Growth Product Manager

Growth Product Manager Sênior

Frameworks para growth product management: north-star metric, growth loops, funil AARRR, experimentação em escala, activation engineering e PLG.

Palavras-chave

Growth PM, Growth Product Manager, product-led growth, PLG, growth loops, AARRR, north-star metric, input metrics, activation, aha moment, experimentação, A/B test, multi-arm bandit, funnel, retention curve, engagement

Princípios Fundamentais

1. Growth ≠ Marketing, Growth ≠ Sales

Growth PM trabalha DENTRO do produto para mover métricas. Marketing traz tráfego, Sales converte tráfego, Growth PM transforma produto em máquina de crescimento.

2. Growth Loops > Funis

Funil: linear, com leak em cada etapa (100 entram → 10 saem) Loop: saída alimenta nova entrada (cada ação gera mais ações)

Exemplos de loops:

• Viral: Usuário convida amigos → amigos entram → amigos convidam (Dropbox, Notion)
• Content: Usuário cria → SEO indexa → busca traz → cria mais (Pinterest, Quora)
• UGC: Usuário posta → outros descobrem → engajam → postam (TikTok, Instagram)
• Paid: LTV > CAC → lucro → mais CAC → mais LTV (empresas mid-market)

3. North-Star Metric (NSM)

Uma métrica que captura o valor real entregue ao cliente.

Testes para boa NSM:

• Previsível do sucesso do negócio de longo prazo?
• Reflete valor entregue ao cliente (não valor extraído)?
• Acionável pelo time?
• Medível semanalmente?

Exemplos:

Armadilha: DAU não é NSM. Uso não é valor. Pergunte "o que mede que o cliente recebeu o que veio buscar?"

Framework AARRR (Funil Pirata)

Onde focar (ordem):

1. Retention FIRST — sem retenção, nada importa
2. Activation — amplifica retenção
3. Referral e Revenue — amplia o que funciona
4. Acquisition — escala só depois de o resto funcionar

Activation Engineering

Aha moment: primeira ação que correlaciona com retenção de longo prazo.

Como descobrir:

1. Defina "retido" (ex: ativo no D90)
2. Olhe ações dos retidos no D1-D14
3. Teste correlações: "usuários que fizeram X dentro de Y tempo retêm Z×"
4. Facebook (clássico): 7 amigos em 10 dias
5. Slack: 2000 mensagens enviadas pela equipe

Activation loop típico:

Signup → Onboarding → First value action (aha) → Habit → Payment

Otimizações por etapa:

Experimentação em Escala

Framework de priorização: ICE

Score ICE = I × C × E / 3. Priorize top 20% do backlog.

RICE adiciona Reach. Use quando tiver segmentos muito diferentes.

Rigor estatístico

Sample size calculation:

# Exemplo: teste de conversão baseline 5%, MDE 10% (lift relativo)
from scipy import stats
import numpy as np

def min_sample_size(p_baseline, mde_rel, alpha=0.05, power=0.8):
    p1 = p_baseline
    p2 = p_baseline * (1 + mde_rel)
    effect = abs(p2 - p1) / np.sqrt((p1*(1-p1) + p2*(1-p2)) / 2)
    z_a = stats.norm.ppf(1 - alpha/2)
    z_b = stats.norm.ppf(power)
    n = ((z_a + z_b) / effect) ** 2
    return int(np.ceil(n))

# 5% baseline, 10% lift desejado → 15.721 por variante

Regras de ouro:

• Nunca pare teste sem atingir sample size (peeking viola 5%)
• Pré-registre métricas primária e secundárias
• 1 ciclo de negócio completo (geralmente 2 semanas)
• Verifique Sample Ratio Mismatch (SRM) — se |control - treatment| / expected > 1%, anular
• Segmente por persona para entender heterogeneidade

Multi-arm bandit (quando usar)

A/B test clássico: explora igual, aprende, depois explora melhor Bandit: explora mais a opção que já está ganhando, menos pessoas expostas a loser

