Pular para o conteúdo
Atualizado em Categoria: Marketing15 min de leitura

O que é SQL: critérios no funil de vendas

Compartilhar

Por termius ·

O que é SQL no B2B, como ele difere do MQL, quais critérios vendas usam e por que otimizar só volume de leads costuma desperdiçar orçamento.

Neste artigo

SQL (lead qualificado por vendas) é o contato que o time comercial aceita trabalhar porque já mostrou encaixe com o perfil de cliente e intenção de compra suficientes para uma conversa de oportunidade. Ele fica depois do lead de marketing e antes da proposta formal, e só faz sentido quando marketing e vendas compartilham critérios escritos e auditáveis no processo.

Você gera formulários, agenda demos e enche a fila do CRM, porém o comercial devolve boa parte dizendo que “não é hora” ou que a empresa não tem porte. Enquanto isso, o relatório de mídia celebra volume barato e a meta de receita continua distante. O atrito quase nunca nasce do anúncio isolado. Ele nasce de um estágio mal definido entre curiosidade e oportunidade.

Ao terminar este guia, você consegue explicar o sales qualified lead em português claro, montar critérios de SQL com o time de vendas, medir campanhas além do clique e tratar o dado pessoal do contato com base legal e transparência. Além disso, você sai com um checklist de alinhamento que reduz briga entre áreas sem prometer conversão garantida.

Como o SQL se encaixa no funil depois do MQL?

O SQL é o ponto em que vendas assume a conversa com intenção real de avançar, depois que marketing já filtrou interesse e encaixe básico. Ou seja, o MQL indica potencial sob critérios de marketing, enquanto o SQL indica prontidão comercial sob critérios de vendas. No funil de vendas, ele costuma ficar entre a nutrição e a abertura formal de oportunidade.

Imagine uma empresa de software B2B que captura 400 leads num mês por meio de webinar e anúncios. Premissas do exemplo ilustrativo, não benchmark de mercado: 120 passam por lead scoring e viram MQL, 35 são aceitos como SQL em até cinco dias úteis, 12 viram proposta e 4 fecham. Se a meta de mídia for só “lead gerado”, a campanha parece vitoriosa mesmo quando o comercial perde tempo com estudante, concorrente e empresa sem orçamento. Por outro lado, se a meta acompanhar SQL e receita, o volume bruto perde glamour e o trabalho de qualificação ganha peso.

A diferença entre MQL e SQL não é semântica de slide. É contrato operacional. Marketing pode marcar MQL quando há cargo relevante, empresa do ICP e engajamento recente. Vendas só marca SQL quando há necessidade reconhecida, autoridade ou caminho até o decisor, prazo aproximado e orçamento plausível. Porém, se o MQL já exige demo marcada e CNPJ validado, o SQL vira carimbo cosmética e o funil perde granularidade.

Há exceções. Em ticket baixo e ciclo curto, o mesmo formulário pode saltar quase direto para contato comercial. Em compra com comitê longo, o SQL pode exigir reunião com mais de um stakeholder antes de qualquer proposta. Assim, copiar o playbook de outra empresa sem olhar ciclo, ticket e canal costuma criar fila falsa ou filtro excessivo.

No Brasil, nome, e-mail, telefone e cargo de um lead são dados pessoais quando identificam pessoa natural, nos termos da Lei nº 13.709/2018 (LGPD). Por isso, avançar alguém de MQL para SQL não é só mudar status no CRM. É continuar um tratamento com finalidade, base legal, retenção e compartilhamento definidos. O benefício de um funil limpo vem junto do custo de governança e do risco de usar o contato para finalidade que a pessoa não conhece.

Na prática, o que eu vejo com mais frequência é time celebrando MQL enquanto vendas só confia no SQL que ela própria validou em ligação. Se o handoff não tem SLA e motivo de rejeição estruturado, o funil vira briga de narrativa e ninguém melhora a origem do tráfego.

O que muda na jornada do comprador

Na jornada do cliente, o SQL marca a transição de aprendizado para avaliação ativa. Em seguida, o comprador espera proposta, prova e próximos passos, não mais só ebook. Se marketing continua nutrindo com conteúdo genérico depois desse ponto, a conversa esfria. Se vendas liga cedo demais, o contato se sente empurrado e o custo de reaquecimento sobe.

