Otimização do Funil de Ativação: Onboarding e Tempo até o Valor

A maioria dos produtos B2B SaaS e PLG perde entre 60% e 80% dos cadastros entre o signup e a ativação, e quase ninguém mapeou onde isso acontece. O PM culpa o marketing por "leads de baixa qualidade." O marketing culpa o produto por um onboarding quebrado. O funil fica em um dashboard do Mixpanel que ninguém abre, e a reunião semanal de crescimento vira um debate sobre criativo de anúncio enquanto metade dos cadastros pagos nunca faz login duas vezes.

Se você é o growth marketer, este é o seu problema. Quer a empresa admita ou não, a ativação vive na junção entre aquisição e produto, e essa junção é sua. A aquisição quer mais volume. O produto quer código mais limpo. A queda entre o signup e o valor é o meio-do-campo sem dono, e normalmente é a maior alavanca da empresa.

Este playbook é como você assume o controle disso.

Encontre seu momento aha nos dados de coorte, não na cabeça do fundador

Toda equipe com que trabalhei tem um "momento de valor central" que alguém, geralmente o fundador, nomeou em um deck de 2018. Quase sempre está errado, ou pelo menos é preguiçoso na direção. O momento aha é a ação em que os usuários que a realizam na semana 1 retêm a uma taxa 2 a 3 vezes maior do que os que não a realizam. Você o encontra observando as curvas de retenção, não olhando para dentro.

Os casos clássicos são famosos porque foram definidos por dados, não por intuição. O Slack não escolheu "enviar 2.000 mensagens como equipe" porque soava bem em uma reunião de conselho. Eles dividiram as equipes por volume de mensagens nas primeiras semanas e perceberam que a retenção subia acentuadamente acima dessa linha. O Dropbox descobriu que "1 arquivo em 1 pasta em pelo menos 1 dispositivo" previa a retenção melhor do que contagem de arquivos ou armazenamento usado. O Figma observou que o primeiro arquivo compartilhado era a ação que convertia um usuário individual em uma equipe de usuários.

O padrão é o mesmo sempre. Divida os usuários por semana de cadastro. Segmente cada coorte conforme realizaram ou não uma ação candidata nos primeiros 7 dias. Plote a curva de retenção no dia 7, dia 14 e dia 30 para cada segmento. A ação cujas curvas de retenção se abrem mais é seu candidato a momento aha.

Um padrão SQL funcional, em linguagem simples:

1. Puxe todos os cadastros das últimas 12 semanas.
2. Para cada usuário, marque se realizou a ação candidata dentro de 7 dias do cadastro.
3. Calcule a retenção no dia 7, dia 14 e dia 30 para ambos os segmentos.
4. Repita para 5 a 10 ações candidatas: convidou um colega de equipe, criou um registro, conectou uma integração, enviou uma mensagem, executou um relatório, etc.
5. A ação com o maior delta de retenção e uma taxa de adoção razoável (você quer pelo menos 30% dos usuários chegando lá, caso contrário o ganho é teórico) é seu momento aha.

Não escolha apenas pelo ganho. Uma ação que aumenta a retenção em 4x, mas onde apenas 5% dos usuários chegam, não é um momento aha: é um comportamento de usuário avançado. Você precisa tanto do ganho quanto de um caminho que a maioria dos usuários possa percorrer.

Se o fundador insistir que o momento aha é algo que os dados não sustentam, você tem dois trabalhos: entregar a análise de qualquer forma e ter a conversa. Ativação é um problema de retenção, não um problema de opinião.

O funil de 5 etapas, com faixas realistas de queda

Depois de definir o momento aha, instrumente o caminho até ele como 5 etapas. Todo produto B2B PLG pode ser modelado assim:

1. Signup. E-mail verificado, conta criada.
2. Setup. Workspace criado, primeira configuração feita, opcionalmente um colega convidado.
3. Primeira ação. Criaram o item: um registro, um projeto, um documento, um negócio.
4. Primeiro valor (o momento aha). O item fez algo útil. O dashboard foi populado. O e-mail foi enviado. O colega respondeu.
5. Hábito. Retornou 3 ou mais vezes na semana 1, ou atingiu o momento aha 3 ou mais vezes.

