Etiqueta: PMF

Publicado em

Seis perguntas para a construção do PMF na era da IA

Nunca foi tão fácil criar um produto que ninguém quer. Como tecno-otimistas, ficamos constantemente ludibriados pela sua capacidade de fazer coisas, mas quase nunca sabemos se estamos criando o produto certo ou se alguém realmente vai querer. Nesses momentos, enxergo no ambiente dos builders e empreendedores que estamos pensando e discutindo muito as possibilidades da tecnologia, e reduzimos os questionamentos básicos de PMF.

Para relembrar, o ponto de partida mais simples e claro que conheço, sobre desenvolvimento de produto, são os 4 grandes riscos de produto do Marty Cagan:

  • Valor: Os clientes vão comprar ou querer usar isso?
  • Usabilidade: Os clientes vão conseguir ou saber usar isso?
  • Viabilidade: Conseguimos construir o que é preciso com os recursos (tempo, habilidade e tecnologia) que temos?
  • Viabilidade do Negócio: Isso gera rentabilidade para o negócio?

Outro que gosto muito é o da Sequoia:

  • Qual é o Right To Exist da minha empresa? (Oportunidade vs vantagem única)
  • Alguém realmente precisa disso? (Insight de founders vs Customer Discovery)
  • Meu produto propõe mudança de hábitos ou comportamentos?
  • Os clientes vão pagar o suficiente por isso para construir um negócio? (Playbook de Vendas vs. Willingness To Pay)

Os dois frameworks acima são bons, mas não vão até algo que tenho visto cada vez mais decidir o jogo de quem vence na escala: a distribuição. A pergunta “Como vou distribuir isso em escala?” raramente entra nos playbooks de early-stage, e acho que isso é uma falta grande.

Essas revoluções tecnológicas nos fazem mergulhar nas potencialidades e possibilidades da próxima onda de soluções, expandindo casos de uso e mudando hábitos dos consumidores e usuários. Mas vejo que founders esperam que apenas o insight (ou segredo) do produto seja capaz de fazer uma empresa ter um grande sucesso. Na verdade, isso é importante, mas não é suficiente. Um dos erros mais comuns é encontrar o fit do produto, e despejar investimento em um GTM sem eficiência ou diferencial.

A IA está reescrevendo a Unidade Atômica de Crescimento

Esta é uma evolução do Playbook que publiquei em 2022, refinada por centenas de conversas com founders desde então. Tenho entendido que o modelo mental segue funcionando, mas o que mudou é a velocidade com que IA está reescrevendo cada elemento da unidade de crescimento.

O fundamento básico de uma Startup é que ela tem como objetivo primário solucionar um problema, e entregar de uma forma melhor e escalável – sem isso, não faz sentido existir ou então não é uma startup. Então, PMF é o termo que representa os sinais que ‘faz sentido’. E por isso é, antes de qualquer outra coisa, o primeiro grande desafio de uma startup.

Porém, os sinais de PMF não te dizem o que construir. Isso depende de outros elementos e da visão dos founders.

Ainda acredito que o modelo mental da unidade atômica de crescimento nos ajuda a responder essas perguntas acima, e pensar a construção e arquitetura do PMF, GTM-fit e uma empresa escalável.

Essa unidade se forma pelo encaixe de quatro elementos: um Mercado/ICP bem definido, um Produto que resolve uma dor real, uma Máquina de Vendas eficiente, e um Ticket Médio/Modelo de Negócio sustentável.

A chave está em como você encaixa esses elementos entre si.

Eu tenho escrito bastante sobre como a transformação de mercado com IA tem embaralhado o mercado, e gerado diversos questionamentos sobre o futuro das empresas de software. O ponto é que, na ótica do PMF, os elementos de uma unidade atômica estão em transformação rápida e simultânea, e isso enfraquece o PMF de quem não está prestando atenção.

Abaixo, organizo algumas perguntas que tenho discutido com CEOs e founders, que podem ajudar a se questionarem, e a como arquitetar a unidade de crescimento para os novos caminhos:

No processo de descoberta de cliente, até onde a IA ajuda ou atrapalha o founder?

Criar produto e features ficou muito mais rápido, mas o discovery ainda é difícil, vejo alguns comportamentos e desafios que tornam o processo mais difícil:

Como construir ficou absurdamente mais rápido, é fácil querer evitar ou delegar a parte dolorosa do trabalho, que é vender e interagir com clientes. Cada minuto no código parece mais produtivo do que uma conversa focada e de um feedback difícil com um cliente.

Na hora de analisar os dados, founders estão tentando terceirizar o julgamento sobre PMF para IA. Entendo que funciona bem para organizar e estruturar os dados, e até ajudar a pensar, mas o diferencial está em como interpretá-los e, principalmente, na capacidade de julgá-los a partir de uma perspectiva única, só o founder consegue fazer.

Do lado do comprador, com novos produtos criados a cada instante, existe muito barulho. O comprador ou cliente ainda é o ser humano, e este ainda leva tempo para pesquisar, se educar, escolher ou decidir.

Então, o customer discovery não pode ser completamente automatizado para construir algo realmente diferente e grandioso. É preciso a empatia do humano, conexões e insights do founder para saber o que construir. Encontrar os encaixes de problema com solução, com mercado, com produto, exige foco obsessivo e iteração com o usuário ou cliente. Não é sobre encontrar a próxima feature para construir, mas sim identificar a combinação e encaixe de problema, solução, mercado e produto (PMF) e canal que cria escala superior.

Iterando, as ações dos usuários tendem a dizer mais sobre as suas respostas faladas. É necessário ter um senso mais profundo na hora de conversar com os clientes e um segundo nível de pensamento para analisar. Geralmente, as pessoas são mais honestas nas suas ações do que nas suas falas. É necessário entender as suas emoções e confusões, principalmente quando precisamos entender e mapear a tarefa e o trabalho com os insights do founder é onde está a alquimia do que construir. Esse mapeamento e julgamento a IA não faz.

Uma startup é a manifestação de um insight do founder, sem isso não acho possível criar algo muito grande de forma intencional. Seria uma aposta no escuro ou uma decisão tomada a partir de insights medianos. Para construir algo único, é preciso estar fora do consenso, ter apostas contrárias.

O roadmap das LLMs está a nosso favor ou contra?

PMF nunca foi binário (sobre se existe ou não existe), sempre um espectro de força. Porém, a barra da força do PMF tem subido com os LLMs. A Anthropic e OpenAI, principalmente, a cada semana estão avançando com os seus modelos e lançando novas soluções. Isso cria uma alta expectativa dos clientes e um desafio para as startups se diferenciarem.