Quais critérios de SQL separam curiosidade de oportunidade?

Critérios de SQL bons são objetivos, observáveis e aceitos por vendas, não adjetivos vagos como “quente” ou “interessado”. Eles descrevem quem pode comprar, o que precisa resolver, quando pretende agir e com quem a conversa precisa acontecer. Sem isso, cada vendedor inventa um SQL particular e a métrica perde comparabilidade.

Um conjunto comum em B2B, sempre adaptável ao seu mercado, combina quatro blocos. Encaixe de conta, por exemplo setor, porte e geografia do ICP. Papel da pessoa, por exemplo influenciador, usuário ou decisor. Dor e urgência, por exemplo prazo de troca de fornecedor ou meta trimestral. Capacidade, por exemplo faixa de investimento ou processo de compra já iniciado. Além disso, muitos times exigem um ato de intenção, como pedido de demo, RFP ou retorno a proposta de agenda.

Use uma tabela viva no CRM, não um PDF esquecido.

CritérioExemplo verificávelRisco se ficar vago
Encaixe de contaEmpresa com 50 a 500 funcionários no setor-alvoSQL de conta que a empresa nunca atende
PapelCargo de gestão ou sponsor interno nomeadoConversa só com curiosos sem poder de avanço
IntençãoPedido de demo ou retorno em 7 diasFila cheia de “só pesquisando”
CapacidadeOrçamento ou ciclo de compra declaradoProposta escrita para quem não pode comprar
Consentimento e origemBase legal e canal registradosContato útil no papel, frágil sob LGPD

A Meta documenta, na central de ajuda de anúncios de lead, que lógica condicional em formulários instantâneos ajuda a filtrar respostas e direcionar só quem atende critérios, porém pode aumentar o custo por lead. Ou seja, qualificar na origem melhora qualidade e, ao mesmo tempo, pode encarecer o volume. Esse trade-off é saudável quando a meta é SQL, e ruinoso quando a meta ainda é “formulário barato a qualquer custo”.

O erro clássico é transformar o SQL em checklist impossível. Exigir CNPJ, três stakeholders, orçamento fechado e data de assinatura no primeiro contato parece rigoroso, porém em muitos mercados isso só acontece depois de várias reuniões. Por outro lado, aceitar qualquer e-mail corporativo como SQL infla a taxa de aceitação e esconde o problema real de oferta, mensagem ou ICP. O ponto de equilíbrio costuma nascer de amostragem. Pegue 50 rejeições recentes, classifique o motivo e transforme os motivos repetidos em pergunta ou regra automática.

Se fosse comigo, eu escreveria os critérios de SQL em uma página compartilhada, com exemplos do que passa e do que não passa, e revisaria com vendas a cada trimestre. Critério que ninguém sabe repetir de cabeça não governa handoff nenhum.

Como marketing e vendas alinham a diferença entre MQL e SQL?

Alinhar a diferença entre MQL e SQL exige acordo escrito, SLA de resposta e motivo de devolução padronizado. Sem esses três elementos, marketing otimiza para o que consegue medir sozinho e vendas protege a agenda com rejeição subjetiva. O resultado é CPL baixo no painel e pipeline fraco no comercial.

Comece por uma reunião de definição com exemplos reais, não só teoria. Em seguida, grave no CRM os campos mínimos do handoff, o prazo para primeiro contato e o que acontece quando vendas não atende o SLA. Depois, abra um relatório semanal de taxa de aceitação de MQL, tempo até primeiro toque e motivos de rejeição. Assim, a discussão deixa de ser “marketing manda lixo” versus “vendas não liga” e vira melhoria de oferta, formulário e lista.

SLA e devolução com motivo

Um SLA simples funciona melhor que um ritual complexo. Exemplo ilustrativo com premissas explícitas: marketing entrega MQL até as 17h, vendas faz primeiro contato em até 24 horas úteis, e MQL sem contato no prazo volta para nutrição de leads com tag de atraso. Cada rejeição leva um motivo fechado, por exemplo fora do ICP, sem orçamento, timing longo, dado inválido ou já cliente. Sem motivo estruturado, você não corrige campanha nem copy.

