Solo el 3 % de sus visitantes B2B se identifican rellenando formularios. El 97 % restante es invisible para su funnel de MQL.
La cifra viene de 6sense Research. Las tasas de envío de formularios se mantienen cerca del 3,5 % en todos los sectores, regiones y tamaños de empresa. Eso explica por qué cada equipo de RevOps con el que usted habla está, en voz baja, frustrado con su pipeline de MQL.
El Lead calificado por marketing (MQL) dejó de funcionar en algún punto entre Apple Mail Privacy Protection (2021) y la saturación de contenido generado por IA (2024). Muchos lo han dicho. Pocos han publicado un reemplazo.
El reemplazo que está ganando tracción es el framework de Jon Miller: MQX, MEX y Hand-Raisers. Miller inventó el MQL en Marketo, y es la voz más clara sobre lo que viene después. Los tiers están bien planteados. Lo que falta es la capa de medición por debajo: qué engagement, a qué umbral, medido cómo. Eso es lo que cubre este artículo, más una sección sobre dónde este enfoque se queda corto. "Engagement no es intención de compra" es un matiz que la mayoría de textos sobre "MQL está muerto" pasa por alto.
Cómo se rompió el MQL
El MQL funcionaba cuando se cumplían tres cosas:
- Las aperturas de email eran fiables. Una carga de píxel significaba que una persona había abierto el email.
- Rellenar un formulario significaba intención. Si alguien tecleaba su email para descargar su whitepaper, quería el whitepaper.
- Descargar significaba leer. Si descargaban el whitepaper, lo leían.
Las tres premisas se cayeron entre 2021 y 2024.
Las aperturas de email son una mentira. Apple Mail Privacy Protection, lanzado en septiembre de 2021, precarga imágenes en el momento en que el usuario abre la app de Mail, abra o no su email concreto. Sumado a los scanners corporativos (Microsoft SafeLinks, Proofpoint, Mimecast) que hacen clic en cada enlace antes de la entrega, una parte considerable de las "aperturas" que figuran en su MAP no son personas. Litmus y otros proveedores de analítica han publicado datos con inflaciones de tasas de apertura del 30–50 % tras MPP.
Los formularios están llenos de ruido. Los compradores aprendieron a usar direcciones de Gmail desechables. Los bots rellenan formularios. Gente de compras descarga su contenido gated y lo reenvía a legal. El envío de formulario que le ilusionó muchas veces no viene de la persona que decide. A menudo, no viene de ninguna persona.
Las descargas no señalan lectura. La brecha entre "descargó el whitepaper" y "consumió realmente el whitepaper" siempre existió. En 2026, con cada comprador suscrito a más newsletters de las que puede leer y cada bandeja de entrada inundada de contenido asistido por IA, esa brecha se ha convertido en un abismo.
Las propias voces del sector llevan años diciéndolo. Matt Heinz lo resume mejor que nadie (en esencia: con un MQL no se paga una factura):
"You can't buy a beer with an MQL. You can't actually spend your web traffic. We have to focus on outcomes that make the company money."
Matt Heinz, Heinz Marketing
Chris Walker lo dice con más filo:
"Vanity Metrics = KPIs that aren't aligned with revenue and sales productivity, but are used to justify effectiveness of marketing programs. Ex. SQLs, MQLs, clicks, 'leads', cost per lead (CPL), cost per acquisition (CPA), website visitors, form conversion rate, etc."
Chris Walker, fundador de Refine Labs
Forrester, la institución que codificó el modelo MQL tras su adquisición de SiriusDecisions, lo repudió formalmente en 2023. Terry Flaherty, su VP Principal Analyst, explica por qué el scoring individual de leads está estructuralmente roto:
"B2B buying decisions, especially when deals are large and complex, are made by buying groups, not an individual person... Scores assigned based on a combination of profile characteristics and engagement for a single individual... [is like] 'Whose Line Is It Anyway?' where everything is made up and the points don't matter."
(Nota: "Whose Line Is It Anyway?" es un programa estadounidense de improvisación donde los puntos se asignan de forma deliberadamente arbitraria. La metáfora: un score compuesto de señales mezcladas no tiene significado real.)
