SQL (Lead Calificado por Ventas)

Definición completa

Un SQL — Sales Qualified Lead, o Lead Calificado por Ventas — es un prospecto que ha sido evaluado por el equipo de ventas y aceptado formalmente como listo para iniciar un proceso de venta directa. A diferencia del MQL (Marketing Qualified Lead), que se basa en señales de comportamiento digital, el SQL implica una decisión del equipo de ventas de que el lead cumple los requisitos mínimos para justificar inversión de tiempo y recursos comerciales. Es el punto de transferencia formal entre el área de marketing y el área de ventas dentro de las operaciones de ingresos.

La definición precisa de qué constituye un SQL varía según la empresa, el modelo de negocio y el segmento de mercado objetivo. Sin embargo, el marco más utilizado para estructurar esa definición es BANT: el prospecto debe tener un presupuesto (Budget) disponible o proyectado para la solución, autoridad (Authority) para tomar o influir significativamente en la decisión de compra, una necesidad (Need) articulada que la solución puede resolver, y un plazo (Timeline) razonablemente definido para tomar una decisión. Cuando los cuatro criterios están presentes y documentados en el CRM, el lead se convierte en SQL y se transfiere formalmente al equipo de ventas para la primera llamada de discovery.

La importancia del SQL radica en que es la primera métrica real de calidad del pipeline. Mientras que el volumen de MQLs mide la productividad de marketing y el volumen de leads inbound, la tasa de conversión de MQL a SQL revela qué tan bien marketing entiende al cliente ideal y qué tan alineados están los criterios de calificación entre ambos equipos. En B2B LATAM, donde los recursos de ventas son frecuentemente escasos y cada oportunidad tiene un costo real de atención, una definición imprecisa de SQL lleva a que el equipo de ventas desperdicie tiempo en leads que nunca iban a cerrar — y a que el CAC real sea significativamente mayor al que aparece en los reportes.

Cómo se califica un SQL

El proceso de calificación de un SQL comienza cuando marketing transfiere un MQL al equipo de ventas — típicamente a través del CRM con una notificación automática y un SLA de revisión definido. El representante de ventas (o el SDR designado) tiene un tiempo determinado — generalmente entre 24 y 48 horas hábiles en B2B LATAM — para revisar el lead y tomar una de tres acciones: aceptarlo como SQL, rechazarlo con razón documentada, o pedirle a marketing información adicional antes de decidir.

Ejemplo práctico

Una empresa de SaaS B2B en Bogotá genera en promedio 180 MQLs por mes a través de contenido orgánico, publicidad pagada en LinkedIn y webinars. El equipo de ventas revisa esos MQLs y convierte en promedio 45 a SQLs — una tasa de conversión del 25%. De esos 45 SQLs, aproximadamente 12 avanzan a oportunidad calificada (etapa de propuesta o demostración) y 4 cierran como clientes nuevos. Esto establece las tasas de conversión de cada etapa del pipeline y permite calcular cuántos MQLs necesita generar marketing para alcanzar el objetivo de clientes nuevos.

Si el objetivo de la empresa es adquirir 8 clientes nuevos por mes, y la tasa de cierre de SQL a cliente es del 8.9% (4 clientes de 45 SQLs), se necesitan aproximadamente 90 SQLs mensuales. Con una tasa de conversión de MQL a SQL del 25%, eso requiere 360 MQLs al mes. Este cálculo hacia atrás — conocido como "demand waterfall" — es la base de la planificación de pipeline en RevOps y depende completamente de que la definición de SQL sea consistente y esté documentada. Si el equipo de ventas cambia silenciosamente sus criterios de aceptación — aceptando más o menos SQLs sin actualizar la definición formal — todos los cálculos del waterfall quedan invalidados.

Análisis en profundidad

La fricción entre marketing y ventas en empresas B2B tiene frecuentemente su origen en la ausencia de un acuerdo formal sobre qué es un SQL. Marketing argumenta que los leads que envía son de calidad; ventas argumenta que la mayoría no están listos para comprar. Sin una definición documentada y aceptada por ambas partes — preferiblemente formalizada en un SLA de marketing y ventas — este debate se repite en cada reunión de operaciones sin resolución. La definición del SQL es, en la práctica, el documento más importante que puede firmar un VP de Marketing y un VP de Ventas en una empresa B2B en crecimiento.

En B2B LATAM, la calificación de SQLs enfrenta desafíos específicos del mercado. El criterio de autoridad es frecuentemente el más difícil de confirmar, ya que en muchas empresas latinoamericanas medianas las decisiones de compra de software involucran al dueño o CEO incluso para contratos de MXN $100,000 anuales — un umbral mucho más bajo que en mercados como Estados Unidos donde el gerente de área suele tener autoridad sobre esa cifra. Esto significa que un contacto que en un mercado anglosajón sería clasificado como decisor, en LATAM puede ser solo un influenciador, lo que alarga el ciclo de ventas y afecta las predicciones de velocidad de ventas.