A IAB, em boas práticas de accountability de qualidade de lead, reforça que anunciante e publisher devem definir lead válido e inválido no início da campanha e devolver inválidos com razões detalhadas em prazo combinado, para o tráfego melhorar. O mesmo espírito vale dentro da empresa. Se marketing nunca recebe a devolução com causa, continua comprando o mesmo padrão de lead.

Há custo escondido nesse alinhamento, porque reuniões semanais consomem tempo de liderança, campos novos exigem disciplina de preenchimento e automação mal feita pode marcar SQL sem revisão humana e criar falsa precisão. No entanto, o custo de não alinhar aparece em CAC inflado, vendedores desmotivados e previsão de receita irresponsável.

O erro que mais custa caro aqui é deixar o SQL ser “sensação do vendedor sênior” enquanto o júnior aceita qualquer demo para bater atividade. Padronizar não mata julgamento. Ele torna o julgamento auditável e treinável.

Como medir campanhas quando a meta é o SQL?

Medir SQL de verdade significa importar o resultado offline do CRM para a plataforma de mídia e otimizar perto da receita, não só do formulário. O Google Ads descreve o objetivo de qualified lead como o lead gerado pela plataforma que foi qualificado offline no CRM ou sistema interno, e separa esse estágio do converted lead, associado a um passo posterior como venda fechada. Assim, a plataforma deixa de tratar todo formulário como sucesso igual.

No caso publicado pelo Think with Google sobre a Paylocity, a empresa relatou que só 12% dos leads do Google Ads casavam com o CRM no início, e que ao fortalecer a integração e passar a otimizar com SQL e agendamentos de alto valor como meta, observou elevação de 62% no valor de conversão e de 19% em first-time appointments, além de alta de 61% na taxa de conversão de MQL, segundo dados internos da própria Paylocity citados no material. Esses números são de um caso específico, não garantia para o seu negócio. Eles ilustram o mecanismo. Quando o sinal de qualidade volta para o leilão, a compra de mídia muda.

Sinais, atraso e volume mínimo

A documentação de boas práticas do Google Ads para leads de qualidade recomenda escolher um objetivo alinhado ao negócio, evitar otimizar ao mesmo tempo metas de estágios diferentes do percurso do lead, manter frescor nos uploads e considerar ações com volume suficiente para o aprendizado. Um atraso longo entre clique e SQL atrasa o feedback do algoritmo. Por isso, muitos times usam um SQL “leve” mais cedo e um converted lead mais tarde, com valores distintos, em vez de esperar só o contrato assinado para aprender qualquer coisa.

Monte um painel mínimo com cinco leituras. Volume de leads, taxa MQL, taxa SQL sobre MQL, custo por SQL e receita atribuída por canal com as regras de atribuição que a empresa aceita. Se o custo por lead cai e o custo por SQL sobe, você barateou curiosidade e encareceu oportunidade. Se o SQL sobe e a taxa de proposta cai, o critério de aceitação pode estar frouxo. Se tudo sobe menos a receita, o problema pode estar em precificação, produto ou ciclo, não só em mídia.

O risco de otimizar para SQL é operacional e ético ao mesmo tempo. Upload incompleto, GCLID perdido e consentimento mal registrado degradam a medição. Além disso, enviar dados pessoais para casamento de conversão exige base legal, minimização e cuidado com hashing e políticas da plataforma. O benefício de gastar melhor o orçamento vem acompanhado do custo de engenharia de dados e do risco de tratar contato sem transparência adequada.

Muita gente acha que volume resolve, e quase sempre está enganada, porque fila grande com poucos SQL só multiplica follow-up inútil. Eu priorizaria custo por SQL e taxa de aceitação antes de celebrar CPL. Se o comercial não consegue atender o volume qualificado, reduzir aquisição é mais racional do que continuar comprando demanda que estraga no handoff.

Quais riscos legais e operacionais cercam o SQL?

O maior risco legal do SQL está no tratamento contínuo de dados pessoais ao longo do funil, não no nome do status. A LGPD exige finalidade legítima, necessidade, transparência e segurança, e prevê bases legais no art. 7º, entre elas consentimento e legítimo interesse, cada uma com limites. A ANPD resume direitos do titular como acesso, correção, eliminação em hipóteses legais, revogação de consentimento e, quando couber, revisão de decisões tomadas unicamente de forma automatizada que afetem seus interesses, inclusive definição de perfil.

