Lead scoring, MQL en SQL: wanneer is een lead klaar voor sales?

Lead scoring is het toekennen van punten aan leads op basis van hun profiel en gedrag, zodat je weet wie klaar is voor sales en wie nog niet. Het lost het klassieke conflict op tussen marketing, dat aantallen levert, en sales, dat kwaliteit wil. In dit artikel lees je het verschil tussen een MQL en een SQL, hoe scoring werkt, en hoe je beide teams op een lijn krijgt.

Reken het zelf uit: bereken wat één lead waard is met onze gratis Waarde-per-lead-calculator.

Het probleem dat scoring oplost

Marketing roept “we leveren genoeg leads”, sales roept “het zijn slechte leads”. Beiden hebben deels gelijk, want ze meten verschillende dingen. Zonder een gedeelde definitie van een goede lead blijft die discussie eindeloos.

In B2B is “meer leads” trouwens geen doel op zich. Een formulier dat honderd keer wordt ingevuld voelt goed, maar als er geen enkele klant uit komt, heb je vooral je salesteam bezig gehouden met ruis. De rol van scoring is precies dat: ruis scheiden van pijplijn.

Lead scoring en de begrippen MQL en SQL geven beide teams dezelfde taal. Zo weet iedereen wanneer een lead klaar is om door te geven.

MQL versus SQL

Twee mijlpalen in de reis van een lead:

• MQL (Marketing Qualified Lead). Iemand die genoeg interesse toont om relevant te zijn, maar nog niet klaar om te kopen. Marketing blijft hem koesteren.
• SQL (Sales Qualified Lead). Iemand die zover is dat een verkoper er tijd in mag steken. Sales neemt over.

De volledige uitleg staat in onze begrippenlijst: MQL en SQL. De kunst is helder afspreken wanneer een MQL een SQL wordt.

Hoe werkt lead scoring?

Je geeft punten op twee assen:

• Fit (wie is het?). Past de lead bij je ideale klant? Sector, grootte, functie. Een beslisser bij een passend bedrijf scoort hoog.
• Gedrag (wat doet hij?). Opent hij je mails, bezoekt hij je prijspagina, vraagt hij iets aan? Koopsignalen verhogen de score.

Een lead met een hoge gedragsscore maar een lage fit-score is enthousiast maar verkeerd. Pas als beide assen kloppen, is een lead echt sales-ready. Salesforce over lead scoring hanteert diezelfde tweedeling tussen profiel en gedrag. Boven een afgesproken drempel wordt een lead een SQL en gaat hij naar sales. Zo besteedt je salesteam tijd aan de juiste mensen, en verdwijnen goede leads niet in de ruis. Dit hangt samen met kwalitatieve leads.

Een concreet voorbeeld-scoringsmodel

Een werkbaar startmodel geeft elke actie een puntenwaarde naargelang ze verraadt hoe serieus iemand is. Een illustratief voorbeeld:

• Nieuwsbriefinschrijving: 2 punten
• Beginnersgids gedownload: 3 punten
• Brochure opgevraagd: 5 punten
• Webinar bijgewoond: 8 punten
• Gratis trial gestart: 10 punten

Vervolgens kies je een drempel waarboven sales contact opneemt. Stel die op bijvoorbeeld 10 of 12 punten: iemand die alleen je nieuwsbrief leest haalt die niet, maar iemand die een webinar bijwoonde en daarna een brochure opvroeg wel. De drempel is geen wet, je stelt hem bij naarmate je ziet welke scores effectief tot klanten leiden. Niet elk bedrijf weegt acties trouwens gelijk: voor een softwarebedrijf is een gratis trial het sterkste signaal, voor een consultancy weegt een aangevraagd gesprek zwaarder.

Scoring zonder overengineering

Je hebt geen ingewikkeld systeem nodig om te beginnen. Start simpel:

1. Spreek af wat een goede klant kenmerkt (fit).
2. Kies een paar duidelijke koopsignalen (gedrag).
3. Bepaal samen de drempel voor “klaar voor sales”.
4. Leg de overdracht vast, zodat niets blijft liggen. Zie leads opvolgen.

Verfijn daarna op basis van wat je leert. Beter een simpel model dat gebruikt wordt dan een perfect model dat niemand volgt.

Goede data is de basis van elke score

Een scoremodel is maar zo goed als de gegevens die het voedt: verkeerde of onvolledige data leidt tot leads die hoog scoren maar nooit zouden tekenen. Niet toevallig noemt 35% van de bedrijven gebrek aan kwaliteitsdata de grootste barriere voor leadgeneratie-succes (Ascend2). En onderzoek schat dat slechte datakwaliteit bedrijven 15 tot 25% van hun omzet kost (MIT Sloan Management Review).

