Product-Market Fit

Marc Andreessen popularizou o termo como “estar em um bom mercado com um produto capaz de satisfazer esse mercado”. Sua descrição é famosamente sentida em vez de calculada: o uso cresce tão rápido quanto você consegue adicionar servidores, o dinheiro se acumula, você contrata vendas e suporte tão rápido quanto consegue. Antes do PMF, você está empurrando o produto para o mercado; depois do PMF, o mercado o arranca das suas mãos.

As duas metades importam. “Produto” é se a coisa funciona e é desejada; “mercado” é se pessoas suficientes a desejam intensamente o bastante para sustentar um negócio. Um ótimo produto em um mercado minúsculo ou indiferente não tem fit, e um produto mediano em um mercado desesperado pode ter. O PMF é o momento em que esses dois lados se encaixam para um segmento específico e nomeável — não “todo mundo”, mas um quem concreto.

O instrumento mais citado é o teste de Sean Ellis: pesquise usuários que já experimentaram o valor central do produto e pergunte: “Como você se sentiria se não pudesse mais usar este produto?” Se pelo menos 40% responderem “muito decepcionado”, você provavelmente tem fit. A linha dos 40% é um referencial empírico do trabalho de Ellis, não uma lei — trate-a como um sinal forte, e leia o segmento de usuários “muito decepcionados” para descobrir quem é seu mercado real.

A retenção é o sinal mais difícil e mais verdadeiro. Trace uma curva de retenção (a fração de uma coorte ainda ativa ao longo do tempo) e procure ela se estabilizar em vez de cair a zero — uma cauda estável significa que um grupo consistente continua voltando, o que é a forma quantitativa da demanda. Combine isso com tração orgânica: indicações de boca a boca, cadastros não solicitados, e um custo cada vez menor para adquirir cada novo usuário. Quando o crescimento vem de usuários trazendo usuários, o mercado está vendendo por você.

PMF não é um lançamento, uma rodada de investimento, ou um pico de cadastros. Tráfego de topo de funil e inícios de teste medem interesse, não fit — uma ótima landing page pode fabricar um surto de cadastros que a retenção depois apaga em duas semanas. Se os novos usuários não voltam, você tem demanda pelo pitch, não pelo produto.

Também não é permanente, não é binário, e não é um único número. O fit é específico por segmento (você pode tê-lo para startups e não para enterprise), ele se desgasta conforme mercados e concorrentes se movem, e pode regredir quando você se expande para segmentos adjacentes que não compartilham o job original. A receita por si só também pode enganar: descontos pesados ou alguns logotipos grandes e em risco podem sustentar o MRR enquanto a retenção subjacente apodrece silenciosamente. A leitura honesta do PMF triangula a pesquisa de decepção, a curva de retenção, e de onde a tração orgânica realmente vem.

Cada sinal de PMF vive em um lugar diferente por padrão: respostas de pesquisa em uma ferramenta de feedback, retenção por coorte em analytics de produto, indicações e cadastros em analytics web, e receita em billing. Para ler o fit honestamente, você precisa unir tudo isso — qual segmento está “muito decepcionado”, se esse mesmo segmento retém, e se sua receita é saudável em vez de sustentada por descontos.

Um sistema operacional de produto construído sobre uma base compartilhada une esses registros por design. Analytics de produto e web compartilham os mesmos identificadores que os dados de receita na base, feedback e insights se anexam ao registro do cliente, e o Customer 360 mostra o uso, os pedidos e a receita de um segmento em uma única visão — para que você possa cortar a retenção e o sinal de decepção pelo segmento que importa, em vez de costurar exportações. Isso torna a leitura do PMF mais nítida; não fabrica o fit em si.