MQL está morto: engajamento de conteúdo é a nova qualificação (2026)

Apenas 3% dos seus visitantes B2B se identificam por meio de formulários. Os outros 97% ficam invisíveis para o seu funil de MQL.

O número vem da 6sense Research. As taxas de preenchimento de formulário ficam perto de 3,5% em todos os setores, regiões e tamanhos de empresa. Isso explica por que todo time de RevOps com quem você conversa está silenciosamente frustrado com seu pipeline de MQL.

O Marketing Qualified Lead parou de funcionar em algum momento entre o Apple Mail Privacy Protection (2021) e a saturação de conteúdo gerado por IA (2024). Muita gente já disse isso. Poucos entregaram um substituto.

O substituto que está realmente ganhando tração é o framework de Jon Miller com MQX, MEX e Hand-Raisers. Miller inventou o MQL na Marketo, e é a voz mais clara sobre o que o substitui. Os tiers estão corretos. O buraco é a camada de medição por baixo: qual engagement, em qual limite, medido como. É isso que este post preenche, além de uma seção sobre onde a abordagem falha. "Engagement não é intenção de compra" é uma ressalva que a maior parte dos textos de "MQL está morto" pula.

---

Como o MQL quebrou

O MQL funcionava quando três coisas eram verdadeiras:

1. Aberturas de e-mail eram confiáveis. Um pixel carregado significava que um humano abriu o e-mail.
2. Preenchimento de formulário significava intenção. Se alguém digitava o e-mail para baixar seu whitepaper, queria o whitepaper.
3. Downloads significavam leitura. Se baixou o whitepaper, ia ler o whitepaper.

As três premissas caíram entre 2021 e 2024.

Aberturas de e-mail são uma mentira. O Apple Mail Privacy Protection, lançado em setembro de 2021, pré-carrega imagens no momento em que o usuário abre o app Mail, independentemente de ele abrir ou não o seu e-mail específico. Somando aos scanners corporativos de e-mail (Microsoft SafeLinks, Proofpoint, Mimecast) que clicam em cada link antes da entrega, uma parcela significativa das "aberturas" na sua MAP não é humana. Litmus e outros fornecedores de analytics publicaram dados mostrando inflação de taxa de abertura de 30 a 50% depois do MPP.

Formulários inundados de ruído. Os compradores aprenderam a usar endereços Gmail descartáveis. Bots preenchem formulários. Pessoas de compras baixam seu conteúdo fechado e encaminham para o jurídico. O formulário que te animou com frequência não vem da pessoa que toma a decisão de compra. Muitas vezes não vem de pessoa alguma.

Downloads não sinalizam leitura. A distância entre "baixou o whitepaper" e "de fato consumiu o whitepaper" sempre existiu. Em 2026, com cada comprador assinando mais newsletters do que consegue ler e cada caixa de entrada inundada por conteúdo assistido por IA, a distância virou um abismo.

As vozes da própria indústria repetem isso há anos. Matt Heinz resume:

"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

(Em tradução livre: não dá para comprar uma cerveja com um MQL nem gastar tráfego de site; o que importa são resultados que geram receita.)

Chris Walker coloca de forma mais afiada:

"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 da Refine Labs

A Forrester, instituição que codificou o modelo MQL via aquisição da SiriusDecisions, repudiou o modelo formalmente em 2023. Terry Flaherty, VP Principal Analyst da empresa, explica por que o lead scoring individual é estruturalmente quebrado:

"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?" é um programa de improvisação dos EUA em que os pontos atribuídos são propositalmente sem valor. A metáfora: scores construídos com sinais misturados não têm poder explicativo real.)

Kerry Cunningham, antes na Forrester e hoje Principal Researcher na 6sense, colocou um número nesse teto:

"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."

A estatística que vale memorizar: cerca de 87% dos MQLs não convertem em deals fechados, segundo a pesquisa B2B da Apollo. Vários datasets publicados por fornecedores também mostram que MQLs de demand gen parecem baratos no topo do funil, mas custam bem mais por SQL lá embaixo. Leads baratos ficam caros rápido.

