Leads qualificados: o que a jornada no site diz antes do formulário

O que são leads qualificados?

Leads qualificados são leads que passaram por um filtro. O lead, sozinho, é definido pela ação: na base de conhecimento do HubSpot, o estágio "Lead" é "a contact or company that has converted on your website or through some other interaction with your organization beyond a subscription sign up", ou seja, alguém que converteu no site ou interagiu com a empresa além de assinar uma newsletter. Qualificado é o lead que, além de ter feito isso, cumpre o critério que a empresa definiu para valer o tempo de alguém.

O critério tem sempre duas metades. A primeira é o perfil: cargo, setor, tamanho da empresa, cidade. A segunda é o comportamento: o que a pessoa fez com o seu conteúdo e no seu site. Um diretor de uma empresa do seu setor que nunca abriu a página de preço é perfil sem comportamento; um estudante que visitou a página de preço seis vezes é comportamento sem perfil. Lead qualificado é o que tem os dois.

A definição parece simples e não é, porque cada empresa escreve o próprio critério. O que a documentação dos CRMs oferece é o vocabulário e a mecânica; o limiar (quantas visitas, quais páginas, qual cargo) é decisão de quem vende.

Qual é a diferença entre MQL e SQL?

MQL e SQL são dois estágios de um mesmo lead, separados por quem o aprovou. As definições literais do HubSpot, na mesma página de estágios de ciclo de vida:

• Marketing Qualified Lead (MQL): "a contact or company that your marketing team has qualified as ready for the sales team". Um contato que o marketing considerou pronto para vendas.
• Sales Qualified Lead (SQL): "a contact or company that your sales team has qualified as a potential customer". Um contato que vendas considerou um cliente em potencial.

A ordem importa. O MQL é uma promessa do marketing para vendas: "este aqui vale a ligação". O SQL é a confirmação de vendas, depois de falar com a pessoa: "vale mesmo". Entre um e outro há uma conversa, e é nessa conversa que o critério do MQL é testado. Se vendas devolve muitos MQLs, o critério do marketing está frouxo; se vendas reclama que chega pouco, está apertado. O acordo sobre o limiar é o que faz os dois estágios funcionarem, e nenhuma ferramenta escreve esse acordo pela empresa.

Antes do MQL, o HubSpot ainda separa "Subscriber" (quem só assinou o blog ou a newsletter) de "Lead", e depois do SQL vêm "Opportunity" (associado a um negócio em andamento) e "Customer" (com ao menos um negócio fechado). A jornada no site alimenta a passagem de Lead para MQL, que é onde o comportamento pesa.

Quais critérios definem leads qualificados?

As três documentações de CRM consultadas para este artigo usam a mesma divisão, com nomes diferentes:

Fonte: HubSpot Knowledge Base (atualizada em 17/07/2026), Salesforce Help (artigo "Account Engagement: Lead Qualification Tips") e Microsoft Learn (página de modelos de pontuação, 14/07/2026), consultadas em 16/09/2026. As três são fornecedoras de CRM e vendem no assunto que descrevem; o que está na tabela é a mecânica do produto, não uma medição de mercado.

A ajuda do Salesforce é a que separa as duas metades com mais clareza: "Grading, based on fit, allows a user to create profiles that describe an ideal prospect based on job title, industry, company size, location", enquanto o score soma atividades. A documentação da Microsoft junta as duas num modelo só, com condições como "abriu ao menos cinco e-mails nos últimos 28 dias" e lista "browsing your website" entre as interações que sobem a pontuação. Nos três, o comportamento no site é critério explícito. O que muda é de onde vem o dado: nos três, ele depende de a pessoa já ser um contato conhecido pela ferramenta.

O que a jornada no site diz antes do formulário?

Diz quatro coisas, e as quatro existem antes de a pessoa ter nome.

• Quais páginas ela viu. Ler o blog e ler a página de preço são comportamentos diferentes. A página de preço, a de planos e a de "como contratar" são as que sinalizam intenção; a de "sobre nós" e a de carreiras, não. É a diferença entre curiosidade e consideração.
• Quantas vezes voltou. Uma visita é acaso; a terceira visita em duas semanas é decisão em andamento. A recorrência é o sinal que um formulário não captura, porque o formulário é preenchido uma vez.
• Por onde chegou, em cada visita. Quem entrou pela primeira vez por um anúncio e voltou por busca orgânica digitando o seu nome mudou de estado: passou de alcançado a interessado. A origem da primeira visita responde quem trouxe a pessoa; a origem de cada volta responde o que a fez voltar.
• Quanto tempo passou entre as visitas. Um intervalo de dias entre a página de preço e o formulário é um ciclo de decisão; um intervalo de meses é uma pessoa que esfriou e voltou.

Nenhum desses sinais aparece no Google Analytics, que conta quantos e não quem, como explica o que ele mostra e o que ele não mostra. E nenhum aparece no CRM, que só passa a conhecer a pessoa no formulário. O sinal existe no intervalo entre as duas ferramentas, e é ali que a qualificação por comportamento se perde.

Uma ressalva: comportamento sem perfil qualifica pouco. Seis visitas à página de preço vindas de um concorrente fazendo pesquisa de mercado são um falso positivo perfeito. Por isso o critério tem duas metades, e o site só responde por uma.

Como ler esses sinais na ficha do visitante do GoLoop?