Kerry Cunningham, antes en Forrester y ahora Principal Researcher en 6sense, le pone número a ese techo:
"You can make improvements of 3% to 5% [with MQL models]... in the very worst-run operations, and you can goose a 1% or 1.5% improvement out of the rest, but that's about it."
La cifra que conviene memorizar: aproximadamente el 87 % de los MQLs no convierte a deals cerrados, según el research B2B de Apollo. Varios datasets publicados por proveedores muestran además que los MQLs de demand-gen parecen baratos en la parte alta del funnel pero cuestan bastante más por SQL más adelante. Los leads baratos salen caros rápido.
La práctica no ha alcanzado a la retórica. Muchos equipos leen estas críticas, asienten y dejan su dashboard de MQL en la revisión semanal del CRO. Kim Peterson, de LeanData, señaló el motivo:
"The number one reason organizations aren't moving to buying groups, signals, and a more advanced revenue process is one word: culture. We're addicted to MQLs as the cornerstone of our culture."
La crítica está madura. El reemplazo, no. El resto del artículo trata del reemplazo.
Las respuestas que no cuajaron
Antes del reemplazo, un balance honesto de lo que no funcionó.
Scoring de leads basado en MAP. HubSpot, Marketo y Pardot soportan scoring conductual además del demográfico. En teoría, eso resuelve el problema de "las descargas no señalan intención". En la práctica, sustituye descargas por eventos de píxel, que sufren la misma inflación por bots, la misma confusión multi-stakeholder y la misma dinámica de "score como métrica de vanidad". Un prospect con 87 puntos no es más real que uno con una descarga si ambos números salen de los mismos inputs defectuosos.
Datos de intención third-party. Bombora, 6sense, Demandbase, G2 Intent. La categoría ya supera los 1.000 millones de dólares y sigue creciendo. Valor real: las señales de intención third-party capturan investigación de compra que ocurre fuera de sus propiedades. Pero los datos llegan tarde (usted se entera del interés 2–4 semanas después de su pico), son temáticos (no específicos del producto) y funcionan a nivel de cuenta (usted sabe que Acme está subiendo pero no qué empleado de Acme lo empuja). Y el precio, típicamente de 30–80 mil dólares al año, hace que sea poco práctico para equipos por debajo de 10 millones de ARR.
Plataformas de ABM. Demandbase, Terminus, RollWorks. Excelentes para enterprise. Típicamente más de 50 mil dólares al año, más implementación. Para equipos SMB y mid-market, el overhead de la plataforma supera el empuje en pipeline. Jon Miller, cofundador de Marketo y Engagio, lo describió así:
"Traditional demand generation is fishing with a net. You throw your net out, you see what you catch, you don't care which fish you catch, just that you caught enough. Whereas account-based marketing is fishing with a spear where you identify those big fish and go after them... But it doesn't feel very good to get poked by a spear."
Signal-based selling. Common Room, Clay, HG Insights lo popularizaron. La idea central es correcta: pasar del scoring de leads a la agregación de señales a partir de rondas de financiación, ofertas de empleo, cambios de herramientas, cambios de puesto y engagement de contenido. Pero la ejecución queda difusa. La mayoría de artículos "signal-based" define señales sin explicar cómo operativizarlas a escala. Chris Walker lo dijo sin rodeos:
"In any individual company, the definition of a signal should be different. One company might say, 'This ebook download is a signal for us.' Another company might say, 'We never win those. That's not a signal for us.' It should be determined purely based on data."
Correcto, pero significa que cada empresa debe construir su propia definición de señal desde cero. Y la mayoría no lo hace.
Product-led growth. Funciona cuando el producto entrega valor en una sesión self-service. Funciona peor en B2B enterprise, donde la evaluación dura meses e implica a un comité de compra. PLG es una motion GTM, no un reemplazo para la calificación.
Sangram Vajre, cofundador de Terminus y ahora CEO de GTM Partners, empuja por un replanteamiento más profundo:
"Change your metric from 'Leads' to 'Engagement'. A lead is a binary status. Engagement is a spectrum that indicates true buying intent."
También cuestiona si la propia función SDR necesita un replanteamiento. Ese es un debate para otro artículo. Por ahora: si no son los MQLs, ¿qué? "Engagement" es la respuesta correcta, pero vaga. Necesita un framework.
