Ventas B2B · 14 min · 31 de julio de 2026

PQL (Product Qualified Lead): qué es y cómo definirlo en SaaS B2B en 2026

Un SaaS B2B con prueba gratuita publica una guía en PDF, recoge 380 correos y los pasa al equipo comercial marcados como leads cualificados por marketing. Los comerciales llaman durante tres semanas, cierran dos operaciones y llegan a la conclusión de siempre: los leads de marketing no valen nada. Mientras tanto, en la base de datos del producto hay catorce personas que se registraron por su cuenta, importaron sus datos, invitaron a un compañero y volvieron cinco días seguidos. Nadie las llamó, porque ninguna había descargado el PDF. Descargar algo es una intención declarada; usar el producto es una intención demostrada. El PQL —Product Qualified Lead o lead cualificado por producto— es el modelo que cualifica a partir de lo segundo. Aprende qué es exactamente, en qué se diferencia del MQL y del SQL, cuáles son los cuatro ingredientes de una definición que funcione, cómo se mide, cómo se convierte en un proceso comercial con dueño y qué errores lo convierten en otra lista de correos que nadie trabaja.

Qué es un PQL (Product Qualified Lead)

Un PQL es un lead que se cualifica por su comportamiento dentro del producto. La definición corta cabe en una línea, pero la parte importante está en la palabra que falta: predice. Un PQL no es «alguien que usa mucho el producto», sino alguien que ha alcanzado el patrón de uso que, mirando a tus clientes anteriores, precede a una compra. Esa distinción separa un modelo útil de una lista ordenada por número de sesiones, que es lo que acaba montando casi todo el mundo la primera vez.

El modelo nació con el auge del software que se prueba antes de comprarse: producto autoservicio, prueba gratuita o plan freemium. En ese contexto el usuario recorre solo una parte del proceso de compra antes de que exista ninguna conversación comercial, y deja un rastro de datos mucho más rico que cualquier formulario. El PQL es simplemente la decisión de usar ese rastro en lugar de ignorarlo.

Por qué el MQL se queda corto cuando hay producto de por medio

El modelo clásico de cualificación MQL y SQL se diseñó para una venta en la que el comprador no podía tocar el producto hasta que firmaba. Ante esa ceguera, marketing usaba lo único disponible: descargas, asistencias a webinars, visitas a la página de precios. Son señales legítimas de interés, y siguen sirviendo cuando el producto no se puede probar. El problema aparece cuando sí se puede: un lead que descarga tres documentos está investigando, y un lead que ha metido sus datos reales en tu herramienta y ha invitado a dos compañeros está evaluando. Tratar a los dos igual, o tratar al primero mejor porque rellenó un formulario, es desperdiciar la mejor señal que tienes.

Hay una segunda razón, menos comentada y más cara. El coste de trabajar un MQL frío recae entero en el equipo comercial: llamadas, correos, seguimiento. Cuando la mayoría de esos contactos no tenía intención real de comprar, el coste de adquisición sube sin que suba el número de clientes. Cualificar por uso reduce el volumen de leads que llegan a ventas y aumenta el porcentaje que convierte, que es exactamente el efecto que se busca.

PQL de persona y PQA de cuenta

En B2B la unidad que compra es la empresa, no el usuario, y esa diferencia obliga a un matiz. El PQL identifica a una persona concreta cuyo uso justifica una conversación; el PQA (Product Qualified Account) agrega la actividad de todos los usuarios de un mismo dominio para valorar la cuenta entera. Tres becarios de la misma empresa probando por su cuenta suman mucha actividad y no suman ninguna capacidad de decisión. Al revés, una directora que ha entrado dos veces pero cuyo equipo usa la herramienta a diario todos los días es una oportunidad clarísima que un modelo centrado en el individuo no ve.

La recomendación práctica es puntuar la cuenta y elegir dentro de ella a la persona con la que hablar, no siempre la más activa. Quien más usa el producto suele ser quien lo evalúa técnicamente; quien firma casi nunca es el mismo, y hay que localizarlo igual que en cualquier venta: identificando a los decisores de la empresa por cargo y área.

