociação e fechamento
Risco de confundir Tratar MQL como SQL esfria o lead sem contexto Deixar um SQL na nutrição atrasa uma compra real

O funil abaixo mostra a progressão de visitante para MQL e depois para SQL.

Um funil de vendas ilustrando a progressão de Visitantes para MQL e depois para SQL nas estratégias de marketing.

Em empresas B2B, SaaS, educação e serviços, o ciclo de compra costuma exigir várias interações antes de uma reunião ou proposta. Classificar cedo demais esfria o contato. Classificar tarde demais entrega a oportunidade para o concorrente. O MQL organiza a nutrição e o primeiro contato; o SQL organiza a conversa comercial com contexto.

Na prática, uma empresa pode definir um MQL quando o lead combina setor-alvo e interação com conteúdos. Depois, o time comercial converte esse contato em SQL ao confirmar problema, autoridade, prazo e próximo passo. A definição evita que todo cadastro seja tratado como oportunidade e permite medir taxas como MQL para SQL, tempo de resposta e motivos de desqualificação.

Critérios de qualificação para MQL e SQL

Definir MQL e SQL no abstrato não resolve o problema de ninguém. O valor aparece quando marketing e vendas compartilham critérios e indicadores, em vez de trabalhar com listas indistintas de contatos, como aponta o conteúdo sobre qualificação de leads de Icaro Iasbeck.

Em uma operação brasileira, o caminho mais útil é combinar três dimensões: perfil, comportamento e contexto. Perfil responde se o contato se parece com o cliente ideal. Comportamento mostra o que ele fez. Contexto revela se existe problema, prazo, orçamento e autoridade para decidir.

A regra dos três filtros

Um critério de MQL pode ser simples: lead do segmento-alvo, com porte mínimo e pelo menos duas interações digitais recentes. Esse conjunto já elimina curiosos e mantém quem tem aderência. O SQL só aparece depois que o time comercial confirma necessidade, orçamento ou capacidade de investimento, prazo e participação no processo decisório.

Dimensão Sinal típico de MQL Confirmação para virar SQL
Perfil Segmento, porte e cargo dentro do ICP Decisor ou influenciador identificado pelo nome
Comportamento Download, resposta no WhatsApp ou pedido de demo Reunião ou demonstração aceita com data marcada
Contexto Problema descrito em linhas gerais Problema, prazo e orçamento confirmados na conversa
Engajamento Duas ou mais interações digitais recentes Responde ao follow-up e avança para o próximo passo
Operação Cadastro e origem registrados no CRM SLA cumprido, evidências registradas e responsável definido

O que transforma um MQL em SQL

O erro mais comum é achar que o MQL vira SQL porque passou tempo. Não passa. A promoção precisa de confirmação registrada. Necessidade sem prazo é interesse. Prazo sem decisor é torcida. Orçamento sem necessidade é curiosidade. O SQL existe quando essas peças aparecem na conversa, não quando o lead baixa mais um material.

Regra prática: se o contato não consegue dizer o problema que quer resolver e quando precisa resolver, ele ainda não é SQL.

Combinados que evitam disputa

Três acordos operacionais evitam que a classificação vire discussão. O primeiro é o SLA de primeiro contato, com tempo máximo para vendas assumir o lead. O segundo é o número de tentativas antes de devolver um MQL. O terceiro é o motivo obrigatório de devolução, escolhido em uma lista curta: sem perfil, sem orçamento, sem prazo, sem resposta ou contato duplicado.

Também não existe percentual universal de conversão. O próprio material reforça que os critérios precisam ser acordados entre marketing e vendas, registrados no CRM e revisados com o histórico da própria operação. Para aprofundar o processo, vale rever a qualificação de leads como uma etapa do funil inteiro, não como um evento isolado.

Com esses critérios escritos, marketing e vendas passam a usar a mesma definição de MQL e SQL. A discussão deixa de ser sobre opinião e passa a ser sobre evidência registrada.

