MQL vs SQL – Ulike typer kvalifiserte potensielle kunder forklart

Tenk deg at du driver en vellykket antikvitetsbutikk. 

I travle timer kommer noen få besøkende inn i butikken din, og alle ser ut til å være ganske interessert i varelageret ditt. Likevel oversvømmet med arbeid, har du bare tid til å underholde en.

Fryktelig klar over at ved å delta på en kan du godt miste de gjenværende prospektene, hvem ville du valgt?

Eller bedre, vil den utvalgte kjøpe produktet, eller vil det hele være for intet?

De to ovennevnte spørsmålene er en konstant kamp for gründere, uavhengig av bedriftens størrelse.

Med tidsbegrensninger og mange kundeemner å vurdere, må bedrifter prioritere hvem de skal henvende seg til og hvem de skal utelate.

Marketing qualified lead (MQL) og Sales qualified lead (SQL) er to klare klassifikasjoner markedsførere bruker for å håndtere slike hindringer.

Ved å lykkes med å identifisere MQL og SQL, vil du være i en utmerket posisjon til ikke bare planlegge markedsføringsstrategien din deretter, men styrk kundebasen din.

Her vil jeg dele en oversikt over hvordan du bestemmer MQL og SQL, og metodene for å hjelpe deg med å øke antallet.

Men før vi dykker inn, la oss først dekke det grunnleggende.

Hva er MQL og SQL?

Er du kjent med kjøperens reise?

En potensiell kunde går gjennom tre store stadier før de kjøper en vare.

Først kommer bevissthet om produktet, etterfulgt av nysgjerrighet. Hvis varen interesserer kunden, tar de seg tid til å tenke over det. Når de er sikre, kjøper de produktet.

MQL (Marketing qualified lead) er "pondereren" som er sterkt interessert i produktet ditt, men som ennå ikke ønsker å ta et skritt videre. SQL (Sales qualified lead), derimot, har definitivt tenkt å kjøpe.

 Siden problemet ofte oppstår i "grublefasen", kan MQL og SQL gjøre den utfordrende oppgaven din enklere.

Hvordan identifisere MQL og SQL?

For å skille MQL fra SQL må du få en dyptgående innsikt i kundeadferd og deres intensjoner med produktet ditt.

1.Bestem kundens oppførsel for å oppdage MQL

 Små murstein-og-mørtel entreprenører, over tid, utvikle visse instinkts å luke ut generiske kundeemner.

En titt på personen, og de kan feste en vindu shopper langveisfra.

Bah! Han vil ikke kjøpe den. John, jeg sier deg. Vær med på damen i lilla skjerf i stedet.

Denne observasjonsferdigheten lar dem prioritere de de kunne positivt konvertere til kunder.

For en stor bedrift er denne tilnærmingen imidlertid upraktisk. I stedet bruker markedsavdelingen blymagneter å samle inn data og evaluere besøkendes adferd.

La meg kort forklare hvordan kundedata kan hjelpe deg.

Hvis MQL gjør hyppige besøk til nettstedet ditt viser en tydelig interesse for merkevaren din. Hvis en kundeemne abonnerer på nyhetsbrevet ditt, ønsker de å holde kontakten i tilfelle de måtte ønske å kjøpe produktet ditt.

Hvis MQL legger til noen få elementer på kortet bare for å lage en ønskeliste, viser de sin iver. De kan til og med prøve en demoversjon, som antyder et potensielt salg i fremtiden.

Markedsføringsteamet observerer engasjementsfaktoren for å skape en kjøpers persona, så de har en målestokk for å oppdage MQL.

Jeg går ikke inn på detaljer om kjøpers persona da emnet trenger en helt egen artikkel for det. Det er nok å si, akkurat som du kontinuerlig justerer antrekket ditt til du finner det rett størrelse, følger markedsavdelingen lignende prosedyrer for å lage sin mal.