A queda realista para um produto PLG B2B típico é assim:

• Signup para Setup: queda de 30% a 40%
• Setup para Primeira ação: queda de 25% a 35%
• Primeira ação para Primeiro valor: queda de 20% a 30%
• Primeiro valor para Hábito: queda de 15% a 25%

O efeito composto é brutal. Se cada etapa tem 75% de passagem, você termina com 32% de ativação. Para atingir 50% de ativação ponta a ponta, cada etapa precisa estar em 85% ou mais. A maioria dos produtos tem uma etapa que vaza duas vezes mais do que as demais. Essa é a etapa que você corrige primeiro.

Um exemplo real de um CRM PLG com que trabalhei:

Ponta a ponta: 22%. As etapas de setup e primeiro valor estão sangrando. O setup pode ser corrigido com um conjunto menor de campos obrigatórios e um workspace de exemplo. O primeiro valor pode ser corrigido pré-criando um negócio na etapa 1 para que a primeira sessão possa demonstrar movimentação de etapa sem 30 minutos de entrada de dados.

Instrumentação: eventos, propriedades e o dashboard que não mente

Dispare um evento por etapa, com nome consistente e o mesmo conjunto de propriedades:

• signup_completed
• setup_completed
• first_action_completed
• first_value_reached
• habit_formed

Associe estas propriedades a cada evento: signup_source (pago, orgânico, indicação, parceiro), plan (gratuito, trial, pago), team_size (auto-relatado ou inferido), role (admin, membro, visualizador), industry, cohort_week. As propriedades importam mais do que os eventos. Sem elas, você saberá que 36% dos usuários chegaram ao setup, mas não saberá que 14% dos usuários de fonte paga chegaram ao setup versus 52% dos usuários de indicação, que é a história real.

O layout de dashboard que torna a queda legível: semana de coorte nas linhas, as 5 etapas do funil como colunas, percentuais de passagem nas células, formatação condicional para destacar células abaixo de 70%. Uma visão por fonte. Uma visão por plano. Na primeira vez que você colocar isso na frente de um PM que estava gestualizando sobre "engajamento", ele vai ficar quieto.

Nomeie os diagnósticos para que a equipe possa falar sobre eles sem rederivá-los toda vez:

• Cadastros fantasma. E-mail verificado, nunca logou de novo. Quase sempre é um problema de marketing ou expectativa. A landing page prometeu algo que o produto não abre com. Corrija no lado da aquisição, não no lado do produto.
• Paralisações no estado vazio. Logou, nunca criou nada. O produto mostrou um dashboard em branco e ele saiu. Este é o maior obstáculo à ativação em B2B PLG. Mais sobre isso em seguida.
• Desistentes no setup. Começou o setup, encontrou um campo obrigatório que não conseguia preencher ou não queria. Audite seus campos obrigatórios impiedosamente.
• Valor nunca chegou. Usou o produto, mas o momento mágico nunca disparou. Geralmente significa que o caminho da primeira ação ao primeiro valor é longo demais, escondido demais ou requer dados que o usuário ainda não tem.

Cada diagnóstico tem uma correção diferente. Tratá-los como uma coisa só ("nossa ativação está ruim") é como equipes entregam 6 meses de polish de UI que não movem a métrica.

O problema do estado vazio

A UI de primeira execução que mostra zero dados é o maior obstáculo à ativação em B2B PLG. Um dashboard em branco parece dever de casa. Você se cadastrou para ver o valor, e agora o produto está pedindo 40 minutos de trabalho antes de mostrar qualquer coisa. Você fecha a aba. Não volta mais.

Três padrões funcionam, em ordem crescente de investimento:

Dados de exemplo pré-populados. O workspace é entregue com um projeto, negócio, documento ou conjunto de dados sintético já criado. O usuário chega a um dashboard populado e pode explorar. Gráficos renderizam. Filtros funcionam. O produto parece vivo. A melhor versão disso permite que o usuário exclua os dados de exemplo com um clique quando estiver pronto, mas não força a escolha desde o início.

Modo de exploração antes do modo de construção. Um tour somente leitura de um workspace de demonstração totalmente populado, depois um botão "criar o seu." O Notion faz uma versão disso. O Linear também. O usuário consegue sentir o produto antes de ter que alimentá-lo.

Tours interativos de produto que produzem um artefato real. Não o tour de overlay de UI do tipo "clique aqui, agora clique aqui", que todo mundo pula. O tour é um fluxo guiado de 90 segundos que termina com o usuário sendo dono de uma coisa real: seu primeiro negócio, seu primeiro documento, sua primeira automação. O tour é a primeira ação, não um tutorial sobre a primeira ação.