Exemplos de MQL e SQL em negócios reais

Três operações diferentes mostram o mesmo movimento: um sinal de interesse coloca o contato no radar, e uma confirmação comercial o transforma em SQL. Muda o canal, muda o vocabulário, não muda a lógica.

SaaS B2B

Um gestor de TI baixa um e-book sobre automação de processos e assiste a um webinar. Perfil dentro do ICP, duas interações digitais, interesse claro: é MQL. Dias depois, ele responde à mensagem do time comercial, diz que o contrato atual vence em 30 dias e aceita uma demonstração com data marcada. A urgência, o problema e o próximo passo estão confirmados: vira SQL. O vendedor recebe a reunião agendada, o contexto do contrato e a dor principal para conduzir a negociação.

Educação

Uma candidata preenche o formulário de interesse em um MBA e baixa a grade curricular. É MQL. Na conversa, confirma que já concluiu a graduação, tem orçamento disponível e pretende começar no próximo semestre. A coordenação comercial valida os requisitos e classifica como SQL. O próximo passo é a reunião de matrícula, com a candidata, o prazo e a condição de pagamento já registrados.

Serviços

Uma clínica recebe um pedido de orçamento pelo WhatsApp. O contato quer saber valores e horários: é MQL. O atendimento pergunta o que motivou a busca, confirma a urgência, identifica quem decide e agenda uma consulta comercial. Com necessidade, decisor e data na agenda, o registro vira SQL. A recepção não precisa recomeçar a conversa: o histórico segue com o responsável pelo fechamento.

Em todos os casos, o sinal que gerou o MQL é diferente do sinal que confirmou o SQL. O primeiro mostra interesse. O segundo mostra condição de compra. A sequência se adapta a SaaS, educação, saúde, serviços ou indústria. O que não muda é a necessidade de registrar quem confirmou o quê, quando e com qual próximo passo.

Métricas para acompanhar a passagem de MQL a SQL

Ainda é comum encontrar operações comerciais brasileiras que trabalham sem CRM e sem acompanhar as taxas de conversão do próprio funil. Nesse cenário, MQL e SQL viram rótulos soltos. Ninguém sabe se o problema está na geração de leads, no primeiro contato, na proposta ou no fechamento.

Com CRM, o jogo muda. Cada contato carrega origem, estágio, responsável, atividades pendentes e motivo de perda. A classificação deixa de ser opinião e passa a ser um registro que as duas áreas conseguem auditar juntas.

O painel mínimo

Um painel simples começa com cinco números. Eles mostram onde o funil trava.

Métrica O que mostra Como usar na gestão
Taxa de aceitação de MQLs Quantos MQLs vendas reconhece como válidos Revisar rejeições e reajustar os critérios de marketing
Conversão MQL → SQL Quantos MQLs se tornam oportunidades validadas Comparar canais, campanhas e segmentos
Tempo MQL → SQL Velocidade do primeiro contato e da qualificação Definir SLA e reduzir o tempo de espera do lead
Conversão SQL → oportunidade Qualidade do que vendas validou Ajustar abordagem, oferta e urgência
Motivos de desqualificação Onde e por que o funil perde leads Fechar o ciclo de revisão mensal com dados

A imagem abaixo resume os cinco indicadores que devem ser lidos juntos em toda revisão mensal.

Gráfico informativo apresentando métricas essenciais para monitorar a passagem e conversão de leads MQL para SQL.

Como ler os números

Muitos MQLs sem SQL indicam segmentação ampla, critérios de marketing fracos ou abordagem comercial desalinhada. Muitos SQLs sem avanço apontam para oferta pouco aderente, falta de urgência ou condução comercial inadequada. Tempo alto entre MQL e SQL mostra que o lead esfria antes do primeiro contato. Taxa de aceitação baixa revela que vendas não reconhece os critérios de marketing.

Um número isolado engana. Conversão alta com volume baixo pode esconder um funil pequeno. Volume alto com aceitação baixa pode inflar o pipeline e queimar o time. Por isso a revisão mensal precisa olhar os cinco indicadores na mesma tela, cruzando quantidade, velocidade e qualidade. Para transformar isso em rotina, vale estruturar um dashboard de funil de vendas que mostre etapa, responsável e conversão entre etapas.

