MQL vs SQL: qué los diferencia y cuándo pasa uno al otro.
Definición operativa, criterios reales para distinguir un Marketing Qualified Lead de un Sales Qualified Lead en pyme B2B española, y el SLA marketing-ventas que evita que los leads se pierdan en el camino.
Actualizado mayo 2026
MQL y SQL: dos estadios del lead, dos equipos responsables, dos criterios distintos.
Un MQL (Marketing Qualified Lead) es un contacto que ha mostrado interés suficiente como para que marketing lo considere "trabajado": ha rellenado un formulario relevante, ha visitado páginas clave (precios, casos, demo), ha abierto varios emails de la secuencia, o tiene un perfil que encaja con el ICP (sector, tamaño, rol). Aún no ha pedido hablar con ventas — está en investigación. Lo gestiona marketing con contenidos y secuencias.
Un SQL (Sales Qualified Lead) es un contacto que ya tiene intención clara de comprar: ha pedido demo, ha solicitado propuesta, ha llamado o ha respondido afirmativamente a una cualificación BANT (presupuesto, autoridad, necesidad, plazo). Aquí entra ventas. La conversación pasa de educativa a comercial: pricing, plazos, decisión.
La diferencia operativa: un MQL no devuelve necesariamente una llamada inmediata; un SQL sí. Marketing puede acumular 200 MQLs/mes; ventas atiende 20-40 SQLs/mes. El SLA marketing-ventas establece qué señales pasan un MQL a SQL, cuánto tarda ventas en contactar (objetivo: <24h hábiles), y qué pasa con los SQLs descalificados que vuelven a marketing.
En pyme B2B española en 2026, definir MQL y SQL no es ejercicio teórico: determina dónde se rompen los pipelines. Sin criterios claros, ventas trabaja leads fríos (queman tiempo) o marketing pasa basura (ventas pierde fe). Bien hecho, separa señal de ruido y dispara la productividad comercial. Magnetia define MQL/SQL como primer paso en cualquier proyecto de generación de leads B2B.
Cómo distinguir un MQL de un SQL en seis situaciones reales
Casos de pyme B2B en castellano, no plantilla SaaS USA.
Descarga de eBook genérico
Caso: descarga "Guía de Kit Consulting 2026". MQL si encaja con ICP (pyme 10-249 empleados); lead frío si no. NO es SQL — todavía investiga el sector. Marketing lo nutre con 3-4 emails antes de proponer llamada de descubrimiento.
Visita /precios + /demo en misma sesión
Caso: anónimo con visita a precios y demo en <10 min. Si rellena formulario de demo: SQL directo (señal de intención fuerte). Si solo navega y no convierte: MQL si tienes IP/empresa identificada, lead frío si no.
Respuesta positiva a cold email
Caso: responde "interesante, ¿podemos hablar?". SQL inmediato. Asignar a ventas con SLA <24h. NO meter en secuencia de nurturing — eso le enfría. Aquí ventas decide si hay BANT real tras la primera llamada.
Webinar registrado + asistente
Caso: se inscribe y asiste a webinar técnico. MQL alto. Si en el chat hace preguntas específicas de su empresa ("¿cómo aplicaría esto a una asesoría de 25 empleados?"), eleva a SQL — claramente evalúa para su caso.
LinkedIn DM aceptado + respuesta neutra
Caso: acepta conexión, responde "gracias, lo miro". MQL. Mantener en secuencia LinkedIn ligera, NO ventas duras. Marketing prepara terreno con contenido. Cuando responda con pregunta específica o pida llamada: SQL.
Solicitud de propuesta formal
Caso: pide presupuesto o propuesta detallada por email. SQL claro. Ventas envía propuesta + agenda llamada. Si no hay respuesta tras 2 toques: vuelve a marketing con tag "propuesta enviada, sin cierre" para nurturing largo.
Cómo gestionar el flujo MQL → SQL → oportunidad sin perder leads
Definir criterios MQL escritos
Documento corto (1 página) con criterios objetivos: comportamiento (pages visitadas, descargas, emails abiertos), perfil (ICP, rol, sector), señales explícitas (formulario, demo). Marketing y ventas firman. Sin documento escrito, el debate "esto es MQL o no" se eterniza.
