O LinkedIn Ads tem o lead mais caro do mercado de mídia paga e, ao mesmo tempo, o funil mais curto entre o clique e uma conversa de negócio. Essa combinação explica por que tanta conta é julgada pelo número errado: o custo por lead. Um formulário preenchido custa caro aqui e pode custar ainda mais caro depois, quando ninguém consegue dizer quantos daqueles contatos viraram oportunidade real. Este guia trata do número que decide a verba do canal: o custo por lead qualificado e o custo por SQL.
- 1. Por que o custo por lead do LinkedIn não decide nada sozinho
- 2. MQL e SQL: onde o funil realmente se parte
- 3. A conta do custo por SQL, com o denominador certo
- 4. Quatro diagnósticos quando o SQL não fecha
- 5. O acordo entre marketing e vendas que muda o número
- 6. O que ajustar em cada camada da campanha
- 7. Como apresentar isso ao cliente sem prometer milagre
- 8. Perguntas frequentes
1. Por que o custo por lead do LinkedIn não decide nada sozinho
O custo por lead é uma divisão simples: investimento dividido pelo número de formulários enviados. O problema não está na conta, está no que ela esconde. Dois leads do mesmo canal, no mesmo mês, podem ter o mesmo preço e valores completamente diferentes para o negócio. Um pediu um material e nunca respondeu ao contato. O outro pediu uma demonstração, é o decisor da área e tem orçamento aprovado para o trimestre. Para a plataforma, os dois são iguais. Para a agência, não.
Por isso a leitura do canal começa pela qualificação, e não pelo volume. O número que sustenta a decisão de verba é o custo por oportunidade aceita pela área comercial — o custo por SQL. Ele é mais caro, mais lento e mais chato de levantar, porque mora no CRM e não no painel de campanhas. É também o único que conversa com a margem do cliente.
Um exemplo de ordem de grandeza ajuda a fixar a ideia. Uma conta com custo por lead de R$ 180 e taxa de qualificação de 30% chega ao SQL a R$ 600. Outra, com lead de R$ 45 e taxa de 3%, chega ao SQL a R$ 1.500. A segunda parece mais eficiente no painel e é duas vezes e meia mais cara na vida real. Quem decide verba olhando a primeira coluna está comprando volume, não pipeline.
2. MQL e SQL: onde o funil realmente se parte
MQL é o lead que cumpre dois requisitos ao mesmo tempo: está dentro do perfil de cliente ideal e demonstrou intenção suficiente para merecer contato comercial. SQL é o lead que a área comercial aceitou trabalhar, com orçamento, autoridade, necessidade e prazo minimamente identificados. A diferença entre os dois não é semântica: é a fronteira onde o custo de aquisição deixa de ser um número de mídia e passa a ser um número de negócio.
No LinkedIn, essa fronteira tem uma particularidade técnica que atrapalha muita agência. O que o Campaign Manager chama de lead é o envio do formulário. Não existe estágio de qualificação dentro da plataforma. Um lead form preenchido em três cliques, com quatro campos automáticos do perfil, é uma manifestação de interesse — e nada além disso. Para saber quantos viraram MQL e quantos viraram SQL, é preciso cruzar o identificador do lead com o CRM do cliente.
Sem essa chave de junção, o relatório do canal termina no meio do funil e a conversa com o cliente vira discussão de opinião. Com ela, o canal passa a ser avaliado pela mesma régua que o restante da operação comercial. Na prática, a chave costuma ser o identificador de lead gerado pelo LinkedIn, replicado como campo oculto no formulário, ou o par e-mail mais origem de campanha gravado na importação para o CRM. O importante é que a origem sobreviva ao caminho inteiro, incluindo o momento em que o vendedor muda o estágio à mão.
Vale registrar quem define o critério de MQL. Não é a plataforma, não é o formulário e não é o gestor de tráfego sozinho. O critério é um documento curto, escrito com o cliente e com a área comercial, com os campos objetivos que fazem um lead merecer contato. Sem esse documento, todo mundo qualifica pelo feeling — e o custo por SQL muda de valor dependendo de quem abriu a lista na segunda-feira.
3. A conta do custo por SQL, com o denominador certo
A fórmula é banal. O que costuma estar errado é o denominador. Custo por SQL é o investimento do período dividido pelo número de SQLs gerados pelo canal no mesmo período, contando o SQL pela data em que ele foi aceito, não pela data do clique. Misturar janelas produz números que parecem bons e não se sustentam dois meses depois.
| Indicador | Cenário A | Cenário B |
|---|---|---|
| Investimento no mês | R$ 12.000 | R$ 12.000 |
| Leads (formulários) | 60 | 140 |
| Custo por lead | R$ 200 | R$ 86 |
| Leads qualificados (MQL) | 24 (40%) | 21 (15%) |
| SQLs aceitos | 10 | 4 |
| Custo por SQL | R$ 1.200 | R$ 3.000 |
| Reuniões realizadas | 8 | 3 |
| Negócios fechados | 2 | 0 |
| Custo por negócio | R$ 6.000 | — |
O cenário B tem o menor custo por lead e o pior resultado de negócio. Ele é o retrato de uma campanha que comprou volume com oferta fraca, provavelmente um material genérico aberto para todo o público, e entregou ao comercial uma fila de contatos que não podiam comprar. O cenário A tem o dobro do custo por lead e entrega um negócio a cada seis mil reais investidos.
