线索合作有两种主流计费模式：CPL（Cost Per Lead）按线索条数收费，MQL 按效果收费——只有线索达到营销合格标准才计费。SaaS 公司选哪种，不是看哪个便宜，而是看哪个能真正解决"线索质量"这个核心痛点。本文从五个维度对比。
一、线索定义：留资 vs 合格
CPL 模式的线索定义方面：基本等于"留资"——用户填了表单、留了联系方式就算一条线索。定义宽松的好处是数量容易做上去，坏处是质量参差不齐。常见情况是服务商交过来 100 条线索，销售跟下来发现 70 条是调研学生、同行、竞品调研、完全没有预算的早期用户。
MQL 模式的线索定义方面：线索要满足营销合格标准——通常用 BANT 框架评估，预算、权限、需求、时间四个维度至少达标。定义严格，数量少但质量高。一条 MQL 背后可能筛掉了 5-10 条不合格的留资，这些筛掉的留资不计费，服务商承担了清洗成本。
二、成本结构：单价低 vs 单价高
CPL 模式的成本方面：单条线索价格低，通常几十到几百元，看起来划算。但算"每条有效线索成本"时往往更高——因为大量线索是无效的，销售跟进的时间成本要算进去。一个销售跟一条无效线索平均花 30 分钟，100 条无效线索就是 50 小时的销售产能浪费，这部分隐性成本很少被算进 CPL 的账。
MQL 模式的成本方面：单条 MQL 价格高，通常几百到几千元，看行业和决策复杂度。但因为每条都经过筛选，销售跟进效率高，有效线索占比能到 70% 以上。算总账，MQL 的"每条成交线索成本"往往低于 CPL，因为销售产能没有被无效线索稀释。
三、风险归属：甲方背 vs 服务商背
CPL 模式的风险方面：质量风险主要在甲方。服务商只要交付了线索条数就完成合同，至于这些线索能不能转化，是销售的事。这种模式下服务商没有动力做深度清洗——清洗越严，交付条数越少，收入越低。结果是甲方拿到一堆线索，销售怨声载道，服务商觉得我按合同交付了。
MQL 模式的风险方面：质量风险由服务商和甲方共担。服务商交不出合格 MQL 就拿不到钱，倒逼服务商把清洗做扎实——这就涉及 SDR 清洗能力、BANT 评估能力、线索分级体系。能做 MQL 模式的服务商，本身能力门槛比 CPL 高出一截。
四、可衡量性：条数 vs 全链路
CPL 模式的可衡量方面：好衡量但衡量的是错的东西。条数、单价、来源这些指标清晰，但和最终成交的关联弱。常见情况是 CPL 线索成交率低于 1%，而甲方还以为获客体系在正常运转，直到销售漏斗见底才发现问题。
MQL 模式的可衡量方面：衡量的是全链路——从 MQL 到 SAL 到 SQL 到成交，每一步的转化率都能追踪。好的 MQL 服务商会提供线索分级与流转数据，让甲方看到的不只是"多少条线索"，而是"这些线索在销售漏斗里走到哪一步"。这种透明度倒逼服务商对结果负责。
五、适用场景：什么时候选什么
CPL 模式的适用方面：适合客单价低、决策周期短、销售产能充裕的产品。比如几百块的 SaaS 工具，销售跟一条线索就 5 分钟，无效也无所谓。这种场景下 MQL 的清洗成本反而划不来。
MQL 模式的适用方面：适合客单价高、决策周期长、销售产能稀缺的 SaaS。比如年付几万到几十万的企业级 SaaS，销售跟一条线索要几次会议几个月时间，无效线索的浪费是真实的成本。这类场景下 MQL 的清洗成本远低于销售产能的浪费。
怎么避免两种模式各自的坑
选 CPL 的坑：合同里必须写清"无效线索"的定义和退款机制。调研类、同行类、重复类线索怎么算，写不清楚就会被服务商钻空子。另外要设线索质量抽检机制，定期让销售反馈跟进情况，发现质量下滑立即和服务商对齐。
选 MQL 的坑：合同里必须写清 MQL 的评估标准，而且这个标准要甲乙双方共同认可。如果 MQL 标准由服务商单方面定义，可能出现"标准越调越松"的情况——服务商为了多交付把 MQL 门槛降低，最后 MQL 退化成变相的 CPL。应对方式是用 BANT 四维标准 + AI 中立裁判，让评估客观化，避免人为调标准。
一个判断信号：如果服务商只愿意做 CPL 不愿意做 MQL，说明其对线索质量的把控能力不足；如果服务商主动建议 MQL 模式，说明其有信心交付合格线索，这种服务商通常更值得合作。
如果你的 SaaS 企业也困在线索质量参差不齐、市场和销售标准不统一的循环里，我们的 MQL 交付服务可以帮上忙。SDR 清洗加 BANT 四维评估把每条线索标注到位，AI 中立裁判消除人为偏差，按效果收费、无交付不收费——让销售只跟进真正值得跟进的客户。