MQL-to-SQL Score Thresholds: Cara Menetapkan Angka yang Dapat Diterima Kedua Tim

Angka yang paling banyak diperdebatkan di tim revenue mana pun bukanlah kuota. Itu adalah threshold MQL.

Marketing ingin lebih rendah. Sales ingin lebih tinggi. RevOps ingin "berbasis data." Dan semua orang akhirnya menyepakati sebuah angka (biasanya 50, atau 75, atau 100) yang diwarisi dari karyawan lama, disalin dari blog post, atau dipilih karena terasa bulat.

Tidak ada yang salah secara inheren. Tetapi tidak ada yang benar juga, karena MQL threshold bukan jawaban matematis. Ini adalah keputusan kebijakan. Ia menentukan berapa banyak leads yang mengalir ke sales setiap bulan, seperti apa rata-rata kualitas leads tersebut, dan berapa besar tekanan yang dihadapi marketing untuk menghasilkan Pipeline. Salah dalam arah mana pun akan merusak sesuatu: baik sales tenggelam dalam sampah atau marketing disalahkan atas gap Pipeline yang sebenarnya adalah masalah threshold.

Begini cara menetapkan threshold yang dapat dikomitmen kedua tim, didukung data dari CRM Anda sendiri.

---

Tim sales B2B yang menetapkan MQL thresholds menggunakan analisis closed-won — daripada default vendor atau angka bulat — mengalami peningkatan hingga 30% dalam MQL-to-opportunity conversion rate, menurut Forrester Research.

Ketika MQL thresholds ditetapkan terlalu rendah, rejection rate sales rata-rata 40-60% di organisasi yang tidak selaras, artinya rep menghabiskan sebagian besar waktu mereka membuang leads daripada menutup deals (data benchmark SiriusDecisions).

Organisasi yang memodelkan tradeoff volume-kualitas sebelum mengubah threshold — menjalankan skenario analisis +15/-15 — mengurangi risiko gangguan Pipeline dengan memberi kedua tim data bersama untuk diperdebatkan daripada preferensi yang bersaing.

---

Fakta Kunci: Lead Scoring dan MQL Thresholds

• Perusahaan dengan proses handoff MQL-ke-SQL yang sangat selaras mencapai 209% lebih banyak pendapatan dari upaya marketing, menurut riset MarketingProfs tentang marketing-sales alignment.
• Hanya 27% leads yang dikirim ke sales yang pernah dihubungi, artinya kalibrasi threshold memiliki dampak yang sangat besar pada leads mana yang benar-benar dikerjakan (InsideSales.com).
• Organisasi yang meninjau dan mengkalibrasi ulang lead scoring thresholds mereka secara kuartalan melihat peningkatan hingga 30% dalam konversi MQL-to-opportunity dibandingkan tim yang menetapkan dan melupakan thresholds (Forrester Research).
• Ketika threshold ditetapkan terlalu rendah, rejection rate MQL rata-rata 40-60% di organisasi yang tidak selaras, artinya sales menghabiskan waktu menolak leads daripada menutup deals (data benchmark SiriusDecisions).
• Pembeli B2B menyelesaikan sebagian besar keputusan pembelian sebelum terlibat dengan sales (riset Gartner tentang B2B buyer journeys), yang berarti threshold yang terlalu tinggi dapat melewatkan leads yang sudah jauh dalam proses keputusan.

Apa yang Sebenarnya Dikontrol Threshold

Sebelum Anda menyentuh angkanya, ada baiknya memahami apa yang sebenarnya Anda sesuaikan.

MQL threshold adalah gerbang. Ketika skor kumulatif leads melewatinya, leads berkonversi dari MQL menjadi SQL dan diteruskan ke sales untuk tindak lanjut. Setiap poin yang Anda pindahkan threshold secara bersamaan mempengaruhi tiga hal.

Volume leads yang diserahkan ke sales. Turunkan threshold 20 poin, dan Anda mungkin menggandakan jumlah leads yang mengalir. Naikkan 20 poin, dan sales mendapatkan setengah leads tetapi mengharapkan mereka dua kali lebih siap. Tidak ada yang secara inheren lebih baik. Itu tergantung pada kapasitas sales, kecepatan tindak lanjut rep, dan seperti apa conversion rate di setiap score band.

