这条链与它各阶段的带

每条销售漏斗最终都会撞上同一个算术问题：我们到底需要多少条线索？常见的答案是把猜测伪装成数字——从别人家漏斗里抄来的基准，套在一个从未由此推导出来的配额上。老实的答案是“资格数学”：一串逐级转化的阶段、每个阶段都有自己的基准带，从收入目标倒推到周一早晨需要跑出的进店流量。2026 年的数据让这条链从头到尾都算得清，这一篇会一节一节走完——告诉你每一段转化目前在哪里、漏在哪里，以及怎么把倒推数学跑起来。

资格链从“访客到线索”开始，再是“线索到 MQL”、“MQL 到 SQL”、“SQL 到商机”、“商机到成交”，2026 年每段都有稳定的基准带可以拿来规划。B2B 网站的访客到线索转化率在 1% 到 5% 之间（ev-blq-001）；线索到 MQL 视流量质量在 20% 到 40% 之间；而高价值入站线索必须 5 分钟内响应（ev-blq-001）。下游层面，混合的线索到成交转化率均值在 2-5%，但“混合”本身就是陷阱——入站线索能跑到 5-10%，而出站只有 1-3%，这意味着同一个线索目标在不同来源配比下需要的进店量天差地别（ev-blq-002）。链的中段讲述了 2026 年最值得关注的故事：MQL 到 SQL 的中位数已经从两年前的 13.1% 滑落到 9.8%，而那些围绕意图信号重新定义口径的项目能跑到 16.4%（ev-blq-004）。每一段都有自己的带、自己的漏点、自己的责任人——只有这三者都被指明，整套算术才能跑通。

阶段一：访客到线索——1-5% 的闸门

第一段转化是流量质量的闸门，1-5% 的带（ev-blq-001）与其说是绩效目标，不如说是真话试剂：一个远超 5% 的站点，往往是线索定义出了问题（把订阅通讯算成线索）；而一个远低于 1% 的站点，往往是流量配比出了问题（买的访客从来就不是买家）。这一段的漏点是“定义层”的——表单的承诺与销售团队的期待对不上。责任人在需求生成侧，修复动作是“表单对定义审计”：每一个表单字段都要对应销售实际会问的资格问题，每一份提交都要带一个评分模型进入线索到 MQL 这一段。

阶段二：线索到 MQL——20-40% 的过滤器

第二段转化是资格过滤器，处于 20-40% 的带之间（ev-blq-001）。这一段存在的目的，是保护下游人类不被噪音淹没，而 2026 年的噪音已经工业化：AI 生成的表单填充与内容门槛下载让线索数量虚高，真正的买家群体却基本没动。漏点是评分漂移——一套 18 个月前校准过的评分模型，仍在奖励那些早已不再预测购买的行为。责任人在营销运营侧，修复动作是季度重校：抽样销售拒绝掉的 MQL，找出与之相关的评分信号，并把它砍掉。一个放行 40% 一切的过滤器不是在过滤；一个放行 20% 精准流量的过滤器才算在工作。

阶段三：MQL 到 SQL——9.8% 的危机点

第三段转化是行业定义腐化在数据里被照见的地方。中位数从 2024 年的 13.1% 跌到 2026 年的 9.8%——两年下滑 25%——而意图信号项目仍维持在 16.4%（ev-blq-004）。这个数字是一个伪装成绩效指标的公司治理信号：当营销的 MQL 定义与销售的 SQL 定义描述的是同一位买家时，转化能跑到十五个百分点左右；当两侧漂移——一边把表单提交算作兴趣、另一边坚持 BANT 加时机——转化会跌到个位数，无论团队投入多大。责任人在两侧联合承担，修复动作是带意图阈值的共同定义、按季度复审。那些完全忽略这一段基准的团队——套用一份 2022 年 deck 上 25% 的 MQL 到 SQL 假设——会在六个月后以管线缺口的方式发现错误。

阶段四与五：SQL 到商机到成交——来源拆分的胜负手

链条的底部是来源配比主导一切的地方。混合的线索到成交在 2-5%，但入站能跑到 5-10%，而出站只有 1-3%（ev-blq-002）——五倍的差距让任何混合方案都只能是摆设。这几段的漏点在跟进：让高价值入站线索转化可能性高 9 倍的“5 分钟响应”纪律，是一项运营选择，不是自然常数。责任人在销售侧，修复动作是按来源分算的算术：每一条来源都把自己的转化假设带进规划，总管线预测是各来源的加权求和，而不是拿一个乐观均值套在混合包上。

