MQL устарел: вовлечение в контент как новая квалификация лидов в 2026

Ilya SpiridonovIlya Spiridonov
21 мин чтения
MQL устарел: вовлечение в контент как новая квалификация лидов в 2026

Только 3% ваших B2B-посетителей сайта сами идентифицируют себя через заполнение форм. Остальные 97% невидимы для вашей MQL-воронки.

Цифра взята из 6sense Research. Доля заполнения форм держится около 3,5% независимо от отрасли, региона и размера компании. Это объясняет, почему каждая RevOps-команда, с которой вы говорите, тихо разочарована своим MQL-пайплайном.

Marketing Qualified Lead перестал работать где-то между запуском Apple Mail Privacy Protection (2021) и насыщением рынка AI-генерируемым контентом (2024). Об этом говорили многие. Мало кто выпустил замену.

Замена, которая реально набирает обороты, это фреймворк MQX / MEX / Hand-Raisers от Джона Миллера. Миллер изобрёл MQL в Marketo, и он же самый внятный голос по поводу того, что придёт на смену. Тиры выбраны верно. Чего не хватает, так это слоя измерений под ними: какое именно вовлечение, при каком пороге, как его измерить. Эту дыру и закрывает данная статья, плюс раздел о том, где подход даёт сбой. "Вовлечение не равно намерению купить" (оговорка, которую большинство текстов в духе "MQL мёртв" пропускают).

Как сломался MQL

MQL работал, пока были истинны три утверждения:

  1. Открытия писем были надёжными. Загрузка пикселя означала, что письмо открыл живой человек.
  2. Заполнение форм означало намерение. Если кто-то ввёл email, чтобы скачать whitepaper, значит, этот whitepaper ему нужен.
  3. Скачивание означало чтение. Если скачали whitepaper, то и прочитают его.

Все три утверждения сломались между 2021 и 2024 годами.

Открытия писем стали ложью. Apple Mail Privacy Protection, запущенная в сентябре 2021, подгружает изображения в момент, когда пользователь открывает приложение Mail, независимо от того, открывал ли он ваше конкретное письмо. Добавьте корпоративные почтовые сканеры (Microsoft SafeLinks, Proofpoint, Mimecast), которые кликают по каждой ссылке ещё до доставки, и окажется, что существенная часть "открытий" в вашей MAP это не люди. Litmus и другие аналитические вендоры опубликовали данные о росте open rate на 30–50% после внедрения MPP.

Формы захлебнулись шумом. Покупатели научились использовать одноразовые Gmail-адреса. Боты заполняют формы. Закупщики скачивают ваш gated-контент и пересылают его юристам. Заявка с формы, которой вы обрадовались, часто приходит не от человека, принимающего решение о покупке. А часто и вовсе не от человека.

Скачивания не сигналят о чтении. Разрыв между "скачал whitepaper" и "реально прочитал whitepaper" существовал всегда. К 2026 году, когда каждый покупатель подписан на больше рассылок, чем успевает читать, а каждый инбокс завален AI-ассистированным контентом, этот разрыв превратился в пропасть.

Отраслевые голоса говорят об этом годами. Мэтт Хайнц формулирует лучше всех:

"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

(Хайнц использует метафору: на MQL не купишь пиво, это не валюта, которой оплачивают счета. Смысл: нужны метрики, которые превращаются в выручку, а не в отчёты.)

Крис Уокер формулирует жёстче:

"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, основатель Refine Labs

Forrester, институция, которая кодифицировала модель MQL через покупку SiriusDecisions, в 2023 году официально от неё отказалась. Терри Флаэрти, VP Principal Analyst, объясняет, почему индивидуальный lead scoring структурно нерабочий:

"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."

(Отсылка к американскому импровизационному шоу "Whose Line Is It Anyway?", где очки намеренно ничего не значат. Смысл метафоры: скоринг из смешанных сигналов не имеет реальной предсказательной силы.)

Керри Каннингем, ранее в Forrester, сейчас Principal Researcher в 6sense, поставил число на этот потолок:

"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."

