MQL vs SQL: la Differenza Spiegata (con Esempi)

Sylvain Charmet · Co-fondatore, Enrich-CRM
Creato 14 novembre 2026

MQL vs SQL: differenza chiara tra lead qualificato dal marketing e lead pronto per la vendita, criteri di passaggio ed esempi pratici per il team.

Indice

Il marketing passa 50 lead al team commerciale, i venditori ne chiamano dieci e chiudono zero appuntamenti utili. Succede spesso, e la causa quasi sempre è la stessa: nessuno ha definito con precisione la differenza tra MQL e SQL, quindi "lead qualificato" significa una cosa per chi lo genera e un'altra per chi lo deve chiudere.

MQL e SQL non sono sinonimi intercambiabili di "lead interessato". Sono due stadi distinti di un funnel, con criteri diversi e proprietari diversi. Confonderli — o peggio, non definirli mai per iscritto — è una delle cause più comuni di attrito tra marketing e vendite in un'azienda B2B.

Questa guida spiega cosa distingue un MQL da un SQL, chi decide il passaggio da uno stadio all'altro e come costruire criteri che il tuo team può davvero usare, con dati affidabili come base — un arricchimento CRM aiuta proprio a rendere quei criteri verificabili invece che teorici.

Qual è la differenza tra MQL e SQL?

Un MQL (Marketing Qualified Lead) è un contatto che ha mostrato interesse tramite azioni di marketing — download, iscrizione, apertura ripetuta di email — ma non è ancora stato valutato da un venditore. Un SQL (Sales Qualified Lead) è un contatto che un commerciale ha verificato come reale opportunità: budget plausibile, autorità decisionale, bisogno concreto. In breve: l'MQL è "interessato", l'SQL è "pronto a essere lavorato dalle vendite".

Cos'è un MQL

Un MQL nasce da un segnale di interesse rilevato dal marketing, quasi sempre tramite lead scoring automatico o regole semplici: ha scaricato un whitepaper, si è iscritto a un webinar, ha visitato più volte la pagina prezzi, ha aperto tre email della stessa sequenza. Il criterio è comportamentale: misura l'engagement, non la reale intenzione d'acquisto.

Il problema di fermarsi qui è noto: un MQL può essere uno studente che studia il settore, un dipendente di un concorrente che monitora i contenuti, o un'azienda troppo piccola per il prodotto. L'interesse è reale, ma non basta a giustificare una chiamata commerciale. Per questo l'MQL è uno stadio intermedio, non l'obiettivo finale del funnel.

Cos'è un SQL

Un SQL è un lead che ha superato una verifica ulteriore, di solito condotta da un venditore (spesso un SDR/BDR) tramite una prima chiamata o una call di discovery. I criteri classici sono riassunti nell'acronimo BANT (Budget, Authority, Need, Timing) o in varianti simili: l'azienda ha un budget plausibile, la persona ha peso decisionale (o accesso a chi lo ha), esiste un bisogno concreto e c'è un orizzonte temporale realistico per decidere.

A differenza dell'MQL, l'SQL non si misura solo da segnali digitali: richiede un contatto umano che confermi che il fit esiste davvero. È qui che il lead smette di essere un punteggio e diventa un'opportunità di vendita vera e propria.

Il passaggio da MQL a SQL: chi decide e come

Il passaggio non dovrebbe essere automatico. Un MQL che raggiunge una certa soglia di punteggio non diventa SQL da solo: passa a un SDR (o al commerciale stesso, nei team piccoli) che lo verifica con una chiamata o una qualifica via email. Solo dopo questa verifica il lead cambia stato nel CRM.

Stadio Chi lo valuta Criterio principale Azione successiva
MQL Marketing (scoring automatico) Comportamento: engagement con contenuti/sito Passaggio a SDR per verifica
SQL Vendite (SDR o account executive) Fit reale: budget, autorità, bisogno, tempistica Presa in carico da un account executive

Un errore frequente è saltare la verifica umana e trattare ogni MQL sopra soglia come pronto per una demo. Il risultato è esattamente lo scenario iniziale: liste piene ma tassi di conversione bassi, e i venditori che smettono di fidarsi dei lead passati dal marketing.

