MQL Nedir? B2B SaaS'ta MQL ve SQL Farkı

B2B SaaS şirketlerinde pazarlama ile satış arasındaki en eski tartışma aynı cümleyle başlar: "Pazarlamanın gönderdiği lead'ler kalitesiz." Pazarlama ise "Satış ekibi lead'leri takip etmiyor" diye cevap verir. Bu tartışmanın kaynağı çoğu zaman bir tanım boşluğudur. "Nitelikli lead" kavramı herkes için farklı bir anlama gelir. Pazarlama ekibi için bir e-kitap indiren her kişi değerli olabilir. Satış ekibi ise ancak bütçesi ve ihtiyacı netleşmiş bir şirketi gerçek fırsat olarak görür. İşte bu noktada MQL (Marketing Qualified Lead) ve SQL (Sales Qualified Lead) kavramları devreye girer.

Bu yazıda MQL'in ne olduğunu, SQL'den nasıl ayrıldığını ve iki aşama arasındaki geçişi nasıl tasarlayacağınızı ele alacağız. Puanlama modellerinden CRM kurulumuna, pazarlama ile satış arasındaki hizmet seviyesi anlaşmasından takip edilmesi gereken metriklere kadar her konuyu somut örneklerle anlatacağız. Amacımız, ekibinizin "nitelikli lead" dediğinde herkesin aynı şeyi anladığı bir sistem kurmanıza yardımcı olmak.

MQL Nedir?

MQL, yani Marketing Qualified Lead, pazarlama faaliyetleri sonucunda ilgi göstermiş ve önceden belirlenmiş kriterlere göre satışa aday olma potansiyeli taşıyan potansiyel müşteridir. Kısacası pazarlama ekibinin "Bu kişi, hedef kitlemize uyuyor ve bize karşı belirgin bir ilgi gösterdi" dediği aşamadır.

MQL tanımında iki temel boyut vardır:

• Uygunluk (Fit): Kişi ve şirket, ideal müşteri profilinize (ICP) ne kadar yakın? Sektör, şirket büyüklüğü, çalışan sayısı, coğrafya, kullanılan teknoloji yığını ve kişinin unvanı bu boyutun parçalarıdır.
• İlgi (Intent/Engagement): Kişi markanızla ne kadar ve nasıl etkileşime girdi? Fiyatlandırma sayfasını ziyaret etmek, webinara katılmak, vaka çalışması indirmek veya e-postalarınıza tıklamak bu boyutun sinyalleridir.

Önemli bir ayrım şudur: MQL henüz satın almaya hazır olan biri değildir. MQL, satış ekibinin zamanını harcamaya değer olabilecek kadar "sıcak" hale gelmiş bir adaydır. Örneğin bir İK yazılımı satıyorsanız, 200 çalışanlı bir lojistik firmasının İK müdürünün blogunuzdaki üç yazıyı okuması ve "Bordro süreçleri kontrol listesi" e-kitabını indirmesi onu MQL yapabilir. Ama bu kişi bugün bir demo talep etmeye hazır olmayabilir.

SQL Nedir?

SQL, yani Sales Qualified Lead, satış ekibinin değerlendirip gerçek bir satış fırsatına dönüşme ihtimali yüksek bulduğu potansiyel müşteridir. SQL aşamasında artık yalnızca ilgi yoktur. Ortada doğrulanmış bir ihtiyaç, makul bir zaman çizelgesi ve karar sürecine dair somut bilgiler bulunur.

Bir lead'in SQL sayılması için genellikle şu sorulara olumlu yanıt alınmış olması gerekir:

• Şirketin çözmek istediği somut bir problem var mı?
• Bu problem için ayrılmış ya da ayrılabilecek bir bütçe var mı?
• Karar vericiye veya karar sürecine erişim sağlandı mı?
• Satın alma için belirli bir zaman aralığı konuşuluyor mu?

Yukarıdaki İK yazılımı örneğine dönelim. Aynı İK müdürü demo talep eder ve keşif görüşmesinde mevcut bordro yazılımlarının sözleşmesinin dört ay sonra bittiğini söyler. Alternatif aradıklarını ve kararı CFO ile birlikte vereceklerini de ekler. Bu noktada lead artık SQL'dir.