Цифра, которую стоит запомнить: примерно 87% MQL не конвертируются в закрытые сделки, по данным B2B-исследования Apollo. Несколько вендорских датасетов показывают также, что demand-gen MQL выглядят дёшево на входе в воронку, но стоимость каждого SQL ниже по воронке растёт ощутимо. Дешёвые лиды быстро становятся дорогими.

Практика не догнала риторику. Многие команды читают эту критику, кивают и оставляют MQL-дашборд на еженедельном обзоре CRO. Ким Петерсон из LeanData назвала причину:

"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."

Критика созрела. Замена пока нет. Оставшаяся часть статьи про замену.

Ответы, которые не прижились

Перед тем как говорить о замене, честная ревизия того, что не сработало.

Lead scoring на базе MAP. HubSpot, Marketo, Pardot поддерживают поведенческий скоринг поверх демографического. В теории это решает проблему "скачивания не означают намерения". На практике скачивания заменяются pixel-событиями, которые страдают от той же bot-инфляции, той же путаницы с множеством стейкхолдеров и той же динамики "скоринг как vanity-метрика". Лид с 87 баллами не более реален, чем лид с одним скачиванием, если обе цифры берутся из тех же порочных входных данных.

Third-party intent-данные. Bombora, 6sense, Demandbase, G2 Intent. Категория больше 1 млрд $ и растёт. Реальная польза: сторонние intent-сигналы фиксируют исследовательскую активность покупателей за пределами ваших собственных свойств. Но данные запаздывают (вы узнаёте об интересе через 2–4 недели после пика), привязаны к темам (а не к конкретному продукту) и агрегированы на уровне аккаунта (вы знаете, что Acme в стадии активного поиска, но не знаете, какой именно сотрудник Acme в этом участвует). И цена в 30–80 тыс. $ в год делает эти платформы непрактичными для команд с ARR меньше 10 млн $.

ABM-платформы. Demandbase, Terminus, RollWorks. Хороши для Enterprise. Обычно 50 тыс. $+ в год плюс внедрение. Для SMB и mid-market накладные расходы платформы превышают отдачу в пайплайн. Джон Миллер, сооснователь Marketo и Engagio, сформулировал это так:

"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 популяризировали этот подход. Основная идея верна: перейти от lead scoring к агрегации сигналов из раундов инвестиций, вакансий, смены инструментов, смены работы и вовлечения в контент. Но внедрение остаётся расплывчатым. Большинство статей о "сигналах" определяют сигналы, но не объясняют, как операционализировать их в масштабе. Крис Уокер высказался прямо:

"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."

Это верно, но означает, что каждая компания должна строить собственное определение сигналов с нуля. Чего большинство не делает.

Product-Led Growth. Работает для продуктов, которые могут доставить ценность в одной self-service-сессии. Хуже работает для Enterprise B2B, где оценка занимает месяцы и вовлекает закупочный комитет. PLG это GTM-мотион, а не замена квалификации.

Санграм Ваджре, сооснователь Terminus, сейчас CEO GTM Partners, давно продвигает более глубокий пересмотр:

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

Он идёт дальше и ставит под сомнение саму функцию SDR. Это тема для другой статьи. Сейчас вопрос стоит так: если не MQL, то что? "Engagement" это правильный ответ, но расплывчатый. Ему нужен каркас.

Что действительно изменилось: first-party вовлечение в контент стало измеримым

За последние пять лет реально изменились четыре вещи. Вместе они делают настоящую замену MQL возможной.

Постраничная аналитика документов. DocSend запустил категорию в 2013 году. Dropbox купил его за 165 млн $ в 2021. Исходная идея была узкой: отслеживать, кто открывал ваш инвестиционный дек и как долго. К 2026 категория расширилась. Любой документ, которым вы делитесь (whitepaper, кейс, коммерческое предложение, pitch deck, отчёт), можно инструментировать на уровне страниц. Вы видите не просто то, что Сара открыла whitepaper, а то, что она провела 4 минуты на странице 3, пропустила страницу 5 и вернулась к странице 7 неделей позже.