倒推数学：从配额到周一早晨

倒推是把基准带变成数字的纪律，一道演算展示它的机制。设定新业务配额 200 万美元、平均客单价 5 万美元——需要 40 单成交。在基准 3.4 倍管线覆盖下（ev-blq-003），引擎需要 680 万美元的合格管线，按 5 万美元一单约 136 个商机。按 25% 的商机到成交率——这是 2026 年中端市场动线诚实的规划数字——需要 544 个 SQL。按 9.8% 的中位数 MQL 到 SQL（ev-blq-004）倒推大约需要 5,550 个 MQL；按 16.4% 的意图领先口径，约 3,300 个——定义修复一次性把漏斗顶端的进店量需求砍掉 40%。按 30% 的线索到 MQL 比率（ev-blq-001），所需线索量在 11,000 到 18,500 之间，取决于你活在哪个 MQL 到 SQL 的世界里；按 3% 的访客到线索，每年需要的访客量在 37 万到 61.5 万之间——如果流量更优质、定义更紧，这个数字还能更小。这套算式的每一行都可以商榷，而这恰恰是重点：商榷发生在台面上、对照基准，而不是藏在一张电子表格的默认假设里。

三个每周重校的小练习

让算术保持诚实需要三个小练习，每周轮换跑。练习一，阶段停滞审计：上周每一段边界上停住的 50 条线索，逐条写明原因——理由会聚类，聚类的头部就是本周要修复的对象。练习二，来源拆分校验：按来源重算上周的转化，对照规划里的按来源假设，任何偏离带超过 5 个点的来源都拉红（ev-blq-002）。练习三，定义投票：一个边界问题——“销售今天还会把这条叫 SQL 吗？”——问最近 20 条记录，把“是”的比率作为该定义的“支持率”跟踪。每个练习 15 分钟、各有一个负责人，链路里的假设就能保持鲜活数据的状态，而不是被定格的虚构（ev-blq-003）。

按来源区分的纪律

整套链路里的元教训：混合数字用于汇报，按来源数字用于经营。2-5% 的混合转化（ev-blq-002）描述的是一整个行业，它不规划任何事。一份按来源基准构建的规划——入站按它的、出站按它的、活动按它的——诚实地标出每个渠道的贡献，把预算对话变成算术而不是神学。这样跑链路的团队拥有一个安静的领先优势：哪一段漏了，他们一周内就能发现，修复成本只是一次定义变更，而不是一个季度。资格数学不是需求生成里最性感的部分，但它决定了这台机器的其余部分值不值得造。

出站版本的链路

上面那道演算偏重入站；出站变体给同一道链贴上不同的价格，值得单独跑一遍，因为它揭示了进店量的不对称。仍然按 40 单成交、平均客单价 5 万美元。出站商机到成交大致只有入站的三分之一、周期更长，所以按 15% 商机到成交算：267 个商机而不是 136 个。出站 SQL 到商机跑得更紧——预约上会议本身就已经是合格对话——按 50% 算：大约 534 个 SQL。但 SQL 的供给线是出站要交税的地方：1-3% 的线索到成交混合，加上每次触达只有个位数百分比的会议接受率，真正的约束在顶部的活动算术（ev-blq-002）。序列、外呼尝试、名单数量——而不是访客流量——成为分母，这也是为什么出站规划败在活动算术上、而不是转化算术上，以及为什么“5 分钟响应”这种入站速度纪律的重要性，不如出站瞄准精度上的信号纪律。两条动线都能产出管线；它们只是断在不同阶段，一份说不清自己会在哪一段断掉的规划，根本没被规划过。

三种会破坏算术的错误

三种反复出现的错误会让本来细致的链路失真。第一种是“继承的假设”：从过往规划或供应商 deck 里照搬一个转化率，从未用公司自己过去四个季度的数据重新推导——修复方法是，规划里的每一条带要么有公司自己的滞后数据做底，要么有具名的基准做底，二者不能同时缺席。第二种是“免配比的均值”：把一个混合转化套在多来源管线上，入站与出站 5 倍的差距让这种做法在两端变成五倍误差（ev-blq-002）。第三种是“静态链路”：1 月份设定好的带再也不回头看，而市场中间一段两年就崩塌了 25%——9.8% 的中位数本身也在移动，假设一个漂移市场里还有常数的规划，活得越久错得越深（ev-blq-004）。每周的小练习，就是为了在这三种错误还便宜的时候把它们抓住。