Medir a passagem de MQL para SQL só faz sentido dentro do processo comercial completo: prospecção, atendimento, negociação, fechamento e pós-venda. Cada etapa precisa de dono e de um critério de saída. Sem isso, o funil vira uma pilha de contatos sem diagnóstico.

Erros comuns ao classificar MQL e SQL

O primeiro erro é tratar MQL e SQL como rótulos universais. Eles são acordos operacionais, e acordos precisam de evidência. É comum encontrar empresas em que marketing e vendas nunca sentaram para definir, por escrito, o que cada área entrega e o que cada área aceita. Sem um SLA entre os dois lados, a classificação do lead vira opinião.

O SLA é o que impede a disputa. Marketing se compromete a entregar leads dentro de critérios combinados, e vendas se compromete a abordar em um prazo definido e devolver com motivo registrado. Sem prazo, número de tentativas e justificativa obrigatória de recusa, vendas rejeita o lead sem explicar, marketing culpa a abordagem e o lead esfria no meio.

  1. Rótulo universal sem acordo. O sintoma é a discussão sobre se o lead é bom. A causa é a falta de critérios escritos. A correção é publicar a matriz de aceite e usá-la como contrato entre as áreas.
  2. Benchmark alheio como meta interna. Copiar a conversão de outra empresa sem olhar para o próprio histórico distorce a expectativa. A correção é medir por canal e por segmento, mês a mês.
  3. Volume de MQL acima da capacidade de resposta. Mais leads podem piorar o pipeline quando o tempo até o primeiro contato cresce. A correção é acompanhar aceitação e tempo MQL para SQL antes de comemorar volume.
  4. Promoção a SQL sem confirmação. Entregar ao vendedor um contato que ainda não tem necessidade, prazo ou autoridade queima a abordagem. A correção é exigir a confirmação antes da promoção.
  5. CRM sem evidência. Sem origem, estágio, responsável e motivo de perda, não há aprendizado. A correção é registrar cada mudança de estágio e revisar os motivos de desqualificação todo mês.

Sinal de alerta: se a taxa de aceitação de MQLs cai mês após mês, o problema não é o vendedor. É o critério que colocou o lead ali.

O critério correto não é gerar mais MQLs. É gerar MQLs que vendas aceite e consiga converter. A diferença entre os dois aparece no CRM, não na reunião de cobrança.

Como a IA e o WhatsApp mudam a qualificação de MQL e SQL

A combinação de IA com WhatsApp encurta a distância entre interesse e compromisso. Em muitas operações brasileiras, a conversa comercial já acontece no aplicativo onde o lead responde rápido, fora do horário comercial e com contexto real de compra.

O efeito prático é simples: um contato pode entrar como curioso e sair da mesma thread com necessidade, prazo e reunião marcada. MQL e SQL viram estados atualizados por evidência a cada mensagem.

Infográfico sobre como a inteligência artificial e o WhatsApp automatizam a qualificação de leads MQL e SQL.

O funil deixa de ser linear

O funil tradicional pressupõe horário comercial, follow-up manual e passagem sequencial. A operação conversacional quebra essa premissa. O lead chega às 22h, pergunta preço, compara alternativas e quer resolver o problema naquela semana. Se ninguém responde, ele compra de quem responde.

Pesquisas de pré-vendas apontam adoção ampla de IA com maturidade irregular, e times que usam ferramentas pagas tendem a relatar conversão melhor do que times sem esse apoio. O objetivo é reduzir o tempo entre o sinal de interesse e a primeira resposta útil, sem afrouxar o critério.

Quando a IA pode promover um lead a SQL

A decisão segura começa pelo critério, não pela pontuação. Para promover, a conversa precisa registrar intenção explícita, aderência ao ICP, necessidade identificada, prazo, consentimento para contato e caminho para transferir a um humano.

