Jobs to Be Done é um framework que descreve os clientes como “contratando” um produto para progredir em um job — um objetivo desencadeado por uma situação específica. Cada job tem dimensões funcionais, emocionais e sociais. O JTBD reformula a demanda em torno do progresso que as pessoas buscam, não em torno de personas demográficas ou funcionalidades de produto.
A ideia central: clientes contratam produtos para um job
A metáfora central do Jobs to Be Done, popularizada por Clayton Christensen e desenvolvida em paralelo por praticantes como Tony Ulwick e Bob Moesta, é que as pessoas não compram produtos — elas os contratam para progredir em uma circunstância particular. Quando um job surge, o cliente traz uma solução para sua vida para realizá-lo, e a demite quando outra coisa faz melhor. A unidade de análise é o job, não a idade, o cargo ou o setor do cliente.
O exemplo canônico de Christensen é o milkshake da manhã: uma rede de fast-food descobriu que as pessoas compravam milkshakes sozinhas, de manhã cedo, para levar. O job não era “quero uma bebida saborosa”, mas “tornar meu trajeto entediante mais interessante e me manter satisfeito até o almoço”. O milkshake competia com bananas, bagels e o tédio — não com outros milkshakes. Definir o job desse jeito muda o que você constrói e contra quem você realmente compete.
Dimensões funcional, emocional e social
Um job bem formulado tem três camadas. A dimensão funcional é a tarefa prática a realizar — transferir dinheiro, agendar uma reunião, lançar uma versão. A dimensão emocional é como a pessoa quer se sentir ao fazê-la — confiante, no controle, aliviada. A dimensão social é como ela quer ser percebida pelos outros — vista como competente, responsável ou atualizada. Um produto que acerta o job funcional mas ignora as camadas emocional e social costuma perder para um que parece melhor de usar, mesmo fazendo menos.
Uma prática comum é escrever o job como uma afirmação estável de progresso em vez de uma funcionalidade: “Quando integro um novo engenheiro, quero deixá-lo produtivo na base de código rapidamente, para manter a velocidade da equipe.” O formato situação-motivação-resultado mantém o job durável — soluções e tecnologias mudam, mas o job subjacente que uma pessoa está tentando realizar tende a persistir por anos.
Como o JTBD reformula a discovery em relação às personas
Personas descrevem quem é um cliente — uma fictícia “Maria do Marketing, 34 anos, SaaS mid-market”. O JTBD descreve o que um cliente está tentando realizar e por quê. Os dois não são mutuamente exclusivos, mas o JTBD argumenta que atributos demográficos são preditores fracos de comportamento: duas pessoas com perfis idênticos podem contratar produtos completamente diferentes porque estão em situações diferentes. É o job, não a persona, que prevê a compra.
O modo de falha contra o qual o JTBD protege é construir para um usuário idealizado em vez de um momento real de necessidade. Na discovery, isso significa entrevistar sobre a linha do tempo de uma decisão real — o que desencadeou a busca, o que a pessoa tentou primeiro, o que a fez mudar — em vez de perguntar quais funcionalidades ela quer. O resultado é um mapa de jobs e resultados não atendidos, que alimenta diretamente o mapeamento de oportunidades e a priorização. Ele se combina naturalmente com a continuous discovery e a árvore de solução de oportunidades, onde os jobs se tornam as oportunidades que uma equipe avalia e nas quais aposta.
Mantendo os jobs conectados a evidências reais
Um framework de JTBD só é tão bom quanto as evidências que o sustentam. Jobs articulados em um workshop e depois arquivados em uma apresentação de slides silenciosamente se distanciam da realidade; as afirmações de job mais fortes são continuamente reancoradas em como os clientes realmente se comportam, no que pagam, e no que pedem. A parte difícil é manter o job, a conta e o trabalho que ele informa na mesma linha de visão.
Um sistema operacional de produto conectado ajuda aqui ao unir feedback, comportamento do cliente e receita em uma única base compartilhada. Um insight capturado contra um job pode ser lido junto com o uso e a assinatura do mesmo cliente, e um item de roadmap enquadrado como um job carrega as contas e a receita que o contrataram — para que uma afirmação de job permaneça ancorada em evidências, em vez de se tornar um artefato estático desconectado dos clientes que afirma descrever.
FAQ
Jobs To Be Done (JTBD) — perguntas
Qual é a diferença entre Jobs to Be Done e personas de usuário?
Personas descrevem quem é um cliente — demografia, cargo, atributos. O JTBD descreve o que ele está tentando realizar e a situação que desencadeia isso. O JTBD argumenta que o job prevê o comportamento muito melhor do que o perfil, já que pessoas com demografias idênticas frequentemente contratam produtos diferentes dependendo da sua situação.
Quais são os três tipos de jobs no JTBD?
Funcional (a tarefa prática a completar), emocional (como a pessoa quer se sentir ao fazê-la) e social (como ela quer ser percebida pelos outros). Um produto que satisfaz o job funcional mas ignora as dimensões emocional e social frequentemente perde para um que parece melhor de usar.
Como se escreve uma boa afirmação de job?
Formule-a como progresso durável em uma situação, não como uma funcionalidade: “Quando [situação], eu quero [motivação], para que eu possa [resultado esperado].” Mantenha-a neutra em relação à solução. Boas afirmações de job permanecem estáveis por anos porque o progresso subjacente que as pessoas buscam sobrevive às ferramentas específicas que elas contratam para obtê-lo.
Como o JTBD se encaixa com frameworks de discovery e priorização?
Jobs e seus resultados não atendidos se tornam as oportunidades que uma equipe mapeia e avalia. O JTBD se combina com a continuous discovery (entrevistando sobre linhas do tempo de decisões reais) e a árvore de solução de oportunidades, e então alimenta frameworks de priorização como RICE ou WSJF, onde cada job compete por capacidade com base em evidências.
A AIOProductOS coloca seus clientes, receita, feedback e trabalho de produto em um único registro compartilhado — assim a teoria se torna uma consulta aos seus próprios dados. Conectores incluídos, sem taxa por conector; planos fixos a partir de US$ 199/mês, com todos os módulos incluídos. Cada plano começa com 14 dias de preparação sobre os seus próprios dados.