Se eu pudesse acompanhar apenas uma única métrica de produto hoje, seria o churn. É a métrica mais crítica e reveladora de quem está sobrevivendo aos ruídos (curiosidade, com o fato de os clientes não saberem o que querem ou o que é melhor para eles ainda) e à guerra das novas soluções de IA (apps de vibe coding, LLMs etc.).

Cada release de Anthropic ou OpenAI, a água sobe e afunda soluções que pareciam funcionar seis meses atrás. A pergunta para entender se a startup corre risco é: quando o modelo (LLM) melhora, a sua solução fica melhor junto, ou afunda e vira commodity?

Recomendo se aprofundar no que está chamando de Model/Market Fit(o encaixe entre as capacidades do modelo que você usa e a necessidade do mercado que serve) e Agent Harness (o arcabouço que captura valor além do prompt com contexto, memória, ferramentas, fluxo etc.). Muitas soluções, que eram wrappers simples de GPT-3.5, que faziam resumo, tradução ou geração simples, não avançaram pois o GPT-4, por exemplo, ficou barato e o ChatGPT virou onipresente e multifuncional. Já produtos como Cursor, Granola ou Perplexity ficaram melhores com modelos melhores, porque construíram em torno de workflow, memória e contexto, não em torno de uma capacidade pontual do modelo.

Qual é o melhor ponto de entrada(wedge) e ponto de controle para essa solução?

Dentro do elemento de oferta e produto, com a IA, a entrega de valor vem mudando, e isso muda o sucesso do cliente depois do PMF.

Serviço é o ponto de entrada. Remodelar e implementar uma nova unidade de trabalho é a forma de dominar o ponto de controle.

Já tratei desse argumento em AI-Native Services. O wedge da maioria das soluções AI-native hoje é vender o trabalho executado, não o software para um time interno operar, como, por exemplo, a triagem de crédito, atendimento, conciliação, revisão de contrato, prospecção. Oferta de serviço é onde o cliente compra o trabalho desempenhado e paga pelo resultado, com SLA e responsabilidade, não uma ferramenta. Mas o serviço é só wedge. O objetivo é produtizar a nova unidade de trabalho com IA e, assim, ser o novo ponto de controle.

Quando a IA passa a executar a tarefa de forma confiável, ela entra no workflow, virando parte dele. Nesse momento, é possível entender se existe o potencial de se tornar um ponto de controle. “Se a solução desaparece, o workflow do cliente quebra?”. Dominar os pontos de controle de um fluxo de trabalho é onde os feedback loops de IA se estabelecem e alimentam o flywheel do produto e do moat. É aí que o produto deixa de ser útil e passa a ser inevitável.

E aí muda o papel do que vejo como a primeira contratação pós-PMF. Na minha visão, alocar Customer Success é o primeiro passo para defender a retenção e garantir que clientes estão tendo sucesso. Funciona em software de autosserviço, em que o cliente extrai valor sozinho da interface. Em AI-native, e em soluções B2B, o papel equivalente é o Forward Deployed Engineer(FDE). É quem garante a implementação do caso de uso, o sucesso da execução das tarefas do agente e o aprendizado capturado pelo produto. Na verdade, muda pouco em relação ao que vimos de Professional Services ou CS, mas agora com uma profundidade maior. Mas como a a16z coloca no seu post sobre FDE e a Palantir (empresa exemplo de uso de FDE), tem uma armadilha aqui. O FDE não pode virar o mecanismo de entrega permanente, e sim um caminho para a plataforma reutilizável.

Estamos pensando em algum insight ou diferencial de distribuição?

Essa é uma questão que afeta Product-Channel Fit e Máquina de Vendas. Recentemente, tenho me deparado com uma provocação que resume bem algo que tenho pensado nos últimos meses:

“Agora que IA está tornando mais fácil construir software, podemos admitir que a parte difícil de startups sempre foi retenção e descobrir distribuição?”

Estamos nessa fase do mercado, admirando a mágica do produto solucionar a distribuição, mas isso tem a ver com o hype e deveremos sair dela em breve. Dito isso, a distribuição vai voltar a ser o principal ponto para o sucesso das empresas, em geral.

Na venda de Software B2B, os canais tradicionais parecem colapsados, e realmente saturados. Segundo o Clouded Judgement do Jamin Ball, o CAC payback mediano de SaaS público hoje está em 57 meses. Quase cinco anos para recuperar o custo de aquisição.

Vale comparar com as três ondas anteriores: a internet criou SEO e email marketing, por exemplo; o browser destravou ads pagos em escala; o mobile abriu app stores e push notifications. Cada onda anterior trouxe um canal de distribuição novo, quase grátis no começo, antes do CAC inflacionar. A onda da IA, até agora, não trouxe. Uma hipótese é que LLMs e agentes acabem virando o canal, com o discovery via ChatGPT, integração via MCP, recomendação via agente de compras. Mas isso ainda não está claro, e tem a ver com o produto, principalmente.

Enquanto isso, vejo a marca e os humanos ainda como fundamentais na geração de leads e negócios. A oferta da confiança (trust) ainda está nos seres humanos. Alavancar em sinais humanos como marcas pessoais, comunidades e referrals é muito valioso.

Nosso cliente ainda é humano ou já é agente?

Is Software Losing Its Head? – a16z

Em relação ao elemento de Mercado e ICP, hoje, toda solução nova já nasce em cima de agentes: eles vão atrás da informação e entregam o job to be done. Aos poucos, viram o próprio caminho entre o humano e o resultado final, como quando ajudam a fechar um negócio.

No limite, agentes deixam de ser ferramenta e passam a ser quem compra e opera. A nova persona do seu produto não é humana, e isso muda tudo, do discovery ao churn.

O sinal de PMF muda junto e passa a ser o agente conseguir descobrir o produto, escolher, aprender, usar e executar tarefas sozinho, com consistência e risco baixo. É como uma jornada de cliente, mas diferente, para agentes, em que métricas diferentes, como retenção, começam a ser medidas por coisas como agent success rate, autonomy score e taxa de falhas em workflows agênticos.

A arquitetura muda completamente, e passa a ser um arcabouço (harness). Então, nessa virada, UI/UX também muda. Quem vende produto B2B vai precisar expor APIs, MCPs, SDKs e protocolos consumíveis por agentes. Documentação deixa de ser página de suporte e vira interface de produto. O que diferencia são as decisões de produto e a forma que amarra os diversos pontos críticos da experiência dos agentes de IA, como APIs, Contexto, Skills, Memória etc…

Qual a dinâmica do modelo com a cobrança por resultado ou uso?

