MQL-zu-SQL-Rate

Definition: Die MQL-zu-SQL-Rate (Marketing Qualified Lead zu Sales Qualified Lead) ist eine Kennzahl, die angibt, welcher Prozentsatz der vom Marketing als qualifiziert eingestuften Leads (MQL) vom Vertrieb tatsächlich als vertriebsreif akzeptiert und als Sales Qualified Lead (SQL) weiterbearbeitet wird. Sie ist einer der wichtigsten Indikatoren für die Qualität der Marketing-Arbeit, die Effektivität des Lead-Scoring-Prozesses und das Ausmaß des Sales-Marketing-Alignments. Branchenstudien – darunter der Benchmark-Report des Marktforschungsunternehmens SiriusDecisions (heute Forrester, übernommen 2019) – zeigen, dass die durchschnittliche MQL-zu-SQL-Rate über alle Branchen zwischen 13 % und 27 % liegt, wobei gut abgestimmte Teams Raten von 50 % und mehr erzielen. Eine Rate unter 10 % signalisiert fundamentale Diskrepanzen in der Lead-Definition oder im Scoring-Modell. Die Kennzahl wird berechnet, indem die Anzahl der in einem Zeitraum erzeugten SQLs durch die Anzahl der im selben Zeitraum erzeugten MQLs dividiert und mit 100 multipliziert wird. Für B2B-SaaS-Unternehmen gilt nach Daten von Hubspot (State of Marketing Report 2023) eine MQL-zu-SQL-Rate von 26 % als Medianwert. Der Begriff MQL wurde im frühen 2000er-Jahren im Rahmen der Demand-Generation-Bewegung geprägt und von Anbietern wie Eloqua (gegründet 1999, von Oracle 2012 für 871 Millionen US-Dollar übernommen) und Marketo (gegründet 2006, von Adobe 2018 für 4,75 Milliarden US-Dollar übernommen) popularisiert.

Erläuterung

Die konzeptionelle Grundlage für MQL und SQL wurde maßgeblich durch das Waterfall-Modell von SiriusDecisions geprägt, das 2006 erstmals veröffentlicht wurde und die Übergabe von Leads zwischen Marketing und Vertrieb in definierten Phasen strukturierte. Das Modell unterschied Inquiries, Marketing Qualified Leads, Sales Accepted Leads und Sales Qualified Leads und schuf damit eine gemeinsame Sprache für beide Teams. Mit der zunehmenden Verbreitung von CRM-Systemen und Marketing-Automation-Plattformen ab Mitte der 2000er-Jahre wurde die Messung der MQL-zu-SQL-Rate technisch erstmals im großen Stil umsetzbar. Salesforce, 1999 von Marc Benioff und Parker Harris gegründet, legte mit seiner cloudbasierten CRM-Plattform die Datengrundlage, auf der solche Übergabe-Metriken zuverlässig gemessen werden konnten. Akademische Forschung zum Thema Sales-Marketing-Integration, u. a. von Ajay Kohli und Bernard Jaworski (Journal of Marketing, 1990, „Market Orientation: The Construct, Research Propositions, and Managerial Implications"), legte den theoretischen Grundstein für das Verständnis, warum Alignment zwischen Marketing und Vertrieb entscheidend für den Unternehmenserfolg ist. Eine niedrige MQL-zu-SQL-Rate kann verschiedene Ursachen haben: zu breite MQL-Kriterien (z. B. jeder Newsletter-Abonnent wird als MQL gewertet), fehlerhaftes Lead-Scoring, mangelnde ICP-Definition (Ideal Customer Profile) oder fehlende Abstimmung der MQL-Definition zwischen Marketing und Vertrieb. Eine zu hohe Rate – über 80 % – kann dagegen darauf hindeuten, dass das Marketing zu konservativ qualifiziert und potenzielle Leads zu früh aussortiert. Der optimale Bereich liegt je nach Branche und Geschäftsmodell zwischen 20 % und 50 % und sollte regelmäßig im Rahmen von SLA-Reviews überprüft werden.

Faktoren, die die MQL-zu-SQL-Rate beeinflussen

Lead-Scoring-Modell: Regelbasiertes Scoring (manuelle Punktevergabe für Aktionen wie E-Mail-Öffnungen, Webseitenbesuche) versus Predictive Scoring (Machine Learning auf Basis historischer Abschlussdaten) liefert unterschiedliche Präzision bei der MQL-Identifikation.
ICP-Definition (Ideal Customer Profile): Je präziser Firmografiken (Unternehmensgröße, Branche, Technologie-Stack) und Personas im Scoring berücksichtigt werden, desto höher die Rate, weil nur passende Unternehmen als MQL eingestuft werden.
Lead-Qualitätssignale: Verhaltensbasierte Signale wie das Ansehen einer Demo-Seite, das Herunterladen eines ROI-Kalkulators oder der Besuch der Preisseite erhöhen die Treffsicherheit des Scorings deutlich.
Gemeinsame SLA-Definition: Ein schriftlich vereinbartes Service Level Agreement zwischen Marketing und Vertrieb, das exakt definiert, welche Kriterien ein MQL erfüllen muss, ist der stärkste Hebel für eine hohe Rate.
Feedback-Schleifen: Regelmäßiges, strukturiertes Feedback des Vertriebs an das Marketing über abgelehnte MQLs (Rejection-Reasons im CRM) ermöglicht die kontinuierliche Verbesserung des Scoring-Modells.

Benchmarks und Optimierungsansätze

Branchenvergleich: Laut HubSpot-Benchmark-Daten (2023) erzielen B2B-Software-Unternehmen im Median eine MQL-zu-SQL-Rate von ca. 26 %, professionelle Dienstleister ca. 20 %, E-Commerce-B2B ca. 15 %.
Segmentierte Analyse: Die Rate sollte nach Lead-Quelle (organisch, Paid, Content, Events, Referral) aufgeschlüsselt werden, um die performantesten Kanäle zu identifizieren und Budget gezielt zu verschieben.
Rejection-Rate-Tracking: Das Messen, wie viele MQLs vom Vertrieb aktiv abgelehnt werden (Sales Rejected Leads, SRL), gibt präzisere Einblicke als nur die Acceptance-Rate zu betrachten.
Sales Acceptance Rate (SAL): Manche Frameworks unterscheiden zwischen Sales Accepted Lead (der Vertrieb akzeptiert und arbeitet den Lead) und SQL (der Vertrieb qualifiziert den Lead formal), was eine differenziertere Steuerung erlaubt.

Praxistipp: Vereinbaren Sie gemeinsam mit dem Vertrieb ein schriftliches SLA, das exakt definiert, wann ein Lead als MQL gilt – inklusive konkreter Scoring-Schwellenwerte und Firmografik-Kriterien. Pflegen Sie im CRM ein Pflichtfeld „Ablehnungsgrund", das der Vertrieb ausfüllen muss, wenn er einen MQL nicht als SQL akzeptiert. Werten Sie diese Daten monatlich aus und passen Sie das Scoring-Modell entsprechend an. Bereits nach drei Monaten konsistenter Feedback-Schleifen steigt die MQL-zu-SQL-Rate in der Regel messbar.