MQL è morto: l'engagement dei contenuti come nuova qualificazione (2026)

Solo il 3% dei visitatori del suo sito B2B si identifica compilando un modulo. Il restante 97% resta invisibile al suo funnel MQL.

Il dato arriva da 6sense Research. I tassi di compilazione dei form restano vicini al 3,5% a prescindere da settore, regione o dimensione aziendale. Spiega perché ogni team RevOps con cui parla è silenziosamente frustrato dalla propria pipeline MQL.

Il Marketing Qualified Lead ha smesso di funzionare da qualche parte tra Apple Mail Privacy Protection (2021) e la saturazione di contenuti generati dall'AI (2024). Lo hanno detto in molti. Pochi hanno consegnato un sostituto.

Il sostituto che sta davvero prendendo piede è il framework MQX / MEX / Hand-Raisers di Jon Miller. Miller ha inventato il MQL in Marketo, ed è la voce più chiara su cosa lo sostituisca. I tier sono giusti. Quello che manca è il livello di misurazione sottostante: quale engagement, a quale soglia, misurato come. È ciò che questo articolo colma, più una sezione su dove questo approccio si rompe. "L'engagement non è intenzione" è un'avvertenza che la maggior parte dei testi "MQL è morto" salta.

---

Come si è rotto il MQL

Il MQL funzionava quando valevano tre cose:

1. Le aperture email erano affidabili. Il caricamento di un pixel significava che un essere umano aveva aperto l'email.
2. La compilazione di un form indicava intenzione. Se qualcuno inseriva la propria email per scaricare un whitepaper, voleva davvero quel whitepaper.
3. I download indicavano lettura. Se scaricavano il whitepaper, lo avrebbero letto.

Tutte e tre sono saltate tra il 2021 e il 2024.

Le aperture email sono una bugia. Apple Mail Privacy Protection, lanciata a settembre 2021, pre-carica le immagini nel momento in cui l'utente apre l'app Mail, indipendentemente dal fatto che apra la sua specifica email. A questo si sommano gli scanner email aziendali (Microsoft SafeLinks, Proofpoint, Mimecast), che cliccano ogni link prima della consegna. Una quota rilevante delle "aperture" nel suo MAP non sono umani. Litmus e altri fornitori di analytics hanno pubblicato dati che mostrano un'inflazione del tasso di apertura del 30–50% dopo MPP.

I form sono inondati di rumore. I buyer hanno imparato a usare indirizzi Gmail usa e getta. I bot compilano i form. Gli uffici acquisti scaricano i suoi contenuti protetti e li inoltrano al legale. La sottomissione che l'ha fatta esultare spesso non arriva dalla persona che decide l'acquisto. Spesso nemmeno da una persona.

I download non segnalano lettura. Il divario tra "ha scaricato il whitepaper" e "ha davvero letto il whitepaper" è sempre esistito. Nel 2026, con ogni buyer iscritto a più newsletter di quante possa leggerne e ogni casella inondata di contenuti assistiti dall'AI, quel divario è diventato un abisso.

Le voci stesse del settore lo dicono da anni. Matt Heinz lo riassume meglio di tutti (l'idea: un MQL non è una valuta con cui si paga il fatturato):

"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 è più tagliente:

"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, fondatore di Refine Labs

Forrester, l'istituzione che ha codificato il modello MQL con l'acquisizione di SiriusDecisions, lo ha ripudiato formalmente nel 2023. Terry Flaherty, il loro VP Principal Analyst, ha spiegato perché il lead scoring individuale è strutturalmente rotto:

"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?" è un programma di improvvisazione statunitense in cui i punti assegnati sono volutamente privi di senso. La metafora: uno score costruito su segnali mescolati non ha reale potere predittivo.)

Kerry Cunningham, in passato in Forrester e oggi Principal Researcher in 6sense, ha messo un numero su questo tetto:

"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."

Il dato da tenere a mente: circa l'87% degli MQL non si converte in deal chiusi, secondo la ricerca B2B di Apollo. Diversi dataset pubblicati da vendor mostrano inoltre che gli MQL da demand-gen appaiono economici in cima al funnel ma costano molto di più per SQL a valle. I lead a basso costo diventano costosi in fretta.

