99 e Product Market Fit
Da transcrição do último episódio do Aura sobre a 99:
Em janeiro de 2013, a empresa sentiu os primeiros indícios do famoso Product Market Fit (PMF), que é o momento mágico em que o produto encontra uma série de consumidores desejando usar muito o produto.
Ele foi mensurado pelo aumento de cadastros e corridas, que era 10 vezes maior do que no lançamento, em agosto de 2012.
O que indicava o PMF era a alta retenção da maior parte dos usuários e motoristas.
É curioso como um conceito criado há mais de 20 anos, quando o iPhone nem havia sido lançado, ainda é o mais importante para as startups early stage.
O Product Market Fit, ou (“PMF”), é o “momento mágico” no qual as empresas conseguem conciliar a entrega de valor do seu produto com uma necessidade existente e pulsante de consumidores..
PMF é o momento em que seu produto vira “must-have” para um grupo e isso pode ser comprovado em dois lugares: satisfação e retenção.
1) Análise de Satisfação
A forma mais prática de medir satisfação é rodar uma pesquisa com seus usuários ativos. A pergunta central é:
Como você se sentiria se não pudesse mais usar o produto?
Muito desapontado
Um pouco desapontado
Não desapontado
1.1 ) O framework de Sean Ellis (o “40%”)
Sean Ellis (que popularizou o termo “growth hacking”) defende que PMF aparece quando uma parcela relevante da base ficaria muito desapontada sem o produto.
O benchmark mais famoso:
Se > 40% responder “muito desapontado”, isso é um forte indício de PMF.
A lógica é que assim, mensura-se o “must-have”, não “nice-to-have”.
Você pode até se perguntar por que diachos é 40%.
Ellis chegou nesse valor ao conduzir uma pesquisa ampla com startups e observou que negócios de alto crescimento sustentáveis tendiam a ter ao menos ~40% nesse grupo de “muito desapontados”.
(Curiosidade: anos depois, escutei uma entrevista do então CPO do Nubank argumentando que o brasileiro era tão complacente que ele buscava algo como 50% no Brasil.)1
1.2) O framework de Rahul Vohra (Superhuman)
Rahul Vohra foi discípulo de Sean Ellis e transformou isso em um motor de produto no início da Superhuman.
Esses dados moldaram toda a estratégia da empresa e do produto a fim de atingir a catarse do PMF.
Outro exemplo prático de dados para encontrar o PMF aconteceu no Slack. Em 2015, quando a empresa tinha em torno de 500 mil paying users, ela conduziu uma pesquisa que notou indícios de PMF na sua base quando 51% indicou que se sentiria muito desapontada caso não pudesse mais utilizar o Slack.
Isto foi o grande indicador de que o Slack estava no caminho correto.
Bom, para você aplicar na prática, vou deixar os dois questionários para quem tiver interesse:
Sean Ellis: - https://pmfsurvey.com/
Raul Vohra: https://coda.io/@rahulvohra/superhuman-product-market-fit-engine
2) Retenção de Usuários
A segunda parte da análise de PMF de certa forma precede a primeira. Explico: com clientes retidos na plataforma, indica que se uma vez ela acabar, eles ficariam muito decepcionados.
Pensa que o survey de satisfação é uma foto.
Retenção é o filme.
Foi exatamente esse tipo de sinal que fez diferença na primeira rodada da 99: o padrão de uso que sugeria hábito em um segmento específico.
Está conectado diretamente porque os investidores da 99 investiram. Mais uma vez do trecho do episódio:
Quando eu conversei com o Carlo, então sócio da Monashees e que foi board member da 99, ele mencionou que investiu porque os cohorts, ou seja, os gráficos de retenção da 99 eram melhores que qualquer concorrente.
Isso também ressoou com o CK, que investiu através da Qualcomm, que comentou comigo que olhou diversos competidores na época e que resolveu investir na amarelinha 99 porque já era tida como a que tinha a melhor experiência do usuário.
Para analisar cohorts de uso, você acompanha um grupo de usuários que começou a usar o produto no mesmo período (ex.: “usuários que entraram na semana 1”) e mede, semana a semana, quantos continuam usando.
O que importa não é a queda inicial, mas sim quando a curva se estabiliza em algum patamar: isso indica que existe um segmento que encontrou valor recorrente no seu produto (ao menos para aquela audiência/mercado), o que indica o famoso PMF. O gráfico abaixo ilustra melhor:
Quando você entender quais são esses clientes que retém um alto valor do seu produto, o seu papel será de compreender qual o tamanho desse segmento e como funcionaria para monetizar em torno dessa base (a partir daí você terá uma maior noção dos unit economics da sua empresa)
Para fazer uma análise de forma devida, a empresa deve escolher uma métrica que reflita o principal valor retirado pelos clientes do seu produto, além da frequência que é esperada que o usuário utilize. Alguns exemplos reais:
Para o Airbnb, o que importa é otimizar o número de reservas em moradias no ano por usuário. Já para o Facebook, monthly active user sempre foi a northstar metric enquanto que para o Ebay é o valor por usuário gasto semanalmente no marketplace.
Um bom benchmark para comparar são os estudos de produto da Pendo, que analisa o bottom e top quartile de retenção, exposto no gráfico abaixo:
Então, sumarizando as duas dicas desse artigo:
Utilize o framework de Sean Ellis ou Raul Vohra para compreender se sua empresa tem indícios de PMF;
Faça um gráfico de retenção de usuários para entender quem está retirando maior valor do seu produto.
E se você considerou o artigo valioso, tenho uma dica: Toda parte do product market fit é apenas uma das partes da história da 99 coberta no meu podcast. O episódio traz lições únicas sobre reviravoltas, product market fit, expansão, M&A e muito mais. Olha o que o Ariel, um dos fundadores falou do episódio.
Recomendo muito você assistir e fico no aguardo do feedback.
Assista aqui no Spotify.