PQL vs MQL vs SQL: en qué se diferencian

Los tres términos conviven en el mismo embudo y se confunden a menudo porque describen momentos distintos de la misma persona. La diferencia real no está en el nombre sino en de dónde sale la señal y quién la valida.

Ninguno sustituye a los demás. Un PQL bien definido pasa a ser SQL en cuanto un comercial confirma presupuesto y calendario; un MQL sigue siendo útil para las empresas de tu mercado que aún no han probado nada. Lo que sí cambia es la prioridad: cuando existe señal de producto, la cola de trabajo se ordena por ella y el resto va detrás. Si tu embudo mezcla ambos mundos, conviene revisar cómo encajan las etapas en tu embudo de ventas B2B antes de tocar nada.

Cómo definir un PQL: los cuatro ingredientes

Una definición de PQL que funcione combina cuatro cosas. Con menos de tres, el modelo genera ruido; los equipos que fracasan casi siempre se quedaron en la primera.

1. El evento de valor

Es la acción a partir de la cual el usuario ha experimentado de verdad para qué sirve tu producto. No es registrarse ni completar el tutorial: es el momento en el que obtiene el resultado que vino a buscar. En una herramienta de facturación sería emitir la primera factura real; en una de datos, exportar el primer archivo con información que le sirve. La forma de encontrarlo no es la intuición del equipo de producto, es mirar hacia atrás: coge tus clientes de pago de los últimos meses y busca qué acción hicieron casi todos durante la prueba y qué acción no hicieron casi ninguno de los que se fueron. La diferencia entre esas dos listas es tu evento de valor.

2. Umbral de intensidad

Hacer algo una vez es curiosidad; hacerlo de forma repetida es hábito, y solo el hábito predice una compra. El umbral convierte el evento en una condición medible añadiendo profundidad —cuántas veces—, frecuencia —en cuántos días distintos— y difusión —cuántas personas de la misma empresa—. Una definición como «tres exportaciones en cinco días distintos por al menos dos usuarios del mismo dominio» es accionable; «usuario muy activo» no lo es. El número exacto sale de tus datos, y la manera limpia de calibrarlo es un análisis de cohortes que compare la conversión a cliente de los usuarios por encima y por debajo de cada umbral candidato.

3. Ajuste al perfil de cliente ideal

El uso intenso de una empresa que nunca va a poder pagarte no es una oportunidad, es una factura de infraestructura. Estudiantes, curiosos del sector y competidores examinando tu producto generan actividad excelente y cero ingresos. Por eso toda definición de PQL lleva un filtro de encaje —tamaño de empresa, sector, país, cargo— construido sobre tu perfil de cliente ideal. Esta es la parte que más se olvida y la que más rápido desprestigia el modelo: basta con que los primeros diez PQLs que reciba el equipo comercial sean cuentas sin presupuesto para que nadie vuelva a abrir la lista.

4. Señal de fricción o de límite

El cuarto ingrediente es el que decide el momento. Un usuario que ha chocado con el techo del plan gratuito, ha intentado invitar a más gente de la permitida o ha visitado la página de precios dos veces en una semana está pidiendo la conversación sin pedirla. Estas señales funcionan como las señales de compra que se detectan con intent data, con la diferencia de que aquí ocurren dentro de tu propia casa y no hay que comprárselas a nadie. Cuando coinciden con el evento de valor y el umbral, el PQL no solo está cualificado: está caliente hoy, y la semana que viene puede no estarlo.

Cómo se mide el modelo PQL: las tres cifras

Un modelo de PQL se evalúa con tres números, y los tres hay que mirarlos juntos porque mejorar uno a costa de otro es trivial y no sirve de nada.

El primero es la tasa de PQL: qué porcentaje de los registros llega a cumplir la definición. El segundo es la conversión de PQL a cliente, que es la prueba de fuego del modelo y debe ser muy superior a la de cualquier otra fuente de leads. El tercero es la cobertura: qué porcentaje de tus clientes nuevos había pasado antes por PQL. Este último es el que detecta el error más silencioso, un umbral tan exigente que deja fuera a la mayoría de los que sí compran.