La pratica non ha tenuto il passo con la retorica. Molti team leggono queste critiche, annuiscono e tengono la dashboard MQL nella review settimanale del CRO. Kim Peterson di LeanData ne ha individuato il 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 critica è matura. Il sostituto no. Il resto di questo articolo parla del sostituto.

---

Le risposte che non hanno retto

Prima del sostituto, il bilancio onesto di ciò che non ha funzionato.

Lead scoring basato sul MAP. HubSpot, Marketo, Pardot supportano tutti lo scoring comportamentale sopra quello demografico. In linea di principio, risolve il problema "i download non segnalano intenzione". In pratica, sostituisce i download con eventi pixel, che soffrono della stessa inflazione da bot, della stessa confusione multi-stakeholder e della stessa dinamica "score come vanity metric". Un prospect con 87 punti non è più reale di un prospect con 1 download se entrambi i numeri arrivano dagli stessi input viziati.

Dati di intent third-party. Bombora, 6sense, Demandbase, G2 Intent. La categoria supera 1 miliardo di dollari e cresce. Valore reale: i segnali di intent third-party catturano la ricerca di acquisto che avviene fuori dalle sue properties. Ma i dati sono in ritardo (scopre l'interesse 2–4 settimane dopo il picco), basati sui temi (non specifici del prodotto) e a livello account (sa che Acme sta crescendo in intent, ma non quale dipendente Acme se ne interessi). E il prezzo, tipicamente 30–80 mila dollari l'anno per le piattaforme, rende questa via poco praticabile per team sotto i 10M$ di ARR.

Piattaforme ABM. Demandbase, Terminus, RollWorks. Ottime per l'enterprise. Tipicamente oltre 50 mila dollari l'anno più l'implementazione. Per team SMB e mid-market, l'overhead della piattaforma supera il beneficio sulla pipeline. Jon Miller, co-fondatore di Marketo ed Engagio, la descrive così:

"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 l'hanno reso popolare. L'idea di fondo è giusta: passare dal lead scoring all'aggregazione di segnali su round di finanziamento, job posting, cambi di stack, cambi di ruolo ed engagement dei contenuti. Ma l'implementazione resta vaga. La maggior parte degli articoli "signal-based" definisce i segnali senza spiegare come operazionalizzarli su scala. Chris Walker lo ha detto apertamente:

"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."

È corretto, ma significa che ogni azienda deve costruirsi da zero la propria definizione di segnale. Cosa che la maggior parte non fa.

Product-led growth. Funziona per esperienze di prodotto che possono consegnare valore in una sessione self-service. Funziona meno bene nel B2B enterprise, dove la valutazione dura mesi e coinvolge un comitato d'acquisto. Il PLG è una motion GTM, non un sostituto della qualificazione.

Sangram Vajre, co-fondatore di Terminus e oggi CEO di GTM Partners, spinge per un ripensamento più profondo:

"Change your metric from 'Leads' to 'Engagement'. A lead is a binary status. Engagement is a spectrum that indicates true buying intent."

Va oltre e mette in discussione la funzione SDR stessa. È un dibattito per un altro articolo. Per ora: se non gli MQL, cosa? "Engagement" è giusto ma vago. Serve un framework.

---

Cosa è davvero nuovo: il content engagement first-party è diventato misurabile

Quattro cose sono effettivamente cambiate negli ultimi cinque anni. Insieme, rendono possibile un vero sostituto del MQL.

Analytics di documento pagina per pagina. DocSend ha inaugurato la categoria nel 2013; Dropbox l'ha acquisita nel 2021 per 165 milioni di dollari. L'idea iniziale era ristretta: tracciare chi aveva aperto il suo deck di fundraising e per quanto tempo. Entro il 2026 la categoria si è ampliata. Ogni documento che condivide (whitepaper, case study, proposal, pitch deck, report) può essere strumentato a livello di pagina. Non solo vede che Sarah ha aperto il whitepaper, ma che ha passato 4 minuti sulla pagina 3, saltato la pagina 5 ed è tornata sulla pagina 7 una settimana dopo.