Definir criterios SQL escritos
Cuatro señales típicas: demo solicitada, propuesta pedida, respuesta positiva a outreach con intención, score >umbral (lead scoring). Marketing pasa, ventas valida. Si ventas rechaza, vuelve a marketing con motivo escrito (fit, timing, presupuesto).
Configurar el CRM con stages claros
Stages: New → MQL → SQL → Discovery → Proposal → Closed Won/Lost. Automatizar transición MQL→SQL por score. Bloquear stages saltados sin justificación. En HubSpot, Pipedrive, Folk o Attio se configura en <2h.
Establecer SLA marketing-ventas
SLA típico: MQL→SQL en <72h por marketing; SQL contactado por ventas en <24h hábiles. Si ventas no toca en 24h, alerta a manager. Si ventas rechaza, marketing recibe motivo en <48h. Métricas mensuales: % MQL→SQL conversión, tiempo medio.
Loop de descalificados
SQL descalificados ("no es buen timing") vuelven a marketing con tag y secuencia de nurturing largo (3-6 meses). No se descartan — el 20-30% de SQLs descalificados reabren en 6-12 meses. Sin loop, se pierden.
Revisión mensual conjunta
Reunión 30 min marketing+ventas: ¿qué MQLs convirtieron mejor? ¿qué fuentes generan SQLs basura? ¿hay que ajustar criterios? Ajustes trimestrales documentados. Sin revisión, los criterios se desactualizan y vuelve el caos.
Cinco errores típicos con MQL/SQL en pyme española
No definir criterios por escrito
Si MQL/SQL viven en "el criterio del equipo", cada persona aplica el suyo y los pipelines son caóticos. Documento de una página con criterios objetivos. Sin él, los KPIs son inventados y las reuniones no avanzan.
Confundir formulario rellenado con SQL
Rellenar un eBook NO es SQL — es interés temprano (MQL como mucho). Pasar todos los formularios a ventas quema tiempo comercial y baja la calidad percibida del pipeline. Marketing nutre, ventas cierra.
No tener loop de descalificados
SQLs rechazados por timing o presupuesto se pierden si no vuelven a una secuencia de nurturing larga. El 25% reabre en 6-12 meses si los mantienes vivos con contenido útil, no comercial.
Ventas atendiendo MQLs en frío
Asignar todos los registros nuevos a ventas para "que cierre" en frío genera fricción y baja conversiones. Marketing tiene que pre-calentar. Sin secuencia previa, las llamadas de descubrimiento se desperdician.
No medir conversión MQL→SQL→cierre por fuente
Si no sabes que cold mailing genera SQLs con 30% de cierre y LinkedIn solo 8%, asignas mal el presupuesto. Embudo segmentado por canal es la única forma de optimizar el mix. Métrica de vanidad: total MQLs. Métrica útil: SQLs cualificados por canal.
MQL/SQL en el ecosistema de captación B2B.
MQL y SQL son la traducción operativa del customer journey: MQL cubre las fases de conciencia y consideración; SQL entra en decisión. El funnel B2B se construye sobre estos estadios — sin ellos, no hay pipeline medible.
El lead scoring automatiza la transición MQL→SQL: un score por encima de umbral (típico 60-80 puntos sobre 100) dispara la conversión. Sin scoring, la transición depende del olfato de cada SDR y los criterios escritos sirven menos.
En herramientas, el CRM es donde MQL/SQL viven. Cualquier CRM B2B moderno (HubSpot, Pipedrive, Folk, Attio) permite configurar estos stages con automatizaciones. Sin CRM bien configurado, los estados se pierden en hojas de cálculo y emails.
Para una pyme B2B en 2026, definir MQL/SQL es el ejercicio mínimo viable antes de invertir en captación pagada (Google Ads, cold mailing, LinkedIn). Magnetia configura este pipeline como parte del servicio de generación de leads B2B, cofinanciable con Kit Consulting Ventas Digitales.
Dudas que nos hacéis llegar
¿Quieres montar un pipeline MQL/SQL que funcione?
Reunión con Marcos o Jorge: revisamos tu pipeline actual, definimos criterios MQL/SQL para tu pyme y los configuramos en tu CRM con SLA marketing-ventas. Cofinanciable con Kit Consulting Ventas Digitales si calificas.