Como Utilizar a IA para Potenciar o Crescimento Orientado pelo Produto

Ler a transcrição:

Estamos a experimentar transcrever os nossos podcasts utilizando um programa informático. Perdoem quaisquer erros tipográficos, uma vez que o bot não está correto a 100% do tempo.

Hannah Clark: Se tivéssemos de classificar as principais mudanças de paradigma no produto nos últimos 10 anos, diria que a IA e o crescimento orientado pelo produto estariam no topo dessa lista. Ambos os conceitos se resumem realmente a aumentar a eficiência, fazendo mais com menos. Mas o verdadeiro código secreto é juntá-los e utilizar o poder de poupança de tempo dos LLM para melhorar a sua estratégia de crescimento orientado pelo produto.

Num painel recente, sobre como utilizar a IA para potenciar o crescimento orientado pelo produto, reunimos três especialistas incríveis nesta área — Ramli John, fundador da Delight Path, Dani Grant, CEO da Jam.dev, e Anuj Adhiya, autor de Growth Hacking for Dummies. Falámos com os três sobre as formas como as equipas de produto podem tirar partido da tecnologia de IA neste momento para melhorar todas as fases da jornada do utilizador.

O que adorei neste evento foi a forma como a experiência de cada membro do painel se complementou de maneira tão eficaz, oferecendo muitas formas práticas de adaptar e ajustar a sua estratégia de crescimento através de ferramentas de IA. E eram pessoas realmente simpáticas. Vamos começar.

A sessão de hoje será dedicada a como utilizar a IA para potenciar o crescimento orientado pelo produto. E vamos falar com algumas vozes incríveis nesta área. Temos hoje um painel muito interessante. Estou muito entusiasmada por vos apresentar.

Temos connosco Ramli John, autor de Product-Led Onboarding. É também um especialista reconhecido em estratégias de crescimento orientado pelo produto. Ramli possui uma compreensão profunda de como transformar potenciais clientes em utilizadores apaixonados. Temos hoje uma pequena pergunta de desafio para o Ramli.

Ramli, algumas das maiores empresas de SaaS chamaram-lhe o mago da integração, e o seu livro Product-Led Onboarding foi revolucionário para inúmeras equipas de produto. Estamos realmente a elogiá-lo neste momento. Se pudesse acenar com uma varinha mágica e corrigir instantaneamente o erro mais comum de integração que encontrou, qual seria?

Ramli John: Muito obrigado, Hannah. Diria que, na verdade, não está relacionado com o produto. Muitas vezes, o maior problema na integração é a fricção interna, não a fricção do produto. E o que quero dizer com isso é que o produto trata da sua parte dentro do produto, o marketing trata dos seus e-mails de integração e o sucesso do cliente trata do seu processo de integração de clientes.

E não comunicam entre si. Foi o que aconteceu quando trabalhámos numa empresa de integração chamada Appcues, que era uma plataforma de adoção de produtos, e tivemos exatamente o mesmo problema. Por isso, se pudesse acenar com uma varinha mágica, faria com que as equipas comunicassem mais entre si e concordassem sobre o que significa sucesso para o utilizador, que é um problema difícil. É por aí que começaria.

Hannah Clark: Pois, a criação de silos é simplesmente um daqueles problemas eternos. Obrigada por isso.

Também temos connosco Dani Grant. É a fundadora da Jam.dev e antiga responsável de produto. A Dani é conhecida por utilizar dados de produto para criar experiências de utilizador simples e de elevado impacto, e é também uma pessoa fantástica. Dani, muito obrigada por te juntares a nós.

Tenho uma pergunta para ti. A Jam cresceu rapidamente até aos 150 000 utilizadores em 32 empresas diferentes da Fortune 100, o que é incrível. Mas também participas em eventos e conferências e estás ativa diariamente no LinkedIn. Sinceramente, tenho inveja da forma como conseguiste fazer tudo isto funcionar. Qual é o teu segredo para conseguir fazer tudo isto e manter a sanidade?

Dani Grant: Primeiro, todos os presentes deveriam ler o livro do Ramli. É muito bom. O meu cofundador leu-o primeiro na nossa empresa e depois disse-me que eu tinha de o ler. Li-o. Agora é leitura obrigatória para a nossa equipa de produto de crescimento. E aquilo que vai mudar completamente a sua perspetiva é a definição de integração.