MQL ve SQL Arasındaki Temel Farklar

İki kavramı birbirinden ayıran unsurları şöyle özetleyebiliriz:

• Sahiplik: MQL'in sahibi pazarlama ekibidir. SQL'in sahibi satış ekibidir (SDR, BDR veya Account Executive).
• Değerlendirme yöntemi: MQL çoğunlukla otomatik puanlama ve davranışsal verilerle belirlenir. SQL ise bir insanla, genellikle bir keşif görüşmesiyle doğrulanır.
• Satın alma niyeti: MQL "ilgileniyor" demektir. SQL ise "ihtiyacı ve süreci var" anlamına gelir.
• Huni konumu: MQL huninin orta kısmında yer alır. SQL huninin alt kısmına, fırsat (opportunity) aşamasına en yakın noktadadır.
• İletişim tonu: MQL'e eğitici içerik ve nurturing akışları uygundur. SQL ile doğrudan satış görüşmesi, demo ve teklif aşamasına geçilir.
• Başarı metriği: MQL için hacim ve MQL'den SQL'e dönüşüm oranı izlenir. SQL için fırsata dönüşüm, kazanma oranı ve pipeline değeri takip edilir.

Bu farkları netleştirmek neden bu kadar önemli? Çünkü MQL'i SQL gibi ele alırsanız satış ekibiniz henüz hazır olmayan kişileri arar. Hem zamanını boşa harcar hem de potansiyel müşteriyi erken baskıyla kaçırır. SQL'i MQL gibi ele alırsanız bu kez satın almaya hazır bir şirketi otomatik e-posta akışında bekletir ve rakibinize kaptırırsınız.

Huni İçindeki Yolculuk: Lead'den Fırsata

MQL ve SQL tek başına anlam taşımaz. Daha geniş bir lead yaşam döngüsünün parçasıdırlar. Tipik bir B2B SaaS hunisi şu aşamalardan oluşur:

1. Ziyaretçi / Anonim kullanıcı: Web sitenize gelen ama kim olduğunu bilmediğiniz kişi.
2. Lead: Bir form doldurarak veya iletişim bilgisini paylaşarak tanımlanabilir hale gelen kişi.
3. MQL: Uygunluk ve ilgi kriterlerini karşılayıp belirli bir puan eşiğini geçen lead.
4. SAL (Sales Accepted Lead): Satış ekibinin MQL'i inceleyip "Bunu takip edeceğim" diyerek kabul ettiği lead. Bu ara aşama pazarlama-satış uyumu açısından kritik bir kontrol noktasıdır.
5. SQL: Keşif görüşmesiyle ihtiyacı, bütçesi ve zamanlaması doğrulanmış lead.
6. Fırsat (Opportunity): CRM'de tutarı ve tahmini kapanış tarihi olan satış süreci.
7. Müşteri: Sözleşmeyi imzalamış şirket.

Birçok şirket SAL aşamasını atlar. Ancak SAL, satış ekibinin pazarlamadan gelen lead'leri gerçekten değerlendirip değerlendirmediğini görmenin en iyi yoludur. MQL'lerin yüzde kaçının SAL'e dönüştüğünü izlerseniz, puanlama modelinizin satış ekibinin beklentisiyle örtüşüp örtüşmediğini hızla anlarsınız.

MQL Kriterleri Nasıl Belirlenir?

MQL tanımı tamamen şirkete özgüdür. Başka bir şirketin modelini kopyalamak yerine kendi verinizden yola çıkmanız gerekir. İşte adım adım bir yaklaşım:

1. Kazanılan müşterilerinizi analiz edin

Son 12-18 ayda kazandığınız müşterilerin listesini çıkarın. Ortak özelliklerine bakın:

• En çok hangi sektörlerden geliyorlar?
• Çalışan sayısı hangi aralıkta yoğunlaşıyor?
• İlk temas eden kişinin unvanı neydi?
• Satın almadan önce hangi içeriklerle etkileşime girdiler?
• Hangi kanaldan geldiler?

Bu analiz, ideal müşteri profilinizin ve "satın alma öncesi davranış" kalıplarının temelini oluşturur.

2. Kaybedilen ve hiç dönüşmeyen lead'leri de inceleyin

Yalnızca başarıları incelemek yanıltıcıdır. Çok sayıda form dolduran ama asla müşteriye dönüşmeyen segmentleri de belirleyin. Örneğin öğrenciler, rakip şirket çalışanları, çok küçük işletmeler veya hizmet vermediğiniz coğrafyalar bu gruba girebilir. Bunlar negatif puan alacak kriterlerdir.