Детекция ботов стала реальной. Десять лет назад "просмотры" были просто HTTP-запросами. Сегодня платформы с серьёзной аналитикой (не MAP: MAP с этим до сих пор не справляются) накладывают три сигнала: сопоставление user-agent с известными паттернами сканеров, идентификация датацентровых IP и жестовая верификация человека (мышь, тач, клавиатура). Вы можете отличить человеческий просмотр от предварительного сканирования SafeLinks. Одно это реабилитирует понятие "вовлечения".

Детекция пересылок. Если вы отправили ссылку одному человеку, а её открыли несколько людей из той же компании, значит, дек распространяется внутри организации. В B2B Enterprise-продажах это самый сильный pre-commit-сигнал. Сильнее, чем любая платформа intent-данных, потому что это first-party-поведение на вашем собственном контенте.

Отслеживание возвратных визитов. Покупатель, возвращающийся на вашу страницу pricing через две недели после первого прочтения, делает что-то конкретное: он перепроверяет, чтобы принять или защитить решение. Захват этого момента, а не только первого открытия, превращает вовлечение в сигнал как временной ряд, а не одно событие.

Сложите всё вместе, и получится нечто действительно новое: квалификационные данные, которые не опираются ни на заполнение форм, ни на пиксели в письмах, ни на сторонние тематические выводы, и не требуют платформы за 50 тыс. $. Вы запускаете это на том контенте, который и так отправляете.

Именно здесь и живёт замена MQL. Не в лучшем скоринге, не в более крупных платформах. В измерении того, что уже происходит на ваших собственных свойствах, с точностью, которая десять лет назад была технически невозможна.

Операционализация MEX: слой измерений

Фреймворк Джона Миллера это концептуально правильная замена MQL. Три его категории:

  • Hand-Raisers. Явные запросы: демо, pricing, "свяжитесь со мной". Покупатель сам себя квалифицировал.
  • MQX (Marketing Qualified). Основанная на данных оценка маркетинга, что в ICP-аккаунте может происходить активность, связанная с покупкой. Оправдывает проактивный консультативный outreach.
  • MEX (Market Engaged). Нужные люди в нужных аккаунтах взаимодействуют с вашим контентом, но ещё без сигналов о покупке. С ними стоит говорить, потому что именно здесь спрос создаётся, а не только снимается.

Миллер, который помог изобрести MQL в Marketo, выпускает и самую чёткую замену. Форма правильная. Не хватает слоя измерений под ней.

Миллер говорит, что для MEX квалифицирует "engagement". Это оставляет открытым вопрос: какое именно вовлечение, при каком пороге, как измерить?

Назовём эти измеряемые пороги Engaged Qualified Leads (EQL). Это не конкурирующий фреймворк. Это инструментация, которая позволяет решать, когда кто-то входит в MEX и когда MEX-поведение достаточно острое, чтобы перевести человека в MQX.

EQL одним предложением

Engaged Qualified Lead это индивид, демонстрирующий измеримое, отфильтрованное от ботов вовлечение в конкретный контент на ваших свойствах, на уровне или выше поведенческих порогов, которые вы задали.

Четыре слова несут основной вес:

  • Измеримое. Квалификатор это поведение, а не балл.
  • Отфильтрованное от ботов. Большая часть отраслевого "вовлечения" считает сканеры и preview-ботов.
  • Конкретный контент. Не "открыл письмо", а "прочитал кейс" или "вернулся на pricing".
  • Пороги, которые задаёте вы. Ваши числа, из ваших данных, а не шаблон.

Три тира, наложенные на словарь Миллера:

Tier 1: Awareness (до MEX)

  • Открыл контент, провёл меньше 60 секунд, не возвращался
  • Сила сигнала: низкая
  • Действие: nurture, в продажи не передавать

Именно тут на самом деле сидит большинство нынешних "MQL". Кто-то скачал whitepaper, получил подтверждающее письмо, пошёл дальше. Ценно для бренда, не для пайплайна.

Tier 2: Активная оценка (территория MEX)

  • Прочитано 2+ страниц, потрачено 2+ минут ИЛИ возврат к тому же контенту в течение 7 дней
  • Сила сигнала: средняя
  • Действие: это ваша MEX-аудитория. Продолжайте прогревать целевым контентом.