A correção errada é mais overlay de onboarding. Carrosséis de tooltip são o equivalente de ativação do "você tentou desligar e ligar de novo." Fazem a equipe se sentir produtiva. Não movem a métrica.

Padrões de correção de paralisação de valor

Quando os usuários chegam ao setup ou à primeira ação, mas nunca alcançam o primeiro valor, você tem uma paralisação de valor. Os padrões de correção, ranqueados por alavancagem:

• Templates. Comece a partir de um exemplo funcional, não de um canvas em branco. O template deve ser um artefato real no workspace deles que podem mudar, não um "kit inicial" que precisam importar. Templates elevam as taxas de primeiro valor mais do que qualquer outra intervenção isolada que já vi.
• Amostras. Dados sintéticos que o usuário pode editar, executar e quebrar. Diferente de templates porque amostras são dados de demonstração dentro de uma estrutura vazia, enquanto templates são a própria estrutura.
• Botões de pular. Deixe usuários avançados ignorar o onboarding sem penalidade. Um amigo growth PM mediu que 18% dos cadastros em trial pulavam todo o fluxo de onboarding quando tinham a opção, e esse segmento tinha ativação maior do que o segmento que completava o onboarding. Usuários rápidos querem ser deixados em paz. Certifique-se de que o caminho de pular não perca os dados de atribuição deles.
• Checklists com progresso visível. Um checklist de ativação com 5 itens, persistente na nav lateral, com estado de conclusão. O truque é tornar os itens pequenos o suficiente para que o primeiro esteja concluído no momento em que terminam de ler a lista. Momentum é o mecanismo real, não o checklist.
• Nudges com humano no loop. E-mail liderado pelo fundador às 24 horas se o usuário não chegou à etapa 3. Não um e-mail de marketing. Uma mensagem curta em texto simples: "percebi que você se cadastrou, aqui está o que 90% das equipes fazem primeiro." Taxas de abertura acima de 50%. Taxas de resposta acima de 5%. Você aprenderá mais com essas respostas do que com qualquer gravação de sessão.

Combine os padrões. Templates mais um checklist mais um nudge de 24 horas vão mover a ativação mais do que qualquer um deles sozinho.

Como testar mudanças de onboarding (sequencialmente, não em paralelo)

Testes de ativação não são testes de landing page. A população é pequena. O sinal é ruidoso. Os testes interagem entre si de maneiras que contaminam as leituras. Execute uma variante por vez.

Regras que sigo:

1. Uma variante por vez. Dois testes de onboarding paralelos vão colidir. Um usuário que cai na variante de templates do teste A e na variante de checklist do teste B foi tratado por ambos, e sua análise não consegue separá-los sem mais tamanho de amostra do que você tem.
2. Aguarde pelo menos 2 semanas completas de coorte. Os efeitos de ativação aparecem no dia 7, às vezes no dia 14. Um teste de 3 dias dá ganho na primeira sessão que não se traduz.
3. Observe a retenção no dia 7, não a conclusão de etapas. Conclusão de etapas é um número de vaidade. Um novo checklist que eleva a conclusão da etapa 3 de 50% para 70%, mas não move a retenção no dia 7, é uma vitória de UI e um nada-burger de crescimento.
4. Pré-registre a hipótese e o efeito mínimo detectável. Antes de entregar a variante, escreva qual ganho você espera e qual tamanho de amostra você precisa para detectá-lo com 80% de poder. Se a matemática diz que você precisa de 4.000 usuários por braço e tem 600 cadastros por semana, o teste levará 13 semanas. Decida isso com antecedência, ou escolha uma batalha diferente.
5. Elimine testes ruins rapidamente, mas não espionando. Se o sinal direcional na semana 1 for fortemente negativo, elimine. Não fique espiando resultados neutros esperando que se tornem positivos. É assim que você se torna falso-positivo e entrega a variante pior.

A parte mais difícil é dizer não à equipe que quer executar 5 testes de onboarding neste trimestre. Você pode executar 2, talvez 3, com confiança. Mais do que isso e você está produzindo movimento, não sinal.

A matemática do tempo até o valor

O tempo mediano até o valor (signup para o momento aha) é a métrica mais preditiva para ativação. Acompanhe-a. Debata-a. Reduza-a.

