每个 B2B 营销团队都想知道营销合格潜在客户 (MQL) 到销售合格潜在客户 (SQL) 的转化率。它有助于评估他们的营销和销售工作的有效性。
它们是衡量 B2B 潜在客户生成活动有效性的关键指标。
那么,如何知道 MQL 和 SQL 之间的转换率呢?
首先,让我们看看 MQL 和 SQL 是什么。要理解这一点,您需要先了解它们的定义。
所以他们在这里:
营销合格潜在客户 (MQL)
MQL 是符合特定标准的潜在客户,销售团队可以立即使用。当潜在客户满足营销活动的所有设定标准时,它就是合格的。例如,如果您针对使用 PPC 营销 (
Google Ads) 或 Facebook 等社交网站的美国小企业开展了一项活动,那么对您的产品感兴趣的人就属于这一类。
销售合格线索 (SQL)
Sales Qualified Leads (SQL) 是已通过销售团队资格预审的潜在客户。销售团队使用 SQL 作为线索来衡量他们感兴趣的市场和标准,例如收入、目标公司的资历级别等。
这些线索不需要经过任何严格的筛选过程,因为它们已经通过了资格预审。
现在,您知道什么是 MQL 和 SQL。您还清楚地了解这些转换是如何工作的。
那么让我们看看如何计算 MQL 和 SQL 之间的转换率。
什么是 MQL 到 SQL 的转换率?
有多种方法可以计算 MQL 到 SQL 的转换率:
– 最简单的方法是将 SQL 的数量除以 MQL 的总数
– 另一种方法是将一个月内生成的 SQL 数除以该期间生成的潜在客户总数。这称为 MQL 到 SQL 的转换率。
– 另一种方法是将转化为销售额的潜在客户数量除以该期间产生的潜在客户总数。这称为 Lead-to-SQL 转换率。
何时使用 MQL 到 SQL 转换率?
MQL 到 SQL 的转换率可以以多种方式使用。
– 了解营销活动的有效性
– 发现潜在客户转换的频率
– 了解您的销售团队在生成 SQL 方面的表现。
– 衡量单个 B2B 公司或团队的绩效
您还可以使用 MQL 到 SQL 的转换率来比较您公司与其他公司的绩效。
MQL 到 SQL 的转换率与线索到 SQL 的比率有何不同?
MQL 到 SQL 的比率和线索到 SQL 的转换率是您在阅读文章或谈论潜在客户生成策略时经常遇到的两个术语。这两个术语可能看起来相似,但它们具有不同的含义和用法。
MQL 到 SQL 转换率是 SQL 和 MQL 数量之间的比率,而潜在客户到 SQL 转换率是转化为销售的潜在客户数量除以生成的潜在客户总数。此比率也称为销售转化率或销售线索与销售比率。
为什么要使用 MQL 到 SQL 的转换率?
MQL 到 SQL 的转换率是一种非常有效的工具,公司可以使用它来衡量其销售团队的绩效。它还有助于评估营销工作的有效性和提高转化率。
有许多策略和工具可以帮助您的企业进入市场。通过 Ansoff 矩阵,您可以确定市场和产品开发,但对于潜在客户的产生和转化为忠诚客户,您需要采用新的方式。MQL 到 SQL 的比率或线索到 SQL 的转换率不仅可以帮助您衡量营销工作的有效性,还可以帮助您提高转换率。
MQL 到 SQL 转换率公式
可以使用以下公式计算 MQL 到 SQL 的转换率或线索到 SQL 的转换率:
MQL / SQL = 转化为销售的潜在客户总数 / 生成的潜在客户总数
如何计算 MQL 到 SQL 的转换率?
MQL 到 SQL 转换率公式
生成的 SQL / 生成的 MQL * 100 = MQL 到 SQL 的转换率
计算 MQL 到 SQL 的转换率很容易。只需遵循以下简单说明:
1. 确定生成的 MQL 和 SQL 的数量
确定特定时期内生成的 MQL 和 SQL 的数量。例如,如果在为期一个月的销售活动中产生了 100 个潜在客户,其中 40 个成功转化为销售,那么您的 MQL 到 SQL 比率为 40/100 = 0.4 或 40%。这意味着平均而言,10 个潜在客户中有 4 个成为销售。
2.计算产生的leads数量
计算同一时期产生的潜在客户数量。例如,如果在为期一个月的销售活动中产生了 100 个潜在客户,那么您的潜在客户生成数字将为 100。
3.将生成的SQL数除以/乘以100
将生成的 SQL 数除以生成的 MQL 数,再乘以 100 以百分比表示。例如,100 个 SQL 中有 40 个变成了销售,这意味着您的 MQL 到 SQL 的转换率为 40/100 x 100 = 40%。
您选择的计算方法取决于您拥有的信息。最简单的方法是将 SQL 的数量除以生成的 MQL 的总数。
然而,这并不能提供正确的估计,因为它忽略了一个非常重要的因素——时间。例如,如果在 12 月生成了 100 个 MQL,而当月只有 40 个转化为销售额;那么你的 MQL 到 SQL 的比率是 40%。但是,如果 1 月份只生成 20 个 MQL,并且全部转化为销售额;您的 MQL 到 SQL 的转换率为 80%。
这清楚地表明,显示 40% 转化率的报告是在潜在客户转化时间较短的时候创建的。为了准确估计 MQL 到 SQL 的比率,建议您使用考虑时间的第二种或第三种方法。
什么是好的 MQL 到 SQL 转换率基准?
