O sucesso de longo prazo é alcançado medindo os indicadores de sua
startup de forma constante O empreendedor que não mede resultados não sabe até onde já avançou As medições reais devem ser confrontadas com as projeções realizadas nos planos de negócio Experimentos devem buscar aproximar os resultados reais das projeções ou mesmo superá-las Um dos maiores riscos de uma startup é perambular pela “terra dos mortos-vivos” Contabilidade para Inovação
A imprevisibilidade das startups torna o uso de uma contabilidade
tradicional pouco eficiente para seu gerenciamento Equipes de startup costumam crer que estão melhorando baseadas apenas em percepções do desenvolvimento do produto e de uma aparente aprovação dos consumidores Marcos estabelecidos no plano de negócios costumam determinar pontos na evolução do produto e dos indicadores, mas a relação entre a causa e o efeito das inovações não é clara A contabilidade para inovação permite que as startups demonstrem objetivamente se estão aprendendo a desenvolver um negócio sustentável Os 3 marcos de aprendizagem
1. Um MVP para estabelecer dados reais de onde a empresa se
encontra naquele momento (MVP) 2. Regulagem do motor a partir da baseline na direção do ideal. 3. Pivotar ou perseverar Os marcos permitem identificar se a empresa está seguindo na direção correta, aprendendo de forma validada Um pivô bem sucedido resulta em ajustes mais produtivos do que no modelo anterior A baseline
Os MVPs levam ao primeiro marco de aprendizagem, com dados reais
para o baseline do seu modelo de crescimento – Taxas de conversão – Taxas de cadastro – Período de teste – Valor do tempo de vida do cliente (LTV) Mesmo quando as respostas apresentadas pelo MVP não são boas elas formam a base da aprendizagem a respeito dos clientes Quanto mais arriscadas as suposições, mais rapidamente elas devem ser validadas A baseline
Os MVPs levam ao primeiro marco de aprendizagem, com dados
reais para o baseline do seu modelo de crescimento – Taxas de conversão – Taxas de cadastro – Período de teste – Valor do tempo de vida do cliente (LTV) Mesmo quando as respostas apresentadas pelo MVP não são boas elas formam a base da aprendizagem a respeito dos clientes Quanto mais arriscadas as suposições mais rapidamente elas devem ser validadas Ajuste do motor
A partir da baseline é possível fazer os ajustes de motor
Todos os esforços da startup devem ser focados na melhoria das forças motoras do seu modelo de crescimento A experiência de uso (UX) pode ser um ponto relevante para melhorar indicadores como a taxa de utilização dos usuários A aprendizagem validada se dará ao observar que as mudanças realizadas conseguiram impactar positivamente os indicadores Se as forças motoras do modelo de negócio não estiverem se movendo pode ser o momento de pivotar Análise de coorte (cohort) Ao invés de considerar totais acumulados ou quantidades brutas o desempenho é avaliado por cada grupo de clientes (coorte) independentemente Os gerentes com expertise em vendas reconhecem o funil como um funil de vendas tradicional Indicadores oferecem uma análise quantitativa muito mais relevante que ao de uma métrica bruta A análise de coorte nos permite entender que o fracasso não pode ser atribuído aos clientes antigos mas se manteve ao longo do tempo É uma ferramenta poderosa para validar os saltos de fé Funil AARRR Métricas de vaidade
Muitas métricas são excelentes para notícias, mas de muito pouca
serventia para uma análise real do desempenho da empresa Os mesmos dados podem apresentar um cenário positivo ou um problema a ser tratado Métricas acionáveis Métricas acionáveis são aquelas que permitem avaliar o impacto específico de cada iteração ou ação dos empreendedores. – Quais as mudanças no comportamento dos clientes? – Quais clientes ficaram expostos à inovação? – Essas mudanças podem estar associadas a algum outro evento? – A sazonalidade poderia estar impactando seus dados? Boas métricas Uma experiência de teste comparativo (teste A/B ou multivariado) permite fazer inferências acerca do impacto de diversas variações. – Métricas acionáveis: devem demonstrar uma relação clara de causa e efeito, caso contrário será uma métrica de vaidade. – Métricas acessíveis: devem ser facilmente entendidas por aqueles que deveriam utilizá-los para tomar decisões. Além disso todos que podem fazer uso de um relatório devem ter acesso a ele. – Métricas auditáveis: os dados devem ser confiáveis para os funcionários e devem poder ser auditados caso seja necessário