Todos nós, gestores de produto, pensamos constantemente na integração. Mas pensamos nela como o período entre o momento em que o utilizador se regista e o momento em que utiliza o produto. O livro do Ramli mostra que a integração começa muito antes e termina muito mais tarde, e concentrarmo-nos nela dessa forma vai alterar os resultados do produto, tal como aconteceu connosco.

Enfim, o Ramli é brilhante. Leiam o livro. Quanto às palestras, temos muita sorte. Todos os nossos utilizadores são criadores. Estão no mundo a tentar mudá-lo através da utilização de software. Nós estamos aqui a construir a nossa empresa. Os nossos utilizadores estão ali a construir as empresas deles. Por isso, a nossa função é partilhar com todos os outros criadores aquilo que estamos a aprender enquanto construímos a Jam.

Acabamos por publicar aprendizagens online e participar em iniciativas como esta. É um privilégio e uma honra. Obrigada por me receberem.

Hannah Clark: Agradeço teres reservado tempo para te juntares a outro membro do painel. É fantástico. Estão a ver? Eu disse-vos que ela era uma ótima pessoa.

Também temos hoje connosco Anuj Adhiya. O Anuj é especialista em crescimento e autor de Growth Hacking for Dummies. Tem textos publicados no productled.com e uma vasta experiência a orientar empresas de SaaS na implementação de estratégias de crescimento orientado pelo produto. É uma honra ter-te connosco hoje, Anuj.

Durante a nossa conversa anterior, partilhaste que estás a planear estabelecer um recorde mundial do Guinness reunindo, salvo erro — e acho isto muito divertido — o maior número de pessoas com chapéus de festa em Boston. Precisamos de mais contexto. Podes explicar-nos melhor o que estás a fazer e como as pessoas podem participar? Para onde enviamos os chapéus de festa?

Anuj Adhiya: Antes de mais, obrigado pelo convite. É um grupo muito divertido para integrar. E sim, à primeira vista parece não ter nada a ver com crescimento orientado pelo produto, mas tem, porque é uma experiência em grande escala.

Existe uma aplicação de convites para festas com a qual estou a colaborar, chamada PartyClick. Se quiserem, podem consultá-la; é a forma mais fácil de organizar um evento. Começámos simplesmente a pensar em formas de apresentar isto a mais pessoas. Surgiram muitas ideias, especialmente coisas como: devíamos fazer a nossa própria iniciativa de sósias de celebridades, como aquela do Timothée Chalamet que aconteceu recentemente. E eu pensei: sim, está bem.

Mas que mais podemos fazer? Então alguém da equipa disse: não existem recordes mundiais para as maiores reuniões? Sim. É isso que devemos fazer. Fui consultar o livro do Guinness e, com certeza, existe um recorde mundial para pessoas com chapéus de festa. Pensei: ótimo. Isto combina com o nome do produto: chapéus de festa, PartyClick.

Ótimo. Devíamos mesmo fazer isto. Por isso, literalmente esta semana, estou a tratar da candidatura ao Guinness e a implorar à cidade de Boston que me deixe reunir 2500 pessoas no Boston Common. Vamos ver até que ponto consigo alcançar esse objetivo. A verdadeira razão pela qual estou a dizer isto publicamente é para me responsabilizar e para me envergonharem se não conseguir concretizá-lo.

Hannah Clark: Portanto, se estiverem na zona de Boston, tragam os vossos chapéus de festa. Qual era mesmo a data em dezembro?

Anuj Adhiya: Estamos a pensar no dia 22 de dezembro.

Hannah Clark: Está bem, agora já sabem.

Anuj Adhiya: Se estiverem na zona, pensámos nisso e, se não conseguir concretizar, já sabem a quem atirar o tijolo de volta.

Hannah Clark: Vamos então passar à preparação do cenário: a interseção entre IA e crescimento orientado pelo produto.

Esta pergunta é para o Ramli. De uma forma geral, o crescimento orientado pelo produto tornou-se essencial para a indústria de SaaS? Vemo-lo como uma palavra da moda. Em que ponto estamos atualmente?

Ramli John: Diria que depende. Sim, depende. É uma resposta frustrante, mas depende da forma como definimos crescimento orientado pelo produto. Se dissermos que o produto é o motor do crescimento, esse modelo é necessário?