Lo que sí es nuevo: el engagement de contenido first-party se volvió medible
Cuatro cosas han cambiado de verdad en los últimos cinco años. Juntas hacen posible un reemplazo real del MQL.
Analítica de documento por página. DocSend inauguró la categoría cuando se lanzó en 2013; Dropbox la compró por 165 millones de dólares en 2021. La idea original era estrecha: rastrear quién abría su deck de fundraising y durante cuánto tiempo. Hacia 2026 la categoría se amplió. Cada documento que usted comparte (whitepaper, case study, propuesta, pitch deck, informe) puede instrumentarse a nivel de página. No solo ve que Sarah abrió el whitepaper, sino que pasó 4 minutos en la página 3, saltó la página 5 y volvió a la página 7 una semana después.
La detección de bots se ha vuelto real. Hace diez años, las "views" eran simples peticiones HTTP. Hoy, las plataformas con analítica seria (no las MAPs; las MAPs siguen fallando aquí) combinan tres señales: coincidencia de user-agent con patrones de scanner conocidos, identificación de IPs de datacenter y confirmación humana basada en gestos (ratón, toque, teclado). Usted puede distinguir una vista humana de un pre-scan de SafeLinks. Solo eso rehabilita lo que significa "engagement".
Detección de reenvíos. Si usted envía un enlace a una persona y lo abren varias dentro de la misma empresa, sabe que el deck se está compartiendo internamente. En ventas B2B enterprise, esta es la señal pre-compromiso más fuerte, punto. Más fuerte que cualquier dato que pueda producir una plataforma de intent, porque es comportamiento first-party sobre su propio contenido.
Seguimiento de visitas recurrentes. Un comprador que vuelve a su página de pricing dos semanas después de la primera lectura está haciendo algo concreto: está revisando para tomar o defender una decisión. Capturar ese momento, no solo la apertura inicial, convierte el engagement en una señal de serie temporal en vez de un evento aislado.
Sume todo eso y tiene algo genuinamente nuevo: datos de calificación que no dependen de formularios, no dependen de píxeles de email, no dependen de inferencia temática third-party y no requieren una plataforma de 50 mil dólares. Corre sobre el contenido que usted ya está enviando.
Ahí es donde vive de verdad el reemplazo del MQL. No en mejor scoring, no en plataformas más grandes. En medir lo que ya está ocurriendo en sus propias propiedades, con una fidelidad que hace una década no era técnicamente posible.
Operativizar MEX: la capa de medición
El framework de Jon Miller es el reemplazo conceptualmente correcto del MQL. Sus tres categorías:
- Hand-Raisers. Peticiones explícitas: demo, pricing, "contacten conmigo". El comprador se calificó a sí mismo.
- MQX (Marketing Qualified). Juicio basado en evidencia, emitido por marketing, de que hay actividad de compra en una cuenta ICP. Justifica contacto proactivo y consultivo.
- MEX (Market Engaged). Las personas adecuadas en las cuentas adecuadas interactúan con su contenido, todavía sin señales de compra. Merece conversación porque es el punto donde usted crea demanda, no solo la captura.
Miller, que ayudó a inventar el MQL en Marketo, entrega también el reemplazo más nítido. La forma está bien. Lo que falta es la capa de medición por debajo.
Miller dice que "engagement" califica a alguien para MEX. Eso deja abierta una pregunta: qué engagement, a qué umbral, medido cómo.
Llamemos a esos umbrales medidos Engaged Qualified Leads (EQLs). No es un framework rival. Es la instrumentación que permite decidir cuándo alguien entra en MEX y cuándo el comportamiento MEX es suficientemente nítido para ascender a MQX.
EQL en una frase
Un Engaged Qualified Lead es un individuo que muestra engagement medible y filtrado de bots con contenido específico en sus propiedades, en o por encima de los umbrales conductuales que usted define.
Cuatro palabras cargan todo el peso:
- Medible. El calificador es un comportamiento, no un score.
- Filtrado de bots. La mayor parte del "engagement" del sector cuenta scanners y bots de previsualización.
- Contenido específico. No "abrió un email" sino "leyó el case study" o "volvió a pricing".
- Umbrales que usted define. Sus cifras, con sus datos, sin plantillas.