Rata-rata kualitas saat handoff. Ini yang paling dipedulikan sales. Jika rep menghabiskan 40% waktu mereka pada leads yang tidak berkonversi, threshold mungkin terlalu rendah. Jika mereka menutup 80% dari apa yang dikirim marketing tetapi mengeluh tentang volume, mungkin terlalu tinggi.

Tekanan produksi marketing. Threshold tinggi berarti marketing harus menghasilkan lebih banyak leads mentah untuk menghasilkan jumlah MQL yang sama. Itu membutuhkan lebih banyak biaya media, lebih banyak konten, lebih banyak overhead kampanye. Threshold rendah mengurangi tekanan pada generasi top-of-funnel tetapi menggeser masalah ke hilir.

Ketiga hal ini tidak independen. Ketika Anda mengoptimalkan satu, Anda mempengaruhi yang lain. Itulah mengapa threshold adalah percakapan strategis, bukan tugas konfigurasi.

Menetapkan Threshold Awal: Threshold-Setting Method

Threshold-Setting Method adalah proses empat langkah yang mengutamakan data untuk menetapkan MQL-to-SQL score thresholds yang dapat dipertahankan. Daripada mewarisi angka bulat dari karyawan lama atau menyalin default vendor, metode ini mengikat keputusan threshold ke data closed-won aktual Anda: ambil deals closed-won, plot distribusi skor, temukan titik infleksi (bukan rata-rata), dan validasi terhadap rejection rate Anda. Hasilnya adalah threshold yang berakar pada seperti apa pembeli Anda sebenarnya ketika mereka ditutup — bukan tebakan.

Jika Anda memulai dari awal atau mengatur ulang threshold yang ditetapkan secara arbitrer, mulailah dengan data closed-won historis Anda. Ini adalah satu-satunya anchor jujur yang Anda miliki. Framework kualifikasi leads Anda akan memberi tahu Anda atribut mana yang sebenarnya memprediksi penutupan — gunakan itu sebagai input scoring sebelum Anda menyentuh angka threshold.

Langkah 1: Ambil deals closed-won dari 12-18 bulan terakhir.

Ekspor setiap deal yang ditutup sebagai menang. Anda memerlukan skor leads pada saat dikonversi ke SQL, bukan skor hari ini, bukan skor yang telah diperkaya, melainkan skor saat handoff. Beberapa MAP mencatat ini secara otomatis. Jika milik Anda tidak, Anda perlu merekonstruksinya dari timestamp aktivitas.

Langkah 2: Plot distribusi skor.

Buat histogram frekuensi skor SQL pada saat konversi untuk deals yang menang tersebut. Anda biasanya akan melihat sesuatu seperti:

Langkah 3: Temukan titik infleksi, bukan rata-rata.

Skor rata-rata di semua deals yang menang mungkin 72. Tetapi itu tidak berarti 72 adalah threshold yang tepat. Cari di mana distribusi mengubah lerengnya — khususnya di mana persentase deals yang menang per score band mulai naik tajam. Dalam tabel di atas, infleksi tersebut berada antara 60 dan 80. Threshold berada di dekat bagian bawah band konsentrasi tinggi, bukan pada rata-rata.

Langkah 4: Validasi terhadap rejection rate.

Jalankan analisis yang sama pada deals yang ditolak atau tidak pernah dihubungi. Berapa skor mereka saat konversi SQL? Jika leads yang ditolak berkumpul banyak di bawah 60, Anda memiliki bukti yang baik bahwa 60 adalah floor yang dapat dipertahankan.

Metode ini tidak memberi Anda jawaban yang tepat. Tetapi ini memberi Anda rentang yang berakar pada apa yang sebenarnya ditutup, bukan intuisi atau default vendor. Riset McKinsey tentang konversi Pipeline secara konsisten menunjukkan bahwa disiplin kualifikasi awal — bukan volume yang lebih tinggi — mendorong peningkatan Pipeline terbesar.

Tradeoff Volume-Kualitas

Tidak ada kalibrasi threshold yang lengkap tanpa memodelkan apa yang terjadi jika Anda memindahkan angkanya.