Здесь находятся покупатели во время реальной оценки. Они работают, но ещё не готовы к звонку. Модель MQL обрабатывает Tier 2 так же, как Tier 3. Это критическая ошибка, которая порождает динамику "продажи игнорируют ваши MQL".

Tier 3: High-Intent-вовлечение (переход MEX → MQX)

  • Контент переслан внутри компании (другой зритель по той же ссылке, тот же корпоративный домен), ИЛИ
  • Возврат к тому же контенту 2+ раз, ИЛИ
  • Взаимодействие с bottom-of-funnel-контентом (pricing, страницы сравнения, клиентские референсы)
  • Сила сигнала: высокая
  • Действие: outreach от SDR или AE в течение 24 часов

Переход MEX → MQX. Триггер Tier 3 это поведенческое свидетельство, которое продвигает человека из "взаимодействует с вашими идеями" (MEX) в "в этом аккаунте может происходить активность, связанная с покупкой" (MQX, в терминах Миллера).

Агрегация по аккаунтам

B2B-продажи идут через группы закупки, а не через отдельных людей. Аккаунт с несколькими EQL является более сильным сигналом, чем любой отдельный EQL.

Engagement-Qualified Account (EQA) это аккаунт с 2+ EQL на одном и том же контенте или серии контента за 30 дней, плюс минимум один Tier 3-сигнал среди участников группы.

Именно с этим юнитом и должна работать ваша SDR-команда. EQL говорят вам кто, агрегация по аккаунту говорит когда.

Логика согласуется с 6sense B2B Buyer Experience Report: 81% покупателей выбирают предпочитаемого поставщика до разговора с продажами, а 69% процесса закупки происходит до того, как продажники подключаются. Если вы ждёте, пока один человек заполнит форму на демо, большая часть решения уже принята. Сигналы вовлечения на уровне аккаунта позволяют увидеть формирование группы закупки на вашем контенте ещё до того, как кто-то явно поднимет руку.

Плейбук из 7 шагов

Как операционализировать это без покупки нового стека.

Шаг 1: провести аудит того, что вы сейчас считаете вовлечением. Откройте вашу MAP. Посмотрите на лиды с наивысшим скором за последние 90 дней. Сколько из них дошли до пайплайна? Сколько закрылось? Если конверсия ниже 5%, ваш текущий скоринг это театр.

Шаг 2: инструментировать топ-5 контентных активов постраничным трекингом. Не весь контент. Только топ-5 по объёму или стратегической значимости. Whitepaper, кейсы, pitch deck, страница pricing и одна страница сравнения. Нужен инструмент, который фиксирует время на странице, возвратные визиты и детекцию нескольких зрителей. (HummingDeck это умеет. Несколько других платформ тоже. Принцип важнее инструмента.)

Шаг 3: включить фильтрацию ботов. Если ваша текущая аналитика не фильтрует ботов, вы измеряете шум. Минимум: фильтровать известные user-agent сканеров и IP датацентров. Лучшие инструменты добавляют жестовую верификацию.

Шаг 4: письменно зафиксировать пороги EQL. Используя трёхтировую структуру выше, опишите, как выглядят "Tier 2" и "Tier 3" для каждого актива. Пример для кейса:

  • Tier 1: открыто, <60 с, без возврата
  • Tier 2: прочитано 2+ страниц ИЛИ потрачено 2+ минут
  • Tier 3: переслано другому зрителю ИЛИ возврат в течение 14 дней ИЛИ переход на страницу pricing после

Подстраивайте под актив. У одностраничной battle card пороги отличаются от 30-страничного whitepaper.

Шаг 5: переписать определения MQL/SAL на языке поведения. Не "100 баллов". А "прочитал кейс дважды и зашёл на pricing в течение 7 дней". Если продажи видят конкретный поведенческий паттерн, они воспринимают его как сигнал. Если видят балл, воспринимают как мнение вашей маркетинговой команды.