Por fim, no elemento de Modelo de Negócio, onde tudo se materializa, como métricas, precificação e margem. Elas empacotam todas as questões acima em algo que aparece na DRE, e é onde o PMF da era IA traz diferença estrutural do modelo SaaS clássico.

Rethinking SaaS metrics for AI – Growth Unhinged

Com a mudança de precificação baseada no resultado, e não em tokens utilizados, vai precisar de definições e atribuições claras, e auditáveis, do resultado. Além disso, cada entrega vai depender da assertividade da tentativa de gerar o resultado. Isso afeta as margens e o risco para os dois lados do negócio. Isso já pode ser visto no case da Intercom, ou da Sierra.

Do lado do comprador, ainda é difícil entender a questão de orçamento, previsibilidade e compras para esse modelo. Para o outro lado, transfere o risco para o vendedor. Se a entrega do valor não for robusta ou direta, sem um empacotamento claro, cada venda terá grande negociação, e pode aumentar o ciclo de vendas de negociação ou mesmo de interesse.

…

Voltando ao nosso ponto de partida, o Product-Market fit é um termo agnóstico quanto à tecnologia, portanto para startups sempre foi (e sempre vai ser) sobre o encaixe de entregar valor superior a um cliente com uma dor latente. Por outro lado, a velocidade com que os elementos que compõem a unidade de crescimento de uma startup evoluem atualmente, torna a busca do PMF mais dinâmica e profunda nesse momento.

O processo básico de descoberta do cliente não mudou radicalmente, porque é um processo fundamental. As informações que sustentam uma boa decisão de produto, também não. Não é possível pular essa camada, se quer construir algo grande, e para isso é preciso ser diferente, com insights únicos.

O que muda é a camada abaixo: mercado (ICP, personas e agentes), produto (arquitetura, LLMs), distribuição (plataformas e processos automatizados saturados), e modelo (entrega de resultado). A unidade de crescimento ficou mais dinâmica e em transformação ao mesmo tempo. É preciso reconstruí-la para um mundo AI-first.

Cinco coisas que mudaram muito pouco para a busca de PMF:

  1. Obsessão pelo cliente, mesmo quando construir parece mais produtivo do que conversar.
  2. Disciplina do processo tradicional de discovery, sem terceirizar julgamento para IA.
  3. Honestidade e agilidade intelectual para questionar os próprios princípios de produto e GTM.
  4. Curiosidade agressiva para incorporar novas ferramentas e direção estratégica.
  5. Julgamento/Taste: O que te faz diferente.

As perguntas acima são algumas que acredito que precisam ser trabalhadas exaustivamente pelos cofounders na busca da melhor unidade de crescimento e escala de uma empresa.

Publicado em

Estratégias de produto em IA: desafios, PMF e o poder das plataformas

Nesta semana, eu escrevi um novo post na Astella sobre as estratégias de produto em IA e o cenários de batalhas nesse ambiente. Combinei algumas ideias do que tenho estudado e conversado com founders, além do report sobre os impactos da IA.

No texto, falo sobre estratégia de produto, diferenciação e a ameaça que vem da infraestrutura e das plataformas.
Sobre a ameaça das plataformas (LLMs), li recentemente este texto de um ex-funcionário da OpenAI, que mostra como funciona a empresa por dentro. Apesar da percepção de flop do GPT-5, a OpenAI está desenvolvendo muitas coisas ao mesmo tempo, com recursos abundantes. Isso reflete muito da cultura e da forma como essas empresas operam — liderando o ciclo de IA no Vale do Silício.

Lendo o relato, fica clara a velocidade e a inovação, com um viés para executar e construir, com diversos squads e teses desenvolvidas em paralelo, às vezes até competindo entre si. Parece haver milhares de startups pre-seed dentro da OpenAI, aguardando um comitê de investimento do round seed.
O texto traz muitas referências e informações interessantes, como o CODEX (feature para desenvolvedores da OpenAI), criado em apenas 7 semanas. Além disso, mostra o stack de tecnologia usado pela empresa.

Embora hoje seja mais fácil para todos desenvolver código ou aplicações, esse ciclo mostra como será difícil competir. Mas conto alguns caminhos no meu post na Astella.

Discussões interessantes sobre PMF em IA

A Bessemer lançou um report sobre o Estado das Empresas de IA, estabelecendo um novo benchmark para o arquétipo de crescimento das empresas no ciclo da IA, com as “Supernovas” e as “Shooting Stars”.

Esse slide mostra alguns dados dessas empresas:

“Se o T2D3 (triplica, triplica, dobra, dobra, dobra) definiu a era do SaaS, então o Q2T3 (quadruple, quadruple, triple, triple, triple) reflete melhor a trajetória de cinco anos que estamos observando nas AI Shooting Stars atuais. Essas startups crescem significativamente mais rápido do que o SaaS tradicional, mas ainda operam mais próximas dos benchmarks de SaaS do que das explosivas AI Supernovas.”

O artigo é bem completo e traz informações relevantes de direcionamento estratégico para founders nesta nova era. Recomendo reservar um tempo para leitura.

Ainda não consigo identificar uma empresa que seja uma Supernova em nossa região. Essas empresas geralmente são globais, oferecem infraestruturas/plataformas (como Anthropic e OpenAI) e possuem GTM bottom-up, voltado para desenvolvedores e perfis tech-savvy que já usam IA no dia a dia. Porém, acredito bastante que podemos ver Shooting Stars em áreas como Vertical SaaS e Enterprise SaaS saindo do Brasil.

Hoje, a realidade do early-stage no Brasil se assemelha mais ao cenário descrito neste post do CEO/Cofounder da ChartMogul. Isso condiz muito bem com o que temos observado: quando o PMF acontece, ele tende a ser cada vez mais explosivo. Já vi empresas irem de 0 a R$ 100k em poucos meses, mas ainda é um desafio enorme para a maioria.

Como mostra o gráfico abaixo, nos últimos anos a proporção de outliers que atingem US$ 0–1M de ARR em até seis meses vem aumentando. Porém, dentro de dois anos, menos empresas conseguem atravessar as barreiras de US$ 100k ou US$ 500k de ARR.

Também em modelo de negócios, a dinâmica da unidade de crescimento muda. A margem bruta foi um tema bastante comentado no universo de IA e VC nas últimas semanas.

