SQL
Sales Qualified Lead
הגדרה קצרה
SQL הוא ליד שעבר סינון נוסף של צוות המכירות, אומת שיש לו צורך, תקציב והרשאה להחליט, ומוכן באמת לעסקה. השלב הזה מבדיל בין 'יש סיכוי' לבין 'נסגר תוך שבוע'.
הסבר מלא
SQL (Sales Qualified Lead) הוא ליד שאחרי שיחת המכירה הראשונית הוכח שיש לו: צורך אמיתי שהמוצר פותר, תקציב מתאים, סמכות להחליט (או גישה אליה), ולוח זמנים סביר לרכישה. המסגרת הקלאסית לכך היא BANT: Budget, Authority, Need, Timeline. למה צריך להבחין בין MQL ל-SQL? כי הרבה לידים מעניינים עוד לא 'בשלים'. עסק חכם מסווג לידים שהם MQL אבל לא SQL, וממשיך לטפח אותם דרך נרטיב שיווקי (Newsletter, מאמרים, וובינרים) במקום להפעיל עליהם לחץ מכירה לא בשל. כשליד הוא SQL, נציג מכירות מקצוען צריך לסגור 30-50% מתוכם.
דוגמה מהשטח
נציג מכירות שיחה עם ליד שמילא טופס: יש צורך (כן, רוצה ליווי עסקי), תקציב (כן, יש 20K), סמכות (הוא הבעלים), זמן (רוצה להתחיל החודש). זהו SQL.
מה הופך MQL ל-SQL?
**MQL** הוא ליד שהשיווק מוצא מבטיח. **SQL (Sales Qualified Lead)** הוא ליד שאיש מכירות שוחח איתו ואימת שהוא ראוי להצעת מחיר. האימות מתבסס לרוב על **BANT:** Budget (יש תקציב?), Authority (הוא מקבל ההחלטה?), Need (יש צורך אמיתי?), Timeline (יש לוח זמנים לרכישה?). ה-SQL מוגדר כ-Open Opportunity ב-CRM ומקבל Value Expected (סכום משוער). **ההבדל המעשי:** MQL מקבל Nurturing. SQL מקבל זמן של איש מכירות. כשמשקיעים זמן מכירות ב-MQL שאינו SQL - יורדת יעילות הצוות.
BANT - המסגרת לאימות SQL
**Budget:** האם יש לו תקציב? 'אני צריך לבדוק' = לא SQL. 'יש לנו 50K ₪ לפתרון' = SQL. **Authority:** האם הוא מקבל ההחלטה? 'צריך אישור הבוס' = MQL. 'אני מחליט' = SQL. **Need:** האם הבעיה שלו תואמת לפתרון שלך? 'אולי, נראה' = MQL. 'אנחנו מאבדים 3 לקוחות בחודש בגלל X' = SQL. **Timeline:** מתי הוא מתכנן לרכוש? 'בשנה הבאה אולי' = MQL. 'תוך 30-60 יום' = SQL. **מלכודת:** לא לאמת את כל 4 - מוביל לבזבוז זמן ב-Pipeline.
SQL Pipeline ניהול ב-CRM
כשליד הופך SQL ב-CRM פותחים **Opportunity** עם: שם ה-SQL, סכום משוער (Deal Size), תאריך סגירה צפוי, ושלב במשפך (Discovery, Proposal, Negotiation, Closed Won/Lost). **ניהול Pipeline בריא:** בדיקה שבועית של כל SQL. SQL שלא זז 30 יום - יש לפנות אליו. Weighted Pipeline = סכום לפי שלב × אחוז סגירה ממוצע לאותו שלב. דוגמה: 5 SQLs ב-Discovery (50K × 30%), 3 בProposal (30K × 60%) = Pipeline משוקלל 33K. **שגיאה:** SQL שנשאר בPipeline לנצח - מוציא אותו. Pipeline 'אופטימי' מטעה.
שיעורי המרה SQL - מה נחשב טוב?
**SQL - Customer (Win Rate):** B2B שירותים: 20-40%. SaaS: 20-30%. קמעונאות B2B: 30-50%. **זמן מחזור מכירות ל-SQL:** שירותים מקצועיים בינוניים: 2-6 שבועות. עסקאות גדולות: 3-6 חודשים. **מה משפיע על Win Rate:** גודל ה-Deal (גדול יותר = קשה יותר), מספר מקבלי החלטה (מרובה = ארוך יותר), קיום מתחרים (תמיד להבין מי עוד שוקל), ו-Champion פנימי (מישהו שמשכנע מבפנים). **שיפור Win Rate:** Case Studies רלוונטיים, הצגת ROI מול ה-Investment, ו-Timeline לתוצאות.
SQL שהפסדת - מה ללמוד?
כל SQL שהסתיים ב-Closed Lost הוא מקור לומדות. **שאלות לנתח:** למה הפסדנו? (מחיר, מתחרה, לא מוכן, חוסר תקציב). מה שלב ה-Pipeline שבו הפסדנו? (Discovery = בעיית Fit. Proposal = בעיית מחיר/ערך). האם היה זה SQL אמיתי? (אם לא עמד בBANT - בעיית Qualification). **טיפ:** לשאול את ה-SQL שהפסדת 'מה גרם לבחירה במישהו אחר?' - תשובה כנה שווה זהב לשיפור תהליך. **Win/Loss Analysis** של 10 SQLs אחרונים = תובנות שיחסכו חודשים.
SQL בעסקים קטנים שאין בהם צוות מכירות
כשבעל העסק הוא גם איש המכירות - SQL נראה אחרת. **עדיין כדאי להגדיר:** 3 קריטריונים שמוגדרים SQL. כשליד עומד בהם - מקבל שיחת Discovery. בלי קריטריונים - כל ליד מקבל שיחה, זמן מתבזבז. **כלי מינימלי:** Calendly לזימון שיחות עם שאלות Pre-screening. מי עונה 'לא' לשאלה קריטית - לא מגיע לשיחה, עובר ל-Nurture. **יתרון:** בעל עסק שמגיע לשיחה עם SQL מוכן = Conversion Rate גבוה יותר מ-MQL לא מסונן.
שאלות נפוצות
האם כל SQL אמור להסתיים בסגירה?+
לא. Win Rate טוב של B2B הוא 25-40%. 60-75% מה-SQLs יסגרו כ-Lost, ולרוב זה בסדר. הבעיה היא Win Rate מתחת ל-15% - שם צריך לבדוק הגדרת SQL, תהליך מכירה, ו-Offer.
מה עושים עם SQL שנעלם?+
3 ניסיונות יצירת קשר בפורמטים שונים (אימייל, וואטסאפ, שיחה) במרווח של 3-5 ימים. אחרי 3 ניסיונות - הודעת 'אם אינך מעוניין אסגור את הפנייה'. לרוב זה מייצר תגובה. בלי תגובה - Closed Lost, חוזר ל-Nurture.
כיצד SQLs עוזרים לשיפור אסטרטגיית שיווק?+
ניתוח SQLs חוזר לשיווק: אילו לידים הפכו ל-SQL? מאיזה ערוץ הגיעו? מה הפרופיל שלהם? תובנות אלה מאפשרות לשיווק למקד ל-Audience שמייצר SQL - לא רק לידים.
שירותים קשורים
מונחים קשורים
רוצים להפוך את התיאוריה לתוצאה בעסק?
בפגישת אבחון של 90 דקות נעבור על המספרים שלכם ונבנה תוכנית פעולה. אם אתם מעדיפים ללמוד עצמאית - האקדמיה כאן.