O CRM é o extrato desse acordo. O vendedor precisa ver o que o lead disse, qual objeção apareceu, qual problema foi citado e qual próximo passo foi combinado. Uma pontuação alta sem histórico vira discussão de opinião.

Critério auditável: a IA só promove um lead a SQL quando a conversa registra evidência de necessidade, prazo e próximo passo, além de autorização para seguir o contato.

Um exemplo no WhatsApp

Um agente de IA responde em minutos, faz as perguntas de qualificação definidas pela empresa e separa quem tem perfil de quem só está pesquisando. Se o lead confirma necessidade e prazo, ele agenda com o vendedor certo após consultar a agenda; a equipe humana entra quando o lead está qualificado e pronto para avançar.

Para melhorar a conversa depois da triagem, as dicas de vendas do Sensio trazem práticas de abordagem, follow-up e fechamento que complementam a automação. A tecnologia acelera a triagem; a negociação continua humana onde a confiança decide.

Modelos de agente para pré-vendas, recuperação de leads frios, suporte e cobrança cobrem momentos diferentes do funil. A IA que conversa e qualifica leads no WhatsApp precisa estar ligada ao CRM para cada mudança de estágio ficar registrada com origem, responsável e evidência.

Como implantar MQL e SQL na sua operação

Colocar MQL e SQL em prática exige menos ferramenta e mais acordo. O plano abaixo cabe em uma semana e pode ser revisado no primeiro mês.

  1. Defina o ICP e os critérios de MQL com marketing. Use a matriz de perfil, comportamento e contexto. Escreva o que faz um contato entrar no radar e o que o mantém fora.
  2. Escolha os sinais de comportamento que contam como interesse. Download, resposta no WhatsApp, visita à página de preços ou pedido de demonstração. Sinais de alto interesse valem mais do que cliques soltos.
  3. Estabeleça o que vendas precisa confirmar para validar um SQL. Necessidade, prazo, orçamento ou capacidade de investimento e autoridade. Sem essa confirmação, o lead continua em nutrição.
  4. Combine SLA, tentativas e motivos de devolução. O acordo precisa dizer em quanto tempo vendas assume o lead, quantas tentativas faz e por que devolve. Isso reduz a disputa entre áreas.
  5. Registre tudo no CRM e revise as métricas todo mês. Origem, estágio, responsável, atividades e motivo de perda. A revisão mensal ajusta critérios com o histórico da própria operação.

Para executar esse processo sem planilhas paralelas, o CRM da Leavo reúne contatos, pipeline, etapas e agendamentos, e os agentes de IA vêm em cinco modelos prontos, com implementação gratuita nos planos Personal e Growth.

O objetivo não é transformar todo MQL em SQL. É fazer o funil avançar com critério, para que o vendedor gaste tempo com quem tem necessidade, contexto e possibilidade de compra.


Se o seu time ainda discute o que é MQL e SQL em vez de olhar para o pipeline, a Leavo AI organiza a operação comercial no WhatsApp do primeiro contato ao pós-venda. Com CRM, automações e agentes de IA, a plataforma conecta qualificação, atendimento, negociação e recompra em um único fluxo. Visite Leavo AI e mapeie onde os leads travam entre marketing e vendas.

Leavo

Coloque a IA para atender, qualificar e agendar no seu WhatsApp.

Agentes de IA, CRM e WhatsApp em uma única operação.

  • 7 dias grátis
  • Sem compromisso
  • Implementação guiada
Conversas na Leavo

Coloque a IA para fazer a próxima venda acontecer.

Agentes de IA, CRM, WhatsApp, cadências, campanhas e ligações em uma única plataforma. Comece hoje e veja funcionando em 7 dias.

  • 7 dias grátis, sem compromisso
  • Configuração guiada em 15 minutos
  • Implementação grátis com o nosso time
  • Mini curso de IA e reunião de implementação
  • R$ 100 de bônus na API oficial
Agendar demonstração

Conte um pouco sobre a sua empresa. No próximo passo você escolhe o melhor horário.