MQL vs SQL: Cara Tim Sales dan Marketing Indonesia Sepakat Soal Lead yang Layak

TL;DR: MQL (Marketing Qualified Lead) adalah lead yang lolos ambang skor minat dan kecocokan dari sisi marketing, sementara SQL (Sales Qualified Lead) adalah MQL yang sudah dikonfirmasi sales punya niat beli dan budget. Tim B2B Indonesia yang produktif memiliki SLA tertulis: marketing janji volume MQL per bulan, sales janji follow up dalam 24 jam. Tanpa SLA, jumlah lead besar tetap tidak menghasilkan revenue.

Setiap bulan saya melihat pola yang sama di tim B2B Indonesia. Marketing presentasi dengan grafik naik: 240 lead bulan ini, naik 35%. Sales menjawab dingin: "Tapi tidak ada yang closing." Lalu rapat berakhir dengan saling tunjuk, tanpa kesepakatan yang lebih baik untuk bulan depan.

Akar masalahnya jarang soal kuantitas. Akar masalahnya adalah kedua tim tidak pernah duduk dan menyetujui definisi praktis: lead yang seperti apa yang layak disebut MQL, dan kapan tepatnya sebuah MQL berubah jadi SQL.

Definisi MQL dan SQL yang Bisa Dieksekusi

MQL adalah lead yang sudah lewat ambang skor minat dan kecocokan profil. Skor minat dibangun dari aktivitas, misalnya membuka 3 email berturut-turut, mengunjungi halaman pricing dua kali, atau mengikuti webinar produk. Skor kecocokan dibangun dari atribut, misalnya jabatan decision maker, ukuran perusahaan minimum, atau industri target.

SQL adalah MQL yang sudah dikonfirmasi sales dalam percakapan singkat (telepon, demo, atau pertemuan) bahwa orang ini punya tiga hal: niat beli yang nyata, otoritas atau akses ke decision maker, dan timeline yang masuk akal (umumnya di bawah 6 bulan). Definisi BANT (Budget, Authority, Need, Timeline) yang dipakai banyak tim sales adalah penjabaran konkret dari kriteria SQL.

Bedanya jelas: MQL adalah label yang diberikan sistem berdasarkan perilaku digital, sementara SQL adalah label yang diberikan manusia setelah verifikasi langsung.

Framework SLA Antar Tim

Tim B2B Indonesia yang berhasil biasanya menjalankan SLA dua arah:

SLA tertulis ini menyelesaikan dua masalah sekaligus: marketing tidak lagi dituduh menyetor lead sampah, dan sales tidak bisa lagi membiarkan lead menumpuk tanpa tindakan. Lihat juga panduan lead scoring untuk membangun ambang skor yang berdasar data.

Studi Kasus: Saat Membangun Atmo LMS

Saat membangun Atmo, platform LMS untuk pelatihan korporat, awalnya kami punya masalah klasik. Marketing mendatangkan 50-60 lead per bulan dari kampanye konten dan webinar. Sales mengeluh bahwa hanya 5-7 yang benar-benar layak dihubungi. Konversi MQL ke SQL di bawah 15%, jauh di bawah patokan industri 25-35% (data Salesforce 2023, State of Sales Report).

Solusinya adalah mengubah skoring. Sebelumnya semua download e-book mendapat 10 poin tanpa peduli siapa yang download. Setelah revisi, kami memberi skor berbeda berdasarkan kombinasi aktivitas dan jabatan. HRD korporat yang download "Panduan Implementasi LMS" mendapat 30 poin (cocok ICP, intent tinggi). Mahasiswa yang download e-book yang sama mendapat 5 poin (mismatch ICP, mungkin riset tugas).

Hasilnya tiga bulan berikutnya: jumlah MQL turun ke 35-40 per bulan, tapi konversi MQL ke SQL naik ke 40%. Closing rate dari SQL juga naik karena percakapan dimulai dengan orang yang relevan. Lihat studi kasus Atmo untuk konteks funnel onboarding.

Cara Memulai Tanpa Tooling Mahal

Banyak tim Indonesia menunda definisi MQL/SQL karena merasa butuh CRM enterprise. Ini tidak benar. Saya melihat tim 3-5 orang sukses pakai stack sederhana:

1. Spreadsheet dengan kolom skor, sumber, status (MQL/SQL/Lost), dan tanggal kontak terakhir
2. Form intake di website yang menanyakan jabatan dan ukuran tim
3. Email automation sederhana (Mailchimp, MailerLite) untuk nurturing
4. Aturan satu halaman yang ditandatangani kedua tim soal SLA

Yang penting bukan tool-nya, tapi kesepakatan tertulis yang ditegakkan. Tim yang konsisten menjalankan ini selama 6 bulan biasanya mulai melihat pola: kampanye apa yang menghasilkan MQL berkualitas, dan kampanye apa yang hanya bagus angka tapi miskin konversi. Pelajari juga marketing funnel untuk konteks tahap dan lead generation untuk metode hulu.

Pertanyaan Umum

Apakah setiap bisnis butuh MQL/SQL?

Tidak. Bisnis transaksi cepat (e-commerce produk konsumen) biasanya tidak perlu, karena pengunjung langsung membeli atau pergi. Konsep ini krusial untuk B2B atau bisnis dengan siklus penjualan lebih dari 30 hari.

Berapa konversi MQL ke SQL yang sehat?

Patokan industri 25-35% untuk B2B SaaS. Di bawah 20% biasanya menandakan skoring terlalu longgar atau ICP tidak jelas. Di atas 50% mungkin berarti ambang MQL terlalu ketat dan banyak peluang tidak ditandai.

Siapa yang berhak menentukan SQL?

Sales. Marketing tidak punya konteks niat beli yang sudah diverifikasi langsung. Tugas marketing berhenti di mengantarkan MQL berkualitas. Tugas sales mengkonfirmasi BANT.

Bagaimana kalau sales menolak follow up MQL?

Audit dulu kualitas MQL. Jika audit menunjukkan kualitas baik tapi sales tetap menolak, masalahnya bukan di marketing. Bawa ke leadership untuk realokasi kapasitas atau revisi target.

Apakah lead lama yang tidak jadi SQL hangus?

Tidak otomatis. Pindahkan ke alur nurturing pasif (email bulanan, konten edukasi) selama 6-12 bulan. Banyak deal B2B Indonesia closing setelah lead tidak tersentuh sales selama 3 bulan, lalu kembali aktif di kampanye baru.

Penutup: Kesepakatan Tertulis Lebih Penting dari Tooling

Tim B2B Indonesia yang produktif bukan yang punya CRM paling mahal, tapi yang punya kesepakatan tertulis paling jelas tentang siapa MQL, siapa SQL, dan siapa yang bertanggung jawab di tiap tahap. Mulai dari satu halaman A4. Tanda tangan kedua tim. Audit tiap kuartal. Hasilnya akan terasa di pipeline yang lebih sehat dan rapat Senin yang tidak lagi diisi saling tunjuk.