Tres tiers, alineados con el vocabulario de Miller:
Tier 1: Awareness (pre-MEX)
- Abrió el contenido, pasó menos de 60 segundos, no volvió
- Fuerza de señal: baja
- Acción: nutrir, no pasar a ventas
Es donde están hoy, de hecho, la mayoría de los "MQLs" actuales. Alguien descargó un whitepaper, recibió el email de confirmación, siguió con su vida. Valioso para marca, no para pipeline.
Tier 2: Evaluación activa (territorio MEX)
- Leyó 2+ páginas, pasó 2+ minutos, O volvió al mismo contenido en 7 días
- Fuerza de señal: media
- Acción: esta es su población MEX. Siga calentando con contenido dirigido.
Es donde los compradores están de verdad durante una evaluación real. Haciendo el trabajo, pero aún no listos para una llamada. El modelo MQL trata el Tier 2 igual que el Tier 3. Ese es el error crítico que produce la dinámica de "ventas ignora sus MQLs".
Tier 3: Engagement de alta intención (transición MEX → MQX)
- Reenvió el contenido internamente (otro viewer en el mismo enlace, mismo dominio de empresa), O
- Volvió 2+ veces al mismo contenido, O
- Interactuó con contenido de fondo de funnel (pricing, páginas de comparación, referencias de clientes)
- Fuerza de señal: alta
- Acción: contacto de SDR o AE en 24 horas
La transición MEX → MQX. Un trigger de Tier 3 es la evidencia conductual que mueve a alguien de "interactúa con sus ideas" (MEX) a "puede haber actividad de compra en esta cuenta" (MQX), en vocabulario de Miller.
El rollup por cuenta
Las ventas B2B ocurren a través de buying groups, no individuos. Una cuenta con varios EQLs es una señal más fuerte que cualquier EQL aislado.
Un Engagement-Qualified Account (EQA) es una cuenta con 2+ EQLs sobre el mismo contenido o serie de contenido en 30 días, más al menos una señal Tier 3 en el grupo.
Esta es la unidad con la que su equipo SDR debería trabajar. Los EQLs le dicen quién; el rollup de cuenta le dice cuándo.
La lógica casa con el 6sense B2B Buyer Experience Report: el 81 % de los compradores elige un proveedor preferido antes de hablar con ventas, y el 69 % del proceso de compra ocurre antes de que los vendedores entren en juego. Si usted espera a que una persona rellene un formulario de demo, la mayor parte de la decisión ya pasó. Las señales de engagement a nivel de cuenta le permiten ver al buying group formarse sobre su contenido antes de que nadie levante la mano.
El playbook de 7 pasos
Cómo operativizar esto sin comprar un stack nuevo.
Paso 1: Auditar qué está contando hoy como engagement. Abra su MAP. Mire los leads con mayor score de los últimos 90 días. ¿Cuántos se convirtieron en pipeline? ¿Cuántos cerraron? Si la tasa de conversión está por debajo del 5 %, su scoring actual es teatro.
Paso 2: Instrumentar sus 5 principales activos de contenido con tracking por página. No todo su contenido. Solo los 5 principales por volumen o relevancia estratégica. Whitepaper, case studies, pitch deck, página de pricing y una página de comparación. Necesita una herramienta que capture tiempo por página, visitas recurrentes y detección multi-viewer. (HummingDeck lo hace; un puñado de otras plataformas también. El principio importa más que la herramienta.)
Paso 3: Activar el filtrado de bots. Si su analítica actual no filtra bots, está midiendo ruido. Como mínimo, filtre user-agents de scanners conocidos e IPs de datacenter. Las herramientas mejores añaden verificación por gesto.
Paso 4: Definir sus umbrales EQL, por escrito. Con la estructura de tres tiers de arriba, escriba qué es "Tier 2" y "Tier 3" para cada activo. Ejemplo para un case study:
- Tier 1: abierto, <60 s, sin retorno
- Tier 2: 2+ páginas leídas O 2+ minutos
- Tier 3: reenviado a otro viewer O retorno en 14 días O visita a pricing a continuación
Ajuste por activo. Una battle card de una página tiene umbrales distintos que un whitepaper de 30 páginas.
Paso 5: Reescribir sus definiciones de MQL/SAL en lenguaje conductual. No diga "100 puntos". Diga "leyó el case study dos veces y visitó pricing en 7 días". Si ventas ve un patrón conductual específico, lo trata como señal. Si ve un score, lo trata como la opinión de su equipo de marketing.