Faixas aproximadas que vi se sustentarem:

• Menos de 10 minutos: excelente. A maioria dos usuários chegará lá em uma sessão.
• Menos de 1 hora: viável. Alguns usuários retornam no dia 2 para concluir.
• Mais de 24 horas: a maioria dos usuários nunca volta. A sessão acabou e o produto não conquistou a segunda visita.

A matemática de redução do tempo até o valor é extremamente favorável. Um exemplo real de um produto de analytics B2B:

• Antes: Tempo mediano até o valor, 45 minutos (exigia configuração de integração e espera por dados). Retenção no dia 7: 22%.
• Depois: Tempo mediano até o valor, 8 minutos (conjunto de dados de exemplo no cadastro, integração real opcional). Retenção no dia 7: 38%.

Isso é um ganho de 1,7x na retenção do dia 7 a partir de uma única intervenção. A equipe de aquisição precisaria dobrar seu volume de cadastros qualificados para produzir o mesmo impacto downstream, provavelmente a 10 vezes o custo. É por isso que o trabalho de ativação é o trabalho de crescimento de maior alavancagem na maioria das empresas: você não está comprando usuários, está mantendo os que já apareceram.

Como o momento aha se mapeia para a retenção

A razão pela qual tudo isso importa: usuários que atingem o momento aha na semana 1 retêm a 60% a 70% no dia 30. Usuários que não atingem retêm a 15% a 20%. Isso é um delta de retenção de 3 a 4x que se compõe ao longo de toda a vida do cliente.

Um cálculo aproximado do impacto no LTV:

• 1.000 cadastros mensais
• 22% de ativação hoje: 220 usuários ativados, aproximadamente 150 retidos no dia 30
• Elevar a ativação para 40%: 400 usuários ativados, aproximadamente 270 retidos no dia 30
• 80% mais usuários retidos com o mesmo gasto de aquisição

Mesmo orçamento de anúncio. Mesmo SEO. Mesmo pipeline de parceiros. Quase o dobro da base de usuários retidos. Esse é o argumento para financiar o trabalho de ativação, e é o argumento para que você o assuma como growth marketer em vez de deixá-lo apodrecer na junção.

Checklist de diagnóstico que você pode executar esta semana

Reserve 4 horas. Abra seu warehouse e sua ferramenta de analytics. Percorra esta lista:

1. Puxe as curvas de retenção de coorte. Últimas 12 semanas de cadastros, retenção no dia 7, 14, 30. Plote-as.
2. Liste 5 a 10 ações aha candidatas. O que o produto espera que os usuários façam? Liste-as diretamente, sem ranking.
3. Calcule o delta de retenção por ação. Fez vs não fez, na semana 1, plotado contra a retenção no dia 30. Encontre a ação com a maior abertura e pelo menos 30% de adoção.
4. Instrumente as 5 etapas do funil se ainda não estiverem disparando. Adicione o conjunto de propriedades (source, plan, team_size, role, cohort_week).
5. Construa o dashboard de passagem coorte por etapa. Uma linha por semana de coorte, uma coluna por etapa.
6. Encontre a pior etapa. A que está sangrando 2x pior do que as outras. Nomeie o diagnóstico (fantasma, estado vazio, desistente no setup, valor nunca chegou).
7. Entregue uma correção. Template, amostra, botão de pular ou nudge de 24 horas. Combine a correção com o diagnóstico.
8. Aguarde 2 semanas de coorte. Leia a retenção no dia 7, não a conclusão de etapas.

Esse é o trabalho. Não glamoroso. Não um redesign. Não uma re-plataformização. Um número, uma etapa sangrando, uma correção, duas semanas. Repita até que sua ativação ponta a ponta esteja acima de 40%. Então vá encontrar a próxima etapa sangrando.

Os growth marketers que mais respeito têm uma opinião sobre seu funil de ativação dentro de 30 dias de entrar em uma empresa. Não uma sensação: um número, um diagnóstico e uma fila de três correções ranqueadas por ganho esperado. Seja essa pessoa.

Saiba Mais

• Descrição de Cargo: Growth Marketing Manager
• Desenho de Experimentos de Crescimento: Hipótese, MDE e Leitura
• Métricas de Crescimento: Momento Aha, Ativação, Retenção
• Ciclos de Retenção, Ciclos Virais, Reativação