Use bandit quando:

• Tráfego alto (>10k/dia)
• Decisão de exposição (qual ad, qual thumbnail)
• Sensível a custo de oportunidade

Use A/B test quando:

• Precisa resposta estatística clara
• Decisão de ship-or-kill (funcionalidade)
• Quer generalizar aprendizado

Growth Model (Driver-based)

Modelo simples (exemplo B2B SaaS freemium):

# Inputs
paid_traffic = 50_000  # visitantes/mês
organic_traffic = 30_000
direct_traffic = 15_000

# Taxas
signup_rate_paid = 0.03
signup_rate_organic = 0.05
signup_rate_direct = 0.08
activation_rate = 0.40  # signup → ativado
paid_conversion = 0.10  # ativado → pagando
retention_1y = 0.85

# Outputs
signups = (
    paid_traffic * signup_rate_paid
    + organic_traffic * signup_rate_organic
    + direct_traffic * signup_rate_direct
)  # = 4.200
activated = signups * activation_rate  # = 1.680
paying = activated * paid_conversion  # = 168
revenue_y1 = paying * arpu_year * retention_1y

Uso: mude 1 driver por vez, veja impacto no output. Foque no driver com maior elasticidade.

PLG (Product-Led Growth) — Quando e Como

Adequado quando:

• Valor do produto é auto-evidente
• Onboarding pode ser feito sozinho (< 15 min)
• Preço permite tier free ou trial
• Segmento tolera self-service (SMB mais que Enterprise)

Estrutura PLG:

1. Free plan / trial real (não mutilado)
2. Onboarding guiado (checklist, tooltips, templates)
3. Expansion triggers (limites que incentivam upgrade)
4. In-product upgrade path (paywall contextual)
5. Self-serve checkout (Stripe, cartão, instantâneo)

Armadilha: PLG puro raramente funciona em ACV > R$ 20k/ano. Híbrido (PLG + Sales-assist) é padrão em mid-market.

Stack de Growth (ferramentas 2026)

Métricas do Growth PM

• % experimentos rodados/mês: >= 6 para time sênior
• Win rate: 30-40% (elite 50%)
• Lift agregado: soma dos lifts que foram ao ar
• Velocidade de learning: tempo médio de hipótese a decisão
• NSM growth: MoM / YoY
• Activation rate: depende do produto, mas >= 35% típico SaaS

Board Update do Growth PM

# Growth Update — Abril 2026

## North Star: Minutos úteis por usuário ativo
- **Abril**: 28.4 min/usuário (vs. 25.1 em Mar, +13%)
- **YoY**: +44%

## Funil (usuários novos)
- Signup → Activated: 42% (meta 45%, -3pp)
- Activated → Habit: 38% (meta 35%, +3pp)
- Free → Paid: 8.2% (meta 7%, +1.2pp)

## Experimentos do mês
- 9 rodados, 4 ganhos (44% win rate)
- Ganhos: Novo onboarding (+14% activation), Email D7 (+8% retention)
- Perdas: Paywall agressivo (-22% free → paid), Social proof no landing (neutro)

## Próximo mês
- Landscape de referral loop
- Refinar aha moment por persona
- Instrumentar cohort de power users

Perguntas-Chave

• "Qual é nosso aha moment — e quantos % dos usuários chegam lá?"
• "Se eu tivesse R$ 100k para investir em crescimento, onde iria primeiro?"
• "Nossa growth model depende de qual driver mais e o que acontece se ele quebrar?"
• "Estamos escalando retenção ou só aquisição?"
• "Qual experimento falhado mais informou o roadmap?"

Veja Também

• product-manager-toolkit/ — PM tradicional
• agile-product-owner/ — priorização e sprints
• experiment-designer/ — setup de experimentos
• product-analytics/ — instrumentação e dashboards
• ../marketing-skill/ab-test-setup/ — experimentação marketing
• ../c-level-advisor/cpo-advisor/ — estratégia de produto