La bot detection è diventata reale. Dieci anni fa le "view" erano semplicemente richieste HTTP. Oggi le piattaforme con analytics serie (non i MAP; i MAP restano carenti su questo) combinano tre segnali: confronto dello user-agent con pattern noti di scanner, identificazione di IP di datacenter e conferma umana basata su gesti (mouse, touch, tastiera). È possibile distinguere una view umana da una pre-scansione SafeLinks. Questo da solo riabilita il significato di "engagement".

Rilevamento degli inoltri. Se manda un link a una persona e viene aperto da più persone della stessa azienda, sa che il deck sta circolando internamente. Nelle vendite B2B enterprise è il singolo segnale pre-commit più forte. Più forte di qualsiasi segnale di piattaforme di intent data, perché è comportamento first-party sul suo stesso contenuto.

Tracking delle visite di ritorno. Un buyer che torna alla sua pagina pricing due settimane dopo la prima lettura sta facendo qualcosa di specifico: sta rivedendo per prendere o difendere una decisione. Catturare quel momento, non solo l'apertura iniziale, trasforma l'engagement in un segnale a serie temporale invece che in un singolo evento.

Somma tutto questo e ottiene qualcosa di genuinamente nuovo: dati di qualificazione che non dipendono dai form, non dipendono dai pixel delle email, non dipendono dall'inferenza tematica third-party e non richiedono una piattaforma da 50 mila dollari. Gira sui contenuti che sta già inviando.

È lì che vive davvero il sostituto del MQL. Non in uno scoring migliore, non in piattaforme più grandi. Nel misurare ciò che sulle sue properties sta già accadendo, con una fedeltà che un decennio fa non era tecnicamente possibile.

---

Operazionalizzare MEX: il livello di misurazione

Il framework di Jon Miller è il sostituto concettualmente corretto del MQL. Le sue tre categorie:

• Hand-Raisers. Richieste esplicite: demo, pricing, "contattatemi". Il buyer si è qualificato da solo.
• MQX (Marketing Qualified). Giudizio evidence-based del marketing: nell'account ICP potrebbe esserci attività di acquisto. Giustifica un outreach proattivo e consulenziale.
• MEX (Market Engaged). Le persone giuste negli account giusti interagiscono con i suoi contenuti, senza ancora segnali di acquisto. Vale la pena parlarci perché qui si crea domanda, non la si intercetta soltanto.

Miller, che ha contribuito a inventare il MQL in Marketo, consegna anche il sostituto più chiaro. La forma è giusta. Quello che manca è il livello di misurazione sottostante.

Miller dice che "engagement" qualifica qualcuno per MEX. Questo lascia aperta una domanda: quale engagement, a quale soglia, misurato come?

Chiamiamo quelle soglie misurate Engaged Qualified Leads (EQL). Non un framework concorrente. La strumentazione che le permette di decidere quando qualcuno entra in MEX e quando il comportamento MEX è sufficientemente nitido da promuoverlo a MQX.

Quattro parole portano il peso:

• Misurabile. Il qualificatore è un comportamento, non uno score.
• Filtrato dai bot. La maggior parte dell'"engagement" del settore conta scanner e preview bot.
• Contenuto specifico. Non "ha aperto un'email" ma "ha letto la case study" o "è tornato sulla pagina pricing".
• Soglie che definisce lei. I suoi numeri, dai suoi dati, non un template.

Tre tier, mappati sul vocabolario di Miller:

Tier 1: Awareness (pre-MEX)

• Ha aperto il contenuto, meno di 60 secondi, non è tornato
• Forza del segnale: bassa
• Azione: nurture, non passare a Sales

Dove si trova di fatto la maggior parte degli "MQL" attuali. Qualcuno ha scaricato un whitepaper, ha ricevuto l'email di conferma ed è andato oltre. Valore di brand, non di pipeline.

Tier 2: Valutazione attiva (territorio MEX)

• 2+ pagine lette, 2+ minuti di tempo speso, OPPURE ritorno sullo stesso contenuto entro 7 giorni
• Forza del segnale: media
• Azione: è la sua popolazione MEX. Continuare a scaldare con contenuti mirati.

Dove i buyer si trovano davvero durante una valutazione reale. Stanno lavorando, ma non sono ancora pronti per una call. Il modello MQL tratta il Tier 2 come il Tier 3. È l'errore critico che produce la dinamica "Sales ignora i suoi MQL".

