Qual o elo mais fraco?

Vim visitar o pessoal na empresa em Porto Alegre essa semana. Tínhamos alguns planejamentos de novos produtos e serviços a fazer, além de melhorias nas nossas soluções atuais.

Independentemente do local e do que estou fazendo, a corrida de sábado (e a escrita posterior) é sagrada. 

Corri sem olhar o relógio, era para ser leve (e eu já sabia que não iria correr bem). 

Uma corrida começa muito antes de vestir o tênis e ir para a rua. A alimentação e o descanso (sono) dos dias anteriores influenciam, o quanto o seu treino de reforço está em dia influencia. Os treinos anteriores e sua preparação influenciam.

Eu não tinha dormido direito nos últimos dias, minha alimentação estava toda errada. Não tinha como sair uma boa corrida, mas era um ótimo contexto para trazer o tema do percurso de hoje: o desempenho de qualquer sistema é determinado pelo seu elo mais fraco.

Eu poderia colocar o tênis mais tecnológico, ter feito todos os treinos perfeitamente, mas seria a falta de alimentação correta e de descanso que definiriam o meu potencial de performance.

Nas empresas é exatamente assim.

Pense no Ifood, por exemplo. Eles podem ter o aplicativo mais tecnológico, os melhores restaurantes, o melhor marketing, mas se o entregador demorar para levar o pedido até você, tudo cai por terra.

Como pessoa extremamente lógica que sou, eu gosto de encarar qualquer sistema como uma multiplicação de fatores. E a regra da multiplicação se encaixa perfeitamente aqui.

Se qualquer um dos fatores for zero, o resultado é zero. 

Isso me lembra muito alguns casos que analisei sobre crescimento de empresas.

É comum no mercado que atuo as empresas terem metas de dobrar o faturamento todos os anos. Até aí tudo bem, o mercado é realmente elástico até certo volume de faturamento.

A questão é como fazer isso.

Há alguns anos, analisei dados de uma empresa que passou dos 100 milhões de faturamento, sendo que durante 4 anos ela dobrou todos os anos.

Quando a meta foi fazer 200 milhões, ela fez 100 novamente. No ano seguinte, meta de 150 milhões e novamente 100 milhões faturados.

Parecia que ela tinha batido no teto. Fui analisar os números.

O problema na verdade era bem óbvio e fácil de achar, eles não viram porque estavam fazendo a pergunta errada (normalmente é esse o problema).

A pergunta que faziam: por que não estamos conseguindo vender mais?

A pergunta certa: por que não estamos conseguindo manter os clientes que compram da gente?

Vamos voltar lá ao desempenho do sistema determinado pelo elo mais fraco. Eles eram uma máquina de adquirir clientes, mas eram péssimos de retenção. As taxas de renovação eram inferiores a 10%, enquanto a média do mercado era  entre 20 – 30%. A média.

Então vamos entender o que era necessário nessa curva de crescimento:

O salto do ano 4 para o ano 5 passou a ser insustentável sem retenção. Aqui tem uma coisa bem relevante a analisar: o mercado é grande, mas é finito.

Se você não consegue vender novamente para a mesma pessoa, tem cada vez menos gente para vender. 

Perceba que entre o ano 1 e o ano 4, essa empresa vendeu 178,5 milhões para novos clientes. 4 anos.

A meta do ano 5 considerando a retenção baixa era fazer o resultado de 4 anos em 1.

O desempenho final do sistema estava sendo determinado pelo elo mais fraco: a retenção.

Foco que eles estavam dando: melhorar a aquisição de clientes (elo que não bateu a meta em tese). 

Onde eles deveriam focar: retenção, para tornar a meta mais atingível (além de oferecer um melhor serviço aos clientes).

E podemos tirar outras lições dessa análise aqui.

A primeira coisa que temos que saber é: um número isolado, sem contexto, quase sempre conta uma história incompleta - ou errada. O risco é a gente partir para a ação baseada em dados interpretados de forma incorreta.

Eles estavam olhando somente para uma etapa de um sistema bem mais complexo.

A segunda coisa é que uma boa taxa de retenção permite você ter resultados muito melhores no longo prazo. É um dos motivos de que o investimento em produto e entrega é tão relevante quanto o investimento em vendas.

A terceira coisa é: você precisa entender do todo antes de sair analisando dados pontuais. Sem uma visão sistêmica, sua análise será sempre míope, correndo o risco de estar errada, inclusive.

Acompanhei um caso desses essa semana. Fiz uma reunião a pedido de um amigo para ajudar uma empresa na parte de análise de dados.

Várias pessoas de vários times presentes. Uma primeira pessoa comentou: “Não temos padrão de dados, cada time configura da sua forma, parametriza dados da sua forma, não conseguimos capturar tudo, está uma bagunça.”

Fui tentar ajudar: “Olha... o início de toda boa análise é na configuração dos dados. Se o dado entra errado, não tem muito o que fazer, a decisão vai sair errada.”