理想的 MQL 到 SQL 转换率基准约为 13%。这意味着每个营销活动应在 100 个 MQL 中生成至少 13 个成功的 SQL。
为什么 SQL 转换较少?
这有多种原因:
– MQL 转化为 SQL 需要时间。这是因为潜在客户转化为客户需要时间。这意味着,如果您的营销活动是在一月份启动的,您将需要额外的几个月来计算您生成的成功 SQL 的数量。
– 潜在客户可能没有足够的资格转化为销售。在这种情况下,您必须返回您的合格标准列表并更新它。
– 营销活动可能针对错误的受众。
– 您的销售团队可能没有受过良好的培训,无法处理营销活动产生的潜在客户。如果是这种情况,培训他们将有助于提高销售转化率。
关于 MQL 到 SQL 转换率的重要性
MQL 到 SQL 转换率让您深入了解您的营销活动的效果。它可以帮助您了解为什么某些活动比其他活动表现更好,以及您的销售团队是否具备将潜在客户转化为客户的必要技能。
例如,如果您的 MQL 到 SQL 的比率低于平均水平,则意味着您的目标市场没有响应您的活动,或者您的销售团队无法将潜在客户转化为客户。然后,您应该检查这两个领域并对其进行改进以提高转化率。
使用 MQL 到 SQL 转换率可以帮助您确定营销活动是否成功以及是否需要在再次启动之前进行任何更改。
如何可视化 MQL 到 SQL 的转换率?
您可以通过多种方式可视化 MQL 到 SQL 的转换率。例如,您可以使用条形图,其中 x 轴表示生成的潜在客户数量,而 Y 轴显示相应的成功转化次数。
另一种方法是使用饼图,其中每个切片的大小代表转化为销售的潜在客户数量,每个切片的百分比代表总潜在客户的百分比。
您还可以使用折线图,其中 y 轴显示 SQL 的数量,X 轴表示时间。这将帮助您可视化您的 MQL 到 SQL 转换率如何随时间变化。可视化不仅限于简单的图表,如果您有一个好的可视化库,您可以使用任何图表来显示您的数据,这可以让利益相关者更容易理解。
MQL 到 SQL 转换率可视化示例:
由于您不必拘泥于简单的可视化,让我们来看看 ChartExpo 创建的一些很棒的数据可视化。您可以使用这些以有意义的方式表示您的数据。
下图是组柱形图的示例。您可以并排查看数据并进行很好的比较。
可视化来源:ChartExpo
那么为什么不使用另一个可以同时显示条形和线的可视化来跟踪 MQL 到 SQL 的转换率。
可视化来源:ChartExpo
相同的数据可以用另一个可视化显示,以便您可以并排比较。
可视化来源:ChartExpo
还有另一个漂亮的可视化,即雷达图或极坐标图,您可以使用它来表示您的 MQL 到 SQL 的转换率
可视化来源:ChartExpo
因此,所有这些可视化都在同一个数据集上,这取决于您需要哪一个来呈现结果。
如何提高 MQL 到 SQL 的转换率?(一步步)
如果您的 MQL 到 SQL 转换率太低,那么您需要增加生成的潜在客户数量。您可以按照以下步骤进行操作:
第 1 步:确定您的 MQL 未转化为销售的原因
为了提高 MQL 到 SQL 的转换率,您必须首先确定生成的潜在客户数量少的原因。您可以问自己几个问题以找出问题所在:
– 为什么您的 MQL 不能转化为销售额?
– 是什么阻止他们转换?
– 是报价/产品、价格、潜在客户的质量还是其他?
在哪里可以找到关于为什么 MQL 没有转化为销售的信息:
– 您可以查看过去的广告系列并分析广告系列的效果。
– 您应该将其与其他类似广告系列的效果进行比较。这应该让您了解为什么您的 MQL 没有转化为销售。
– 您还可以在查看 MQL 时问自己这些问题,方法是查看他们的个人资料并确定他们会购买什么。您还可以查看网站流量统计数据,看看它们是否来自具有高转化率的来源。
第 2 步:找出问题并加以改进
根据步骤 1 中确定的原因,您可以专注于业务中需要解决的特定领域,以提高 MQL 到 SQL 的转换率。
例如,假设您已经确定低转化率的主要原因之一是低质量的潜在客户生成来源。在这种情况下,您应该聘请能够产生高质量潜在客户的机构。
第 3 步:启动新的营销活动
在解决第 2 步中确定的问题后,启动新的营销活动以使用相同的报价/产品或引入具有更好购买机会的不同报价/产品来提高 MQL 到 SQL 的转换率。
第 4 步:监控 MQL 到 SQL 的转换率并检查它是否在增加
在新的营销活动启动后,您应该在一段时间(一两周)后监控转化率,以检查它是否有所增加。此步骤的目的是分析从先前步骤获得的结果并做出数据驱动的决策。
第 5 步:鼓励您的销售团队主动接触潜在客