Шаг 6: завести события EQL и EQA в CRM. Какой бы CRM вы ни использовали (HubSpot, Salesforce, Close), создайте custom activity type "Tier 3 Engagement Triggered". Когда трекинг-инструмент срабатывает, логируйте событие против контакта и аккаунта. Workflow SDR приоритизирует аккаунты с недавними Tier 3-триггерами, а не с наивысшим скором.

В HubSpot: создайте custom event engagement_tier_3 с properties content_asset, trigger_type (forwarded / returned / pricing_visit) и viewers_same_account. Постройте workflow, который при срабатывании события на ICP-совместимом контакте создаёт таск на ответственного AE с именем актива и конкретным триггером в описании. Заголовок таска должен читаться примерно как "Tier 3 на Q3 Pricing Deck: переслано внутри (2 зрителя)", а не "Высокий lead score". В Salesforce: та же структура через custom activity record type плюс flow. В Close: smart view с фильтром по custom activity. Принцип одинаков во всех CRM. Описание таска содержит поведение, чтобы SDR мог открыть разговор с конкретной зацепки, а не с дежурного "надеюсь, материал был полезен".

Шаг 7: измерять корреляцию с пайплайном, а не vanity-метрики. Через 60 дней выгрузите все сделки closed-won и closed-lost. Посмотрите, какие тиры вовлечения они набирали и когда. Если поведение Tier 3 не коррелирует со скоростью движения пайплайна, пороги выставлены неправильно. Корректируйте. Итерации раз в квартал.

Это внедрение на 60–90 дней, а не консалтинговый проект на несколько кварталов. Если занимает больше, вам продают платформу, которая вам не нужна.

Как на самом деле выглядит передача по Tier 3

Как это выглядит на практике.

До (передача в эпоху MQL):

"У Сары из Acme 87 баллов. На прошлой неделе скачала buyer's guide. Передаю Алексу."

Алекс получает это. У Алекса нет контекста. Алекс пишет дежурное письмо "надеюсь, гайд был полезен". Сара архивирует. Конверсия MQL в митинг остаётся 12%.

После (передача в эпоху EQL):

"Сара из Acme прочитала buyer's guide в понедельник. Во вторник второй зритель из Acme (тот же корпоративный домен, другой город) открыл ту же ссылку, предположительно коллега, которому она переслала. В четверг Сара зашла на pricing и провела 3 минуты на сравнении Enterprise-тира. Аккаунт достиг EQA в четверг. Передаю Алексу."

Алекс получает это. У Алекса есть конкретный контекст. Алекс пишет: "Сара, заметил, что вы с коллегой посмотрели наш buyer's guide, и вы заглянули на наш Enterprise pricing. Готов помочь разобраться, какой тир, Enterprise или Pro, лучше подойдёт под workflow вашей команды. Короткий звонок во вторник?"

Тот же лид, те же источники данных. Совершенно другой outreach. Передача несёт поведение, тайминг и конкретный якорь для разговора.

Кейс Palo Alto Networks от Forrester документирует рост closed-won rate на 17% после перехода с MQL-роутинга на роутинг по вовлечению группы закупки, плюс 17-кратный рост продвижения по пайплайну и удвоение размеров сделок. Джереми Шварц (Senior Manager of Global Lead Management) отметил, что у возможностей с несколькими привязанными людьми шанс продвинуться был в восемь раз выше, чем у возможностей с одним контактом. Один кейс это не доказательство, но направление консистентно: outreach на основе конкретного поведения бьёт скоринг-подход, а контекст группы закупки бьёт индивидуальный скоринг.

Типичные возражения

"Нам нужен скоринг, чтобы приоритизировать в масштабе." Оценивайте поведение, а не события. Триггер Tier 3 по сути и есть порог скоринга: бинарный вместо непрерывного. Бинарные пороги проще брать в работу, чем шкалу 0–100.

"Наша MAP это не поддерживает." Верно. Ваша MAP и не будет. Нужен инструмент, который фиксирует вовлечение на уровне контента, а не заполнения форм или открытия писем. Сигналы направляются в MAP или CRM как события. Это инфраструктурная работа, а не замена платформы.

