自社に適したMQL基準を設定する

MQLでは基準が重要

MQLは、営業アプローチに移す価値がある、とマーケティング部門が判断した見込み客を指しますが、その「価値の判断基準」が明確でなければ、MQLの精度は大きくぶれ、結果的に商談化率や連携の質にも影響を及ぼします。まずは、基準があいまいなまま運用されるとどのような課題が起こるのかをここで確認していきましょう。

基準があいまいだと何が起きるか

代表的な問題は、営業とマーケで「見込みあり」の認識がずれること、また購買意欲の低い見込み客が混入して商談化率が下がることが考えられます。具体的な影響を見ていきましょう。

営業とマーケで「見込みあり」の認識が異なる

マーケティング部門が特定の見込み顧客に対して「関心が高い」と判断しても、営業側から見ると「情報収集段階にすぎない」「まだ導入検討フェーズに入っていない」といった温度差が生じがちです。

このズレが続くと、営業はMQLのフォローを後回しにし、マーケ側が不満を持つといった典型的な連携不全が起こります。このような状況では、「見込み度」を客観的に示す指標がないため、どちらの意見が正しいかをデータで説明できません。結果として、マーケティング施策の信頼性が低下し、営業現場の行動変化も生まれなくなります。

温度感の低い見込み顧客が混入し、商談化率が低下

基準が曖昧なままでは「問い合わせがあった」だけでMQLとして扱われるケースも出てくるかもしれません。実際には購買意欲が低い、もしくは決裁権を持たない担当者が多く含まれ、営業は「成果につながらない面談」に時間を取られることになります。

特に人手不足の営業現場では、この無駄なアプローチが積み重なり、結果として商談化率が低下したり、同じ営業成果を出すのに、より多くの時間が掛かってしまうこともあり得ます。

明確な基準を設けることで得られる効果

MQLの判断基準を明確にすると、営業とマーケが同じ視点で見込み客を評価できるようになり、組織全体の運用が安定します。また、施策の改善精度が向上するといった効果も得られます。

営業との連携がスムーズに

営業とマーケの間で、どの段階で引き渡すか、どのような状態がアプローチ対象か、といった判断が統一できるようになります。営業は、マーケが引き渡した見込み顧客を「信頼できるデータ」として受け取れるため、優先順位付けや初回アプローチがスピーディに行えます。

また、マーケ側も、営業の対応状況をもとに「どの条件の見込み顧客が成果につながりやすいか」を定量的に分析できるようになります。

基準の設計前に整理すること

まず行うべきことは、自社のマーケ・営業プロセス全体を整理し、どの段階をMQLと定義するのかを明確にすることです。営業とマーケの双方で定義を擦り合わせ、対象とならない見込み客も明確にしておき、後の運用トラブルを防ぐようにしましょう。

マーケティング・営業プロセスを整理する

MQLの基準を設計する前に、まず着手すべきは自社のマーケ・営業プロセス全体を可視化することです。

BtoBビジネスを行っている企業のプロセスは、

リード　→　MQL　→　SQL　→　商談　→　

成約という流れが想定されますが、実際の運用では各プロセスがあいまいなまま進んでいるケースが少なくありません。このプロセスの共通認識が取れていない状態では、単にMQL基準を作っても上手く運用ができませんので、プロセスの言語化と可視化を行い、マーケティング部門と営業部門が連携しながら、進めるようにしましょう。

まずは、それぞれのプロセスごとに、どのような状態の見込み客が含まれるのか、誰が次の段階へ引き上げるのか、以下の例のように細かく明確にします。

営業とのMQL定義の合意を固めておく

前ステップで可視化した内容は、マーケティング部門だけではなく営業部門も含め、同じテーブルで定義を議論し、双方が納得できるMQL像を描くことが大事です。営業と定期的なレビューや会議の場を設け、営業現場が実際に感じている「温度感」と、マーケが扱う「データ」をつなぎMQL定義の合意を化ためましょう。

