Este artigo é um trecho do livro “Transformação digital e cultura de produto: Como colocar a tecnologia no centro da estratégia da sua empresa“.

Durante o período em que a Índia foi colônia da Grã-Bretanha, o governo britânico, preocupado com as mortes acidentais por picada de cobras venenosas, decidiu oferecer uma recompensa para cada pessoa que aparecesse com uma cobra morta. Durante algum tempo esse programa deu certo e começou a aparecer uma quantidade crescente de cobras mortas para o governo pagar a recompensa. Contudo, o número de mortes acidentais por picada de cobra continuava a crescer. Quando o governo foi buscar entender o que estava acontecendo, descobriu que havia pessoas que começaram a criar cobras em casa para depois matá-las e ganhar a recompensa do governo.

Esse é o conceito da métrica perversa, uma métrica que, quando usada isoladamente, pode levar a comportamentos não desejados e inesperados. Essa é a razão pela qual devemos ter mais de um KR por objetivo. Se tivermos um único KR por objetivo, corremos o risco de ter esse comportamento da métrica perversa.

Suponha que um time de atendimento tem por objetivo “aumentar a produtividade de nosso time de atendimento” e define um único KR, que é “reduzir TMA de 10 min para 2 min”. TMA é o tempo médio de atendimento. Ao diminuir o TMA, é possível atender mais clientes com o mesmo time, aumentando assim sua produtividade. O que pode acontecer é que o time de atendimento pode passar a controlar o tempo de ligação e desligar quando estiver próximo dos 2 minutos de duração, não importando se o assunto tenha sido resolvido. Em um caso desses, precisamos ter outros KRs para garantir resolução de problemas e satisfação da cliente.

Métricas leading (causa) e lagging (efeito)

Existe uma forma de classificar métricas que ajuda muito a entender o potencial de impacto da métrica. Em inglês, os termos usados são leading e lagging. É um pouco difícil traduzir esses termos para o português, mas uma forma de ajudar a entender esses conceitos é pensar em causa e efeito, ou em métrica causa e métrica efeito. Enquanto churn e NPS são métricas efeito, o engajamento pode ser visto como uma métrica causa.

Para explicar o que são e qual a diferença entre indicadores causa (leading) e indicadores efeito (lagging), vou contar sobre um trabalho que fizemos tanto na Locaweb quanto na Conta Azul para descobrir maneiras de predizer o churn. Quais clientes tinham maior probabilidade de cancelar o serviço contratado? Fizemos várias análises para descobrir quais comportamentos indicavam, com maiores chances de acerto, se um cliente cancelaria, e descobrimos vários comportamentos interessantes. Por exemplo, um cliente de hospedagem de sites que redireciona o seu domínio para apontar para um site hospedado em outro lugar provavelmente o fez porque está mudando de serviço de hospedagem. Ou se seu site tinha alto volume de acesso e esse volume reduziu drasticamente, também há boas chances de que ele vai cancelar seu serviço de hospedagem de sites. Ou se um cliente da Conta Azul que costumava registrar 50 vendas por mês diminui a quantidade de vendas registradas até zero, há grandes chances de esse cliente cancelar sua conta na Conta Azul.

O churn é exemplo de indicador efeito, pois ele conta o que aconteceu, clientes cancelaram. Indicadores efeito são métricas que nos ajudam a avaliar o resultado de uma empresa ou de uma iniciativa. Exemplos de indicadores efeito são churn, receita, lucro, número de clientes e NPS. São métricas que devem ser acompanhadas frequentemente, em alguns casos até mesmo diariamente ou mais de uma vez por dia, mas elas são a consequência. Elas mostram o resultado, mas não mostram como esse resultado foi obtido.

Para entender como um resultado foi obtido, devemos usar os indicadores causa. No exemplo anterior do churn e da pesquisa dos fatores que ajudam a predizê-lo, o comportamento dos clientes que foi detectado como preditor do churn foi a quantidade de acessos de um site e a quantidade de vendas registradas, que são os indicadores causa. Esse tipo de indicador ajuda a predizer um resultado, a predizer como se comportará um indicador efeito. E é nos indicadores causa que devemos focar nossa energia, para que possamos ver o ponteiro do indicador efeito mexer.

Por exemplo, o que devemos fazer para diminuir o churn de um produto? Garantir que o produto esteja sendo usado e sendo útil, o que significa que está resolvendo um problema ou atendendo uma necessidade de seu usuário. Na Locaweb, no produto de hospedagem de sites, o site tem que ser útil para o dono do site. O que esse dono do site ou loja virtual espera desse site? Visitas? Clientes? Compras? Como ajudar o dono do site a atingir seu objetivo? Esse é o caminho para evitar o churn. Na Conta Azul, qual é o comportamento esperado de um cliente que está resolvendo seus problemas de gestão utilizando o produto? Quantas vezes por semana ele acessa? O que ele faz quando loga no sistema? Como posso fazer para ajudar o cliente a tirar o máximo de proveito do seu produto?