Menetapkan threshold terlalu rendah:

Marketing merayakan: volume MQL terlihat bagus. Tetapi sales mulai menolak lebih banyak leads. Rejection rate naik melewati 30%, lalu 40%. Rep menghabiskan lebih banyak waktu mencatat "tidak cocok" daripada melakukan panggilan. Rep yang mengerjakan leads berkualitas rendah membuang kapasitas tindak lanjut dan melewatkan target connect rate mereka. Akhirnya, sales berhenti mempercayai designasi MQL sepenuhnya. Apa pun yang dikirim marketing diperlakukan dengan skeptisisme secara default.

Ini adalah biaya tersembunyi dari threshold yang rendah. Ini tidak hanya membuang waktu rep. Ini mengikis kredibilitas dalam sistem kualifikasi leads.

Menetapkan threshold terlalu tinggi:

Sales mendapat lebih sedikit leads, tetapi conversion rate terlihat mengesankan. Marketing berjuang mencapai target MQL. Leads yang bagus yang 80% siap tetapi belum cukup melewati threshold kedaluwarsa dalam program nurture, kehilangan recency dan sinyal intent. Marketing terjebak berargumen bahwa gap Pipeline bukan kesalahan mereka. Tekanan meningkat untuk menghasilkan lebih banyak volume top-of-funnel daripada meningkatkan kualifikasi.

Cara memodelkan tradeoff sebelum mengubah threshold:

Ambil leads 90 hari terakhir. Untuk setiap score band, hitung:

• Berapa banyak leads yang berada di band tersebut
• Berapa persen yang berkonversi ke Pipeline
• Berapa persen dari Pipeline yang dikonversi yang ditutup

Kemudian modelkan dua skenario: threshold pada saat ini − 15 poin dan threshold pada saat ini + 15 poin. Estimasikan dampak Pipeline dan pendapatan dari masing-masing. Ini memberi percakapan antara marketing dan sales sesuatu yang konkret untuk diperdebatkan daripada preferensi.

Threshold berdasarkan Segmen

Satu threshold jarang cocok untuk setiap skenario. Pertimbangkan threshold terpisah untuk:

Enterprise vs. SMB: Leads enterprise sering memiliki sinyal behavioral yang lebih lambat. VP di perusahaan 2.000 orang mengunjungi lebih sedikit halaman sebelum menghubungi dibandingkan direktur di perusahaan 50 orang. Menerapkan threshold yang sama untuk keduanya akan secara sistematis over-kualifikasi leads SMB dan under-kualifikasi leads enterprise. Threshold 65 untuk SMB dan 45 untuk enterprise mungkin berkinerja lebih baik dari flat 60 untuk keduanya.

Inbound vs. outbound-assisted: Leads yang disentuh oleh BDR sebelum mengisi form Anda memiliki profil intent yang berbeda dari leads cold-inbound. Skor behavioral mereka mungkin lebih rendah karena mereka diprompt, bukan mencari secara independen. Threshold yang lebih rendah untuk konversi outbound-assisted sering kali tepat.

New logo vs. expansion: Leads expansion dari pelanggan yang sudah ada memiliki buying cycle yang lebih cepat dan close rate yang lebih tinggi. Menerapkan threshold yang sama dengan leads net-new berarti beberapa peluang expansion terjebak dalam nurture saat seharusnya langsung ke account management.

Ini adalah titik awal. Bangun milik Anda dari data closed-won Anda sendiri berdasarkan segmen.

Threshold Dinamis vs. Tetap

Threshold tetap mengatakan: "Skor ≥ 65 = SQL."

Threshold dinamis atau berbasis aturan mengatakan: "Skor ≥ 65, ATAU skor ≥ 45 DAN mengajukan demo request."

Threshold dinamis lebih akurat tetapi lebih sulit dikelola. Mereka bekerja dengan baik ketika Anda memiliki tindakan high-intent spesifik (demo requests, kunjungan halaman pricing, chat langsung) yang harus mengesampingkan gerbang skor terlepas dari poin kumulatif.