Se tiver um período de teste gratuito ou um modelo freemium? Não me parece. Na verdade, sugiro que as startups comecem com um modelo de elevado contacto e se aproximem dos clientes. Se por crescimento orientado pelo produto entendermos remover qualquer fricção desnecessária e criar uma excelente experiência para os utilizadores, então penso que, se essa for a definição de que estamos a falar, sim, o padrão e o nível de exigência das pessoas relativamente à experiência de produto melhoraram.

Cresceu exponencialmente muito mais do que há 10 anos, quando algo irritante era considerado normal. Agora, se algo é irritante, tenho centenas de outras opções para experimentar. Existem muito mais produtos. E acredito verdadeiramente que criar uma excelente experiência para os utilizadores finais será fundamental para a retenção, a ativação e todos os outros aspetos de que iremos falar mais tarde. Iremos abordar a forma como a IA afetará o restante funil. E, se essa for a definição de crescimento orientado pelo produto, então sim, penso que é essencial. Se se refere a um período de teste gratuito e a um modelo freemium, então não, não me parece.

Hannah Clark: Uma resposta ponderada. Alguém gostaria de acrescentar algo sobre a relevância ou o estado atual do crescimento orientado pelo produto?

Dani Grant: É muito poderoso.

Ramli John: Acrescentaria apenas que vejo muitos fundadores a fazerem a pergunta errada. A pergunta que parecem fazer é: como posso ser mais parecido com a Slack? Ou como posso ser mais parecido com determinada empresa? Quando, na realidade, deveriam perguntar: como posso utilizar melhor o meu produto para satisfazer as necessidades finais do meu cliente ou utilizador?

Isso pode assumir muitas formas. E abre caminhos muito mais poderosos para implementar uma abordagem orientada pelo produto do que simplesmente tentar copiar algo que nunca irá funcionar para si.

Hannah Clark: É mesmo verdade.

Passemos então ao ponto em que a IA está a entrar nesta área. Esta pergunta é para a Dani. Como dirias que a IA está preparada para potenciar as estratégias de crescimento orientado pelo produto? Talvez tenhas alguns exemplos de como a utilizaram na Jam.

Dani Grant: Vamos abordar todas as táticas, mas, a um nível geral, no crescimento orientado pelo produto, o produto é responsável pela venda. E vender é mais eficaz quando é personalizado; exige muito conteúdo e muita persuasão.

E é precisamente algo em que a IA é muito boa. As empresas tentam fazer isto há imenso tempo, através de aprendizagem automática para personalização e de uma segmentação muito avançada com muito conteúdo. Agora é mais fácil do que nunca fazê-lo bem. É necessário compreender grandes volumes de dados desorganizados.

Por isso, estou muito entusiasmada por aprofundar as táticas. Parece-me que isto é algo em que a IA é realmente muito boa. Uma última coisa: a melhor estratégia de crescimento orientado pelo produto é ter um produto tão bom que as pessoas não consigam deixar de falar dele a outras pessoas. E, com a IA, é possível criar funcionalidades ainda mais poderosas para os utilizadores.

Por isso, penso que essa também é uma parte muito importante do problema.

Hannah Clark: Está bem, vamos avançar para a construção da base: o papel da IA ao longo da jornada do utilizador. Penso que esta será a parte mais extensa da sessão. É definitivamente uma secção a não perder. Está na altura de guardarem os telemóveis. Vamos percorrer cada fase do crescimento orientado pelo produto e mostrar como a IA pode apoiar cada uma delas.

Comecemos pela aquisição. Dani, queres explicar como a tua equipa está a utilizar a IA para impulsionar essa fase?

Dani Grant: Há duas coisas a mencionar. A primeira é talvez a mais óbvia: no crescimento orientado pelo produto, os clientes encontram o produto porque o próprio produto se vendeu de alguma forma e fazem a integração autonomamente.

Uma área em que é necessário gerar muito conteúdo é a otimização para motores de pesquisa, e a IA pode ser muito útil. Infelizmente, todos já vimos o que acontece quando é mal utilizada. Parece apenas um discurso incoerente produzido por IA e, na realidade, não obtém uma boa classificação. Mas a IA pode ser muito útil para SEO. Eis como a utilizamos na prática.