Vi investidores destacarem isso sobre soluções de agentes de IA: “Pela primeira vez na história do SaaS, o custo marginal de adicionar um novo usuário não é quase zero.” Esse é um desafio do Business Model Product-fit. A captura de valor deve superar o custo de entrega e, de preferência, ganhar escala ao longo do crescimento da base de clientes. O relatório da Bessemer que mencionei acima também ressalta esse ponto, mostrando como algumas empresas que estão crescendo muito rápido apresentam margem bruta negativa.

Com forte adoção dos usuários, os modelos de receita têm se mostrado insustentáveis para algumas soluções. Este texto explica o desafio da Cursor com precificação e margem. Isso pode fazer parte de uma estratégia da empresa para dominar o ponto de controle dos desenvolvedores e depois expandir para outras plataformas. Porém, esse se tornou um cenário competitivo, com soluções de LLMs como Claude Code e CODEX da OpenAI oferecendo alternativas similares. Abordei um pouco desse desafio no ambiente competitivo atual no post mencionado acima.

Indo mais a fundo na cadeia de valor da IA, este tweet mostra, de forma sarcástica, os desafios dessa indústria, que ainda está em fase de investimentos e queima de caixa, financiada por Venture Capital. Enquanto isso, os avanços e custos de processamento precisam chegar a patamares sustentáveis para viabilizar os modelos de negócios dessas empresas. O autor do tweet sugere alguns caminhos.

Publicado em

Gestão de Burn em pré-PMF: Dicas Essenciais

Em PMF pode-se dizer que existem duas formas extremas da construção deliberada deste processo. De um lado os playbooks de Eric Ries (Startup Enxuta) e Steve Blank (Do Sonho à Realização em 4 Passos), sobre a resolução de problemas em indústria por meio de inovação via formas científicas, de invalidação de hipóteses. Do outro lado, é sobre trazer uma inovação para a vida através da manifestação de uma visão criativa. Para ser mais tangível, essa última é muito vista em produtos que engajam com o consumidor final, como produto da Apple, ou o próprio ChatGPT, pode ser considerado desta linha.

Cada uma dessas abordagens de PMF e ida a mercado tem seus pontos positivos e negativos, e o ideal é em combinar os melhores atributos de cada um para os diferentes contextos, categorias de produto ou modelos de negócios. Por exemplo, empresas que geralmente tem tickets menores, como B2C ou SMB, passar muito tempo interagindo com uma base de perfil de clientes iniciais, inovadores ou early-adopters, não é sustentável. Assim como, ao contrário, empresas B2B enterprise precisam de uma massa crítica de pipeline de vendas para criar a tração de adoção, maturidade do produto e validar a estratégia comercial.

Portanto, em conjunto com estas diferentes abordagens e desafios de pré-PMF, é importante planejar a queima de caixa e o runway.

Enquanto não se encontrou o seu GTM-fit, o burn deve ser controlado e a sobrevivência garantida até encontrar a aceleração da monetização, que reduz o burn, e faça sentido investir mais recursos do caixa no seu GTM. De outra forma, a empresa poderá chegar ao final da sua pista(runway) sem o perfil de maturidade de uma empresa para graduação no seu estágio.

Isso é relevante principalmente no pre-seed, porque é o estágio mais arriscado e com a menor opções de saída estratégica do negócio. Ou seja, ou a Startup chega aos milestones esperados da tese da rodada e gradua para novo estágio de investimento, ou faz um pivot, ou então levanta uma rodada bridge para estender o runway – o que pode começar mal, em razão do captable e o custo afundado.

O monitoramento dos sinais vitais de velocidade combinado com a eficiência de capital são chave para o sucesso no Pre-seed. Para monitorar a velocidade olhamos para o tempo até os grandes milestones de fortalecimento do PMF, GTM-fit e a tração ($500k, $1mn, $3mn e $10mn) são atingidos(que expliquei um pouco neste post). Já a eficiência de capital, podemos usar o burn multiple, que é o quanto a empresa gerou de novas receitas com o capital queimado, e isso tem a ver com a gestão dos recursos.

E é sobre isso que queria refletir e compartilhar alguns aprendizados de gestão de burn e do caixa no pre-seed.

Em um plano financeiro de negócio de pre-seed, a grande importância está na linha de custo e despesas, ou melhor, no planejamento e gestão do burn. Para aumentar as chances de chegar aos próximos estágios, essa evolução deve ser baseada em milestones dentro do estágio, que eliminam riscos e aumentam as chances de comprovação da tese, e, por isso, habilitam o aumento do burn e investimento em novas fases.

Por exemplo, um plano de desenvolvimento de fases e milestones para um SaaS B2B:

  • 1) Protótipo/MVP e trazer os primeiros 10 clientes(beta) que estejam dispostos a testar (inovadores): algo que você consiga testar o valor e viabilidade do negócio
  • 2) V1 do produto: testar a usabilidade e o PMF, e a escalabilidade do produto para gerar demanda para novos clientes
  • 3) primeiros 30 clientes: ganhar maturidade do melhor posicionamento para GTM v1
  • 4) GTM v1: provar a replicabilidade das vendas

Uma empresa de tecnologia, principalmente uma startup em early-stage, tem como recursos basicamente pessoas. Então, o burn tem muito a ver com o número de colaboradores da empresa ao longo da fase de desenvolvimento de produto e as primeiras versões de Go-To-Market. Por exemplo, antes do protótipo não faz sentido ter várias pessoas além dos fundadores, ou antes, de testar a retenção, usabilidade e escalabilidade do produto geralmente não é eficiente contratar muitas pessoas em vendas.

É normal ver founders de empresas com uma queima de caixa razoável, mas que ainda são várias vezes o seu faturamento – por exemlpo, às vezes, mais de uma dúzia de vezes o seu faturamento. Com isso, nos próximos seis meses, ou essa empresa deverá encontrar um modelo de alto crescimento e mudaram o seu patamar, ou ela vai queimar alguns milhões de reais sem encontrar o PMF.