Risikonya adalah kompleksitas. Jika aturan dinamis Anda menjadi labirin kondisi OR dan pengecualian, tidak ada yang memahami kapan leads akan memicu. Anda berakhir dengan perselisihan tentang mengapa leads tertentu berkonversi atau tidak. Tata kelola mengikis.

Jalan tengah yang praktis: pertahankan threshold tetap sebagai gerbang utama Anda, dan jangan lebih dari dua high-intent override. "Skor ≥ 60, ATAU demo request diajukan, ATAU chat inbound langsung dari perusahaan yang cocok dengan ICP" dapat dibaca. Sepuluh kondisi override tidak bisa.

Membuat Kedua Tim Sepakat

Percakapan threshold gagal ketika dibingkai sebagai angka marketing yang harus diterima sales. Berhasil ketika kedua tim memahami bahwa mereka adalah co-owner dari KPI bersama.

Framing sebagai service level agreement, bukan filter. Marketing berkomitmen untuk menyerahkan leads pada tingkat kualitas tertentu. Sales berkomitmen untuk mengerjakan leads tersebut dalam jangka waktu tertentu. Threshold mendefinisikan sisi kualitas dari kontrak tersebut. Proses handoff MQL-ke-SQL mendefinisikan sisi penerimaan.

Pakukan percakapan pada rejection rate. Tanya sales: "Rejection rate berapa yang bisa Anda terima?" Jika jawabannya 15%, hitung mundur dari sana untuk menemukan threshold yang menghasilkan penerimaan 85% berdasarkan data historis. Ini membingkai ulang perdebatan. Daripada berargumen tentang apa angkanya, Anda mencari solusi untuk hasil yang dipedulikan kedua tim.

Bagikan impact modeling. Sebelum rapat, bangun model skenario +15 / -15. Tunjukkan kepada kedua tim apa yang terjadi pada volume Pipeline dan close rate di setiap skenario. Keputusan yang dibuat dengan data bersama lebih tahan lama daripada keputusan yang dibuat oleh siapa pun yang berargumen paling keras.

Dokumentasikan perjanjian dalam joint lead scoring framework. Setelah Anda sepakat, tuliskan threshold, alasannya, dan kondisi apa yang akan memicu review. Riset Forrester tentang mode kegagalan scoring model mengidentifikasi threshold yang tidak terdokumentasi sebagai salah satu alasan paling umum program scoring kehilangan kredibilitas dalam 18 bulan. Ingatan institusional tentang mengapa threshold ditetapkan di tempat itu mencegah karyawan baru berikutnya mengubahnya secara arbitrer enam bulan kemudian.

Menguji Perubahan Threshold

Jangan ubah threshold secara global tanpa pengujian. Pilot A/B mengurangi risiko konsekuensi yang tidak diinginkan.

Cara menyusun pilot:

Pisahkan aliran leads Anda berdasarkan region, tim rep, atau channel sumber — partisi mana pun yang paling masuk akal secara operasional. Terapkan threshold baru ke satu kelompok, pertahankan threshold yang ada untuk kelompok kontrol. Jalankan selama minimal 6-8 minggu, cukup lama untuk melihat setidaknya perkembangan Pipeline parsial pada leads uji.

Apa yang harus diukur:

• MQL-to-SQL conversion rate pada uji vs. kontrol
• SQL acceptance rate (apakah sales menerima lebih banyak atau lebih sedikit?)
• Time to first contact (apakah rep terlibat lebih cepat dengan leads yang lebih berkualitas?)
• MQL-to-opportunity rate pada 30 dan 60 hari
• Pendapatan yang dipengaruhi oleh cohort uji pada 90 hari

Berhati-hatilah tentang efek kelompok kontrol. Jika sales tahu leads mana yang merupakan leads "uji," mereka mungkin memperlakukannya berbeda. Cobalah menjalankan pilot tanpa membuat designasi tersebut terlihat di CRM.

Review Triggers: Kapan Harus Meninjau Kembali

Threshold yang Anda tetapkan hari ini tidak akan selamanya benar. Bangun trigger eksplisit untuk review daripada menunggu krisis.

Peluncuran produk baru: Lini produk baru menciptakan behavioral signals baru dan ICP baru. Scoring model yang ada mungkin sama sekali tidak menangkap sinyal intent dari audiens produk baru.