La tasa de rechazo de SQLs — el porcentaje de leads que ventas rechaza después de la revisión inicial — es una métrica de diagnóstico crítica. Una tasa de rechazo consistentemente alta (por encima del 30%) indica que marketing y ventas tienen criterios de calificación desalineados, que las campañas de marketing están atrayendo un perfil de empresa diferente al ICP definido, o que el equipo de ventas tiene estándares más altos que los documentados. Una tasa de rechazo baja (menos del 10%) puede indicar que los criterios son demasiado permisivos — el equipo de ventas acepta todo lo que llega — o que marketing ya está haciendo una pre-calificación rigurosa antes de transferir. Ambos extremos tienen implicaciones distintas para la cobertura de pipeline.

El SLA de tiempo de respuesta para SQLs es un componente frecuentemente subestimado del proceso de calificación. Investigaciones de múltiples estudios de sales development muestran que la probabilidad de calificar un lead inbound cae de manera exponencial con el tiempo: un lead contactado en los primeros 5 minutos tiene una probabilidad de calificación 21 veces mayor que uno contactado después de 30 minutos. En B2B LATAM, donde las expectativas de respuesta son típicamente más relajadas, establecer un SLA de 4 horas hábiles para MQLs de alta intención — como leads de solicitud de demo o contacto directo — puede ser una ventaja competitiva real frente a competidores más lentos.

La calidad de los datos en el CRM al momento de crear un SQL tiene un impacto directo en la precisión de los modelos de precisión de pronóstico y en la capacidad del equipo de RevOps para construir predicciones confiables. Cuando los campos de BANT en el CRM están vacíos, incompletos o contienen datos inconsistentes — lo que ocurre en el 60% de los SQLs según benchmarks de RevOps LATAM 2025 — los modelos de forecasting se degrada y la tasa de cierre histórica deja de ser un predictor confiable de cierre futuro. La calidad del SQL es la base de la higiene de pipeline.

Errores frecuentes

• ✗

  No tener una definición formal y documentada de SQL. Sin un documento de criterios firmado por marketing y ventas, la definición de SQL cambia según el representante que revisa el lead, el período del trimestre o las presiones del momento. Esto produce datos históricos inconsistentes que hacen imposible calcular tasas de conversión confiables. El 45% de las empresas B2B en etapas seed a Series A en LATAM operan sin un SLA formal de marketing a ventas, según datos de RevOps LATAM 2025. El resultado es un pipeline lleno de oportunidades de calidad cuestionable que el equipo de ventas no confía en usar para el forecast.

• ✗

  Aceptar SQLs sin documentar la razón de rechazo cuando corresponde. La razón de rechazo de un MQL — "sin presupuesto", "no es el decisor", "necesidad no confirmada", "plazo indefinido" — es información crítica de retroalimentación para marketing. Cuando ventas rechaza MQLs sin documentar el motivo, marketing pierde la señal necesaria para ajustar el scoring, los criterios de segmentación o los mensajes de las campañas. Un proceso robusto de rechazo de MQLs, con razones estandarizadas en el CRM, es tan valioso como el proceso de aceptación de SQLs para mejorar la calidad del pipeline con el tiempo.

• ✗

  Usar la tasa de conversión de MQL a SQL como métrica de rendimiento de marketing sin segmentar por canal. La tasa agregada de MQL a SQL oculta diferencias importantes entre canales: los leads de búsqueda orgánica pueden convertir al 40%, mientras que los leads de publicidad pagada en redes sociales convierten al 12%. Usar el número agregado para evaluar la calidad del trabajo de marketing produce incentivos incorrectos — maximizar volumen de MQLs de baja conversión en lugar de enfocarse en los canales que generan SQLs de alta probabilidad de cierre. La tasa de conversión de MQL a SQL debe reportarse siempre por canal de origen para tener valor de gestión.

Cómo lo rastrea Fairview

Fairview conecta los datos de MQLs y SQLs del CRM (HubSpot, Salesforce, Pipedrive) con las métricas de inversión de marketing para calcular automáticamente la tasa de conversión de MQL a SQL por canal, la tasa de rechazo con desglose por razón, y el tiempo promedio de revisión de MQL a SQL comparado con el SLA definido. Cuando el tiempo de revisión supera el SLA acordado o cuando la tasa de rechazo supera el umbral definido en más del 20%, Fairview genera una alerta con el impacto cuantificado en términos de pipeline en riesgo y fuga de ingresos proyectada.

Para equipos de RevOps que gestionan múltiples canales de adquisición en mercados LATAM, la visibilidad del embudo de MQL a SQL a oportunidad en tiempo real es crítica para identificar dónde se está perdiendo pipeline y cuantificar el costo de esa pérdida. Fairview también rastrea la correlación entre el puntaje de calificación SQL en el momento de creación y la probabilidad de cierre histórica — lo que permite refinar los criterios de calificación basándose en datos reales de conversión, no en intuición del equipo.

Preguntas frecuentes