Dois fundamentos que considero muito importantes para o processo moderno de Startup Enxuta e financiável por VC:

  • Primeiro, o conceito de MVP evoluiu significativamente. Para ter sucesso inicial em mercado saturados, é crucial construir um produto substancialmente melhor e atraente o suficiente para atrair os primeiros usuários. Em razão dos diferentes tipos de problemas e das diversas categorias criadas na última década, é preciso entender e casar a melhor forma de ida a mercado para aquela categoria. Em categorias já existentes, em vez de validar rapidamente ideias novas, a estratégia de MVP de hoje se concentra no desenvolvimento de uma versão de uma ideia que é diferente e superior às soluções existentes, e não algo que apenas soluciona o problema.
  • Por isso, a capacidade de aprendizado e velocidade de desenvolvimento do time – em produto e GTM – é tão importante. Ela é de fato a melhor vantagem competitiva de uma Startup, por deixar para trás incumbentes e concorrentes, cria mais oportunidades e energiza e alimenta o time, eliminando a sensação de paralisia. Então, o quão veloz atravessa cada um dos milestones, vai demonstrar quão ágil e quão eficiente é o time para cumprir esses milestones. Escrevi recentemente sobre o tempo para PMF e GTM-fit, que empresas top-quartile atravessar o desafio do PMF em cerca de 24 meses da fundação e, entre 9 a 18 meses desde o lançamento do produto. Mas, principalmente nessa fase, deve-se entender a melhor a direção e atenção aos falsos positivos.
Publicado em

Escolhendo a Sua Batalha e o Posicionamento de Produto

Imagem recortada do Post Reflexões sobre o Tempo de Construção do PMF e GTM-fit

Esse texto traz algumas coisas que aprendi vendo founders, do portfolio e quem tenho relacionamento, em navegarem pelo desafio de refletir e arquitetar o seu posicionamento, alguns conceitos e táticas do Edson Rigonatti (Fundador e GP da Astella). Para começar, o posicionamento é crucial como ponto de partida do seu GTM-fit e vejo que a aposta de um posicionamento é crucial para a escolha da guerra que irá lutar. Isso é um assunto relevante para founders que queiram criar negócios gigantes, porque você não consegue liderar uma categoria sem clareza do posicionamento e uma grande causa para se batalhar.

Em software, costumo ver o posicionamento do produto em relação a dois fatores principais. Primeiro, em relação à competição ou alternativas disponíveis para o consumidor, onde o produto pode ser posicionado contra um inimigo claro ou como uma alternativa ao status quo. Segundo, em relação ao contexto e ao processo do cliente para atingir seus objetivos, especialmente no B2B. Nesse caso, o posicionamento deve considerar o stack de tecnologia do cliente e a organização interna da equipe. Por exemplo, quem usa Zendesk provavelmente tem pelo menos 7 pessoas na equipe daquela área e ainda não contratou um analista de dados.

O posicionamento tem mais a ver com a forma que o cliente percebe, do que a algo que é instituído pela empresa, pois a percepção do cliente é praticamente incontrolável, mas como vou falar, é possível influenciar ou forjar com a mensagem e linguagem. Por isso é importante conhecer e definir as categorias de produto e linguagem do espaço do problema que está buscando solucionar. Com isso, é possível entender qual o campo de batalha que está se posicionamento para lutar e qual a percepção que o cliente tem do seu produto.

Indo para a analogia do supermercado, em qual gôndola do supermercado você vai estar? Para qual seção e corredor o consumidor vai para encontrar o seu produto? Por exemplo, pensando em produto de consumo de mercado, como um azeite exclusivo para cozinhar, em qual gondola seu produto vai estar? A de azeite ou a de óleo de cozinha? Como o cliente te percebe, como algo um óleo para cozinhar mais rico ou com um azeite mais pobre? Como você comunica isso? No mercado de software isso não é diferente, e a palavra de Categoria de Produto é a que melhor descreve esse conceito de gôndola e prateleiras.

Se o posicionamento não está claro, provavelmente a sua estratégia de GTM e processo de vendas deve estar enfrentando desafios como a dificuldade para converter novos prospects, ciclos de vendas longos, alto churn, algumas pedidas de feature “nada a ver”, pessoas sensíveis ao seu preço ou reclamando de preços muito alto.

Para definir o posicionamento e a categoria em produto de software, um dos frameworks mais fáceis de usar é o da April Dunford, do livro Obviously Awesome. Interessante, como a analogia do supermercado, ela sugere começar pelas alternativas.

Então, para começar a desenhar o seu posicionamento, é preciso mapear as alternativas consideradas pelos seus clientes alvo (para isso é necessário ter clareza e convicção do seu ICP). A partir disso é possível elencar as features e capacidades que você propõe, distinguindo o que te diferencia das alternativas e o que são considerados apostas para a sua indústria. Então, conectar essas features e capacidades ao seu valor, de forma tangível, para os clientes. Com isso, deve ser possível chegar ao segmento de perfil de cliente que se importa muito com esse valor. Isso deverá se desenvolver em uma definição de categoria de mercado(“gondola) e mensagem cativante que conversa diretamente com as necessidades e desejos dos seus clientes alvo sobre seus valores e capacidades.

Como visto na quarta etapa do framework, é preciso compreender o perfil de cliente que se importa com o valor que o seu produto gera para eles, porque são eles que melhor sentem e percebem o seu produto como sendo o melhor. 

A mensagem e linguagem é o que conecta o posicionamento ao mercado alvo.

A percepção de valor do seu produto está na mente do cliente, e essa percepção é o que realmente define o posicionamento na prática, impactando diretamente a eficácia da sua estratégia de Go-To-Market. Para vender de forma eficaz, é crucial articular uma mensagem clara e consistente, que ressoe com o entendimento do consumidor e ajude a moldar o seu posicionamento. 

Isso exige uma compreensão profunda de como o cliente percebe o seu produto no dia a dia, e a capacidade de capturar, e documentar, a sua linguagem usada quando ele fala sobre o seu produto no mercado, de forma autêntica, sem forçá-loa comunicar algo de forma artificial. Esse processo de capturar e processar deve ser contínuo, alimentando e ajustando o posicionamento conforme necessário.

Uma tática para compreender a mensagem e a linguagem é criar uma tabela com os elementos de mercado e da proposta de valor, documentando as várias descrições dos clientes, e buscar o padrão que ressoe melhor o entendimento e melhor conversão ou ciclo de venda. Outra ideia prática é estudar a geração keywords de busca para que vem sobre como entender as palavras-chave usadas. Então, é possível também espelhar a linguagem padrão ou mais usada para descrever seu produto, e a que mais condiz com seus objetivos de marca, propósito e vendas. Esse esquema abaixo pode expandir em uma tabela para a avaliar e construir o posicionamento a partir desses componentes.

Por fim, assim como o processo de construção da unidade atômica de crescimento e Go-To-Market, o posicionamento é um processo de iteração e feedback loops, que se retroalimenta por meio da linguagem usada pelo cliente ao usar e perceber o seu produto. Da mesma forma, o posicionamento não é estático, evolui e se fortalece ao longo da maturidade do perfil de cliente e GTM, e exige foco e escopo segmentado no início. O posicionamento, com essas iterações com o cliente, se liderado por uma pessoa founder ou de product marketing, deve auxiliar a empresa a determinar, além do Posicionamento e Mensagem, o ICP, ferramentas e materiais de colateral de vendas, o preço e relações-públicas.

