似框架对潜在客户进行资格

需求：潜在客户是否真正需要您提供的产品？
时机：领先者现在是否准备好购买，还是未来有更合适的时机？
这些因素共同帮助确定潜在客户是否准备好进行购买。

将潜在客户细分为 MQL 和 SQL
使用 BANT 或类似框架对潜在客户进行资格鉴定后，您可以通过查看以下标准将其分为 MQL 和 SQL 类别。

微量润滑
MQL 通常满足部分（但不是 国家邮箱列表 全部）BANT 标准。问自己以下问题：

兴趣程度：领导者是否参与过营销内容，例如下载白皮书、订阅时事通讯或参加网络研讨会？
符合理想的客户概况：潜在客户的人口统计、行业或公司规模是否符合您的目标受众？
销售准备：销售线索是否表现出好奇心，但仍处于信息收集阶段，需要通过有针对性的营销工作进行更多培养？
SQL
SQL 通常满足所有 BANT 标准，并被认为已准备好采用更直接的销售方法。问自己以下问题：



明确的购买意图：潜在客户是否要求进行产品演示、询问定价信息或主动与销售代表联系？
销售互动：是否与销售团队进行了有意义的互动，例如发现电话或会议，表明准备购买？
过去的购买行为：潜在客户过去是否进行过类似的购买，表明有明确的购买行为模式？
用于资格和细分的工具和技术
这些标准可以作为区分 MQL 和 SQL 的基础，但企业通常会根据其独特的环境、销售周期、产品或服务来调整和完善这些标准。营销和销售团队通常共同协作定义 MQL 和 SQL 标准，确保整个销售线索管理流程保持一致。潜在客户评分和行为跟踪等工具可以进一步支持这种差异化，从而采用更细致、更灵敏的方法来吸引处于各个准备阶段的潜在客户。许多企业还采用营销自动化和客户关系管理 (CRM) 工具来支持潜在客户资格和细分。