尚、MQL定義を設ける際の注意点として、「誰を対象にしないか」も明確にすることも忘れずに行います。基準を「加点」だけで設計すると、商談化の見込みが極めて低い見込み客まで含まれてしまいます。

以下のような見込み客は、MQLの対象外として事前に除外条件を設けましょう。

• 競合他社、または競合関係にあるグループ企業
• 明らかにターゲット外の業種・企業規模（例：個人事業主や数名規模の会社）
• 学生・フリーアドレス（個人利用）など、BtoBビジネス対象外の見込み客

これらを設定しておくことで、営業が「対応すべきでない見込み客」に時間を割くことを防ぎ、MQLの精度を高めることができます。

MQL基準を設定するステップ

次に、MQLの基準を設計していきます。

データ分析から判定項目の整理、優先度づけ、ルール化、そして営業への引き渡し条件の明確化、のそれぞれのステップ毎に行うべき実務について、ここで順に整理していきましょう。

1 現状を把握する

まずは、これまでのデータを分析し、自社にとって見込みの高い見込み客とはどんな特徴を持つのかを明確にします。感覚的な印象ではなく、データに基づいて判断することが重要です。

分析に用いる主なデータは次の2種類です。

• 行動データ：セミナー参加、メール開封、資料ダウンロード、サイト訪問回数など。
• 属性データ：業種、従業員規模、役職、地域など。

行動データは、主に、見込み客の「関心度」や「温度感」を示す定量的な指標となり、属性データは、自社ターゲットとの一致度を測る材料として用います。

この2軸を組み合わせて、過去3〜6ヶ月の見込み顧客引き渡し実績を分析しましょう。

商談化した見込み客と失注した見込み客の違い、実際に温度が高かった見込み客、またはアプローチして反応が良かった業種などを比較すると、成果につながりやすい条件が見えてきます。現場感覚から得られる仮説を数値データと照らし合わせ、より現実的な基準を導きます。

2 判定項目を洗い出す

前のステップでの分析結果をもとに、MQLを判断するための要素を具体的にリストアップします。ここでも属性データと行動データの両面から整理します。

• 属性項目：企業規模、業種、部門、役職、所在地
• 行動項目：メール開封、資料ダウンロード、セミナー参加、サイト訪問回数

これらを「MQL判定の材料」として一覧化し、営業と共有します。

またこのステップで、どの要素を重視するか、どこまでをMQL候補とみなすか、を営業とマーケで合意をしておきます。

3 優先度と重みを設定する

洗い出した項目をすべて同列に扱うと、現場では運用しづらくなりますので、どの項目が商談につながりやすいかを明確にし、優先順位をつけます。

一般的には、以下のような考え方で重みづけを行います。

このように優先度を定義することで、どの行動や属性を重視するか、が明確になります。

また、この優先度の考え方は、次回のレッスン3の「スコアリング」で扱う「数値化による評価」へと繋がりますので、しっかり考えましょう。

4 判定ルールを明文化する

洗い出した要素を組み合わせて、実際のMQL判定ルールを検討します。

シンプルな考え方として、

• 「A（属性）＋B（行動）」を満たしたらMQLとみなす

という二軸基準が基本です。

例：以下2条件を満たしたら「MQL」とする

• 属性：ターゲット業種であり、役職が課長以上
• 行動：ウェビナー参加または製品ページを3回以上閲覧

このようにルール化することで、マーケ側はデータベースやCRM上で対象者を自動抽出でき、営業側もなぜこの見込み客が渡されたのかを理解しやすくなります。

ルールは最初から完璧に作る必要はなく、運用しながら定期的に見直す前提で柔軟に変更していきます。

5 営業へ引き渡す条件の明確化

最後に、MQLを営業へ引き渡す際の条件やタイミングを明確にします。

CRM/SFAツールを活用している場合は、機能を使い、自動で通知やタスク連携ができます。MQL条件を満たした見込み客のステータスを「MQL」や「HOT」などわかりやすいものに更新し、営業担当者がわかりやすい形でリスト表示などで可視化し、管理しやすくすることができます。