Un ejemplo con cifras ilustrativas aclara la lectura conjunta. De 1.000 registros en un mes, 90 cumplen la definición (tasa de PQL del 9 %) y 27 acaban comprando: la conversión de PQL a cliente es del 30 %, frente a un 2 % o 3 % habitual en un lead de formulario. Ahora bien, si ese mes entraron 60 clientes nuevos en total, la cobertura es del 45 %: más de la mitad de las ventas ocurrió fuera del modelo. No significa que el modelo esté roto —significa que hay un segundo camino de compra que no estás observando, y conviene entenderlo antes de dedicar todo el equipo comercial a la lista de PQLs. Cruzar estas cifras con tu tasa de conversión de leads general es la forma más rápida de comprobar si el modelo aporta o solo reetiqueta.

Del evento al comercial: cómo montar el proceso

Detectar PQLs es la mitad fácil. La mitad que decide el resultado es qué pasa después, y ahí es donde la mayoría de las implantaciones se quedan a medias: se construye el cuadro de mando, se enseña en una reunión y nadie cambia su forma de trabajar.

Quién actúa y en cuánto tiempo

Un PQL caduca. La ventana en la que alguien está evaluando activamente tu producto dura días, no semanas, y una respuesta tardía llega cuando ya se ha decidido por otra cosa o ha dejado de tener el problema presente. El proceso necesita tres cosas escritas: un dueño único —una persona o un rol, no «el equipo»—, un plazo máximo de contacto medido en horas laborables y una ruta clara de asignación por segmento. Sin las tres, la lista de PQLs se convierte en un informe que se mira los lunes.

Qué se le dice a un PQL

El error más común es tratar al PQL como a un contacto frío y mandarle la secuencia genérica de presentación. Esa persona ya conoce el producto, lo ha usado y sabe más de tu herramienta que buena parte de tu equipo. El mensaje que funciona parte de lo que ya ha hecho y ofrece el siguiente paso concreto: ayudarle con la parte donde se atascó, resolver el límite con el que ha chocado, mostrarle la función que no ha encontrado. Es una conversación de ayuda, no de descubrimiento, y por eso exige que quien llame tenga delante el detalle del uso. Para los usuarios que se quedaron a medio camino y no llegan al umbral, el destino correcto no es el comercial sino una secuencia de lead nurturing que los devuelva al producto.

Conviene además no olvidar a los clientes que ya pagan: la misma señal que identifica a un PQL sirve para detectar cuentas que han superado su plan y son candidatas de expansión mediante upsell. Es el mismo dato con dos usos distintos, y el segundo suele ser más rentable que el primero.

Errores frecuentes al implantar un modelo PQL

Los modelos de PQL rara vez fallan por la tecnología. Fallan por decisiones de definición que parecen razonables al principio y envenenan la lista después:

• Confundir actividad con intención. Contar clics, sesiones o minutos dentro de la aplicación produce una lista encabezada por los usuarios que se pierden, no por los que compran. La actividad solo cualifica cuando está anclada al evento que entrega valor.
• Definir el evento de valor por intuición. Lo que el equipo de producto cree que es el momento clave y lo que muestran los datos de los clientes que pagaron coinciden menos de lo que parece. El evento se descubre mirando el histórico, no se decide en una reunión.
• Olvidar el filtro de encaje. Sin criterio de perfil de cliente ideal, la lista se llena de cuentas que jamás podrán comprar. Diez PQLs sin presupuesto seguidos bastan para que el equipo comercial deje de fiarse del modelo para siempre.
• Poner el umbral demasiado alto. Un listón muy exigente da una conversión estupenda sobre un puñado de leads y una cobertura ridícula. Si la mayoría de tus clientes compra sin haber sido nunca PQL, el modelo no está cualificando: está describiendo a los que ya se habían convencido solos.
• Dejar el modelo congelado. Cada cambio en el onboarding, en el plan gratuito o en el producto mueve los umbrales. Una definición que no se revisa cada trimestre se desacopla de la realidad sin que nadie lo note.
• No cerrar el circuito con ventas. Si nadie registra por qué un PQL no compró, el modelo no aprende nunca. Ese retorno es lo que permite ajustar la definición, y es justo lo que primero se deja de hacer cuando el equipo va con prisa.

Limitaciones del modelo PQL

La primera y más obvia: exige un producto que se pueda probar sin hablar con nadie. Si tu software requiere implantación, integración o una demo guiada para hacer algo útil, no hay rastro de uso que cualificar y el modelo sencillamente no aplica. Forzarlo en ese contexto lleva a inventar eventos de valor artificiales que no predicen nada.