Paso 6: Cablear los eventos EQL y EQA al CRM. Sea cual sea el CRM que use (HubSpot, Salesforce, Close), cree un tipo de actividad custom llamado "Tier 3 Engagement Triggered". Cuando la herramienta de tracking dispare el evento, regístrelo en el contacto y en la cuenta. El workflow de SDR prioriza cuentas con triggers Tier 3 recientes, no los scores más altos.
En HubSpot: cree un evento custom engagement_tier_3 con las propiedades content_asset, trigger_type (forwarded / returned / pricing_visit) y viewers_same_account. Construya un workflow que, cuando el evento dispare sobre un contacto ICP, cree una tarea para el AE responsable con el nombre del activo y el trigger concreto en la descripción. El título de la tarea debería decir algo como "Tier 3 en Q3 Pricing Deck: reenviado internamente (2 viewers)", no "Score alto". En Salesforce: la misma estructura con un Custom Activity Record Type más un flow. En Close: una Smart View filtrada por la actividad custom. El principio es idéntico en todos los CRMs. La descripción de la tarea contiene el comportamiento, para que el SDR pueda abrir con ese anclaje concreto en vez de un email genérico de "espero que le haya resultado útil".
Paso 7: Medir correlación con pipeline, no métricas de vanidad. A los 60 días, saque cada deal closed-won y closed-lost. Revise qué tiers de engagement tocaron y cuándo. Si el comportamiento Tier 3 no correlaciona con la velocidad de pipeline, sus umbrales están mal. Ajústelos. Itere por trimestre.
Esto es una implementación de 60–90 días, no un engagement de consultoría de varios trimestres. Si le lleva más, alguien le está vendiendo una plataforma que no necesita.
Cómo se ve de verdad un traspaso de Tier 3
Cómo se ve esto en la práctica.
Antes (traspaso era-MQL):
"Sarah en Acme tiene 87 puntos. Descargó la buyer's guide la semana pasada. La paso a Alex."
Alex lo recibe. Alex no tiene contexto. Alex escribe un email genérico de "espero que la guide le haya resultado útil". Sarah lo archiva. La tasa MQL-a-meeting se queda en el 12 %.
Después (traspaso era-EQL):
"Sarah en Acme leyó la buyer's guide el lunes. El martes, un segundo viewer de Acme (mismo dominio de empresa, ciudad distinta) abrió el mismo enlace, probablemente un colega al que ella se lo reenvió. El jueves, Sarah visitó la página de pricing y pasó 3 minutos en la comparativa del tier Enterprise. La cuenta alcanzó EQA el jueves. Va para Alex."
Alex lo recibe. Alex tiene contexto concreto. Alex escribe: "Sarah, vi que usted y un colega repasaron nuestra buyer's guide y echaron un vistazo a nuestro pricing Enterprise. Con gusto le ayudo a pensar si el tier Enterprise o Pro encaja mejor con el flujo de su equipo. ¿Una llamada corta el martes?"
El mismo prospect, las mismas fuentes de datos. Un contacto totalmente distinto. El traspaso lleva el comportamiento, el timing y un anclaje concreto de conversación.
El caso cliente de Palo Alto Networks en Forrester documenta una tasa de closed-won un 17 % superior tras pasar de routing basado en MQL a routing basado en engagement del buying group, además de un aumento de 17× en progresión de pipeline y el doble de tamaño de deal. Jeremy Schwartz (senior manager de global lead management) señaló que las oportunidades con varias personas asociadas tenían ocho veces más probabilidades de avanzar que las de un solo contacto. Un case study no es prueba, pero la dirección es consistente: el contacto de comportamiento específico bate al basado en score, y el contexto de buying group bate al scoring individual.
Objeciones habituales
"Necesitamos scoring para priorizar a escala." Puntúe comportamientos, no eventos. Un trigger Tier 3 es, en efecto, un umbral de score: binario en vez de continuo. Los umbrales binarios son más fáciles de accionar que una escala 0–100.
"Nuestra MAP no soporta esto." Correcto. Su MAP no lo va a hacer. Necesita una herramienta que capture engagement a nivel de contenido, no formularios de MAP ni aperturas de email. Esas señales las envía como eventos a la MAP o al CRM. Es trabajo de infraestructura, no un reemplazo de plataforma.