Esempio pratico di criteri MQL e SQL

Un'azienda SaaS B2B potrebbe definire i due stadi così:

Diventa MQL quando il contatto accumula 40+ punti, ad esempio:

  • +20: richiesta di una demo o di un preventivo
  • +15: visita alla pagina prezzi due o più volte
  • +10: download di un caso studio o whitepaper
  • +5: apertura di 3+ email nella stessa sequenza

Diventa SQL quando, dopo il contatto con un SDR, sono verificati:

  • Ruolo con potere decisionale o accesso diretto a chi decide
  • Un problema concreto che il prodotto risolve, dichiarato dal contatto stesso
  • Un orizzonte di decisione entro i prossimi 3-6 mesi
  • Dimensione azienda compatibile con l'offerta (fascia di ricavi o numero dipendenti)

Il secondo blocco di criteri funziona solo se i dati firmografici del contatto — settore, dimensione, ruolo esatto — sono completi nel CRM. Quando quei campi sono vuoti, l'SDR perde tempo a cercarli manualmente prima ancora di poter qualificare. Su questo, la guida cos'è il lead scoring approfondisce come costruire i criteri di punteggio a monte.

Errori comuni nella distinzione MQL/SQL

  • Nessuna definizione scritta e condivisa: se marketing e vendite non concordano per iscritto sui criteri, ogni team applica la propria definizione informale, e le discussioni su "questo lead è buono o no" diventano ricorrenti.
  • Saltare la verifica umana: trattare il punteggio MQL come se fosse già una qualifica SQL porta a passare lead non pronti, bruciando tempo commerciale.
  • Nessun SLA sul passaggio: se non c'è un tempo massimo entro cui un SDR deve contattare un nuovo MQL, il lead si raffredda e il tasso di risposta cala.
  • Criteri di fit incompleti nel CRM: senza dati firmografici affidabili (settore, dimensione, ruolo), lo scoring MQL si basa solo su comportamento e ignora se il contatto è davvero nel target — punteggi alti anche per profili fuori ICP, come descritto nella guida sul profilo cliente ideale.

Domande frequenti

MQL e SQL sono la stessa cosa di un lead qualificato?

No. "Lead qualificato" è un termine generico; MQL e SQL sono due stadi specifici e sequenziali di quel percorso, con proprietari e criteri diversi. Un lead può essere qualificato dal marketing (MQL) senza esserlo ancora dalle vendite (SQL).

Chi decide se un MQL diventa SQL?

Nella maggior parte dei team B2B è un SDR (o un account executive nei team più piccoli) a fare la verifica, di solito tramite una chiamata o una call di qualifica, prima di aggiornare lo stato del lead nel CRM.

Un lead può saltare lo stadio MQL e diventare direttamente SQL?

Sì, succede spesso con lead in ingresso da referral, richieste dirette di demo o contatti generati da eventi: in questi casi il segnale di intenzione è già forte e il team commerciale può qualificare direttamente, senza passare dallo scoring MQL classico.

Quanto tempo deve passare tra la generazione di un MQL e il primo contatto commerciale?

Non esiste un numero universale, ma più veloce è meglio: molti team B2B si danno un SLA interno di 24-48 ore lavorative dal momento in cui un lead supera la soglia MQL. Oltre questa finestra, l'interesse iniziale tende a raffreddarsi e i tassi di risposta calano.


Una distinzione MQL/SQL solida parte da dati completi su contatti e aziende: senza campi firmografici affidabili, anche il miglior sistema di scoring lavora alla cieca. Se il tuo CRM ha spesso campi vuoti o obsoleti, prova Enrich-CRM gratis — 100 crediti al mese, nessuna carta di credito richiesta.

Utilizziamo i cookie

Utilizziamo cookie essenziali per il funzionamento del sito e cookie analitici facoltativi per migliorare la tua esperienza. Consulta la nostra Cookie Policy.

Preferenze cookie

Scegli quali cookie autorizzare. La tua preferenza viene memorizzata per 6 mesi e può essere modificata in qualsiasi momento. Leggi la nostra Cookie Policy per tutti i dettagli.

Cookie essenziali

Sempre attivi

Necessari per il funzionamento del sito. Non possono essere disattivati. Includono cookie di sessione, memorizzazione del consenso e cookie di routing (Cloudflare).

intercom-id-* intercom-sessions-* cookieconsent_status cfmrk_cic

Cookie analitici

Ci aiutano a migliorare il sito

Utilizzati per misurare il traffico e capire come i visitatori usano il sito (Google Analytics, PostHog). Nessun uso pubblicitario.

_ga _gid _hjid ajs_anonymous_id __hstc hubspotutk _gac_*