A leitura final é a que fecha a conta: o custo por negócio precisa caber na margem do contrato. Se o ticket médio do cliente é R$ 30 mil e a margem por contrato é de R$ 9 mil, um custo por negócio de R$ 6 mil deixa pouco espaço e exige atenção à taxa de fechamento. Se o ticket é R$ 8 mil e a margem é R$ 2 mil, o mesmo custo por negócio inviabiliza o canal — e nenhuma otimização de lance resolve isso. A alavanca, nesse caso, é ticket, ciclo ou qualificação, não verba.
4. Quatro diagnósticos quando o SQL não fecha
Quando o cliente diz que o LinkedIn não fecha pipeline, a resposta útil não é aumentar nem cortar verba: é localizar em qual das quatro quebras o funil está perdendo gente. Cada quebra tem uma alavanca diferente, e aplicar a alavanca errada costuma piorar o número.
| Sintoma | Onde olhar | O que não fazer |
|---|---|---|
| Muitos leads, poucos MQL | Oferta e campos do formulário; aderência ao perfil de cliente ideal | Aumentar verba para compensar volume ruim |
| MQL alto, SQL baixo | Tempo até o primeiro contato, critério de aceite, script do SDR | Culpar o público antes de medir o atendimento |
| SQL bom, mas em volume baixo | Tamanho e frequência do público; formatos e criativos saturando | Abrir o filtro sem critério e derrubar a qualidade |
| SQL bom e caro | Ticket, ciclo de venda, taxa de fechamento, expansão de contrato | Cortar a verba que produz o único pipeline previsível |
A primeira quebra é a mais comum e a mais fácil de corrigir. Quando a campanha gera muito lead e pouco MQL, o problema quase sempre está na promessa: material amplo, isca sem relação com o produto, formulário com campo demais ou de menos. O ajuste é de oferta, não de segmentação. Trocar um e-book genérico por uma demonstração com escopo definido reduz o volume pela metade e multiplica a taxa de qualificação.
A segunda quebra é a mais injustiçada. Se o MQL existe e o SQL não, o funil está perdendo gente no atendimento. Vale medir o tempo até o primeiro contato — no B2B, cada hora de atraso derruba a chance de conversa — e conferir se o critério de aceite é o mesmo dos dois lados. Lead qualificado que fica dois dias na fila vira lead frio, e o custo por SQL sobe sem que a mídia tenha culpa.
A terceira é de escala. Público pequeno e bom entrega pouco SQL porque não há mais gente para atingir. A saída é ampliar com método, olhando o tamanho mínimo viável descrito em o tamanho mínimo viável do público, e não abrir todos os filtros de uma vez.
A quarta quebra é econômica. Canal com SQL caro mas consistente pode continuar de pé se o ticket e o ciclo sustentarem. Nesse caso, o trabalho é de economia unitária — upsell, contrato maior, redução de ciclo — e não de mídia.
5. O acordo entre marketing e vendas que muda o número
Nenhuma otimização sobrevive a um handoff mal combinado. O acordo mínimo entre quem gera e quem atende o lead tem cinco itens e cabe em uma página. Sem eles, o custo por SQL é uma medida de sorte.
- Definição escrita de MQL e SQL, com os campos objetivos que fazem o lead mudar de estágio, revisada a cada trimestre.
- Prazo de primeiro contato — no LinkedIn, o padrão razoável é o mesmo dia útil, com alerta quando estourar.
- Motivo de descarte registrado em lista fechada, para que o descarte vire dado e não opinião do vendedor.
- Devolutiva semanal de dez minutos: quantos leads chegaram, quantos foram aceitos, quais motivos de recusa dominaram.
- Dono do critério: uma pessoa decide quando o MQL muda de definição, e a mudança é versionada com data.
Esse acordo é o que permite separar dois mundos que o relatório de mídia mistura. Se o lead chega, é aceito e não avança, o problema é de venda. Se o lead chega e não é aceito, o problema é de critério ou de oferta. Se nem chega, o problema é de mídia. Três problemas, três donos, três correções diferentes.
O registro do motivo de descarte é a parte mais subestimada. Com três meses de lista fechada, a agência consegue dizer ao cliente qual objeção derruba mais oportunidade — e essa informação muda o roteiro do SDR, o texto do anúncio e até o critério de qualificação. Sem o registro, a conversa mensal volta a ser sobre custo por lead.