A prática não acompanhou a retórica. Muitos times leem essas críticas, concordam e mantêm o dashboard de MQL na revisão semanal do CRO. Kim Peterson, da LeanData, deu nome ao 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."

A crítica está madura. O substituto, não. O resto deste post é sobre o substituto.

---

As respostas que não vingaram

Antes do substituto, o balanço honesto do que não funcionou.

Lead scoring baseado em MAP. HubSpot, Marketo, Pardot, todos suportam scoring comportamental além do demográfico. Em tese, isso resolve o problema de "downloads não sinalizam intenção". Na prática, substitui downloads por eventos de pixel, que sofrem da mesma inflação por bot, da mesma confusão entre múltiplos stakeholders e da mesma dinâmica de "score como métrica de vaidade". Um prospect com 87 pontos não é mais real do que um prospect com 1 download se ambos os números vêm dos mesmos inputs falhos.

Dados de intent de terceiros. Bombora, 6sense, Demandbase, G2 Intent. A categoria já passa de US$ 1 bi e cresce. Valor real: sinais de intent de terceiros capturam pesquisas de compra que acontecem fora das suas propriedades. Mas os dados têm lag (você descobre o interesse de 2 a 4 semanas depois do pico), são baseados em tópico (não específicos de produto) e ficam no nível da conta (você sabe que a Acme está aquecendo, mas não qual funcionário da Acme se interessa). E o preço, tipicamente US$ 30 a 80 mil por ano pelas plataformas, torna tudo inviável para times abaixo de US$ 10 mi de ARR.

Plataformas de ABM. Demandbase, Terminus, RollWorks. Ótimas para enterprise. Normalmente US$ 50 mil+ por ano mais implementação. Para times SMB e mid-market, o overhead da plataforma ultrapassa o ganho de pipeline. Jon Miller, cofundador da Marketo e da Engagio, resumiu assim:

"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 e HG Insights popularizaram a ideia. O núcleo está correto: sair do lead scoring e ir para agregação de sinais de rodadas de captação, vagas abertas, trocas de ferramenta, trocas de emprego e engagement de conteúdo. Mas a execução segue vaga. A maioria dos posts "baseados em sinal" define sinais sem explicar como operacionalizá-los em escala. Chris Walker disse em voz alta:

"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."

Está certo, mas significa que cada empresa precisa construir sua definição de sinal do zero. O que a maioria não faz.

Product-led growth. Funciona para experiências de produto que entregam valor numa sessão self-service. Funciona menos para enterprise B2B, onde a avaliação dura meses e envolve comitê de compra. PLG é uma motion de GTM, não um substituto para qualificação.

Sangram Vajre, cofundador da Terminus e hoje CEO da GTM Partners, vem pedindo uma revisão mais profunda:

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

Ele também questiona se a própria função de SDR precisa ser repensada. É um debate para outro post. Por agora: se não é MQL, o que é? "Engagement" é a resposta certa, mas vaga. Precisa de um framework.

---

O que realmente é novo: o engagement de conteúdo first-party ficou mensurável

Quatro coisas mudaram de fato nos últimos cinco anos. Juntas, viabilizam um substituto real para o MQL.

Analytics de documento por página. A DocSend criou a categoria ao lançar em 2013; a Dropbox comprou por US$ 165 mi em 2021. A ideia inicial era estreita: rastrear quem abriu seu deck de captação e por quanto tempo. Até 2026, a categoria se expandiu. Todo documento que você compartilha (whitepaper, case, proposta, pitch deck, relatório) pode ser instrumentado por página. Dá para ver não só que a Sarah abriu o whitepaper, mas que ela passou 4 minutos na página 3, pulou a página 5 e voltou para a página 7 uma semana depois.