"Nuestro equipo de ventas ignora de todos modos los leads que pasa marketing." Ese es el problema MQL-está-roto. No se arregla solo. Si ventas sigue ignorando los EQLs tras rehacer la definición, el problema es la confianza. No se creen su señal. Enseñe la matemática de correlación con pipeline del Paso 7. Si los datos sostienen el traspaso, ventas responderá. Si no, sus umbrales están mal.
"No todo producto tiene 'contenido' que trackear." Si usted vende B2B, tiene contenido. Su página de pricing es contenido. Su product tour es contenido. Sus historias de cliente son contenido. "Contenido" aquí significa "cualquier superficie digital donde un prospect pasa un tiempo medible". Probablemente tiene más superficies trackables de las que cree.
"Esto suena a product-led growth. Nosotros somos sales-led." No es PLG. PLG es un modelo de negocio donde el propio producto convierte usuarios. El framework EQL funciona para cualquier motion, incluida la sales-led enterprise. El hilo común es medir comportamiento; la motion GTM no cambia.
"Ya usamos datos de intención." Bien. El intent third-party le dice qué cuentas están investigando. El engagement first-party le dice qué están haciendo esas cuentas con el contenido que usted envió. Se apilan. Si usa 6sense, siga con 6sense. Ponga encima el engagement first-party. La combinación es más predictiva que cualquiera de las dos por separado.
Engagement no es intención
El matiz que cada análisis de "MQL ha muerto" pasa por alto.
El tiempo en página no es intención de compra. Las visitas recurrentes no son intención de compra. Los reenvíos no son intención de compra.
El filtro, no el trigger
Engagement sin encaje con el ICP no es más que un estudiante de investigación. Una señal de EQL Tier 3 de alguien en una Fortune 100 competidora investigando su producto no es un comprador. El framework EQL estrecha su foco. No reemplaza el juicio humano sobre si la cuenta encaja con su ICP.
Una visita recurrente de una estudiante de periodismo que escribe un case study tampoco es un comprador. Si su contenido es bueno, mucha gente que no es compradora interactuará con él.
Por eso el framework EQL es un filtro, no un trigger. Estrecha su foco desde todos los que tocaron su marketing hasta las personas que hacen trabajo significativo con su contenido. La calificación final sigue necesitando juicio humano. ¿Encaja la cuenta con su ICP? ¿Encaja el rol con su buyer persona? ¿Es plausible el timing?
Al MQL se le concedió demasiada confianza porque parecía que la automatización podía sustituir al juicio. El EQL cambia datos malos por datos buenos. No sustituye al juicio. Cuente con que su equipo SDR rechace un 20–30 % de sus EQLs por razones de ICP, y meta eso en sus métricas. El rechazo no es un fallo; es el sistema funcionando.
Cómo empezar
No hace falta rehacer su stack. Empiece aquí:
- Elija un activo de contenido que le importe: un whitepaper, un case study, un pitch deck, una página de comparación.
- Instruméntelo con tracking de engagement por página y filtrado de bots.
- Defina los umbrales Tier 1/2/3 para ese activo (use los ejemplos anteriores como punto de partida).
- Trackee los EQLs durante 30 días. No cambie nada más todavía.
- Mire los datos. ¿Cuántos EQLs se dispararon? ¿Qué patrones correlacionan con movimiento de pipeline?
- Después extienda a sus 5 activos principales. Codifique umbrales para cada uno. Cablee al CRM.
- Mida la correlación con pipeline a los 60 días. Ajuste.
Un único activo bien instrumentado es más útil que una MAP entera con 87 puntos de ruido. Empiece pequeño, pruebe el modelo, expanda.
Hacia dónde va esto
El giro en el reporting del CMO ya está en marcha. Algunos aún reportan "generamos 4.200 MQLs este trimestre". Otros reportan "identificamos 47 cuentas objetivo activamente engaged, cerramos 12, 2,1 M de dólares en pipeline". El segundo grupo gana. No porque tenga mejores herramientas. Porque sus métricas no mienten.