Se o seu lead scoring ou a regra de SQL decide sozinha quem recebe oferta, cobrança ou exclusão de oportunidade, prepare canal para explicação e revisão. Decisão opaca que prejudica a pessoa não é “eficiência de funil”. É risco regulatório e reputacional. Por outro lado, critérios claros, registro de base legal e retenção proporcional reduzem atrito quando o titular pede informações.

Riscos operacionais que destroem a métrica

Operacionalmente, SQL mentiroso aparece quando o vendedor marca o status só para parecer ocupado, quando marketing marca SQL automático sem validação humana, ou quando a integração falha e o status não volta para a mídia. Em todos os casos, o KPI mente e a otimização aprende o sinal errado. Há ainda o risco de overqualificação na mídia, com formulários longos que matam volume útil, e o risco inverso de formulário mínimo que só produz lixo elegante.

Custo escondido típico inclui ferramenta de roteamento, tempo de SDR, limpeza de base e retrabalho jurídico em política de privacidade. Benefício típico inclui agenda comercial mais limpa, previsão menos fantasiosa e aprendizado de canal mais próximo da receita. Nenhum desses ganhos é automático. Eles dependem de disciplina de dados e de acordo entre áreas.

Quem opera funil todo dia percebe logo que SQL sem auditoria mensal apodrece. Eu revisaria amostra de aceites e rejeições, conferiria se o motivo bate com a ligação real e só então usaria a métrica para decidir orçamento. Confiar cegamente no status é tão perigoso quanto ignorá-lo.

Termos relacionados

  • Lead é o contato capturado; o SQL é o subconjunto que vendas aceita trabalhar.
  • Lead scoring pontua engajamento e encaixe para aproximar o handoff do SQL.
  • Funil de vendas organiza os estágios em que MQL, SQL e oportunidade se sucedem.
  • CRM registra status, SLA, motivos de rejeição e o histórico que alimenta a medição.
  • Nutrição de leads trabalha contatos que ainda não merecem SQL ou que voltaram do comercial.
  • ICP define o perfil de conta que torna um SQL economicamente relevante.
  • CPL mede custo por lead; só ganha sentido completo quando comparado ao custo por SQL.
  • KPI de funil saudável costuma incluir taxa de aceitação e custo por SQL, não só volume.

Perguntas frequentes sobre SQL (lead qualificado por vendas)

As dúvidas abaixo cobrem definição, diferença para MQL, critérios, medição e limites legais do lead qualificado por vendas. Elas servem tanto para quem monta processo quanto para quem só precisa explicar o termo em uma reunião sem transformar o funil em jargão vazio.

O que é SQL na rotina de um time comercial?

Na rotina, o SQL é o contato que o vendedor ou SDR aceita colocar na agenda porque há chance real de avançar para diagnóstico ou proposta. Não basta ter aberto um e-mail. É preciso haver encaixe e intenção suficientes para justificar tempo humano caro.

Todo MQL precisa virar SQL?

Não. Um MQL bom ainda pode ser rejeitado por timing, orçamento, encaixe fino ou dado inválido. A taxa de conversão de MQL para SQL é um KPI de qualidade do handoff. Se quase todos viram SQL, o filtro de marketing provavelmente está frouxo. Se quase nenhum vira, o filtro ou a oferta está desalinhada com o que vendas consegue fechar.

SQL e oportunidade são a mesma coisa?

Em muitos processos, não. O SQL indica que vendas aceitou trabalhar o contato. A oportunidade costuma nascer quando há escopo, valor estimado e próximo passo comercial formal no CRM. Tratar os dois como sinônimos esconde o trabalho de descoberta e infla pipeline cedo demais.

Posso otimizar anúncios direto para SQL?

Sim, quando você consegue devolver ao canal o evento de qualificação com atraso e volume suficientes para aprendizado. O Google Ads oferece objetivos específicos para lead qualificado e lead convertido importados do CRM. Mesmo assim, se o SQL demora semanas e o volume é baixo, pode ser necessário usar um estágio intermediário com valor menor enquanto o sinal maduro não estabiliza.

Critérios de SQL podem ser iguais em todos os canais?

Os critérios de negócio devem ser os mesmos, senão a métrica perde sentido. Já as perguntas do formulário e o grau de pré-qualificação na mídia podem variar por canal, criativo e oferta. Um anúncio de busca de alta intenção aguenta formulário mais curto. Um conteúdo de topo de funil precisa de mais nutrição antes do handoff.