Detecção de bot virou realidade. Há dez anos, "views" eram só requisições HTTP. Hoje, plataformas com analytics sérios (não as MAPs, que seguem falhando nisso) combinam três sinais: comparação de user-agent com padrões conhecidos de scanner, identificação de IPs de datacenter e confirmação humana por gesto (mouse, toque, teclado). Dá para distinguir uma visualização humana de um pré-scan do SafeLinks. Só isso já reabilita o significado de "engagement".

Detecção de encaminhamento. Se você manda um link para uma pessoa e ele é aberto por várias pessoas na mesma empresa, você sabe que o deck está circulando internamente. Em vendas B2B enterprise, esse é o sinal isolado mais forte antes do comprometimento. Mais forte do que qualquer plataforma de intent data consegue entregar, porque é comportamento first-party no seu próprio conteúdo.

Tracking de visita recorrente. Um comprador que volta à sua página de pricing duas semanas depois da primeira leitura está fazendo algo específico: revisitando para tomar ou defender uma decisão. Capturar esse momento, não só a abertura inicial, transforma engagement em um sinal de série temporal em vez de um evento isolado.

Somando tudo, você tem algo genuinamente novo: dados de qualificação que não dependem de preenchimento de formulário, não dependem de pixels de e-mail, não dependem de inferência de tópico de terceiros e não exigem uma plataforma de US$ 50 mil. Rodam no conteúdo que você já envia.

É aí que vive, de fato, o substituto do MQL. Não em scoring melhor, não em plataformas maiores. Na medição do que já acontece nas suas próprias propriedades, com uma fidelidade que não era tecnicamente possível uma década atrás.

---

Operacionalizando MEX: a camada de medição

O framework de Jon Miller é o substituto conceitualmente correto para o MQL. Suas três categorias:

• Hand-Raisers. Pedidos explícitos: demo, pricing, "me chamem". O comprador se qualificou sozinho.
• MQX (Marketing Qualified). Julgamento do marketing, baseado em evidências, de que pode estar havendo atividade de compra em uma conta ICP. Justifica contato proativo e consultivo.
• MEX (Market Engaged). As pessoas certas nas contas certas interagem com o seu conteúdo, sem sinais de compra ainda. Vale conversar porque é aqui que você cria demanda, não só captura.

Miller, que ajudou a inventar o MQL na Marketo, também está entregando o substituto mais claro. A forma está certa. O que falta é a camada de medição por baixo.

Miller diz que "engagement" qualifica alguém para MEX. Isso deixa uma pergunta em aberto: qual engagement, em qual limite, medido como?

Chame esses limites medidos de Engaged Qualified Leads (EQLs). Não é um framework concorrente. É a instrumentação que deixa você decidir quando alguém entra em MEX e quando o comportamento de MEX está nítido o suficiente para promover a MQX.

Quatro palavras carregam o peso:

• Mensurável. O qualificador é um comportamento, não um score.
• Filtrado de bot. A maior parte do "engagement" da indústria conta scanners e bots de preview.
• Conteúdo específico. Não "abriu um e-mail", mas "leu o case" ou "voltou à página de pricing".
• Limites que você define. Seus números, a partir dos seus dados, não um template.

Três tiers, mapeados no vocabulário de Miller:

Tier 1: Awareness (pré-MEX)

• Abriu o conteúdo, passou menos de 60 segundos, não retornou
• Força do sinal: baixa
• Ação: nutrir, não passar para vendas

É onde a maioria dos "MQLs" atuais de fato está. Alguém baixou um whitepaper, recebeu o e-mail de confirmação e seguiu em frente. Útil para marca, não para pipeline.

Tier 2: Avaliação Ativa (território MEX)

• Leu 2+ páginas, passou 2+ minutos OU voltou ao mesmo conteúdo em até 7 dias
• Força do sinal: média
• Ação: essa é a sua população MEX. Continue aquecendo com conteúdo direcionado.

É onde os compradores de fato ficam durante uma avaliação real. Fazendo o trabalho, ainda não prontos para uma call. O modelo MQL trata Tier 2 igual a Tier 3. Esse é o erro crítico que produz a dinâmica "vendas ignora seus MQLs".