6. O que ajustar em cada camada da campanha
Com o diagnóstico na mão, o ajuste é quase mecânico. A tabela abaixo organiza as alavancas por camada e o efeito esperado no custo por SQL. Nenhuma delas é gratuita: cada uma troca um problema por outro, e a escolha depende do que o cliente aguenta no ciclo.
| Camada | Alavanca | Efeito no custo por SQL | Risco |
|---|---|---|---|
| Oferta | Trocar isca ampla por conversa com escopo | Cai forte: menos lead, mais MQL | Volume cai no curto prazo |
| Formulário | Campos de qualificação e pergunta de triagem | Cai: filtra antes do contato | Menos envios e CPL maior |
| Público | Cargo, senioridade, porte e lista de contas | Cai se o filtro estiver frouxo; sobe se apertar demais | Público pequeno satura rápido |
| Criativo | Mensagem por cargo, prova e caso do setor | Cai por melhorar a taxa de MQL | Fadiga e custo por mil mais alto |
| Atendimento | Prazo de primeiro contato e script do SDR | Cai sem tocar em verba | Depende do cliente cumprir |
| Verba | Aumento dentro do público validado | Sobe no curto prazo, cai com escala | Frequência alta e saturação |
A ordem importa. Oferta e formulário mudam a composição do funil e devem vir antes de qualquer ajuste de verba. Público vem depois, com o tamanho mínimo viável como piso. Criativo é o ajuste contínuo, o que nunca termina. Atendimento é o de maior retorno por real investido e o mais fora do controle da agência — por isso precisa de acordo escrito, não de gentileza.
7. Como apresentar isso ao cliente sem prometer milagre
A conversa mensal do LinkedIn fica muito mais simples quando o relatório mostra dois números lado a lado: custo por lead e custo por SQL, com a taxa de qualificação no meio. O cliente deixa de perguntar por que o lead é caro e passa a perguntar o que fazer com a taxa de qualificação — que é a pergunta certa.
Três práticas ajudam. Primeiro, mostrar a série de três meses, não o mês isolado: canal B2B oscila com sazonalidade de orçamento e ciclo de contratação. Segundo, separar o que a agência controla do que depende do cliente, com uma linha para cada. Terceiro, registrar as decisões do período — o que foi testado, o que foi descartado e por quê —, porque isso transforma a entrega em histórico e protege a relação nas semanas em que o número não ajuda.
Quando o cliente quer o documento com a marca da agência, a estrutura de a entrega mensal com a marca da agência resolve a forma. Quando a conversa é de fechamento e decisão, o roteiro de a conversa mensal em que o número vira decisão resolve o conteúdo. E as métricas que o cliente efetivamente lê estão em as métricas que o cliente lê no relatório — vale conferir que o custo por SQL esteja nelas.
Para quem opera vários clientes, o gargalo deixa de ser a análise e passa a ser a consolidação: cada conta tem um CRM diferente, um critério de MQL diferente e um formato de exportação diferente. É exatamente aí que isolamento de contas por cliente deixa de ser assunto de permissão e vira assunto de padronização de leitura. Um painel único da carteira com a leitura do período é o que permite comparar custo por SQL entre contas sem refazer a planilha a cada mês.
Se o objetivo é institucionalizar esse processo — o mesmo critério, o mesmo relatório e a mesma régua em toda a carteira —, a plataforma de gestão para agências é a camada que faz a consolidação rodar sem trabalho manual. E os planos e preços mostram o que está incluído em cada faixa antes de qualquer conversa comercial.
8. Perguntas frequentes
Qual é um bom custo por lead qualificado no LinkedIn Ads?
Não existe número universal. O LinkedIn cobra pelo público e pelo formato, então o custo por lead é estruturalmente mais alto que em canais de intenção. O critério útil é comparar o custo por SQL com a margem do contrato e com o próprio histórico da conta. Um canal que entrega SQL a um custo abaixo da margem por negócio está saudável, mesmo com lead caro.
Dá para medir SQL dentro do LinkedIn Ads?
Não nativamente. A plataforma registra o envio do formulário e, no máximo, o avanço dentro do formulário. O estágio de SQL vive no CRM do cliente. A medição exige uma chave de junção entre lead e CRM — identificador do lead, e-mail com origem ou parâmetro de campanha preservado na importação.
Lead gen form do LinkedIn entrega lead pior?
Não necessariamente. O formulário nativo reduz atrito e aumenta volume, e a qualidade depende da oferta, dos campos e da triagem. O erro comum é usar o formato para captar material genérico e depois comparar o resultado com uma campanha de demonstração. Mesma plataforma, ofertas diferentes, qualificações diferentes.
Quando vale pausar o LinkedIn Ads?
Quando, depois de dois ciclos completos de venda, o custo por SQL permanece acima do que a margem do contrato suporta e as alavancas de oferta, formulário e atendimento já foram testadas. Pausar por um mês ruim de custo por lead é decisão de planilha, não de canal.