A ficha do visitante do GoLoop tem quatro partes, e cada uma responde a um dos sinais da seção anterior. Perfil mostra quando a pessoa apareceu pela primeira vez, de onde veio nessa primeira vez e o resumo do comportamento. Sessões lista cada visita separada, com duração, páginas e a origem daquela volta específica. Eventos mostra tudo que a pessoa disparou, em ordem. Histórico é a linha do tempo completa. Uma pessoa que voltou cinco vezes é uma linha só, com cinco sessões dentro.

O ponto que muda a qualificação está na identificação: quando a pessoa preenche um formulário mapeado ou responde a um modal do GoLoop, o histórico anônimo dela não recomeça. As visitas anteriores continuam ali, com as datas originais, agora com nome. O lead que chega ao CRM hoje pode ter lido a página de preço duas semanas atrás, e essa informação passa a estar na ficha no momento em que ele deixa o e-mail.

Para trabalhar com a lista, e não com uma pessoa por vez, a documentação descreve dois fluxos: "Listar quem visitou a página de preço nos últimos sete dias e ainda não é identificado" e "Entender por que um lead demorou a fechar, lendo o intervalo entre as sessões dele". A lista de visitantes filtra por período, origem, dispositivo e por identificados ou anônimos, e sai em CSV com os mesmos filtros, para subir no CRM.

O funil aceita etapas de página, origem, campanha, identificação e comportamento ("voltou N vezes, ficou N segundos"), e conta pessoas, não sessões. E os alertas de jornada avisam, no sino do painel, quando alguém alcança a etapa que importa; a documentação dá dois exemplos que são exatamente critérios de qualificação: "Alguém abriu a página de preço três vezes esta semana; alguém voltou depois de dois meses."

Como montar uma regra de leads qualificados por comportamento?

A regra é uma lista curta de condições que a pessoa cumpre no site, combinada com o perfil que vem do formulário ou do CRM. O passo a passo:

1. Escolha as páginas de intenção. Duas ou três, no máximo: preço, planos, agendamento. Se tudo é intenção, nada é.
2. Defina a recorrência mínima. "Viu a página de preço duas vezes em sessões diferentes" é mais forte que "viu uma vez", e no GoLoop vira uma etapa de comportamento do funil, sem programar nada.
3. Separe a origem. Quem chegou por uma campanha com UTM e quem chegou por busca orgânica são dois públicos; a etapa de origem ou de campanha no funil os separa, e a comparação diz qual canal traz gente que converte.
4. Marque a identificação como etapa. A etapa "deixou de ser anônima" é o ponto em que o comportamento ganha um nome. Quem chegou ali cumprindo as condições anteriores é o seu MQL por comportamento.
5. Cruze com o perfil no CRM. O GoLoop não guarda cargo, empresa nem orçamento: os formulários mapeados só aceitam quatro papéis de campo (e-mail, telefone, ID externo e nome), de propósito. A metade de perfil da regra mora no CRM, e é lá que a lista exportada vira MQL de verdade.
6. Meça o resultado com uma meta. "Novos leads" (quantos passaram a ter nome no período) e "taxa de identificação" estão entre as dez métricas que aceitam meta, e dizem se a regra está produzindo volume ou só filtrando.

O que essa sequência entrega é uma lista de pessoas com o comportamento certo, com nome, pronta para o cruzamento de perfil. É diferente de uma pontuação: o GoLoop não descreve, na documentação, um número de pontos por visitante. O que a ficha entrega é o dado bruto (páginas, sessões, origem, intervalo), e a regra de pontos, se a sua empresa usa uma, continua no CRM, alimentada por esse dado.

Quais erros fazem leads qualificados parecerem frios?

Cinco erros de leitura transformam um lead quente numa linha esquecida:

• Contar sessões em vez de pessoas. Cinco visitas de uma pessoa e uma visita de cinco pessoas são o mesmo número num relatório de sessões. O funil do GoLoop conta pessoas por isso: quem percorre a mesma etapa cinco vezes conta uma vez.
• Olhar só a última origem. O lead "veio de busca orgânica" no formulário, mas a primeira visita foi de um anúncio três semanas antes. Só a origem da primeira visita diz quem trouxe a pessoa; a ficha guarda as duas.
• Jogar fora o histórico anônimo. Ferramentas que criam o contato no formulário começam a contar dali. O que a pessoa fez antes some, e com ele a recorrência que qualificava.
• Ler robô como pessoa. Buscadores, monitores e a pré-visualização que o WhatsApp gera ao colar um link visitam páginas de preço o dia inteiro. O GoLoop conta esse tráfego à parte, na origem; sem essa separação, a "página de preço vista 40 vezes" pode ser 30 robôs.
• Tratar dois navegadores como duas pessoas para sempre. A mesma pessoa no celular e no computador são duas fichas até se identificar nos dois; a partir daí o mesmo identificador liga os históricos. Antes disso, a recorrência dela está dividida ao meio.

O sexto erro não é de leitura, é de processo: qualificar sem acordo com vendas. O critério que só o marketing conhece produz MQLs que vendas devolve, e o retorno vira ruído. O funil de conversão com a etapa de identificação no fim é o lugar de olhar os dois juntos: quantos cumpriram o comportamento, quantos ganharam nome, quantos vendas aceitou.