Tier 3: Engagement de Alta Intenção (transição MEX → MQX)

• Encaminhou o conteúdo internamente (outro viewer no mesmo link, mesmo domínio da empresa), OU
• Voltou 2+ vezes ao mesmo conteúdo, OU
• Interagiu com conteúdo de fundo de funil (pricing, páginas de comparação, referências de clientes)
• Força do sinal: alta
• Ação: abordagem de SDR ou AE em até 24 horas

A transição de MEX para MQX. Um gatilho de Tier 3 é a evidência comportamental que empurra alguém de "interagindo com suas ideias" (MEX) para "pode estar havendo atividade de compra nesta conta" (MQX), no vocabulário de Miller.

O rollup por conta

Vendas B2B acontecem via grupos de compra, não indivíduos. Uma conta com vários EQLs é um sinal mais forte do que qualquer EQL isolado.

Uma Engagement-Qualified Account (EQA) é uma conta com 2+ EQLs no mesmo conteúdo ou série de conteúdo em 30 dias, mais pelo menos um sinal de Tier 3 no grupo.

Essa é a unidade em que seu time de SDR deveria trabalhar. EQLs dizem quem; o rollup por conta diz quando.

A lógica bate com o 6sense B2B Buyer Experience Report: 81% dos compradores escolhem um fornecedor preferido antes de falar com vendas, e 69% do processo de compra acontece antes da entrada dos vendedores. Se você está esperando uma pessoa preencher o formulário de demo, a maior parte da decisão já aconteceu. Sinais de engagement no nível da conta deixam você enxergar o grupo de compra se formando sobre o seu conteúdo antes de alguém levantar a mão.

---

O playbook de 7 passos

Como operacionalizar sem comprar um stack novo.

Passo 1: faça o inventário do que você conta hoje como engagement. Abra sua MAP. Olhe os leads de maior score dos últimos 90 dias. Quantos viraram pipeline? Quantos fecharam? Se a taxa de conversão está abaixo de 5%, seu scoring atual é teatro.

Passo 2: instrumente seus 5 principais ativos de conteúdo com tracking por página. Não todo o conteúdo. Só os 5 mais importantes por volume ou relevância estratégica. Whitepaper, cases, pitch deck, página de pricing e uma página de comparação. Você precisa de uma ferramenta que capture tempo por página, visitas recorrentes e detecção de múltiplos viewers. (A HummingDeck faz isso; algumas outras plataformas também. O princípio importa mais do que a ferramenta.)

Passo 3: ative filtragem de bots. Se seu analytics atual não filtra bots, você está medindo ruído. No mínimo, filtre user-agents de scanner conhecidos e IPs de datacenter. Ferramentas melhores acrescentam verificação por gesto.

Passo 4: defina seus limites de EQL, por escrito. Usando a estrutura de três tiers acima, escreva o que "Tier 2" e "Tier 3" significam para cada ativo. Exemplo para um case:

• Tier 1: abriu, <60s, sem retorno
• Tier 2: 2+ páginas lidas OU 2+ minutos gastos
• Tier 3: encaminhou para outro viewer OU voltou em até 14 dias OU acessou a página de pricing depois

Ajuste por ativo. Uma battle card de uma página tem limites diferentes de um whitepaper de 30 páginas.

Passo 5: reescreva suas definições de MQL/SAL em linguagem de comportamento. Não diga "100 pontos". Diga "leu o case duas vezes e visitou pricing em até 7 dias". Quando vendas vê um padrão comportamental específico, trata como sinal. Quando vê um score, trata como opinião do time de marketing.

Passo 6: conecte eventos de EQL e EQA ao CRM. Qualquer que seja seu CRM (HubSpot, Salesforce, Close), crie um tipo de atividade custom "Tier 3 Engagement Triggered". Quando a ferramenta de tracking dispara, registre contra o contato e a conta. O workflow do SDR prioriza contas com gatilhos de Tier 3 recentes, não os maiores lead scores.

