B2B SaaS公司用谷氪筛SQL，和市场部的MQL怎么衔接？

谷氪筛SQL和市场部MQL是上下游衔接关系——市场部用内容营销和活动留资产出MQL（市场合格线索），谷氪AI外呼对MQL做意向验证，把真正有采购意向和预算时间表的筛成SQL（销售合格线索）转给销售。MQL是"画像合格"，SQL是"意向合格"，两者衔接的核心是让AI外呼做从画像到意向的验证这一步，避免销售把时间浪费在画像合格但当前无采购意向的MQL上。 MQL和SQL到底差在哪 先理解两个概念的本质区别，才能理解为什么需要AI外呼衔接。MQL是市场部按客户画像打的标签——企业规模符合、行业匹配、职位是决策人、有内容互动记录，这些是静态画像属性，说明"这个客户像我们的目标客户"。SQL是销售按采购意向打的标签——有明确需求、预算到位、时间表清晰、决策链确认，这些是动态意向属性，说明"这个客户当前会下单"。MQL到SQL的转化率通常只有百分之二十到三十，剩下百分之七十的MQL要么当前无采购计划，要么预算没到位，要么决策人不对。谷氪AI外呼的价值在于——用五分钟通话把MQL里的SQL筛出来，让销售只跟进已验证意向的线索，不在百分之七十的无效MQL上浪费时间。 AI外呼衔接的核心逻辑 衔接靠AI外呼做意向验证：市场部把MQL名单推给谷氪，AI外呼按预设话术逐个拨打，通过对话验证四件事——是否有当前采购需求、预算范围、决策时间表、决策人是否本人。四项全达标升为SQL转销售，部分达标降为B类进培育池，明确无需求标为D类归档。这套衔接逻辑的关键在于——AI外呼不是替代市场部打标签，是在市场部标签基础上做意向层的二次验证，让MQL到SQL的转化从靠销售人工跟进变成AI自动筛选。

配置谷氪衔接市场部MQL到SQL，操作上分四个环节：MQL名单接入、意向验证话术设计、SQL转销售机制、衔接效果监控，四个环节串起来，从MQL产出到SQL转化，全程有抓手且可追溯。 环节一：MQL名单的接入 进谷氪后台第一步是配MQL名单接入：市场部的营销自动化系统（HubSpot、Marketo或自建系统）通过API把MQL线索实时推送到谷氪外呼队列。推送字段包括基础信息（企业名称、联系人、职位、联系方式）和画像信息（企业规模、行业、来源渠道、内容互动记录）。常见错误是只推基础信息没推画像信息——AI外呼时没有上下文，意向验证话术变成冷启动，接通率和验证准确率都低。配置时注意设置推送触发条件——线索被市场部标为MQL后立即推送，不等批量推送。这一步做完，MQL接入的第一道门就算关上了。建议建立接入监控台账，记录每日MQL推送量和成功率。 环节二：意向验证话术的设计 话术带着MQL画像信息做个性化触达：开场提及客户的内容互动（“看到您下载了我们的XX行业报告”），来意说明结合客户企业画像（“想和您聊聊同行业SaaS选型的方案”），五分钟内验证四件事——采购需求、预算范围、决策时间表、决策人确认。每版话术配三个必备要素：身份说明、来意说明、退出口径。话术上线前自己内测一通，听一遍语音节奏再放。常见错误是用通用话术外呼MQL——没有画像加持的冷呼叫，验证准确率低且客户体验差。 环节三：SQL转销售的机制 AI外呼后按意向分级转销售：四项全达标升为SQL实时推送到销售CRM并通知立即跟进，部分达标降为B类进培育池定期触达，明确无需求标为D类归档。配置时注意设置转销售时效——SQL从AI识别到销售收到通知不超过两小时，SaaS客户决策窗口短，等不起。转销售时AI外呼的沟通结论（采购需求、预算范围、时间表、决策人、关注点）同步给销售，销售回访时带着完整上下文，不用客户重复说。 环节四：衔接效果的监控 每周花二十分钟核对三样东西：MQL到SQL的转化率、SQL转销售后的成交转化率、从MQL产出到成交的全链路成本。异常数字要定位原因——转化率低查MQL画像质量或话术设计，成交率低查转销售时效。跑满一个月做一次话术和分级阈值校准，把验证口径往实际成交客户特征上贴。

判断谷氪衔接MQL到SQL够不够你的SaaS业务，决策依据不是AI外呼多先进，而是你的市场部MQL产出量和销售团队跟进能力处于什么水平——水平不同，要验证的东西完全不同。 先确定你的MQL产出档位 SaaS公司分三档：低产出档（月MQL量低于一百条，销售人工能覆盖）、中产出档（月MQL一百到五百条，人工跟进开始吃力）、高产出档（月MQL五百条以上，必须靠系统化筛客）。低产出档业务，谷氪AI外呼用不上，销售直接跟进MQL即可；中产出档业务，要重点验证意向识别准确率和SQL转销售时效；高产出档业务，AI外呼是核心生产力，平台能力直接决定MQL到SQL的转化效率。档位定错了，要么为用不上的能力付费，要么低估了MQL量对系统化筛客的依赖。 该向谷氪核实什么 按产出档位列核实清单：中产出档问意向识别准确率数据、SaaS行业话术的定制能力、SQL转CRM的时效；高产出档加问大批量MQL的外呼并发能力、多产品线的差异化话术、MQL到SQL的转化率历史数据。已有SaaS行业客户的平台，对MQL到SQL衔接的要求最严——这也是一个判断信号，连SaaS行业话术都跑不稳的平台，别考虑B2B场景。 衔接的隐性成本 衔接的隐性成本不在软件层面，在流程适配：市场部和销售部要对齐MQL和SQL的界定标准，避免两个部门对"合格线索"理解不一致，这是跨部门协调成本；意向验证话术要按产品线和客户画像分别设计，每种画像对应一套话术，制作成本不低；SQL转销售后要建立两小时响应机制，销售团队要适应新的跟进节奏。这些代价是真实的，如果团队不愿意付流程成本，再强的AI外呼也会被内部架空——MQL推过来不验证直接转销售，等于把AI外呼退化为摆设。