Photo by Markus Spiske on Unsplash

É curioso como um conceito criado há mais de 15 anos, quando o iphone nem tinha sido lançado, ainda é o mais importante para as startups early stage. Estou falando do Product Market Fit (“PMF”), que é supostamente esse “momento mágico” no qual as empresas conseguem conciliar a entrega de valor do seu produto com uma necessidade existente de uma parcela de pessoas/empresas.

Product Market Fit é um desses conceitos que são fáceis de entender, mas, na prática é muito difícil de articular o que de fato é. Para mim, enquanto para algumas startups o PMF é algo óbvio, para a maior parte delas compreender se tem ou não o PMF é uma grande incógnita.

O intuito desse artigo é buscar tangibilizar o Product Market Fit por meio de dois grupos de indicadores importantes: Satisfação e Retenção.

Análise de Satisfação

Para esse tópico, há duas referências que nos trazem respostas e frameworks:
Sean Ellis e Raul Vohra (Superhuman).

Sean Ellis foi reconhecido por ter liderado a estratégia de marketing da Dropbox, LogMeIn e Uproar desde o early stage até o high-growth. E, foi também a pessoa que criou o termo Growth Hacker.

Para Sean, Product Market Fit é quando uma parcela grande de clientes fica muito desapontada ao não poderem mais utilizar o seu produto. Ou seja, se você fizer uma pesquisa e mais de 40% da sua base ficar muito desapontada em não poder mais utilizar a sua solução, seria uma indicação que você encontrou PMF. Para ele, o indício do grande desapontamento prova que seu produto é um must have (que inclusive é um critério de investimento nosso dentro da Astella).

Mas por que 40%?

Sean Ellis conduziu uma extensiva pesquisa com startups e a descoberta foi que as startups que conseguiram criar negócios de alto crescimento sustentáveis tinham uma base de ao menos 40% de clientes que ficaria muito desapontada em não poder mais usar seus produtos.

Raul Vhora, fundador do SuperHuman, utilizou os ensinamentos de Sean como mantra para atingir o PMF. A empresa enviou o seguinte questionário para os seus Beta Users:

Raul explica nesse artigo como olhar para esse dado mudou toda a estratégia da empresa e do produto a fim de atingir o PMF. Para todos os empreendedores, é um must-read e uma lição sobre o quanto mergulhar nesses dados pode ser benéfico para sua empresa.

Outro exemplo interessante foi uma pesquisa realizada com 731 usuários do Slack em 2015 (quando a empresa tinha em torno de 500 mil paying users). Nessa pesquisa, conduzida por Hiten Shah, notou-se o padrão do Product Market Fit dentre os usuários. Mais 51% da base se sentiria muito desapontada caso não pudesse mais utilizar o Slack.

Para quem tiver interesse, segue os dois questionários:

• Questionário Sean Ellis: https://pmfsurvey.com/
• Questionário Raul Vohra: https://coda.io/@rahulvohra/superhuman-product-market-fit-engine

Retenção de Usuários

Uma análise cohort de retenção é essencial para compreender Product Market Fit. Um exercício interessante é analisar um grupo de usuários que utilizou o seu produto sob um período de tempo. Depois, buscar entender quantas dessas pessoas continuaram a usar o seu produto. Quando você fizer isso, não haverá problema se a curva de usuários tiver uma grande queda no início, o output que você deve buscar entender é se a curva de utilização de usuários se estabiliza em algum ponto. Se a resposta for sim, então há um grupo de usuários que está encontrando valor no uso recorrente de seu produto, o que indica PMF (ao menos para essa audiência ou mercado). O gráfico abaixo exemplifica de uma forma mais clara:

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.

Diferente do caso de Sean Ellis, nesse não há um número exato (como os 40%) que correlaciona ou não com Product Market Fit. O estudo faz sentido para entender como está o padrão de utilização e também funciona como um mapa para que as empresas investiguem quais os segmentos de clientes que tem tirado mais valor do produto.

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:

Vale ressaltar que também é um bom exercício fazer o gráfico de retenção tanto para o número de clientes, quanto para a receita e LTV, que fornecerá assim ainda mais insumos para a descoberta do Product Market Fit.

Enquanto as pesquisas com usuários funcionam como uma foto do momento, os gráficos de retenção são métricas real-time para entender como os clientes estão se apropriando da proposta de valor do seu produto.

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.

O lado “subjetivo” do PMF é capturado de forma impar pelo founder da Twitch na thread abaixo:

Usando a metáfora do Emmett: se de alguma forma pudermos ajudar a sua startup a mover o boulder que está travando o growth, a Astella está a disposição. Manda um email para lucas@astellainvest.com e será uma honra trocarmos uma ideia sobre o assunto.

‍