Publicado em

O Tempo para o PMF

Pensando dentro dos estágios do espectro força de um jornada de Product-Market fit (que já comentei em outras edições anteriores), quero fazer algumas reflexões, usando algumas referências e frameworks, sobre o tempo da jornada de PMF e da construção de uma unidade de crescimento escalável.

É importante começar dizendo que não existe um padrão ou uma receita de bolo, principalmente para PMF, e não buscaria seguir esses dados no detalhe ou mês-a-mês. Trago a reflexão para o entendimento da jornada como um todo e como ela se encaixa nas demandas de venture capital, na ótica de eficiência de recursos.

Também, é importante ressaltar que estamos falando não só de um estado de PMF básico ou inicial, – que muitas vezes não soa claro. Estamos falando da comprovação da unidade atômica de crescimento – o framework do playbook de PMF da Astella. Isso significa criar uma arquitetura que seja capaz de escalar e se replicar, o que considero um dos marcos fundamentais para o sucesso de startups em estágio inicial.

Então, para começar, esse é um primeiro rascunho resumido da visão da jornada de construção de Unidade de Atômica de Crescimento:

Relembrando, uma unidade atômica de crescimento é como a célula tronco da escala, capaz de se replicar de forma eficiente e veloz, e com potencial de gerar ao menos $10mn de ARR.

Existem estudos, como do gráfico abaixo, que mostram que a mediana das startups que hoje são líderes em suas categorias globais – talvez possamos chamá-las de top-decile global – levaram cerca de 24 meses, em média, desde o início da jornada até a primeira vez que “sentiram” o PMF.

Também, como mostra a imagem acima, não existe um padrão claro entre lançamento do produto e atingimento do PMF – talvez algo entre 9-18 meses. Empiricamente, eu diria que isso geralmente leva mais tempo do que o planejado ou esperado.

Até o primeiro PMF, no estágio pre-seed, dada tanta incerteza, é difícil medir o que é eficiência de capital ou eficiência de crescimento. Considero que nessa fase é preciso ter clareza sobre os riscos e buscar eliminá-lo ou gerenciá-los na medida do possível, então é importante manter a estrutura de pessoas enxuta e a queima de caixa controlada. Por isso, levantar muito capital no pre-seed tende a adicionar mais risco para o estágio, dado o cenário natural de tantas incertezas.

Partindo para a fase seguinte do PMF, de força de tração e crescimento inicial, de acordo com estudos da ChartMogul, que pesquisou o crescimento de milhares de empresas SaaS, empresas Top Quartile de crescimento levaram 1 ano e 1 mês para chegar em $500k de ARR. Para uma empresa pre-seed, a eficiência é medida pelo crescimento e velocidade até aqui. Depois disso, essas empresas, em mais 5 meses adicionam mais $500k de novo ARR, o que começa a configurar a fase de GTM-fit. Então, totalizando, levam 18 meses do primeiro cliente aos $1mn de ARR.

Importante notar e ressaltar que esses dados da Chart Mogul são apenas de empresas SaaS que chegaram nesses marcos de receita. Sabemos que uma relevante proporção não se gradua para próximas etapas e se tornam (o que chamamos de) messy-middle.

Dito isso, olhando para a jornada dos $1mn ao $10mn de ARR, o que consideramos que é o início de uma unidade atômica de crescimento madura, mostra que empresas Top-quartile levaram 26 meses, e a mediana sendo 30 meses.

Com tudo isso, do ínicio da jornada, passando pelo primeiro cliente, $1mn de ARR e depois até $10mn, as empresas que chegaram nesse patamar como referências globais top-quartile de velocidade de crescimento levaram quase 6 anos. Da minha curta base de dados empíricos, entre 6 e 7 anos é o tempo que tenho visto em empresas notáveis brasileiras que chegam nesse patamar desde sua fundação.

Um fundo institucional de VC geralmente tem duração de 10 anos, e para uma oportunidade ser o seu fundreturner, a grosso modo, ela precisa faturar por volta de $100mn. No mundo de startups de alto crescimento financiadas por Venture Capital, é importante entender todo esses tempos, principalmente fundadores levantando rodadas pre-seed ou pré-product-market-fit. Para ser fundreturner, precisará demonstrar preparação e prontidão para alcançar a velocidade de performance de startups top-quartile para chegar no patamar de $10mn de ARR, e crescer nos anos seguintes até $100mn de ARR, dentro dos dez anos.

Diante disso, volto para um fundamento importante para Startups em VC, o de ir devagar para ir rápido. Eficiência em startups está relacionada à equação do uso de recursos vs. a velocidade em que atinge os seus objetivos e estágios. Portanto, a celeridade entre os estágios de construção ou evolução do PMF, ou usar menos recursos para atingir no mesmo tempo, também pode ser a demonstração de eficiência, além de sobrar mais equity para fundadores.

Publicado em

Link / Framework de Problema-GTM fit da Sequoia

Muito interessante o framework de PMF do programa de aceleração da Sequoia (Arc) publicado recentemente. Eles dividiram em três grandes formas como o cliente se relaciona com o problema, e como para cada uma delas exige um diferente ir a mercado buscar o PMF. A imagem abaixa resume bem:

Eles dividiram em três grandes tipos de espaço de problema: 1) O “Hair on Fire”, 2)”Hard Fact” e 3)”Future Vision”. Considero isso é um insight muito importante, pois cada tipo de problema do cliente exige ciclos, mensagens e interações diferentes, entre outros aspectos.

O “Hair on fire” são os problemas óbvios no qual os clientes estão prontos para comprar. Por isso, nesse espaço o leque de opções para o cliente é maior e, portanto, tende a ter maior competição. Nesse mercado, é preciso ajustar à linguagem dos clientes, e usar as palavras deles.

O “Hard Fact” é um problema real, mas com um forte status-quo que muda o hábito não faz sentido ao cliente, inicialmente. O desafio é quebrar a inércia atual.

Vejo que a maioria dos founders se considera estar solucionando problemas tipo “Hair On Fire”, mas que, na verdade, não é exatamente isso. Enxergo uma boa parte dos fundadores no campo do Hard Fact, onde existe um problema e uma oportunidade de fazer melhor, mas que ainda não existe o hábito pelo cliente. Nessa última, entendo que é necessária uma grande habilidade de produto e UX/UI para fazer o cliente usar no dia a dia e fazer com que o novo hábito proposto pelo produto leve ganhos aos seus clientes.