Skulle din potensielle kunde oppfylle kriteriene, er de oppført som MQL klare til å flytte til SQL. Hvis ikke, filtreres de ut.

Når du har betydelige data tilgjengelig, estimer en potensiell MQL gjennom en scoringsmetode.

2. Bruk Lead Score for å skille SQL fra MQL

Har du noen gang lagt merke til en gradient ombre-nyanse? Den begynner med en mørk tone, og beveger seg gradvis til mellomskygge til tuppene blekner til en lysere versjon.

Tenk på blyscoring som en ombre, bare i tall.

Du tildeler poeng til potensielle kunder basert på deres oppførsel, vanlige faktorer og personlig informasjon. Når du gjenkjenner sterke potensielle kunder, kan du sende SQL-en videre til salgsavdelingen og filtrere ut potensielle potensielle kunder.

Høres enkelt ut, jeg vet, men for å lage en nøyaktig score bør hver eneste detalj vurderes.

For eksempel; hvis du har hørt om ETSY, henvender den populære multinasjonale markedsplassen seg til et bredt spekter av kunder, men har begrenset demografisk dekning.

For ETSY vil folk utenfor deres utvalg av leveringspunkter sannsynligvis ha en svak leadscore.

På samme måte vil bedrifter med et målmarked over 35 sannsynligvis forfølge kundene sine på Facebook i stedet for Instagram, ettersom millennials stort sett foretrekker førstnevnte – noe som gir Facebook-brukere en høyere leadscore.

Score potensielle kunder etter egenskapene deres, og du vil finne kvalifiserte øverst på listen.

Er det nødvendig å skille møysommelig MQL og SQL?

Ja, det gjør det absolutt.

MQL og SQL kan uten tvil virke like, men en kundes intensjon og din tilnærming til den kunden er grunnen til at de må oppføres separat.

Husker du eksemplet med antikvitetsbutikken? Tenk deg at du fortsatt kjører den. Mens du pleier å støvsuge hyllen, la du merke til at noen så på Aladdins lampe og tenkte å fremskynde avgjørelsen.

Hvis steinbruddet ditt ennå ikke er klart til å kjøpe, vil de ikke sette pris på din hjelp og kan komme seg unna. Men SQL ville kreve lite overbevisende siden de allerede hadde bestemt seg for å kjøpe lampen.

For å gjøre historien kort, salgsstrategier er direkte. Hvis du henvender deg til MQL for tidlig, vil du sannsynligvis skremme dem av.

Husk at til tross for alle forholdsregler, konverteres ikke alle MQL til SQL av utallige grunner. Faktisk gjør 79 % av MQL-kundene sjelden et kjøp!

Men siden menneskelig atferd har en overraskende tendens til å være forutsigbar, vil du sannsynligvis ha større suksess ved å følge standardprosedyrer.

Hva er den beste metoden for å konvertere MQL til SQL?

Den sikre måten å konvertere potensielle kunder til kunder er gjennom pleie.

Bedrifter med en sterk pleiestrategi tiltrekker seg ikke bare 50 % av SQL-en deres, men kan også overføre generiske potensielle kunder til MQL.

Aqua er et klassisk eksempel.

I 2016 lanserte et skysikkerhetsselskap ved navn Aqua merkevaren sin i et svært mettet marked. Med et stramt budsjett konverterte Aqua 25 % av potensielle kunder til MQL gjennom aktiv markedsføring og pleie av kundeemner.

Aqua-casestudien viser at en passiv tilnærming også kan bringe potensielle kunder til døren din.

For å avslutte, bruk CRM-programvare i likhet med HubSpot for å tilpasse forskningen din og finne MQL og SQL. Skap bevissthet gjennom blogger, videoer, webinarer, podcaster og nyhetsbrev for å tiltrekke potensielle kunder.

Og mest av alt, automatiser oppgavene dine så mye som mulig for å spare gryntarbeidet.

Lykke til!