No HubSpot: crie um evento custom engagement_tier_3 com propriedades content_asset, trigger_type (forwarded / returned / pricing_visit) e viewers_same_account. Monte um workflow que, quando o evento dispara em um contato que bate com ICP, crie uma task para o AE responsável com o nome do ativo e o gatilho específico na descrição. O título da task deveria ler algo como "Tier 3 no Deck de Pricing Q3: encaminhado internamente (2 viewers)", não "High lead score". No Salesforce: mesma forma via um Custom Activity Record Type mais um flow. No Close: uma Smart View filtrada pela atividade custom. O princípio é idêntico em todos os CRMs. A descrição da task carrega o comportamento, então o SDR pode abrir com esse gancho específico em vez de um genérico "espero que tenha sido útil".

Passo 7: meça correlação com pipeline, não métricas de vaidade. Depois de 60 dias, puxe todos os deals closed-won e closed-lost. Olhe quais tiers de engagement foram atingidos e quando. Se comportamento de Tier 3 não correlaciona com velocidade de pipeline, seus limites estão errados. Ajuste. Itere trimestralmente.

Essa é uma implementação de 60 a 90 dias, não um projeto de consultoria de vários trimestres. Se está levando mais que isso, alguém está te vendendo uma plataforma que você não precisa.

---

Como uma transferência Tier 3 realmente parece

Como isso fica na prática.

Antes (transferência na era MQL):

"Sarah da Acme tem 87 pontos. Baixou o buyer's guide semana passada. Roteando para Alex."

Alex recebe isso. Alex não tem contexto. Alex escreve um e-mail genérico do tipo "espero que o guia tenha sido útil". Sarah arquiva. Taxa de MQL para reunião fica em 12%.

Depois (transferência na era EQL):

"Sarah da Acme leu o buyer's guide na segunda. Na terça, um segundo viewer da Acme (mesmo domínio, cidade diferente) abriu o mesmo link, provavelmente um colega para quem ela encaminhou. Na quinta, Sarah visitou a página de pricing e passou 3 minutos na comparação do tier Enterprise. A conta bateu EQA na quinta. Roteando para Alex."

Alex recebe isso. Alex tem contexto específico. Alex escreve: "Sarah, vi que você e um colega revisaram nosso buyer's guide e deram uma olhada no pricing Enterprise. Posso ajudar a avaliar se o Enterprise ou o Pro se encaixa melhor no fluxo do time de vocês. Call rápida na terça?"

Mesmo prospect, mesmas fontes de dados. Abordagem completamente diferente. A transferência carrega o comportamento, o timing e uma âncora específica para a conversa.

O estudo de caso da Palo Alto Networks pela Forrester documenta 17% a mais de taxa de closed-won após migrar de roteamento baseado em MQL para roteamento por engagement de grupo de compra, além de 17x mais progressão de pipeline e tamanho de deal dobrado. Jeremy Schwartz (senior manager de global lead management) disse que oportunidades com várias pessoas associadas tinham oito vezes mais chance de avançar do que as de contato único. Um único caso não é prova, mas a direção é consistente: abordagem por comportamento específico bate abordagem por score, e contexto de grupo de compra bate scoring individual.

---

Objeções comuns

"Precisamos de scoring para priorizar em escala." Pontue comportamento, não eventos. Um gatilho de Tier 3 é, na prática, um limite de score: binário em vez de contínuo. Limites binários são mais fáceis de acionar do que escalas de 0 a 100.

"Nossa MAP não suporta isso." Correto. Não vai suportar. Você precisa de uma ferramenta que capture engagement no nível do conteúdo, não form fills de MAP ou aberturas de e-mail. Esses sinais você canaliza como eventos para a MAP ou o CRM. Trabalho de infraestrutura, não troca de plataforma.