"У нас продажи всё равно игнорируют лиды от маркетинга." Это и есть проблема "MQL не работает". Сама собой она не рассосётся. Если продажи игнорируют и EQL после редизайна, вопрос в доверии. Они не верят сигналу. Покажите математику корреляции с пайплайном из шага 7. Если данные подтверждают передачу, продажи включатся. Если нет, ваши пороги неверны.

"Не у каждого продукта есть контент для трекинга." Если вы продаёте B2B, контент у вас есть. Ваша страница pricing это контент. Ваш product tour это контент. Ваши клиентские истории это контент. "Контент" здесь означает "любую цифровую поверхность, где лид проводит измеримое время". У вас, вероятно, больше трекабельных поверхностей, чем вы думаете.

"Звучит как product-led growth. Мы sales-led." Это не PLG. PLG это бизнес-модель, где продукт сам конвертирует пользователей. Фреймворк EQL работает для любой мотион, включая sales-led enterprise. Общий знаменатель это измерение поведения. GTM-мотион при этом не меняется.

"Мы уже используем intent-данные." Хорошо. Third-party intent говорит вам, какие аккаунты исследуют категорию. First-party вовлечение говорит, что именно эти аккаунты делают с контентом, который вы им отправили. Они складываются. Используете 6sense? Продолжайте. Наложите сверху first-party-вовлечение. Комбинация предсказательнее любой из частей по отдельности.

Вовлечение не равно намерению

Оговорка, которую пропускает каждый текст в жанре "MQL мёртв".

Время на странице не равно намерению купить. Возвратные визиты не равны намерению купить. Пересылки не равны намерению купить.

Фильтр, а не триггер

Вовлечение без ICP-фита это просто студент-исследователь. Сигнал Tier 3 EQL от сотрудника конкурента из Fortune 100, изучающего ваш продукт, не является покупателем. Фреймворк EQL сужает фокус. Он не заменяет человеческое суждение о том, подходит ли аккаунт вашему ICP.

Возвратный визит от студентки журфака, пишущей кейс, тоже не покупатель. Если ваш контент хорош, с ним будет взаимодействовать много людей, которые не покупатели.

Именно поэтому фреймворк EQL это фильтр, а не триггер. Он сужает от всех, кто контактировал с вашим маркетингом, до тех, кто делает осмысленную работу с вашим контентом. Финальная квалификация остаётся за человеком. Подходит ли аккаунт ICP? Подходит ли роль к buyer-персоне? Правдоподобен ли тайминг?

MQL получил избыток доверия, потому что казалось, будто автоматизация может заменить суждение. EQL заменяет плохие данные на хорошие. Шаг с суждением он не заменяет. Ожидайте, что ваша SDR-команда будет отклонять 20–30% ваших EQL по ICP-основаниям, и закладывайте это в метрики. Отклонение это не провал, это работа системы.

С чего начать

Вам не нужно перестраивать стек. Начните так:

  1. Выберите один контентный актив, который для вас важен: whitepaper, кейс, pitch deck, страницу сравнения.
  2. Инструментируйте его постраничным трекингом вовлечения и фильтрацией ботов.
  3. Задайте пороги Tier 1/2/3 для этого актива (примеры выше как отправная точка).
  4. Отслеживайте EQL 30 дней. Больше пока ничего не меняйте.
  5. Посмотрите на данные. Сколько EQL сработало? Какие паттерны коррелируют с движением пайплайна?
  6. Затем раскатывайте на топ-5 активов. Кодифицируйте пороги для каждого. Заведите в CRM.
  7. Через 60 дней измерьте корреляцию с пайплайном. Корректируйте.

Один корректно инструментированный актив полезнее, чем вся MAP с 87 баллами шума. Начните малым, докажите модель, расширяйте.

Куда всё движется

Сдвиг в отчётности CMO уже идёт. Одни по-прежнему отчитываются "мы сгенерировали 4200 MQL за квартал". Другие отчитываются "мы идентифицировали 47 активно вовлечённых целевых аккаунтов, 12 закрыли, пайплайн 2,1 млн $". Вторая группа выигрывает. Не потому, что у них лучше инструменты. А потому, что их метрики им не врут.