No artigo, eles sugerem algumas questões diretas sobre mercado e produto para buscar o melhor entendimento de qual problemática a startup está se desenvolvendo:

Recomendo a leitura do artigo que apresenta mais detalhes em como explorar cada um desses campos de problema e ida a mercado.

Publicado em

Sobre o Falso Positivo em Startups

Esse é um assunto que está na cabeça de todos os investidores que olham um pitch com uma tração inicial. Em outros textos, já escrevi de forma mais breve sobre Falsos Positivos na busca de PMF e alguns founders me procuraram para expandir sobre o assunto. Nos últimos meses, estive lendo o livro chamado “Os Erros das Startups”, de Thomas Eisenmann – livro que destaquei nos livros lidos em 2023 – e ele tem um capítulo que elabora sobre o Falso Positivo, que me trouxe mais um pouco de repertório.

No capítulo sobre o assunto, ele descreve o Falso Positivo como um fenômeno em que resultados iniciais são interpretados como mais promissores do que realmente são. Geralmente acontece quando a resposta positiva dos primeiros usuários é extrapolada para o restante do mercado. Isso leva a uma decisão, geralmente precipitada, para uma expansão e escala prematura, que no final se mostra injustificada. Como consequência, isso se mostra um movimento falso que engana a todos, pois no momento seguinte não existe o mesmo mercado pujante inicial. Quando percebemos, já consumiu os recursos, principalmente o de tempo e capital, e sem novos clientes se torna difícil de evoluir, ou até de sobreviver. Geralmente, pivots e ajustes devem ser feitos.

O conceito do abismo – do livro Crossing the Chasm – pode ajudar a explicar o Falso Positivo. Tentar cruzar o abismo sem ter a proposta de valor e produto completo o suficiente para atender o mercado convencional te leva para o fundo.Às vezess o mercado early-adopter responde tão bem que cria essa falsa sensação.

Por exemplo, em setores velozes, como mercados de aplicativos de consumo, gadgets, jogos, etc., onde existemmuitoso usuários early-adopters, os falsos positivos tendem a aparecer mais. Nessesmercados, entendo que o maior desafio para cruzar é distribuição para chegar a massa. Do outro lado, em mercados com menos early-adopters onde o peso do status-quo é alto (setores lentos), pode-se ter mais falso negativos. Um caso de uso claro e uma boa mensagem do “Por que agora?” podem ser muito relevantes para adentrar nesses mercados.

When MVPs aren’t the most valuable: how to approach markets with few early adopters – DayByJay

Suspeitar e fundamentar os movimentos de aceleração do seu negócio e manter um mindset de eficiência são alguns princípios básicos.

Evitando Falsos Positivos

Manter a empresa enxuta com menos fundraising

Antes do PMF, é preciso fazer coisas que não escalam. Os founders devem ser os responsáveis pelo produto, por liderar as conversas com clientes, design partners e e para convertê-los. Algumas expertises os founders podem preencher ou aprender com advisors/investidores.

No early-stage, é sempre muito interessante ver um time enxuto e ideal trabalhando. Pequenos times coesos de pessoas generalistas que acreditam na missão, em contato com cliente e produto, que conseguem aprender rápido. Enquanto ainda você não consegue medir a eficiência do time e da sua estratégia de GTM, é importante deixar o burn o menor possível. Aqui é possível usar a referência da Amazon de “a equipe de duas pizzas”, de 5 a 10 pessoas.

A eficiência vai estar no momento que você tiver a resposta de como crescer na velocidade e ambição que os founders almejam. É mais fácil comprovar eficiencia das pessoas com um time enxuto do que com um time grande.

Levantar capital deverá trazer uma demanda extra que, se mal regulada, leva a cilada da pressa e a outras ineficiências de recursos. Economizar recursos, é economizar captable e a participação dos cofundadores. Um falso positivo, com um liquidation preference, pode significar perda total do valor dos negócios para o founder.

Margens de contribuição e a eficiência do crescimento como guardrails

A gente pode dizer que as fases da construção da força do PMF são, nesta ordem: 1) o PMF, 2) o PMF Escalável e 3) o PMF Rentável. Podemos dizer que o Falso Positivo pode surgir nas etapas 1) e 2). Crescer entregando o seu produto com uma margem de contribuição negativa pode te trazer a tração, mas no momento que viramos essa chave para algo rentável, podemos não performar da mesma forma. Geralmente os clientes que pagam com desconto tendem a ser mais desleais. Por isso, além da qualidade do LTV e CAC Payback, é importante monitorar a margem de contribuição (principalmente PC2(~margem bruta) e PC3):

Imagem

Portanto, é necessário ter algumas métricas de guardrail que protejam o seu negócio, ou métricas auxiliares para entender se de fato o valor está sendo gerado e capturado. Por exemplo, se a meta de aceleração do crescimento está sendo feita com um CAC decrescente. A rentabilidade da sua unidade de entrega de valor pode ser a melhor métrica.

Estude os diferentes perfis de clientes e segmentos

Às vezes early-adopters e mainstream podem ter as mesmas necessidades, mas as dos primeiros são mais intensas e mais fluidas. Portanto, é importante mapear e identificar os diferentes perfis de compra e persona dos early-adopters e mainstream, e os leading indicators, para agregar à sua estratégia de Go-To-Market.

Por exemplo, o early adopters tendem a ser usuários mais sofisticados, exigentes, que buscam recursos novos ou avançados, e sabem se virar sozinhos. São capazes de instalar ou resolver um bug do produto, ou feature que ainda não foi totalmente aprimorado, sem precisar da ajuda do time, que está focado em desenvolver o produto. Já o consumidor convencional, do mercado mainstream, pode querer um produto que funciona sem problemas, simples, fácil de usar – contando com apoio e atendimento ao cliente da empresa. Nesse cenário, se a startup prover o produto ou serviço pensando nas necessidades de usuários iniciais, pode acabar criando algo pouco adequado para o mercado mainstream. E esse é o grande desafio. Compreender ambos os perfis e entender o que é necessário para entregar o valor(produto) e vender(estratégia de GTM) para cada um deles, sabendo que são perfils diferentes, e processos com tempos e recursos diferentes.

Publicado em

NMRR como métrica de PMF

Buscando uma referência mais clara para o patamar métrica de receita e rodada de investimento, tenho refletido que uma das métricas de output mais interessantes para comprovar a replicabilidade, chave para construir primeiros sinais de um forte PMF, é o NMRR(net new ARR). Demostrar o empilhamento de novas receitas todo mês, de uma forma clara e processual, monstra que existe controle e previsibilidade do crescimento.