Tier 3: Engagement ad alta intenzione (transizione MEX → MQX)

• Contenuto inoltrato internamente (un altro viewer sullo stesso link, stesso dominio aziendale), OPPURE
• Ritorno 2+ volte sullo stesso contenuto, OPPURE
• Interazione con contenuti bottom-of-funnel (pricing, pagine di confronto, referenze cliente)
• Forza del segnale: alta
• Azione: contatto SDR o AE entro 24 ore

La transizione da MEX a MQX. Un trigger Tier 3 è l'evidenza comportamentale che spinge qualcuno da "sta interagendo con le sue idee" (MEX) a "nell'account potrebbe esserci attività di acquisto" (MQX, nel vocabolario di Miller).

Il rollup di account

Le vendite B2B passano per gruppi d'acquisto, non per individui. Un account con più EQL è un segnale più forte di qualsiasi EQL singolo.

Un Engagement-Qualified Account (EQA) è un account con 2+ EQL sullo stesso contenuto o sulla stessa serie di contenuti entro 30 giorni, più almeno un segnale Tier 3 all'interno del gruppo.

È l'unità su cui il suo team SDR dovrebbe davvero lavorare. Gli EQL le dicono chi; il rollup di account le dice quando.

La logica combacia con i dati del 6sense B2B Buyer Experience Report: l'81% dei buyer sceglie un vendor preferito prima di parlare con Sales e il 69% del processo d'acquisto avviene prima che i seller entrino in scena. Se aspetta che qualcuno compili un modulo demo, la maggior parte della decisione è già stata presa. I segnali di engagement a livello account mostrano il gruppo d'acquisto formarsi sui suoi contenuti prima che qualcuno alzi la mano.

---

Il playbook in 7 passi

Come operazionalizzare tutto questo senza comprare uno stack nuovo.

Passo 1: fare l'audit di ciò che oggi conta come engagement. Apra il suo MAP. Guardi i lead con gli score più alti degli ultimi 90 giorni. Quanti sono diventati pipeline? Quanti si sono chiusi? Se il tasso di conversione è sotto il 5%, il suo scoring attuale è teatro.

Passo 2: strumentare i 5 asset di contenuto principali con tracking pagina per pagina. Non tutti i suoi contenuti. Solo i 5 più importanti per volume o rilevanza strategica. Whitepaper, case study, pitch deck, pagina pricing e una pagina di confronto. Serve uno strumento che catturi tempo per pagina, visite di ritorno e rilevamento multi-viewer. (HummingDeck lo fa; altre poche piattaforme anche. Il principio conta più dello strumento.)

Passo 3: attivare il filtraggio dei bot. Se le sue analytics attuali non filtrano i bot, sta misurando rumore. Come minimo, filtri user-agent di scanner noti e IP di datacenter. Gli strumenti migliori aggiungono la verifica basata sui gesti.

Passo 4: definire le soglie EQL, per iscritto. Usando la struttura a tre tier, metta nero su bianco cosa significa "Tier 2" e "Tier 3" per ogni asset. Esempio per una case study:

• Tier 1: aperta, <60 s, nessun ritorno
• Tier 2: 2+ pagine lette OPPURE 2+ minuti spesi
• Tier 3: inoltrata a un altro viewer OPPURE ritorno entro 14 giorni OPPURE visita alla pagina pricing subito dopo

Calibri per ciascun asset. Una battle card da una pagina ha soglie diverse da un whitepaper di 30 pagine.

Passo 5: riscrivere le definizioni di MQL/SAL in linguaggio comportamentale. Non dica "100 punti". Dica "ha letto la case study due volte e visitato il pricing entro 7 giorni". Se Sales vede un pattern comportamentale specifico, lo tratta come un segnale. Se vede uno score, lo tratta come l'opinione del suo team marketing.

Passo 6: cablare gli eventi EQL ed EQA nel CRM. Qualunque CRM usi (HubSpot, Salesforce, Close), crei un tipo di Custom Activity chiamato "Tier 3 Engagement Triggered". Quando lo strumento di tracking si attiva, registri l'evento sul contatto e sull'account. Il workflow SDR dà priorità agli account con trigger Tier 3 recenti, non ai lead score più alti.