B2B-маркетинг движется к качеству вместо объёма, сигналу вместо балла, поведению вместо очков. Скачивания не важны. Количество участников не важно. Открытия не важны. Важно, делают ли нужные люди в нужных аккаунтах осмысленную работу с контентом, который вы им отправили.

Измеряйте это. Передавайте в продажи. Остальное игнорируйте.

Для уровня внедрения, с worksheets порогов по типу актива, готовыми настройками полей CRM (HubSpot, Salesforce, Close), примерами скриптов передачи и планом роллаута 30/60/90: сопутствующий плейбук (доступен только на английском).

Начните отслеживать вовлечение, бесплатно

FAQ

MQL действительно мёртв? Как выходная метрика маркетинга да. Как этап жизненного цикла он ещё играет свою роль. Но "мы сгенерировали 4200 MQL" это vanity-отчётность.

Что заменит MQL в 2026? Фреймворк MQX / MEX / Hand-Raisers от Джона Миллера с измеримыми порогами вовлечения (EQL), которые определяют, когда контакт перешёл в MEX и когда поведение MEX достаточно острое, чтобы перевести в MQX.

В чём разница между lead scoring и engagement scoring? Lead scoring выдаёт число из демографического фита плюс pixel-событий. Engagement scoring выдаёт поведенческий паттерн (время на странице, возвратные визиты, пересылки) с фильтрацией ботов. То, с чего SDR может конкретно открыть разговор.

MAP мне всё ещё нужна? Да, для email-автоматизации, триггеров по жизненному циклу и управления контактами. Но не как источник правды о квалификации.

ABM это ответ? ABM полезен, когда у вас Enterprise-аккаунты. EQL встраивается внутрь ABM-мотион: ABM говорит вам, какие аккаунты, EQL/EQA говорит, когда к ним идти.

Что такое "engagement" конкретно? Время на странице, возвратные визиты в заданном окне, обнаруженные пересылки (несколько зрителей на одной ссылке) и взаимодействие с bottom-of-funnel-контентом. Всё отфильтровано от ботов, всё с порогами на каждый актив.

Как измерять вовлечение без покупки новой платформы? Используйте инструмент трекинга документов или вовлечения в контент, который фиксирует постраничную аналитику с фильтрацией ботов. Требуемая способность: first-party, на уровне индивида, отфильтрованное от ботов вовлечение. Не агрегированная сайт-аналитика и не открытия писем.

Какой порог для SDR-outreach считать хорошим? Для mid-funnel-контента: обнаружена пересылка ИЛИ возврат в течение 14 дней ИЛИ визит на pricing = Tier 3 = outreach. Для прямых визитов на pricing из ICP-аккаунтов: сразу. Калибруйте под каждый актив на основе данных о корреляции с пайплайном.

Как это работает с product-led growth? Та же дисциплина, другая поверхность. PLG-сигналы (использование free-тира, вовлечение в функции) замещают вовлечение в контент. Логика порогов идентична.

Это работает в Enterprise-продажах? Даже лучше, чем в SMB. Enterprise-покупатели больше исследуют и вовлекают больше стейкхолдеров, что даёт больше измеримых сигналов и больше агрегаций на уровне аккаунта. Смотрите кейс Palo Alto Networks.

Какие инструменты это поддерживают? Платформы трекинга документов (HummingDeck, DocSend, Papermark и другие) фиксируют постраничное вовлечение. Часть из них добавляет фильтрацию ботов и детекцию пересылок. Платформы intent-данных накладывают сторонние сигналы на уровне аккаунта сверху. Состав стека значит меньше, чем дисциплина измерений.

Как engagement-based квалификация соотносится с intent-данными? Дополняют друг друга. Third-party intent говорит, какие аккаунты исследуют категорию вовне. First-party вовлечение говорит, что те же аккаунты делают на вашем контенте. Комбинация предсказательнее, чем любой из источников по отдельности.

Дополнительные материалы