O SQL elimina a necessidade de consentimento e privacidade?

Não. Qualificar para vendas não apaga deveres da LGPD. Base legal, transparência, direitos do titular e segurança continuam valendo enquanto o dado pessoal existir no funil. Automação de scoring e roteamento merece atenção extra quando a decisão for unicamente automatizada e afetar interesses da pessoa.

Conclusão

Para a maioria das operações B2B, o SQL deve ser o primeiro estágio em que marketing e vendas realmente compartilham uma definição e uma métrica de qualidade. Volume de lead sem aceitação comercial é vaidade cara. Porém, SQL sem amostra auditada e sem devolução de motivo também mente, só que com gravata.

A resposta muda quando o ciclo é curtíssimo, o ticket é baixo ou o time comercial é mínimo. Nesses casos, um estágio único bem medido pode bastar, desde que alguém ainda olhe qualidade e origem. Em ciclos longos com comitê, separar MQL, SQL e oportunidade deixa o aprendizado de canal e a previsão menos cegos.

O primeiro passo prático é simples de executar e difícil de sustentar. Escreva com vendas cinco critérios de SQL, grave motivos de rejeição no CRM e compare custo por lead com custo por SQL por duas semanas. Só depois mude lance, formulário ou orçamento. Sem esse chão, qualquer otimização de mídia empurra o problema para a próxima reunião.

Este conteúdo sobre SQL (lead qualificado por vendas) é informativo e geral. Não substitui orientação de advogado, consultor de privacidade, contador ou especialista em operação comercial para o caso da sua empresa. Decisões sobre critérios, bases legais da LGPD, integração de dados e metas de mídia dependem do contexto, do setor e dos contratos envolvidos.

Perguntas frequentes

O que é SQL na rotina de um time comercial?
Na rotina, o SQL é o contato que o vendedor ou SDR aceita colocar na agenda porque há chance real de avançar para diagnóstico ou proposta. Não basta ter aberto um e-mail. É preciso haver encaixe e intenção suficientes para justificar tempo humano caro.
Todo MQL precisa virar SQL?
Não. Um MQL bom ainda pode ser rejeitado por timing, orçamento, encaixe fino ou dado inválido. A taxa de conversão de MQL para SQL é um KPI de qualidade do handoff. Se quase todos viram SQL, o filtro de marketing provavelmente está frouxo. Se quase nenhum vira, o filtro ou a oferta está desalinhada com o que vendas consegue fechar.
SQL e oportunidade são a mesma coisa?
Em muitos processos, não. O SQL indica que vendas aceitou trabalhar o contato. A oportunidade costuma nascer quando há escopo, valor estimado e próximo passo comercial formal no CRM. Tratar os dois como sinônimos esconde o trabalho de descoberta e infla pipeline cedo demais.
Posso otimizar anúncios direto para SQL?
Sim, quando você consegue devolver ao canal o evento de qualificação com atraso e volume suficientes para aprendizado. O Google Ads oferece objetivos específicos para lead qualificado e lead convertido importados do CRM. Mesmo assim, se o SQL demora semanas e o volume é baixo, pode ser necessário usar um estágio intermediário com valor menor enquanto o sinal maduro não estabiliza.
Critérios de SQL podem ser iguais em todos os canais?
Os critérios de negócio devem ser os mesmos, senão a métrica perde sentido. Já as perguntas do formulário e o grau de pré-qualificação na mídia podem variar por canal, criativo e oferta. Um anúncio de busca de alta intenção aguenta formulário mais curto. Um conteúdo de topo de funil precisa de mais nutrição antes do handoff.
O SQL elimina a necessidade de consentimento e privacidade?
Não. Qualificar para vendas não apaga deveres da LGPD. Base legal, transparência, direitos do titular e segurança continuam valendo enquanto o dado pessoal existir no funil. Automação de scoring e roteamento merece atenção extra quando a decisão for unicamente automatizada e afetar interesses da pessoa.

Compartilhar

Compartilhar

Leituras relacionadas

Nenhum comentário ainda

Seja o primeiro a comentar.

Deixe seu comentário

Entre com sua conta Canverly para comentar. Você pode usar a mesma conta em qualquer site da rede.

Entrar com Canverly