In HubSpot: crei un Custom Event engagement_tier_3 con property content_asset, trigger_type (forwarded / returned / pricing_visit) e viewers_same_account. Costruisca un workflow che, allo scattare dell'evento su un contatto allineato all'ICP, crea un task per l'AE con il nome dell'asset e il trigger specifico nella descrizione. Il titolo del task dovrebbe leggere qualcosa come "Tier 3 su Pitch Deck Pricing Q3: inoltrato internamente (2 viewer)", non "High lead score". In Salesforce: stessa struttura via un Custom Activity Record Type più un flow. In Close: una Smart View filtrata sulla Custom Activity. Il principio è identico su tutti i CRM. La descrizione del task contiene il comportamento, così che l'SDR possa aprire con quel gancio specifico invece che con un'email generica "spero le sia utile".

Passo 7: misurare la correlazione con la pipeline, non le vanity metric. Dopo 60 giorni, tiri fuori ogni deal closed-won e closed-lost. Osservi quali tier di engagement hanno toccato e quando. Se il comportamento Tier 3 non correla con la velocity della pipeline, le soglie sono sbagliate. Le aggiusti. Iteri ogni trimestre.

È un'implementazione da 60–90 giorni, non un engagement di consulenza multi-trimestrale. Se dura di più, qualcuno le sta vendendo una piattaforma di cui non ha bisogno.

---

Come si presenta davvero un passaggio Tier 3

Ecco come appare nella pratica.

Prima (passaggio in era MQL):

"Sarah in Acme ha 87 punti. Ha scaricato la buyer's guide la scorsa settimana. Assegno ad Alex."

Alex riceve questo. Alex non ha contesto. Alex scrive una generica "spero le sia stata utile la guide". Sarah archivia. Il tasso MQL-to-meeting resta al 12%.

Dopo (passaggio in era EQL):

"Sarah in Acme ha letto la buyer's guide lunedì. Martedì un secondo viewer da Acme (stesso dominio aziendale, città diversa) ha aperto lo stesso link, probabilmente un collega a cui l'ha inoltrata. Giovedì Sarah ha visitato la pagina pricing e ha passato 3 minuti sul confronto del tier Enterprise. L'account ha raggiunto EQA giovedì. Assegno ad Alex."

Alex riceve questo. Alex ha un contesto specifico. Alex scrive: "Sarah, ho visto che lei e un collega avete rivisto la nostra buyer's guide e che ha dato uno sguardo al pricing Enterprise. Felice di aiutarla a capire se il tier Enterprise o Pro si adatta meglio al flusso del suo team. Una call breve martedì?"

Stesso prospect, stesse fonti dati. Outreach completamente diverso. Il passaggio porta con sé il comportamento, il timing e un ancoraggio concreto per la conversazione.

Il caso cliente Forrester su Palo Alto Networks documenta un tasso di closed-won superiore del 17% dopo il passaggio dal routing basato su MQL al routing basato sull'engagement del gruppo d'acquisto, più un aumento di 17 volte nella progressione della pipeline e il raddoppio del deal size. Jeremy Schwartz (senior manager global lead management) ha detto che le opportunity con più persone attaccate avevano otto volte più probabilità di avanzare rispetto a quelle a singolo contatto. Un solo caso non è una prova, ma la direzione è coerente: l'outreach basato su comportamento batte quello basato su score, e il contesto del gruppo d'acquisto batte lo scoring individuale.

---

Obiezioni frequenti

"Ci serve lo scoring per dare priorità su scala." Valuti il comportamento, non gli eventi. Un trigger Tier 3 è di fatto una soglia di score: binario invece che continuo. Le soglie binarie sono più facili da gestire delle scale 0–100.

"Il nostro MAP non lo supporta." Corretto. Il suo MAP non lo farà. Le serve uno strumento che catturi l'engagement a livello contenuto, non compilazioni di form MAP o aperture email. I segnali li fa confluire come eventi nel MAP o nel CRM. È lavoro di infrastruttura, non una sostituzione di piattaforma.