3. Bir lead puanlama modeli oluşturun

Basit ama etkili bir puanlama modeli iki sütundan oluşur: uygunluk puanı ve ilgi puanı. Aşağıdaki örnek, orta ölçekli şirketlere satış yapan bir B2B SaaS için tasarlanmış varsayımsal bir modeldir:

Uygunluk puanları:

• Hedef sektörde olmak: +15
• Çalışan sayısı 50-500 arasında: +15
• Unvan direktör veya üzeri: +20
• Unvan müdür seviyesinde: +10
• Hizmet verilen ülkede bulunmak: +10
• Kişisel e-posta adresi (gmail, hotmail vb.): -15
• Öğrenci veya rakip şirket: -50

İlgi puanları:

• Fiyatlandırma sayfasını ziyaret etmek: +20
• Vaka çalışması indirmek: +10
• Webinara katılmak: +15
• Blog yazısı okumak (her biri): +2 (en fazla +10)
• Pazarlama e-postasına tıklamak: +3
• 30 gün boyunca hiç etkileşim olmaması: -10

Bu modelde MQL eşiğini örneğin 60 puan olarak belirleyebilirsiniz. Ancak burada önemli bir incelik var. Yalnızca toplam puana bakmak yerine her iki boyutta da minimum bir eşik koymak daha sağlıklıdır. Örneğin uygunlukta en az 30, ilgide en az 20 puan isteyebilirsiniz. Aksi halde hedef kitleniz dışındaki ama çok aktif bir öğrenci de, hiç etkileşime girmemiş ama ideal profile uyan bir CEO da MQL olabilir. Her ikisi de satış ekibinin zamanına değmez.

4. Doğrudan el kaldırma sinyallerini ayrı tutun

Demo talebi, "satış ekibiyle görüşmek istiyorum" formu veya fiyat teklifi isteği puanlamaya tabi tutulmamalıdır. Bu tür sinyaller, uygunluk kriterlerini temel düzeyde karşılayan lead'leri doğrudan satış ekibine yönlendirmelidir. Demo talep eden birini nurturing akışında bekletmek, B2B SaaS'ta en sık yapılan ve en pahalı hatalardan biridir.

MQL'den SQL'e Geçiş: Satış Ekibinin Rolü

MQL satış ekibine ulaştığında süreç insan odaklı hale gelir. SDR veya BDR, lead'i kısa bir ön görüşmeyle değerlendirir. Bu değerlendirmede en yaygın kullanılan çerçeveler şunlardır:

• BANT: Budget (bütçe), Authority (yetki), Need (ihtiyaç), Timeline (zaman çizelgesi). Basit ve hızlıdır. Daha kısa satış döngülerinde ve SMB segmentinde iyi çalışır.
• MEDDIC / MEDDPICC: Metrics, Economic Buyer, Decision Criteria, Decision Process, Identify Pain, Champion gibi bileşenleri içerir. Kurumsal satışlarda ve çok paydaşlı karar süreçlerinde daha uygundur.
• CHAMP: Challenges, Authority, Money, Prioritization. Önce problemi konuşmayı esas alır, bu yüzden daha müşteri odaklı bir yaklaşım sunar.

Hangi çerçeveyi seçerseniz seçin, kritik olan SQL kriterlerini yazılı hale getirmek ve CRM'de zorunlu alanlara dönüştürmektir. Örneğin bir lead'in SQL aşamasına taşınabilmesi için "Belirlenen ana problem", "Karar verici", "Tahmini bütçe aralığı" ve "Hedeflenen başlangıç tarihi" alanlarının doldurulması gerektiğini sistem düzeyinde zorunlu kılabilirsiniz.

Keşif görüşmesinde sorulabilecek bazı örnek sorular:

• "Bu konuyu şu anda gündeminize alan şey neydi?"
• "Mevcut süreçte en çok zaman kaybettiren adım hangisi?"
• "Bu problemi çözmezseniz önümüzdeki altı ayda ne olur?"
• "Böyle bir yatırım kararında sizin dışınızda kimler yer alıyor?"
• "Daha önce bir çözüm denediniz mi? Neden devam etmediniz?"