El marketing B2B se mueve hacia calidad sobre volumen, señal sobre score, comportamiento sobre puntos. Las descargas no importan. La asistencia no importa. Las aperturas no importan. Lo que importa es si las personas adecuadas, en las cuentas adecuadas, están haciendo trabajo significativo con el contenido que usted les envía.
Mida eso. Páselo a ventas. Ignore el resto.
Para la capa de implementación, con worksheets de umbrales por tipo de activo, configuraciones de campos de CRM copiables y pegables (HubSpot, Salesforce, Close), scripts de traspaso de ejemplo y un plan de rollout a 30/60/90 días, consulte el playbook complementario (disponible solo en inglés).
FAQ
¿Está muerto el MQL de verdad? Como métrica de output para marketing, sí. Como hito de ciclo de vida sigue teniendo un papel. Pero "generamos 4.200 MQLs" es reporting de vanidad.
¿Qué reemplaza al MQL en 2026? El framework de Jon Miller, MQX / MEX / Hand-Raisers, con umbrales de engagement medibles (EQLs) que definen cuándo un contacto ha cruzado a MEX y cuándo el comportamiento MEX es suficientemente nítido para ascender a MQX.
¿Cuál es la diferencia entre lead scoring y engagement scoring? El lead scoring devuelve un número a partir del encaje demográfico más eventos de píxel. El engagement scoring devuelve un patrón de comportamiento (tiempo en página, visitas recurrentes, reenvíos) con filtrado de bots. Algo con lo que un SDR puede abrir específicamente.
¿Sigo necesitando una MAP? Sí, para automatización de email, activación por ciclo de vida y gestión de contactos. Pero no como fuente de verdad de la calificación.
¿Es ABM la respuesta? ABM es útil cuando usted tiene cuentas de tamaño enterprise. EQL se apila dentro de una motion ABM: ABM le dice qué cuentas; EQL/EQA le dice cuándo actuar.
¿Cómo se define "engagement" en concreto? Tiempo por página, visitas recurrentes dentro de una ventana definida, reenvíos detectados (multi-viewer sobre el mismo enlace) e interacción con contenido de fondo de funnel. Todo filtrado de bots, todo con umbrales por activo.
¿Cómo mido engagement sin comprar una plataforma nueva? Use una herramienta de tracking de documentos o de engagement de contenido que capture analítica por página con filtrado de bots. La capacidad requerida es engagement first-party, a nivel individual y filtrado de bots. No analítica de sitio agregada ni aperturas de email.
¿Cuál es un buen umbral para contacto de SDR? Para contenido de mid-funnel: reenvío detectado O retorno en 14 días O visita a pricing = Tier 3 = contacto. Para visitas directas a pricing desde cuentas ICP: al instante. Calibre por activo con sus datos de correlación con pipeline.
¿Cómo encaja esto con product-led growth? Misma disciplina, superficie distinta. Las señales de PLG (uso del tier gratuito, engagement con features) sustituyen al engagement de contenido; la lógica de umbrales es idéntica.
¿Sigue funcionando en ventas enterprise? Mejor incluso que en SMB. Los compradores enterprise investigan más e involucran a más stakeholders, lo que produce más señales medibles y más rollups a nivel de cuenta. Vea el caso de Palo Alto Networks.
¿Qué herramientas soportan esto? Plataformas de tracking de documentos (HummingDeck, DocSend, Papermark y otras) capturan engagement por página; un subconjunto añade filtrado de bots y detección de reenvíos. Las plataformas de datos de intención ponen encima señales third-party a nivel de cuenta. El stack de herramientas importa menos que la disciplina de medición.
¿Cómo se compara la calificación basada en engagement con los datos de intención? Son complementarias. El intent third-party le dice qué cuentas investigan su categoría externamente. El engagement first-party le dice qué hacen esas cuentas sobre su contenido. La combinación es más predictiva que cualquiera de las dos por separado.
Lecturas relacionadas
- Datos de intención first-party vs third-party, dónde viven hoy las señales de compra
- Las señales de intención de compra escondidas en su contenido de ventas, el complemento del lado de ventas
- El punto ciego del signal-based selling, lo que la corriente signal-based se deja
- MEDDIC + datos de engagement, señales conductuales aplicadas a MEDDIC
- Por qué la analítica de su deck está equivocada, el problema de la inflación por bots en profundidad
- Email deliverability 2026, por qué las aperturas de email dejaron de significar algo