Goede data voedt niet alleen je scoremodel, maar ook het gesprek dat erop volgt. 42% van de salesreps voelt dat ze niet de juiste informatie hebben voordat ze een prospect bellen (CSO Insight). Wie zonder context belt, verliest de deal voor hij begint.

Wanneer mag sales contact opnemen?

Het verschil tussen interesse en koopintentie bepaalt het juiste moment. Iemand die je content leest is geinteresseerd, maar nog niet noodzakelijk klaar om te kopen. Bel je te vroeg, dan jaag je een prospect weg die nog aan het orienteren is. Wacht je te lang, dan is je concurrent er eerder bij.

Het goede nieuws: prospects geven zelf aan wanneer ze willen praten. 60% van de prospects wil in de overwegingsfase met een salesmanager spreken, een signaal dat aansluit bij wat HubSpot over de sales qualified lead beschrijft. Dat is precies het moment waarop je scoremodel zijn nut bewijst: het signaleert wanneer iemand van “rondkijken” naar “serieus overwegen” schuift, zodat sales op het juiste ogenblik inpikt en niet eerder.

Wat met de leads die nog niet scoren?

Die gooi je niet weg. Het grootste deel van je leads is nog niet klaar om te kopen. Die koester je met lead nurturing tot hun score stijgt en ze wel klaar zijn.

Tegelijk is een lead die nooit zal passen actief uit je pijplijn halen geen falen, maar een goede keuze. Soms is je product simpelweg niet de beste oplossing voor die persoon. Elke belpoging naar een lead zonder koopintentie is tijd die je niet aan een echte kans besteedt, en een opgeblazen pijplijn verbergt waar je sales echt zou moeten zitten. Eerlijk durven zeggen “wij zijn niet de juiste fit voor jou” wint vaker respect dan een halfslachtige verkooppoging.

Op welke metric stuur je?

Stuur op cost per qualified lead in plaats van cost per lead. Cost per lead telt elke formulierinvulling mee, ook de leads die nooit een kans hadden. Cost per qualified lead meet wat een lead met een echte kans om te sluiten je kost. Die metric scheidt ruis van echte pijplijn.

De metric die uiteindelijk telt is lead-to-close: hoeveel van je leads worden klant. Toch is dat net het cijfer waar de meeste bedrijven blind op vliegen. In de praktijk zien we dat het overgrote deel van de bedrijven die conversie van lead naar klant niet betrouwbaar kan tracken, en een aanzienlijk deel kan ze helemaal niet meten. Daardoor mist een groot deel zicht op precies het cijfer dat hun leadgeneratie rechtvaardigt.

AI en lead scoring: hulpmiddel of wondermiddel?

AI kan meer variabelen per lead wegen dan een mens handmatig kan, en dat maakt scoring potentieel scherper. Maar het werkt alleen als je data klopt: AI op slechte data versterkt vooral je fouten. En de praktijk laat zien hoe vroeg we nog zitten: de meeste bedrijven benutten AI en automatisering vandaag nog nauwelijks om hun leads en budget slimmer te verdelen.

Ons eerlijke advies: voor de meeste B2B’ers is een simpel werkend model belangrijker dan de tool. Een helder puntenmodel dat je team begrijpt en gebruikt, levert sneller resultaat op dan een dure AI-oplossing die op rommelige data draait.

Van scoring naar meer klanten

Lead scoring is geen doel op zich. Het doel is meer klanten, door sales en marketing op dezelfde lijn te krijgen en tijd te steken in de juiste leads. Dat is precies waar onze leadgeneratie op stuurt: pijplijn, niet ruis. Voor een Belgische KMO met een klein salesteam is dat geen luxe maar noodzaak: je hebt beperkte salestijd, dus elke verkeerd opgevolgde lead is een gemiste echte kans.

Bij de trajecten die we uitrollen, zien we vaak een verdubbeling tot verdrievoudiging van het aantal aanvragen. Zo leverde onze aanpak voor Get Driven 400% meer conversie op.

Wil je weten welke leads klaar zijn?

Vertel ons hoe je nu leads doorgeeft, en we helpen je een simpel, werkbaar scoringsmodel opzetten.

We zijn een klein team, dus we bewegen snel en doen meer dan je verwacht. Plan je gratis intake en je hoort binnen 24 uur waar je kansen liggen.