Segmen ICP baru: Jika Anda berkembang ke vertikal baru atau band ukuran perusahaan baru, pola behavioral mereka berbeda. Menerapkan threshold lama berarti Anda mengkualifikasi mereka terhadap model yang dibangun dari data orang lain. Tinjau lead lifecycle stages untuk mengonfirmasi threshold berada di titik transisi yang tepat untuk segmen baru.

Perubahan kampanye besar: Kampanye yang berfokus pada konten menghasilkan behavioral signals yang berbeda dari kampanye yang berfokus pada demo. Jika marketing mengubah channel mix-nya secara signifikan, distribusi skor dalam Pipeline Anda juga berubah.

Perubahan tim sales: Rep baru memiliki perilaku penerimaan yang berbeda. Tim yang baru merekrut lima rep enterprise akan membutuhkan kualitas leads yang berbeda dari tim yang menjalankan high-velocity SMB.

Lonjakan rejection rate: Jika rejection rate naik 10+ poin persentase selama periode bergulir 90 hari, itu adalah sinyal model, bukan masalah orang. Tinjau threshold sebelum menyalahkan salah satu tim. Lihat juga artikel lead scoring model decay untuk framework diagnosis lengkap.

Analisis Rework: Berdasarkan benchmark industri dan Threshold-Setting Method, sebagian besar tim B2B yang mengikat MQL threshold mereka ke distribusi skor closed-won daripada angka bulat beroperasi dengan rejection rate 15-25% — sekitar setengah dari rejection rate 40-60% yang terlihat di organisasi yang mewarisi atau menebak threshold mereka. Implikasi praktisnya: jika rejection rate Anda saat ini di atas 35%, kalibrasi ulang threshold menggunakan data closed-won Anda sendiri biasanya akan meningkatkan MQL-to-pipeline conversion lebih cepat dari penyempurnaan scoring model apa pun. Alat CRM dan pipeline Rework melacak skor-pada-konversi-SQL secara otomatis, memberi tim dataset closed-won yang mereka butuhkan untuk menjalankan Threshold-Setting Method tanpa ekspor CRM manual. Lihat rework.com/pricing untuk detail paket saat ini.

Threshold sebagai Infrastruktur Bersama

MQL threshold bukan pengaturan marketing atau preferensi sales. Ini adalah infrastruktur yang diandalkan kedua tim.

Ketika dikalibrasi dengan benar, marketing tahu seperti apa "baik" itu. Sales tahu apa yang diharapkan. Kedua tim dapat menunjuk angka yang sama ketika Pipeline sehat dan mendiagnosis angka yang sama ketika tidak. Perselisihan tentang kualitas leads menjadi percakapan tentang thresholds daripada tuduhan tentang upaya.

Itulah nilai sebenarnya dari melakukan ini dengan benar. Bukan conversion rate yang dioptimalkan (meskipun itu juga penting). Ini bahwa kedua tim bekerja dari definisi bersama tentang apa yang dimaksud "berkualifikasi." Dan ketika Anda memiliki itu, pekerjaan marketing-sales alignment lainnya menjadi jauh lebih mudah.

Pertanyaan yang Sering Diajukan

Bagaimana cara menetapkan MQL-to-SQL score threshold?

Mulailah dengan data closed-won dari 12-18 bulan terakhir. Ekspor setiap deal yang ditutup sebagai menang, lalu plot lead score pada saat konversi SQL — bukan skor yang telah diperkaya, melainkan skor saat handoff. Cari titik infleksi dalam distribusi di mana persentase deals yang menang per score band naik tajam. Tetapkan threshold di dekat bagian bawah band konsentrasi tinggi. Ini adalah Threshold-Setting Method, dan menghasilkan angka yang dapat dipertahankan dan berakar pada data daripada tebakan angka bulat.

Mengapa threshold 100 tidak selalu berhasil?