Bu sorular hem lead'i niteliklendirir hem de müşteriye satış baskısı değil, danışmanlık hissi verir.

Pazarlama ve Satış Arasında SLA Kurmak

MQL-SQL sisteminin işlemesi için iki ekip arasında yazılı bir hizmet seviyesi anlaşması (SLA) şarttır. SLA, her iki tarafın da birbirine karşı taahhütlerini netleştirir.

Pazarlamanın taahhütleri örnek olarak şunlar olabilir:

• Her ay belirli sayıda MQL üretmek (örneğin 120 MQL)
• MQL'lerin belirli bir yüzdesinin hedef segmentten gelmesini sağlamak
• Her MQL için kaynak, etkileşim geçmişi ve puan detayını CRM'de eksiksiz sunmak

Satışın taahhütleri örnek olarak şunlar olabilir:

• Her MQL'e belirli bir süre içinde ilk temas kurmak (örneğin iş günü içinde 4 saat)
• Her MQL için en az 5-6 temas denemesi yapmak (telefon, e-posta, LinkedIn)
• MQL'i kabul etmezse ret nedenini CRM'de standart bir seçenekle işaretlemek

Bu son madde özellikle önemlidir. "Bütçe yok", "Yanlış kişi", "Zamanlama uygun değil", "Hedef segment dışında", "Ulaşılamadı" gibi standart ret nedenleri, pazarlamanın puanlama modelini iyileştirmesi için en değerli geri bildirimdir. Ret nedenlerini düzenli analiz eden bir organizasyon, MQL tanımını her çeyrekte daha isabetli hale getirir. Bu döngüyü sistematik hale getirmek için CRM ile sürekli öğrenen bir B2B SaaS organizasyonu kurma stratejileri yazımıza göz atabilirsiniz.

CRM'de MQL ve SQL Sürecini Kurmak

Tanımlar ne kadar iyi olursa olsun, CRM'e doğru yansıtılmadıkça kâğıt üzerinde kalır. HubSpot, Salesforce, Pipedrive veya başka bir CRM kullanıyor olun, temel kurulum adımları benzerdir:

1. Yaşam döngüsü aşamalarını tanımlayın: Lead, MQL, SAL, SQL, Opportunity, Customer gibi aşamaları kişi ve şirket kayıtlarında standart bir alan olarak oluşturun.
2. Puanlama alanlarını kurun: Uygunluk puanı ve ilgi puanı için ayrı alanlar açın. Toplam puanı otomatik hesaplatın.
3. Otomatik geçiş kurallarını oluşturun: Puan eşiği aşıldığında lead'in otomatik olarak MQL aşamasına geçmesini ve ilgili satış temsilcisine atanmasını sağlayın.
4. Atama mantığını belirleyin: Bölge, segment veya round-robin (sıralı dağıtım) mantığıyla MQL'lerin doğru kişiye gitmesini sağlayın.
5. Bildirim ve görev otomasyonu ekleyin: MQL atandığında temsilciye anlık bildirim ve "İlk temas" görevi oluşturun. SLA süresi aşıldığında yöneticiye uyarı gönderin.
6. Zorunlu alanlar koyun: SQL'e geçiş ve ret durumları için gerekli alanları zorunlu hale getirin.
7. Raporlama panosu oluşturun: Aşamalar arası dönüşüm oranlarını, ortalama geçiş sürelerini ve kaynak bazlı performansı tek ekranda görün.

Veri kalitesi bu sistemin temelidir. Formlardan gelen eksik bilgiler (şirket büyüklüğü, sektör, unvan) puanlamayı yanıltır. Bu nedenle veri zenginleştirme araçlarını CRM'e entegre etmek faydalıdır. Örneğin Apollo.io gibi B2B veri platformları, yalnızca e-posta adresiyle gelen bir lead'in şirket ve unvan bilgilerini tamamlayarak uygunluk puanının doğru hesaplanmasına yardımcı olabilir.

Outbound Satışta MQL Kavramı Nasıl Değişir?

MQL kavramı inbound pazarlama dünyasından doğmuştur. Peki aktif olarak outbound prospecting yapan bir ekipte MQL'in yeri nedir?