"Vendas ignora leads passados pelo marketing mesmo." Esse é o problema "MQL está quebrado". Não se resolve sozinho. Se vendas está ignorando EQLs depois que você reconstruiu a definição, o problema é confiança. Eles não acreditam no seu sinal. Mostre a matemática de correlação com pipeline do Passo 7. Se os dados sustentam a transferência, vendas engaja. Se não sustentam, seus limites estão errados.

"Nem todo produto tem 'conteúdo' para rastrear." Se você vende B2B, você tem conteúdo. Sua página de pricing é conteúdo. Seu tour de produto é conteúdo. Seus cases de clientes são conteúdo. "Conteúdo" aqui quer dizer "qualquer superfície digital em que um prospect passa tempo mensurável". Você provavelmente tem mais superfícies rastreáveis do que imagina.

"Isso parece product-led growth. A gente é sales-led." Não é PLG. PLG é um modelo de negócio em que o próprio produto converte usuários. O framework EQL funciona para qualquer motion, incluindo sales-led enterprise. O fio comum é medir comportamento; a motion de GTM não muda.

"A gente já usa intent data." Ótimo. Intent de terceiros diz quais contas estão pesquisando. Engagement first-party diz o que essas contas estão de fato fazendo com o conteúdo que você mandou. Os dois se somam. Se você compra 6sense, continue comprando 6sense. Coloque engagement first-party por cima. A combinação é mais preditiva do que qualquer das duas isoladas.

---

Engagement não é intenção

A ressalva que todo texto do tipo "MQL está morto" pula.

Tempo na página não é intenção de compra. Visitas recorrentes não são intenção de compra. Encaminhamento não é intenção de compra.

Uma visita recorrente de um estudante de jornalismo escrevendo um trabalho também não é um comprador. Se seu conteúdo é bom, muita gente que não é comprador vai interagir com ele.

É por isso que o framework EQL é um filtro, não um gatilho. Ele estreita o foco de todo mundo que tocou seu marketing para as pessoas fazendo trabalho significativo com o seu conteúdo. A qualificação final ainda exige julgamento humano. A conta bate com o ICP? O cargo bate com a persona? O timing é plausível?

O MQL virou objeto de confiança demais porque parecia que automação poderia substituir julgamento. O EQL troca dados ruins por dados bons. Ele não substitui o passo de julgamento. Espere que seu time de SDR rejeite 20 a 30% dos seus EQLs por critério de ICP, e incorpore isso às suas métricas. A rejeição não é falha; é o sistema funcionando.

---

Começando

Você não precisa reconstruir seu stack. Comece por aqui:

1. Escolha um ativo de conteúdo que importa para você: um whitepaper, um case, um pitch deck, uma página de comparação.
2. Instrumente o ativo com tracking de engagement por página e filtragem de bots.
3. Defina limites de Tier 1/2/3 para esse ativo (use os exemplos acima como ponto de partida).
4. Rastreie EQLs por 30 dias. Não mude mais nada ainda.
5. Olhe os dados. Quantos EQLs dispararam? Quais padrões correlacionam com movimento de pipeline?
6. Depois expanda para os 5 principais ativos. Codifique limites para cada um. Conecte ao CRM.
7. Meça correlação de pipeline aos 60 dias. Ajuste.

Um único ativo bem instrumentado é mais útil do que uma MAP inteira com 87 pontos de ruído. Comece pequeno, prove o modelo, expanda.

---

Para onde isso vai

A mudança no reporting do CMO já está em curso. Alguns ainda reportam "geramos 4.200 MQLs neste trimestre". Outros reportam "identificamos 47 contas-alvo ativamente engajadas, 12 fechadas, US$ 2,1 mi de pipeline". O segundo grupo está ganhando. Não porque tem ferramentas melhores. Porque suas métricas não estão mentindo.

Marketing B2B está indo para qualidade acima de volume, sinal acima de score, comportamento acima de pontos. Downloads não importam. Presença não importa. Aberturas não importam. O que importa é se as pessoas certas, nas contas certas, estão fazendo trabalho significativo com o conteúdo que você mandou.

Meça isso. Passe para vendas. Ignore o resto.