Threshold 100 mengasumsikan bahwa skor maksimum sama dengan kesiapan maksimum. Tetapi sebagian besar scoring model memberikan poin ke berbagai perilaku, beberapa di antaranya (email opens, satu content download, mengunjungi halaman low-intent) adalah prediktor penutupan yang lemah. Leads yang mengakumulasi 100 poin secara perlahan melalui tindakan low-signal mungkin kurang siap untuk sales dibandingkan leads pada 70 poin yang mengunjungi halaman pricing dua kali dan meminta demo. Threshold harus dikalibrasi ke tempat deals closed-won Anda sebenarnya berkumpul, bukan ke total poin maksimum.

Berapa target rejection rate MQL yang tepat?

Sebagian besar tim yang selaras menargetkan MQL rejection rate 15-25%. Rejection rate di bawah 15% mungkin berarti threshold Anda terlalu tinggi — sales mendapat sangat sedikit leads dan marketing mungkin over-kualifikasi. Rate di atas 35% adalah sinyal kuat bahwa threshold terlalu rendah atau scoring model telah usang, artinya leads mencapai sales sebelum mereka cocok dengan apa yang dikenali sales sebagai berkualifikasi. Data benchmark SiriusDecisions menempatkan rata-rata organisasi yang tidak selaras pada rejection 40-60%, yang sebagian besar merupakan kapasitas sales yang terbuang.

Seberapa sering MQL threshold harus ditinjau?

Minimal, setiap kuartal. Review triggers eksplisit harus mencakup: peluncuran produk baru, perubahan segmen target ICP, perubahan besar dalam channel mix kampanye, perubahan signifikan pada tim rep, atau lonjakan rejection rate 10+ poin persentase selama periode bergulir 90 hari. Tim yang menunggu sampai krisis muncul — biasanya percakapan gap Pipeline pada quarterly business review — biasanya menemukan threshold telah salah selama enam bulan atau lebih sebelum masalah menjadi terlihat.

Haruskah segmen yang berbeda memiliki threshold yang berbeda?

Ya, dalam kebanyakan kasus. Leads enterprise sering memiliki behavioral signals yang lebih lambat dari leads SMB. Leads outbound-assisted memiliki profil intent yang berbeda dari inbound dingin. Leads expansion dari pelanggan yang sudah ada memiliki buying cycle yang lebih cepat. Threshold flat yang diterapkan di semua segmen secara sistematis over-kualifikasi satu kelompok dan under-kualifikasi kelompok lain. Mulailah dengan segmen volume tertinggi Anda, tetapkan threshold yang dikalibrasi, kemudian modelkan threshold terpisah untuk setiap segmen utama menggunakan metode analisis closed-won yang sama.

Bisakah kita menjalankan A/B test pada perubahan threshold?

Ya, dan ini adalah cara paling aman untuk mengubah threshold tanpa gangguan Pipeline. Pisahkan aliran leads berdasarkan region, tim rep, atau channel sumber. Terapkan threshold baru ke satu kelompok dan pertahankan threshold yang ada untuk kelompok kontrol. Jalankan selama 6-8 minggu. Ukur MQL-to-SQL conversion rate, SQL acceptance rate, time to first contact, dan MQL-to-opportunity rate pada 30 dan 60 hari. Hindari membuat designasi uji terlihat di CRM untuk mencegah rep memperlakukan leads uji secara berbeda.

Apa perbedaan antara threshold tetap dan threshold dinamis?

Threshold tetap adalah satu gerbang skor: "Skor ≥ 65 = SQL." Threshold dinamis menambahkan aturan kondisional: "Skor ≥ 65, ATAU skor ≥ 45 DAN demo request diajukan." Threshold dinamis lebih akurat tetapi lebih sulit dikelola. Jalan tengah yang disarankan adalah threshold tetap sebagai gerbang utama dengan tidak lebih dari dua kondisi override high-intent. Lebih dari dua kondisi override menciptakan labirin tata kelola di mana tidak ada yang dapat memprediksi leads mana yang akan memicu secara andal, sehingga perselisihan model lebih sulit diselesaikan.

Pelajari Lebih Lanjut

• Joint Lead Scoring: Fit, Intent, Behavior
• MQL Definition Framework
• Lead Scoring Model Decay
• MQL-to-SQL Handoff Process
• Closed-Loop Reporting Explained
• Lead Qualification Frameworks
• MQL Rejection and Recycling