Fui interrompido de forma abrupta: “Eu sei analisar dados e tomar decisões, não precisa perder tempo explicando isso. O que falta aqui é um dashboard para eu não ter que ficar cruzando coisa em planilha, se me entregarem isso eu resolvo.”

Pensei: nossa, que pessoa “humilde”. 

Antes de tirar conclusões, preferi perguntar: “-Tá, mas vocês estão tomando decisões em cima dos dados atuais?”

Ela respondeu que sim, que estava orientando todo o planejamento em cima deles.

Claramente a pessoa não sabia o básico de análise de dados, ou saberia que não pode tomar decisão em cima de um dado que todos sabem que está errado.

Acho que analisar dados errados consegue ser pior do que não analisar nada. E a arrogância da pessoa em questão consegue ser pior do que toda situação junta, mas enfim... já tinha uma boa ideia do que reportar ao meu amigo.

Não basta saber (ou achar que sabe) analisar, tem que saber interpretar a situação e os dados.

Talvez esses sejam os pontos que separam um bom analista de dados de um analista de dados excepcional: visão sistêmica e capacidade de interpretação.

Já falamos do primeiro, vamos aprofundar um pouco o segundo.

Lembrei de uma conversa que tive com um outro amigo um tempo atrás sobre análise de funil de vendas.

Ele teria um desafio de acompanhar simultaneamente 40 funis diferentes (ele sozinho).

Ele me trouxe então uma ideia e perguntou o que eu achava:

Ele criaria um sistema de acompanhamento onde cada etapa de cada funil ficaria de uma cor de acordo com o seu desempenho: vermelho quando muito abaixo do referencial, amarelo quando um pouco abaixo, verde quando dentro e azul quando bem acima.

Falei que tinha muito potencial, tudo dependia de como ele iria interpretar as cores.

Como bom mineiro, ele largou um “UAI, não é só ver onde está vermelho e amarelo e atacar?”

Respondi: “Olha, depende...na minha visão não, porque uma métrica pode estar vermelha por culpa de uma que está verde, e aí a ação de correção deveria ser na métrica que “está boa”.

Lembra da frase do início da Newsletter?

“O desempenho de qualquer sistema é determinado pelo seu elo mais fraco”.

Funis de venda são como sistemas, e o conceito do elo mais fraco é muito correto, mas interpretar qual o elo mais fraco não é tão simples quanto ver o que está mais vermelho.

Suponha um funil de quatro etapas: atração, visita, cadastro, venda.

Para cada etapa, tenho taxas de mercado para usar como referencial. Vejo que a etapa mais vermelha é a venda.

Parece óbvio que tenho que dedicar tempo para melhorá-la, mas não é tão simples assim. 

Como qualquer sistema conectado, o desempenho de uma etapa é afetado pelas etapas anteriores e afeta as posteriores.

Vamos pegar um caso do mundo físico para entender de forma fácil.

Suponha que você está no shopping passeando. 

Aí você passa por uma loja de perfume e a atendente lhe oferece uma amostra grátis (atração). 

Você entra na loja (visita) e deixa seus dados para ganhar um perfume pequeno (cadastro). 

Aí você vai embora porque não estava precisando de perfume, mas não iria negar um de graça.

Todas as taxas do início do funil vão ficar verdes, a conversão entre as etapas é quase 100%. 

A etapa de vendas despenca a conversão e fica vermelha. Será que o problema é a conversão em si? Ou você não soube interpretar o contexto e avaliar que as ações nas etapas anteriores não estão sendo efetivas?

No mundo digital isso é muito comum: anúncios com discursos diferentes das páginas, frases “clickbaits” que fazem o desempenho da etapa seguinte despencar.

Se você não entender isso e souber interpretar cada número com seus influenciadores e influenciáveis, você corre o risco de estar sempre atuando no foco errado.

É por causa desses casos que bato tanto na tecla da importância de saber trabalhar os dados. Eles estão presentes em praticamente todos os sistemas e processos de uma empresa.

Se eles estiverem errados ou inexistentes, serão o elo mais fraco.

Se você não souber analisá-los e interpretá-los, eles se tornarão o elo mais fraco.

Agora, se você souber usá-los a seu favor da forma correta, eles apontarão sempre o elo que precisa do seu foco e você conseguirá aumentar o resultado da “multiplicação”, seja ela qual for.

Me conta o que achou dessa reflexão!

Abraço e até a próxima milha,

Mazzillo

Dados no Cotidiano: a mina de ouro dos dados

Você sabia que, segundo a Harvard Business Review, apenas 3% dos dados gerados pelas empresas são efetivamente usados para insights reais? 

É muito baixo. Será que o pessoal coleta dados errados? Será que não sabem analisar?

Seja qual for o motivo, isso é uma oportunidade gigante para você. Aprenda a fazer as perguntas certas aos dados.

Vá uma Milha a mais

O livro Factfulness de Hans Rosling conecta muito com o tema de hoje. Se você quer saber mais sobre interpretação de dados, ele será um ótimo companheiro na sua milha a mais.