Outbound'da süreç ters işler. Lead'i pazarlama içeriği değil, SDR'ın kendisi seçer. Bu durumda ilk aşama genellikle uygunluk temelli bir hedef listesidir. Bu listedeki şirketler zaten ICP'ye uyduğu için "fit" boyutu baştan karşılanmıştır. İlgi sinyali ise e-posta yanıtı, LinkedIn mesajına dönüş veya bir görüşmeye evet demek şeklinde ortaya çıkar.

Pek çok ekip outbound'dan gelen ve olumlu yanıt veren adayları ayrı bir kategoride izler. Bunlar bazen "outbound MQL" ya da "engaged prospect" olarak adlandırılır. Burada kritik olan, inbound ve outbound kaynaklı lead'leri raporlamada ayrı tutmaktır. Çünkü dönüşüm oranları, satış döngüsü süreleri ve maliyet yapıları birbirinden oldukça farklıdır. İki kaynağı tek bir MQL havuzunda birleştirmek, hangi kanalın gerçekten işe yaradığını görmenizi engeller.

Outbound tarafında veri odaklı bir lead generation altyapısı kurmak istiyorsanız, veri odaklı B2B satış ve lead generation konusunda uzmanlaşmış Sales Corner bu süreci uçtan uca destekleyebilir.

MQL, SQL ve PQL: Ürün Odaklı Büyümede Yeni Denge

Freemium veya ücretsiz deneme modeliyle çalışan SaaS şirketlerinde üçüncü bir kavram öne çıkar: PQL (Product Qualified Lead). PQL, ürünü fiilen kullanmış ve kullanım davranışıyla değer gördüğünü kanıtlamış kullanıcıdır. Örneğin bir proje yönetimi aracında üç ekip arkadaşını davet eden ve ilk hafta içinde 20'den fazla görev oluşturan bir kullanıcı güçlü bir PQL adayıdır.

PQL, MQL'e kıyasla genellikle çok daha güçlü bir satın alma sinyalidir. Çünkü içerik tüketmek ile ürünü kullanıp değer elde etmek arasında büyük fark vardır. Ürün odaklı büyüme modelinde MQL tamamen ortadan kalkmaz. Ancak rolü değişir. MQL, deneme kaydına yönlendirme aşamasında önemini korur. Satış ekibinin öncelik listesinde ise PQL'ler en üste çıkar. Bu dengenin nasıl kurulacağını ürün kullanımını gelire çeviren PQL odaklı satış yaklaşımı yazımızda detaylı olarak ele aldık.

Takip Edilmesi Gereken Temel Metrikler

MQL-SQL sistemini kurduktan sonra şu metrikleri düzenli olarak izlemeniz gerekir:

• MQL hacmi: Aylık üretilen MQL sayısı ve kaynak kırılımı.
• MQL → SAL oranı: Satış ekibinin kabul ettiği MQL yüzdesi. Düşükse puanlama modeli satışın beklentisiyle örtüşmüyor demektir.
• MQL → SQL dönüşüm oranı: Pazarlama kalitesinin en net göstergesi.
• SQL → Fırsat ve Fırsat → Kazanç oranları: Satış sürecinin verimliliğini gösterir.
• Hız (Velocity): Bir lead'in MQL'den SQL'e ve SQL'den kapanışa geçmesi için geçen ortalama gün sayısı.
• İlk yanıt süresi: MQL atandıktan sonra ilk temasın kurulmasına kadar geçen süre.
• MQL başına maliyet ve SQL başına maliyet: Kanal bütçelerinin verimliliğini ölçer.

Basit bir örnek hesapla bu metriklerin nasıl birlikte çalıştığını görelim. Diyelim ki bir çeyrekte 300 MQL ürettiniz ve bunların 240'ı satış tarafından kabul edildi (yüzde 80 SAL oranı). Kabul edilenlerin 72'si keşif görüşmesi sonrası SQL oldu (yüzde 30). SQL'lerin 36'sı fırsata dönüştü ve bunlardan 9'u kazanıldı. Bu durumda MQL'den müşteriye dönüşüm oranınız yüzde 3 olur. Ortalama yıllık sözleşme değeriniz 120.000 TL ise, her bir MQL'in size beklenen değeri yaklaşık 3.600 TL'dir. Bu rakam, MQL başına ne kadar pazarlama harcaması yapabileceğinizin üst sınırını belirlemede çok işe yarar.