"Il nostro team Sales ignora comunque i lead passati dal marketing." Quello è il problema "il MQL è rotto". Non si risolverà da solo. Se Sales ignora gli EQL dopo aver ricostruito la definizione, il problema è la fiducia. Non credono al suo segnale. Mostri la matematica della correlazione con la pipeline del Passo 7. Se i dati sostengono il passaggio, Sales si muove. Se non lo fanno, le sue soglie sono sbagliate.

"Non tutti i prodotti hanno 'contenuti' da tracciare." Se vende B2B, ha contenuti. La sua pagina pricing è contenuto. Il suo product tour è contenuto. Le sue customer story sono contenuto. "Contenuto" qui significa "qualsiasi superficie digitale su cui un prospect passa un tempo misurabile". Probabilmente ha più superfici tracciabili di quante ne immagini.

"Sembra product-led growth. Noi siamo sales-led." Non è PLG. Il PLG è un modello di business in cui il prodotto stesso converte gli utenti. Il framework EQL funziona per qualsiasi motion, enterprise sales-led compresa. Il filo comune è misurare il comportamento; la motion GTM non cambia.

"Usiamo già dati di intent." Bene. L'intent third-party le dice quali account stanno facendo ricerca. L'engagement first-party le dice cosa stanno facendo quegli account con i contenuti che lei ha mandato. Si sommano. Se compra 6sense, continui a comprare 6sense. Sovrapponga l'engagement first-party. La combinazione è più predittiva di ciascuna fonte presa da sola.

---

L'engagement non è intenzione

L'avvertenza che ogni pezzo "MQL è morto" salta.

Il tempo su pagina non è intenzione d'acquisto. Le visite di ritorno non sono intenzione d'acquisto. Gli inoltri non sono intenzione d'acquisto.

Una visita di ritorno da una studentessa di giornalismo che sta scrivendo una case study non è un buyer. Se i suoi contenuti sono buoni, molte persone che non sono buyer ci interagiranno.

Per questo il framework EQL è un filtro, non un trigger. Restringe da tutti quelli che hanno toccato il suo marketing a chi sta davvero lavorando con i suoi contenuti. La qualificazione finale richiede comunque giudizio umano. L'account corrisponde all'ICP? Il ruolo corrisponde alla buyer persona? Il timing è plausibile?

Il MQL è stato fidato troppo perché sembrava che l'automazione potesse sostituire il giudizio. L'EQL scambia dati cattivi con dati buoni. Non sostituisce il passo del giudizio. Si aspetti che il suo team SDR scarti il 20–30% dei suoi EQL su base ICP, e lo preveda nelle metriche. Lo scarto non è un fallimento; è il sistema che lavora.

---

Come iniziare

Non ha bisogno di ricostruire lo stack. Parta così:

1. Scelga un asset di contenuto a cui tiene: un whitepaper, una case study, un pitch deck, una pagina di confronto.
2. Lo strumenti con tracking dell'engagement pagina per pagina e filtraggio dei bot.
3. Definisca le soglie Tier 1/2/3 per quell'asset (usi gli esempi sopra come punto di partenza).
4. Tracci gli EQL per 30 giorni. Non cambi altro.
5. Guardi i dati. Quanti EQL sono scattati? Quali pattern correlano con il movimento della pipeline?
6. Poi estenda ai 5 asset principali. Codifichi le soglie per ciascuno. Cabli nel CRM.
7. Misuri la correlazione con la pipeline a 60 giorni. Aggiusti.

Un singolo asset ben strumentato è più utile di un intero MAP con 87 punti di rumore. Partire piccoli, validare il modello, espandere.

---

Dove si va

Lo spostamento nel reporting dei CMO è già in corso. Alcuni ancora riportano "abbiamo generato 4.200 MQL questo trimestre". Altri riportano "abbiamo identificato 47 account target attivamente engaged, 12 chiusi, 2,1 milioni di dollari di pipeline". Il secondo gruppo sta vincendo. Non perché abbia strumenti migliori. Perché le loro metriche non mentono.

Il marketing B2B si sta muovendo verso qualità invece che volume, segnale invece che score, comportamento invece che punti. I download non contano. Le presenze non contano. Le aperture non contano. Quello che conta è se le persone giuste, negli account giusti, stanno lavorando davvero con i contenuti che lei invia.