La segunda es que mira a quien usa, no a quien firma. En ventas con comité de compra, el usuario intensivo puede ser un perfil técnico sin capacidad de decisión ni acceso al presupuesto. El PQL abre la puerta y da un motivo excelente para llamar, pero después hay que hacer el trabajo de siempre: mapear la cuenta, encontrar al responsable económico y construir el caso. El lead scoring tradicional, con sus variables de cargo y tamaño de empresa, sigue siendo necesario encima de la señal de producto.

Y la tercera es que necesita volumen y tiempo para calibrarse. Con treinta clientes históricos no hay muestra suficiente para distinguir el patrón de compra del ruido, y cualquier umbral que fijes será una hipótesis disfrazada de dato. En esa fase lo honesto es tratar la definición como provisional, revisarla con cada cohorte nueva y no construir encima decisiones de plantilla ni de presupuesto. Y si lo que falta para calibrar es sencillamente gente entrando a probar, puedes probar alleads gratis y construir listas de empresas del perfil exacto al que quieres llevar al producto.

Preguntas frecuentes

¿Qué es un PQL (Product Qualified Lead)?

Es un lead cualificado por su comportamiento dentro del producto: un usuario o cuenta que ha alcanzado un patrón de uso que, según los datos históricos de la empresa, predice la compra. A diferencia del MQL, no se basa en formularios ni en consumo de contenido, sino en acciones reales dentro de una prueba gratuita o un plan freemium.

¿En qué se diferencia un PQL de un MQL?

En el origen de la señal y en lo que demuestra. El MQL sale de marketing —una descarga, un webinar, una visita— y demuestra interés por el tema. El PQL sale del producto y demuestra que la persona ya ha obtenido valor de la herramienta. Por eso la conversión a cliente de un PQL suele ser varias veces superior, aunque su volumen sea mucho menor.

¿Cómo se define el evento de valor de un PQL?

Analizando el histórico: se toman los clientes que acabaron pagando y se busca qué acción realizaron casi todos durante la prueba y no realizaron los que se dieron de baja. Esa acción, y no el registro ni el fin del tutorial, es el evento de valor. Después se le añade un umbral de repetición y de días distintos para separar el hábito de la curiosidad.

¿Cuál es la diferencia entre PQL y PQA?

El PQL cualifica a una persona; el PQA (Product Qualified Account) agrega la actividad de todos los usuarios de un mismo dominio y cualifica a la empresa. En B2B conviene trabajar con la cuenta como unidad de decisión y usar el PQL para elegir con quién iniciar la conversación dentro de ella, que no siempre es el usuario más activo.

¿Sirve el modelo PQL si mi producto necesita demo o implantación?

No, o al menos no como criterio principal. El PQL requiere que el usuario pueda llegar solo a un resultado útil. Si el producto necesita configuración asistida para hacer algo, no hay rastro de uso que cualificar y el proceso sigue apoyándose en la cualificación comercial clásica y en las señales de interés externas.

¿Cuánto tiempo hay para contactar con un PQL?

Cuanto menos, mejor, porque la señal caduca con la evaluación. La ventana útil se mide en días y muchas veces en horas: la persona está comparando alternativas ahora, no dentro de dos semanas. Lo importante es fijar un plazo máximo por escrito y asignar un dueño concreto, porque un PQL sin responsable acaba tratado como un correo más en una lista.

Conclusión

El PQL no es una etiqueta nueva para la misma lista de siempre: es la decisión de dejar de cualificar por lo que la gente dice y empezar a hacerlo por lo que hace. Si tu producto se puede probar sin hablar con nadie, ya tienes el dato; lo único que falta es la disciplina de definirlo bien —evento de valor sacado del histórico, umbral calibrado con cohortes, filtro de perfil de cliente ideal y señal de límite— y de montar detrás un proceso con dueño y plazo. Empieza por una definición deliberadamente simple, mide su conversión y su cobertura durante un trimestre y ajústala con lo que aprendas. Vale más una regla imperfecta que alguien trabaja cada mañana que un modelo elegante que nadie abre.