Para a camada de implementação, com worksheets de limite por tipo de ativo, configurações de campos de CRM prontas para copiar e colar (HubSpot, Salesforce, Close), scripts de transferência de exemplo e um plano de rollout de 30/60/90 dias, veja o playbook complementar (disponível apenas em inglês).

---

FAQ

O MQL está mesmo morto? Como métrica de output para marketing, sim. Como marco de ciclo de vida ainda tem função. Mas "geramos 4.200 MQLs" é reporting de vaidade.

O que substitui o MQL em 2026? O framework de Jon Miller com MQX, MEX e Hand-Raisers, com limites mensuráveis de engagement (EQLs) definindo quando um contato entrou em MEX e quando o comportamento em MEX está nítido o suficiente para promover a MQX.

Qual a diferença entre lead scoring e engagement scoring? Lead scoring devolve um número a partir de fit demográfico somado a eventos de pixel. Engagement scoring devolve um padrão de comportamento (tempo na página, visitas recorrentes, encaminhamentos) com filtragem de bot. Algo com que um SDR pode abrir de forma específica.

Ainda preciso de MAP? Sim, para automação de e-mail, gatilhos de ciclo de vida e gestão de contatos. Mas não como fonte da verdade de qualificação.

ABM é a resposta? ABM é útil quando você tem contas do porte enterprise. EQL se empilha dentro de uma motion de ABM: ABM diz quais contas; EQL/EQA diz quando abordar.

Como "engagement" é definido, concretamente? Tempo por página, visitas recorrentes dentro de uma janela definida, encaminhamento detectado (vários viewers no mesmo link) e interação com conteúdo de fundo de funil. Tudo filtrado de bot, tudo com limite por ativo.

Como medir engagement sem comprar uma plataforma nova? Use uma ferramenta de tracking de documento ou de engagement de conteúdo que capture analytics por página com filtragem de bot. O requisito é engagement first-party, no nível do indivíduo, filtrado de bot. Não analytics agregado de site nem aberturas de e-mail.

Qual um bom limite para abordagem de SDR? Para conteúdo de meio de funil: encaminhamento detectado OU retorno em até 14 dias OU visita à página de pricing = Tier 3 = abordagem. Para visitas diretas a pricing vindas de contas ICP: imediata. Calibre por ativo com base nos seus dados de correlação de pipeline.

Como isso funciona com product-led growth? Mesma disciplina, superfície diferente. Sinais de PLG (uso no free tier, engagement com features) substituem engagement de conteúdo; a lógica de limite é idêntica.

Isso ainda funciona para vendas enterprise? Melhor do que para SMB, inclusive. Compradores enterprise pesquisam mais e envolvem mais stakeholders, produzindo mais sinais mensuráveis e mais rollups no nível da conta. Veja o caso da Palo Alto Networks.

Quais ferramentas suportam isso? Plataformas de tracking de documento (HummingDeck, DocSend, Papermark e outras) capturam engagement por página; um subconjunto adiciona filtragem de bot e detecção de encaminhamento. Plataformas de intent data colocam sinais de conta de terceiros por cima. O stack importa menos do que a disciplina de medição.

Como a qualificação baseada em engagement se compara a intent data? Complementar. Intent de terceiros diz quais contas estão pesquisando externamente. Engagement first-party diz o que essas contas fazem no seu conteúdo. A combinação é mais preditiva do que qualquer das duas isoladas.

---

Leitura relacionada

• First-Party vs Third-Party Intent Data, sobre onde os sinais de compra vivem hoje
• Os sinais de intenção de compra escondidos no seu sales content, o complemento do lado de vendas
• O ponto cego do signal-based selling, onde o movimento baseado em sinais escorrega
• MEDDIC + dados de engagement, sinais comportamentais mapeados para MEDDIC
• Por que seus analytics de deck estão errados, o problema da inflação por bot em detalhe
• Email deliverability 2026, por que aberturas de e-mail deixaram de significar alguma coisa