Misuri quello. Lo passi a Sales. Ignori il resto.

Per il livello di implementazione, con worksheet di soglie per tipo di asset, impostazioni pronte di campi CRM (HubSpot, Salesforce, Close), script di passaggio di esempio e un piano di rollout 30/60/90 giorni: il playbook di accompagnamento (disponibile solo in inglese).

---

FAQ

Il MQL è davvero morto? Come metrica di output del marketing, sì. Come milestone del ciclo di vita ha ancora un ruolo. Ma "abbiamo generato 4.200 MQL" è reporting da vanity metric.

Cosa sostituisce il MQL nel 2026? Il framework MQX / MEX / Hand-Raisers di Jon Miller, con soglie di engagement misurabili (EQL) che definiscono quando un contatto è entrato in MEX e quando il comportamento MEX è sufficientemente nitido da promuoverlo a MQX.

Qual è la differenza tra lead scoring ed engagement scoring? Il lead scoring produce un numero a partire da fit demografico più eventi pixel. L'engagement scoring produce un pattern comportamentale (tempo su pagina, visite di ritorno, inoltri) con filtraggio dei bot. Qualcosa con cui un SDR può aprire in modo specifico.

Mi serve ancora un MAP? Sì, per automazione email, triggering del lifecycle e gestione dei contatti. Ma non come fonte di verità della qualificazione.

L'ABM è la risposta? L'ABM è utile quando ha account di dimensione enterprise. L'EQL si sovrappone alla motion ABM: l'ABM le dice quali account; l'EQL/EQA le dice quando muoversi.

Come si definisce concretamente "engagement"? Tempo speso per pagina, visite di ritorno entro una finestra definita, inoltri rilevati (multi-viewer sullo stesso link) e interazione con contenuti bottom-of-funnel. Tutto filtrato dai bot, tutto con soglie per asset.

Come misuro l'engagement senza comprare una nuova piattaforma? Usi uno strumento di document tracking o content engagement che catturi analytics pagina per pagina con filtraggio dei bot. La capacità richiesta è engagement first-party, a livello individuale, filtrato dai bot. Non analytics aggregate di sito o aperture email.

Qual è una soglia buona per l'outreach SDR? Per contenuti mid-funnel: inoltro rilevato OPPURE ritorno entro 14 giorni OPPURE visita a pricing = Tier 3 = outreach. Per visite dirette alla pagina pricing da account ICP: immediatamente. Calibri per asset sulla base dei suoi dati di correlazione con la pipeline.

Come funziona con il product-led growth? Stessa disciplina, superficie diversa. I segnali PLG (uso del free tier, engagement con le feature) sostituiscono il content engagement; la logica delle soglie è identica.

Funziona anche per le vendite enterprise? Meglio che per l'SMB, in realtà. I buyer enterprise fanno più ricerca e coinvolgono più stakeholder, producendo più segnali misurabili e più rollup a livello account. Veda il caso Palo Alto Networks.

Quali strumenti supportano tutto questo? Piattaforme di document tracking (HummingDeck, DocSend, Papermark, altre) catturano l'engagement pagina per pagina; una parte aggiunge filtraggio dei bot e rilevamento degli inoltri. Le piattaforme di intent data sovrappongono segnali account third-party. Lo stack conta meno della disciplina di misurazione.

Come si confronta la qualificazione basata sull'engagement con i dati di intent? Sono complementari. L'intent third-party le dice quali account stanno facendo ricerca esternamente. L'engagement first-party le dice cosa quegli stessi account stanno facendo sui suoi contenuti. La combinazione è più predittiva di ciascuna fonte presa da sola.

---

Letture correlate

• First-Party vs Third-Party Intent Data, dove vivono oggi i segnali d'acquisto
• I segnali di buyer intent nascosti nei suoi contenuti di vendita, il complemento sul lato Sales
• Il punto cieco del signal-based selling, cosa si perde il movimento signal-based
• MEDDIC + dati di engagement, segnali comportamentali mappati su MEDDIC
• Perché le sue analytics sui deck sono sbagliate, il problema dell'inflazione da bot in profondità
• Email Deliverability 2026, perché le aperture email hanno smesso di significare qualcosa