基本的なリストの管理であればツール未導入でもスプレッドシート等で十分に運用が可能ですが、通知やステータスの履歴を追うことなどは難しいため、どこまでの管理を行いたいかによって、ツールの導入を検討しましょう。

引き渡し条件を明確化しておくと、「どのタイミングでどんな見込み客を渡したか」が明確になり、営業・マーケ双方の振り返りが簡単になります。最終的に、MQLから商談化までのデータを蓄積できれば、スコアリング精度も格段に高まります。

MQL基準の運用と見直し

一度設定したMQL基準も、時間が経つにつれて市場や組織体制などが変化すれば、精度が落ちていきます。大切なのは、基準を作成することに満足せず、運用の中で継続的に見直し、精度を保ち続けることです。

ここでは、定期的なレビュー体制の作り方や、営業状況・市場変化に応じた調整、そしてCRMによる自動化までを整理します。

定期的なレビューで精度を保つ

MQL基準は、一度設定すれば永続的に機能するものではないため、実際の商談データや営業フィードバックをもとに、定期的に検証し、更新していくことが大事です。以下のように、レビューする時期や検証要素とどのタイミングで見直すか、を予め社内で決めておくと良いでしょう。

四半期ごとに営業・マーケ合同レビューを実施する

MQLからSQLへの転換率、SQLから商談への転換率をモニタリングし、基準の妥当性を確認する。

定量的な指標を活用して精度を検証する

「MQLからの商談化率が25％を下回ったら見直し対象」といった数値基準を設ける。

改善サイクルを定着させる

レビュー結果を踏まえて基準を更新し、次の四半期の施策に反映することで、基準の「鮮度」を維持する。

このプロセスを繰り返し、MQL基準を実務的に使えるものとして機能させます。

営業状況や繁忙期などで基準を調整する

営業体制やタイミングによっても、MQLを柔軟に変える必要があります。年度末や繁忙期など営業が短期売上に集中している時期は、検討期間が長い見込み客よりも、すぐ商談化しそうな見込み客を優先させる必要があります。例えば以下のように、営業状況とMQL基準を連動させます。

• 年度末で目標未達見込：短期案件重視。MQL判定を厳しめに設定し、営業リソースを圧迫しないように運用。
• 新年度：新規開拓フェーズ。MQL条件をやや緩め、接点拡大を優先。

重要なのは、固定化せずに、運用に応じて変えてよい基準であると全社で認識しておくことです。

市場や商材の変化に合わせて更新する

市場や商材の変化に応じて、MQL基準そのものを再設計するタイミングもあります。

例えば、新商材リリース時は、購買決定者・関心行動のパターンが異なるため、従来のMQL基準が機能しないこともあるでしょう。また、ターゲット層の拡大時などは、新しい業種・規模を対象にする場合は、属性スコアや行動基準を再定義する必要があるかもしれません。

市場環境やビジネス戦略の変化に合わせて進化させることも意識して運用しましょう。

自動化する仕組みを検討する

MQL運用を持続的に改善していくには、ツールによる自動化も効果的です。CRM/SFAツールやMAツールを活用すれば、条件設定と通知を自動化し、人の判断や入力ミスを最小限に抑えられます。

ツールを活用することで以下のような事柄ができるようになります。

• CRM／SFAツール内でMQL条件を設定し、行動・属性条件を満たした見込み客のステータスを自動で更新する
• ステータスが更新された時点で、営業担当へメールやタスク通知が送られる設定を構築し、営業への通知を自動化
• 営業担当者が最新のMQLリストを即時確認できるようにする。反応率の高いタイミングでアプローチ可能対応遅延を防止し、効率的なフォローアップを実現

また、MQL基準をCRM上でスコアリング設計と連動させることで、定性的な判断を数値化し、運用の客観性を高めることができます。

次のレッスンでは、今回設計したMQL基準をもとに、見込み顧客を数値で評価し、優先順位を明確化するスコアリング手法を学んでいきます。