Sempre que vejo times de produto definindo metas de churn ou mesmo de NPS, que são métricas efeito, eu recomendo incluir metas de engajamento e deixar churn e NPS não como metas, mas sim como métricas a serem acompanhadas. Se você tiver um produto que gera um engajamento dentro do que você havia planejado para esse produto, você muito provavelmente terá um churn baixo e um bom NPS.

Veja na tabela a seguir alguns exemplos de métricas efeito e possíveis métricas causa:

Pensando nos OKRs, uma forma de utilizar indicadores causa e efeito é pensar nos indicadores efeito como objetivos, e nos indicadores causa como os key results (resultados-chaves). Ou podemos deixar as métricas efeito como KR, mas devemos tentar ter alguns KRs também com métricas causa.

Usando o exemplo do OKR de ser mais saudável, emagrecer é o efeito esperado, assim como diminuir a gordura corporal é uma métrica efeito. Por outro lado, fazer exercício algumas vezes por semana é uma métrica causa. Como temos só uma métrica causa nesse exemplo, pode ser interessante incluir outras métricas causa, como não comer doces e limitar calorias ingeridas por dia, para nos ajudar a atingir o objetivo de ser mais saudável.

Transformação digital e cultura de produto

Esse artigo é mais um trecho do meu livro mais recente “Transformação digital e cultura de produto: Como colocar a tecnologia no centro da estratégia da sua empresa“, que vou também disponibilizar aqui no blog. Até o momento, já publiquei por aqui:

• Sobre o livro
• Parte 1: Conceitos
  • Capítulo 1: A tal da transformação digital – Projeto e Produto
  • Capítulo 2: Incerteza e transformação digital
  • Capítulo 3: Tipo de empresa
  • Capítulo 4: Tipo de empresa x maturidade digital
  • Capítulo 5: Modelos de negócio
  • Capítulo 6: Cultura ágil, digital e de produto
• Parte 2: Princípios
  • Capítulo 7: Entregas rápidas e frequentes – Medindo e gerenciando a produtividade – Estudo de caso: Grupo Dasa – Estudo de caso: Itaú Unibanco
  • Capítulo 8: Foco no problema – O Famoso Discovery de Produto – Por que o modelo “negócios demanda → tecnologia implementa” não funciona? – Estudo de Caso: Magazine Luiza
  • Capítulo 9: Entrega de resultado – Time Terceirizado ou Time Interno? – Estudo de Caso: Centauro
  • Capítulo 10: Mentalidade de ecossistema
• Parte 3: Ferramentas
  • Capítulo 11: Visão de Produto – Exemplos de visão de produto
  • Capítulo 12: Estratégia de Produto
  • Capítulo 13: Estrutura de time – Como estruturar times de desenvolvimento de produto mais eficazes – Times estruturais – Planilha de estrutura de time – Downsizing e layoffs – CTO + CPO – Internacionalização – Time terceirizado – Modelo de Tuckman – Dependência entre times – Devemos ter uma equipe de inovação dedicada? – Devemos ter uma equipe dedicada à correção de bugs? – Unidades de negócio – Por que bonificação individual não funciona em times de produto – O que faz um grupo de pessoas se comportar como um time?
  • Capítulo 14: OKRs e periodicidade – Métricas perversas, métricas causa e métricas efeito

Ouça mais clientes, com menos esforço

Num mundo onde a IA nivela a execução, o conhecimento profundo da sua cliente é o único ativo que o concorrente não consegue copiar. A ReveLumi foi criada exatamente para isso. Conheça em revelumi.com.

Treinamento e consultoria em gestão de produtos

Ajudo empresas e lideranças (CPOs, heads de produto, CTOs, CEOs, tech founders e heads de transformação digital) a conectar negócios e tecnologia por meio de treinamentos e consultoria focados em gestão de produtos e transformação digital.

Podcast da Gyaco

Na Gyaco, acreditamos no poder das conversas para promover reflexão e aprendizado. Por isso, temos o podcast Produto em Pauta, com episódios toda quinta-feira.

A série principal é Mentorias: conversas com profissionais de produto, partindo da ideia de que as perguntas de uma pessoa muitas vezes são as perguntas de muitas outras. Exploramos desafios concretos e transformamos experiência em aprendizados práticos que você pode aplicar no seu próprio contexto.

Disponível no YouTube e no Spotify. Gravado em português e, no YouTube, com legendas em inglês.

Quer se aprofundar na gestão de produtos?

Você trabalha com produtos digitais? Quer aumentar as chances de sucesso do seu produto, resolver os problemas das usuárias e atingir os objetivos da empresa? Conheça meus livros, onde compartilho o que aprendi ao longo de mais de 30 anos criando e gerenciando produtos digitais:

• Transformação digital e cultura de produto: Como colocar a tecnologia no centro da estratégia de sua empresa
• Liderança de produtos digitais: A ciência e a arte da gestão de times de produto.
• Gestão de produtos: Como aumentar as chances de sucesso do seu software.
• Guia da Startup: Como startups e empresas estabelecidas podem criar produtos de software rentáveis.