Kanal bazlı maliyetleri karşılaştırırken özellikle ücretli kanallara dikkat edin. Ücretli arama kampanyalarının MQL kalitesini nasıl etkilediğini B2B SaaS için Google Ads rehberimizde inceleyebilirsiniz. Benzer şekilde, LinkedIn reklamlarının B2B SaaS'ta gerçekten değer sağlayıp sağlamadığını ele aldığımız yazı da hangi kanaldan daha nitelikli MQL geldiğini değerlendirmenize yardımcı olacaktır. LinkedIn tarafında organik varlığınızı güçlendirmek isterseniz, B2B LinkedIn ve Instagram yönetimi yapan Social Media Corner ile çalışmayı da değerlendirebilirsiniz.

Sık Yapılan Hatalar

MQL-SQL sistemini kuran şirketlerin sıkça düştüğü tuzaklar şunlardır:

• MQL hacmini tek başarı ölçütü yapmak: Pazarlama ekibi yalnızca MQL sayısıyla ölçülürse eşiği düşürme eğilimi doğar. Hedeflere mutlaka SQL ve pipeline katkısını da ekleyin.
• Puanlama modelini bir kez kurup unutmak: Pazar, ürün ve hedef kitle değiştikçe model eskir. En azından çeyreklik olarak gözden geçirin.
• Yalnızca davranışa bakmak: Çok aktif ama hedef dışındaki kullanıcılar satış ekibini meşgul eder. Uygunluk boyutunu mutlaka dahil edin.
• Puan düşüşünü (decay) ihmal etmek: Altı ay önce webinara katılmış biri bugün hâlâ yüksek puanla duruyorsa model yanıltıcıdır. Zamanla azalan puan mantığı ekleyin.
• Reddedilen MQL'leri kaybetmek: "Zamanlama uygun değil" diyen bir lead'i silmek yerine tekrar nurturing akışına alın. Altı ay sonra SQL olabilir.
• Hesap bazlı bakışı göz ardı etmek: B2B'de satın alma kararları bireysel değil kurumsaldır. Aynı şirketten üç farklı kişinin aynı hafta etkileşime girmesi, tek bir kişinin yüksek puanından çok daha güçlü bir sinyaldir. Hesap düzeyinde puanlamayı da değerlendirin.
• İlk temasta gecikmek: Sıcak bir MQL'in ilgisi hızla soğur. İlk yanıt süresini SLA'nın merkezine koyun.

Sonuç

MQL ve SQL, yalnızca birer kısaltma değildir. Pazarlama ile satışın ortak dil konuşmasını sağlayan birer anlaşmadır. MQL, pazarlamanın "Bu kişi doğru profilde ve ilgi gösteriyor" dediği noktadır. SQL ise satışın "Bu şirketin gerçek bir ihtiyacı ve satın alma süreci var" diye doğruladığı aşamadır. İki aşama arasındaki geçiş doğru tasarlandığında satış ekibinin zamanı verimli kullanılır, pazarlama bütçesi doğru kanallara akar ve pipeline öngörülebilir hale gelir.

Başarılı bir sistem için kazanılan müşterilerinizden yola çıkan bir puanlama modeli kurun. Ekipler arasında yazılı bir SLA oluşturun. Bu yapıyı CRM'de zorunlu alanlar ve otomasyonlarla destekleyin. Ret nedenlerini düzenli analiz ederek tanımlarınızı her çeyrek yeniden kalibre edin. Ürün odaklı büyüyorsanız PQL'i, outbound çalışıyorsanız etkileşim sinyallerini bu yapıya entegre edin.

Kendi MQL ve SQL tanımlarınızı oluşturmak, CRM'inizi bu sürece göre kurgulamak veya pazarlama ile satış ekipleriniz arasındaki uyumu güçlendirmek istiyorsanız, SAAS Corner olarak yanınızdayız. İletişim sayfamızdan bize ulaşın, büyüme hedeflerinize uygun bir yol haritasını birlikte çizelim.

İlgili Yazılar

• B2B Webinar ile Nitelikli Lead Toplama Rehberi
• B2B SaaS için Google Ads Rehberi: Maliyet ve Kurulum
• B2B SaaS SEO Rehberi: Türkiye'de Adım Adım Başlangıç
• LinkedIn Reklamları B2B SaaS'ta Değer Sağlar mı?