SQL là gì trong marketing? Phân biệt SQL, MQL và cơ hội bán hàng

SQL là gì trong marketing? Trong marketing và bán hàng, SQL là viết tắt của Sales Qualified Lead — lead mà bộ phận sales đã trực tiếp trao đổi và xác nhận có nhu cầu thật, có thời điểm mua dự kiến và đang nói chuyện với đúng người quyết định hoặc người có ảnh hưởng. Lưu ý để tránh nhầm: SQL ở đây không phải Structured Query Language, ngôn ngữ truy vấn cơ sở dữ liệu mà lập trình viên và người phân tích dữ liệu dùng.

SQL là bước tiếp theo sau MQL: marketing đánh giá lead đủ phù hợp và đủ quan tâm, chuyển cho sales; sales liên hệ, xác minh, và chỉ khi nhu cầu được xác nhận thì lead mới thành SQL. Nhiều doanh nghiệp nhỏ gộp tất cả thành “khách tiềm năng”, nên không biết lead rơi ở khâu nào — marketing đổ lỗi sales gọi chậm, sales đổ lỗi lead kém. Tách rõ các giai đoạn là cách để mỗi bên thấy phần việc của mình.

Phân biệt MQL, SQL và cơ hội bán hàng

Nhiều đội dùng khung BANT — ngân sách, thẩm quyền, nhu cầu, thời điểm — để xác minh SQL. Khung này hữu ích như lời nhắc, nhưng nên điều chỉnh cho doanh nghiệp nhỏ Việt Nam: ở cửa hàng hay xưởng nhỏ, người quyết định thường là chính chủ; còn ngân sách hiếm khi được nói thẳng trong cuộc gọi đầu. Nhu cầu cụ thể và thời điểm thường là hai điều kiện quan trọng nhất.

Còn SQL khác cơ hội bán hàng ở chỗ: SQL nói “có nhu cầu thật, đáng theo đuổi”; cơ hội nói “đã có một thương vụ cụ thể với giá trị và ngày dự kiến”. Tách hai mốc này giúp phân biệt vấn đề ở khâu xác minh với vấn đề ở khâu chốt.

Cần chuẩn bị gì

• Định nghĩa MQL hiện hành — xem cách xây ở bài Lead Scoring là gì.
• Nơi lưu lead có trạng thái: CRM hoặc bảng tính với cột giai đoạn, ngày chuyển giai đoạn, người phụ trách.
• Nguồn của từng lead, ghi nhất quán — nếu lead đến từ website, cần quy ước UTM để biết kênh và chiến dịch.
• Bộ câu hỏi xác minh mà sales dùng chung.
• Danh sách lý do từ chối cố định, không để mỗi người ghi một kiểu.

Quy trình xây định nghĩa SQL 6 bước

Bước 1. Định nghĩa điều kiện sales chấp nhận

Trước khi xác minh nhu cầu, sales cần một mốc đơn giản hơn: có nhận lead này để làm tiếp không. Điều kiện thường là liên lạc được, đúng nhóm khách doanh nghiệp phục vụ, không trùng với khách đang có người phụ trách. Ghi thêm thời hạn: sales phải chấp nhận hoặc trả về trong bao lâu sau khi nhận. Mốc này tách hai loại vấn đề — lead không liên lạc được là chuyện của nguồn và form; lead liên lạc được nhưng không có nhu cầu là chuyện của tiêu chí MQL.

Bước 2. Xác định thông tin tối thiểu cần có

Liệt kê những thông tin phải có thì mới gọi là SQL, cụ thể theo ngành. Xưởng in: loại sản phẩm, số lượng, hạn giao, đã có file thiết kế chưa, ai duyệt mẫu. Phòng khám nha với dịch vụ niềng răng: dịch vụ quan tâm, đã từng thăm khám ở đâu chưa, khoảng thời gian có thể đến, có cần trả góp không. Công ty phần mềm B2B nhỏ: vấn đề đang gặp, cách đang làm hiện tại, ai dùng, ai quyết định, thời điểm muốn đổi. Thiếu một mục bắt buộc thì lead chưa phải SQL, dù cuộc gọi vui đến đâu.

Bước 3. Thiết kế bước xác minh nhu cầu

Xác minh là một cuộc trao đổi ngắn — gọi điện hoặc nhắn tin — với câu hỏi mở, mục đích là hiểu chứ chưa phải bán. “Anh chị đang làm bao bì ở đâu, điều gì khiến mình muốn tìm chỗ mới?” cho nhiều thông tin hơn “Anh chị có muốn đặt in không?”. Sales ghi lại câu trả lời bằng lời của khách vào đúng các mục ở bước 2. Bộ câu hỏi dùng chung giúp hai nhân viên khác nhau đánh giá cùng một lead ra cùng một kết quả.