Já escrevi anteriormente que não importa quando você vai crescer, mas o que é importante é que cresça rápido. O que isso diz é que, quando você decidir ir a mercado com sua aposta de GTM, o NMRR deverá crescer, com eficiência e velocidade.

O método growth accounting é uma boa forma de visualizar, a geração e a ideal invariabilidade do crescimento do NMRR. Junto, claro, com um controle do churn.

Por trás dessa métrica, é importante existir um processo repetível, como uma máquina, capaz de gerar receitas recorrentes, com uma entrega de valor clara e alta margem bruta, diferente de serviços de projetos e serviços.

Tenho compreendido que a melhor forma de destrinchar esse processo é por meio dos POD de vendas/Arquitetura de Receita nada mais é que a diferença entre custos e despesas anuais dos recursos que trarão o novo ARR – isso também chamam de Magic Number. Portanto, para esse fim, não importa qual a sua receita, mas sim o quanto você gera de receita pelos seus esforços de marketing e vendas. Eficiência do Go-To-Market é isso. Quando você aposta na despesa de crescimento, o ideal é que ela esteja trazendo novas receitas recorrentes, de forma repetível e sustentável.

Emfim, só mais uma métrica output que pode demonstrar a força do seu market-fit do seu produto.

Publicado em

O que falta no seu PMF é *A Aposta* de Go-To-Market

Depois que publiquei o Playbook de PMF na Astella Matrix e nele descrevi o Framework do Superhuman como uma ferramenta, tive o prazer de interagir e apoiar founders depois de rodar as pesquisas, buscarem suas conclusões e pensar em próximos passos. Só relembrando, esse Framework do Superhuman, é amplamente usado e referenciado para a busca do entendimento do PMF. No final, ele checa o quanto de valor o produto leva para aquele usuário.

Grande parte desses founders que rodaram a pesquisa trouxeram resultados bem positivos ou próximo dos 40% de desapontados. Isso é bom. Demostra que o produto tem sido usado e querido pelo público. Mas, apesar desses resultados positivos, eles ainda patinavam em busca de resultados reais para o negócio, como o crescimento de receita, e o que fazer a partir disso.

Vale deixar claro que esse framework é só um início de trabalho cujo objetivo é encontrar o ICP que tem melhor fit com aquela proposta de valor, e assim encontrar o seu melhor posicionamento de Produto com Mercado, além de trazer insumos para priorização do Roadmap de desenvolvimento de produto.

Por que, mesmo com 40% ou mais de usuários que ficariam desapontados, as Startups não avançavam?

A razão mais comum era porque o modelo de crescimento era insustentável, e isso porque faltavam outras peças da unidade atômica de crescimento como a Máquina de vendas/GTM, ou por um Modelo de Negócio (basicamente preço e margem) que se sustentasse no curto e médio prazo.

  • GTM: no início, os primeiros usuários são próximos de relações pessoais. Um viés de relacionamento pode influenciar ou não trazer insights sobre a melhor forma de adquiri-los fora do relacionamento. E, no final, se o modelo de crescimento do produto não cresce, não é product-market fit. Como você sai daquele grupo de early adopters ou primeiros contatos, e adquire cliente do segmento maior de uma forma sustentável. Essa parece a chave e um grande desafio.
  • Modelo de negócio: A questão do pricing e margem bruta tem sido um outro exemplo. Um pricing muito baixo gera um ROI de produto artificial para o cliente que, no fim, qualifica como de muito valor. Por outro lado, isso traz uma margem bruta muito baixa, insustentável ou pouco rentável para o crescimento do produto.

Essas foram algumas reflexões dos casos que vi. Vale lembrar que não é PMF é algo binário, e sim um espectro, e de certa forma único para cada. Mas o que notei é fazer a aposta de um Go-to-market. Ainda mais se busca uma rota de venture capital para o seu negócio. Encontrar o encaixe do posicionamento em um grande mercado, com uma Máquina de Vendas e com um Modelo de Negócio escaláveis é chave para a escala (Playbook PMF #4).

A medida que o posicionamento e a base de usuários evolui, é ideal rodar essa pesquisa continuamente (quinzenalmente e mensalmente) para seguir fortalecendo o produto e entendimento de ICP.

Outra hipótese importante que tenho notado, é que para soluções top-down enterprise esse framework é mais difícil de funcionar, por existirem vários stakeholders. Tende a não atender à complexidade para trazer aprendizados de máquinas de vendas ou decisão de compra. Invertendo, funciona melhor quando são produtos onde as pessoas são centrais (e não uma grande empresa, por exemplo), ou quando o usuário é também o cliente final ou a buyer persona. A solução pode estar gerando resultado para o usuário, mas se esse resultado, ou o ROI do produto, não está gerando retorno suficiente para a Buyer Persona e não fecha o loop. Nesse caso, eu sugiro monitorar leading indicators de Retenção de Produto, Engajamento e Satisfação.

Recomendo ler as minha (novas) ideias sobre PMF para fechar 2024.

Publicado em

Sobre Queima de Caixa em Pre-Seed

Bem interessante a análise e discussão deste post que sobre Burn em Startup Pre-seed, bem relevante para Startups em pré-PMF.

O autor constatou que a diferença do net burn entre empresas que graduam e não graduam para Seed é muito baixa. Ambas queimaram de $40-60k.

Interessante os dados do gráfico. Empresas que graduam tendem a ter o burn em linha ao longo dos anos. Já as que não graduam tem gastado mais.

Algumas conclusões que é possível inferir:

  • Enquanto em uma fase Pre-PMF ou de descoberta, é importante ter um burn mínimo. O objetivo do Pre-seed é a busca do PMF. O mais importante é como o dinheiro é gasto e o que isso gera, e não o gasto total.
  • Empresas que graduam tende a queimar mais caixa. Isso porque a partir do momento que encontra o PMF, founders se sentem mais confortável em investir mais no seu modelo. Então, nessa análise gastar mais é mais um efeito, do que uma causa do sucesso.

Adicionado a isso, temos o fato de que teremos mais empresas buscando rodadas post-seed no mercado, e isso deverá se tornar outra dificuldade em razão da competição. Então, o potencial e força do seu PMF e da velocidade e replicabilidade do seu crescimento é muito relevante para diferenciação em um processo de investimento VC.

Leia mais:

Gestão de Burn em pré-PMF: Dicas Essenciais