Bước 4. Ghi lý do từ chối hoặc hoàn trả lead

Mỗi lead không thành SQL phải có một lý do chọn từ danh sách cố định: sai đối tượng, chưa có nhu cầu, có nhu cầu nhưng chưa đến thời điểm (kèm ngày hẹn liên hệ lại), không liên lạc được sau số lần quy định, trùng, spam. Lead “chưa đến thời điểm” được trả về marketing để đưa vào chuỗi lead nurturing, không bỏ đi. Danh sách lý do là dữ liệu quý nhất để sửa tiêu chí MQL: nếu phần lớn lead bị trả vì “sai đối tượng”, vấn đề nằm ở nhắm chọn quảng cáo hoặc tiêu chí phù hợp.

Bước 5. Tách SQL khỏi cơ hội đã xác nhận

Lead chỉ thành cơ hội khi đã có báo giá hoặc đề xuất gửi đi, với giá trị ước tính và ngày dự kiến chốt. Nhiều SQL không bao giờ thành cơ hội — khách so sánh xong chọn nơi khác, hoặc dự án bị hoãn — và điều đó cần được thấy trong số liệu. Dự báo doanh thu nên dựa trên cơ hội, không dựa trên số SQL.

Bước 6. Đo tỷ lệ chuyển đổi theo nguồn

Mỗi tháng, xem các tỉ lệ MQL → SQL, SQL → cơ hội, cơ hội → khách, và thời gian lead nằm ở mỗi giai đoạn, tách theo nguồn. Một nguồn có nhiều MQL nhưng ít SQL là nguồn mang về người tò mò; một nguồn ít lead nhưng tỉ lệ thành SQL cao đáng được đầu tư thêm. Cách chia công cho các kênh khi khách chạm nhiều điểm được bàn ở bài marketing attribution.

Đọc bảng này: quảng cáo Facebook mang nhiều MQL nhất nhưng tỉ lệ thành SQL thấp nhất, còn khách giới thiệu ít nhưng gần như ai cũng có nhu cầu thật. Quyết định hợp lý không phải cắt quảng cáo ngay, mà là xem lý do trả lead từ nguồn đó và chỉnh nhắm chọn hoặc nội dung.

Ví dụ thực hành: MQL tốt chưa phải SQL

Ví dụ giả định: một chuỗi cà phê năm chi nhánh tải catalogue bao bì của xưởng in. Đúng ngành, đúng quy mô — một MQL tốt. Sales gọi và biết chuỗi đang có hợp đồng với nhà in khác, còn khoảng sáu tháng nữa mới hết, và quản lý mua hàng muốn “tham khảo trước”. Lead này chưa phải SQL: nhu cầu có, nhưng thời điểm chưa rõ. Sales ghi lý do “chưa đến thời điểm”, hẹn liên hệ lại trước khi hợp đồng cũ hết hạn, và marketing gửi mẫu bao bì mới và câu chuyện khách hàng tương tự trong thời gian chờ.

Cùng tuần, một shop mỹ phẩm online nhắn hỏi in 3.000 hộp giấy cần giao trong ba tuần, chủ shop trực tiếp trao đổi và đã có file thiết kế. Đủ thông tin tối thiểu: đây là SQL. Khi báo giá được gửi kèm ngày dự kiến duyệt mẫu, lead chuyển thành cơ hội. Nếu xưởng đếm cả hai là “khách tiềm năng”, báo cáo sẽ không cho thấy khác biệt quan trọng này. Ví dụ này minh hoạ cách ra quyết định, không phải kết quả thực tế của một khách hàng.

AI giúp được gì trong xác minh SQL

• Đối chiếu ghi chú cuộc gọi với danh sách thông tin tối thiểu, chỉ ra mục còn thiếu trước khi chuyển giai đoạn.
• Gợi ý câu hỏi xác minh phù hợp với ngành và dịch vụ, để sales chỉnh theo cách nói của mình.
• Gom lý do trả lead từ ghi chú tự do thành nhóm, giúp buổi họp marketing–sales có dữ liệu.
• Không thay được phán đoán của sales: AI đọc ghi chú, không nghe được sự ngập ngừng hay bối cảnh ngoài lời. Quyết định lead là SQL vẫn thuộc về người đã trao đổi với khách.
• Dữ liệu cá nhân: ghi âm và ghi chú cuộc gọi chứa thông tin khách; chỉ dùng trong công cụ được phép. Cách kết hợp AI với CRM xem ở bài CRM AI Marketing.

Sai lầm thường gặp

• Nhầm SQL với ngôn ngữ truy vấn khi đọc tài liệu, dẫn tới hiểu sai cả bài.
• Coi mọi lead sales gọi được là SQL, bỏ qua bước xác minh nhu cầu.
• Gộp SQL và cơ hội, nên không biết đang yếu ở xác minh hay ở chốt.
• Không ghi lý do trả về, marketing không có gì để sửa.
• Đo theo tổng, không tách theo nguồn.
• Bỏ lead chưa đến thời điểm thay vì hẹn lại và nuôi dưỡng.

Câu hỏi thường gặp