A IA escreve a estrutura do conteúdo utilizando boas práticas de SEO. Pegamos literalmente num artigo sobre boas práticas de SEO, damos-lho ao LLM e dizemos: escreve uma estrutura que siga todas estas boas práticas. A IA edita o nosso conteúdo de SEO ou dá-nos recomendações sobre boas práticas. Utilizamos o Perplexity para pesquisar as ferramentas que vamos mencionar, obter os preços de todas essas ferramentas e assim por diante.

É muito útil dessa forma. Mas, além disso, estamos sempre a pensar em como criar conteúdo que envolva a nossa audiência online. A nossa audiência é constituída por programadores e há imensas coisas a acontecer no desenvolvimento web. A área está a evoluir muito rapidamente. Queríamos criar conteúdo sobre isso para a nossa audiência.

Pensámos: vamos criar uma newsletter e um podcast sobre o que está a acontecer esta semana em JavaScript. Se isto vos interessar, podem visitar thisweekinJavaScript.com e receber semanalmente, em quatro minutos ou menos, as notícias da semana sobre JavaScript. Somos uma pequena equipa de uma startup. Não conseguimos gravar um podcast todas as semanas e a IA é muito útil para nós, permitindo-nos escrever conteúdo de qualidade.

Temos taxas de abertura superiores a 50% nestas newsletters e o podcast tem uma audiência muito boa, mas a IA ajuda-nos realmente a fazê-lo. Estas são duas formas como utilizamos a IA na fase de aquisição do crescimento orientado pelo produto.

Hannah Clark: Muito interessante.

Ramli John: Penso que outro ponto em que tenho utilizado a IA na aquisição é a reutilização de conteúdo.

Por exemplo, pegar num episódio de podcast e introduzi-lo no Castmagic, que é uma ferramenta de resumos, e que produz publicações para blogues, Twitter, LinkedIn e newsletters que podemos partilhar. É necessário algum trabalho de revisão. Não é perfeito, mas penso que esta é outra área do conteúdo em que vi a IA funcionar para a aquisição.

Como se extrai mais sumo do limão? É assim que se diz? Não tenho a certeza. Essencialmente, como se obtém mais valor do conteúdo? É uma forma de utilizar a IA na aquisição.

Dani Grant: Nós fazemos exatamente o mesmo. Uma das nossas convicções fundamentais é que, em 2024, as vendas lideradas pelo fundador acontecem sobretudo online.

Antigamente, era necessário obter uma recomendação e depois realizar uma primeira reunião, na qual o fundador se apresentava ao cliente. Hoje, isso acontece passivamente online, enquanto as pessoas percorrem o LinkedIn. Por isso, estamos constantemente a tentar partilhar online a nossa visão do mundo e as mudanças que queremos promover.

Utilizamos a IA para parte desse processo, nomeadamente para reutilizar conteúdo. Quando alguém da equipa participa num podcast, obtemos o link do YouTube e introduzimo-lo numa ferramenta como o OpusClip, que divide o vídeo em segmentos para partilhar online. Também identifica excertos de vídeo que contêm momentos de descoberta.

Isso fornece-nos ideias para conversar e escrever mais tarde. Tem sido muito útil também na aquisição.

Hannah Clark: Penso que isso é muito importante atualmente. Ambos falaram da capacidade de reutilizar o conteúdo tanto quanto possível e de extrair o máximo valor dele. É fantástico. Podemos então passar à fase de ativação.

Ramli, és o especialista em integração. O que sugeres em termos de práticas apoiadas por IA para esta fase de ativação?

Ramli John: Sim, isto é algo que vi outra empresa fazer enquanto conversávamos sobre a forma como utiliza a IA na integração.

Um dos desafios — ou oportunidades — do crescimento orientado pelo produto é que é necessário ter uma forte capacidade de investigação de utilizadores ou clientes. Numa abordagem com vendas, estamos em contacto direto com os clientes e ouvimos as objeções. Quando o produto é o responsável pela venda, não ouvimos essas objeções; os utilizadores simplesmente abandonam o produto.

Nesse caso, como obtemos os conhecimentos valiosos e o motivo que os dados quantitativos não conseguem revelar? Uma forma interessante que estão a utilizar é recolher todas as chamadas de vendas. Têm uma abordagem híbrida. Recolhem as gravações das chamadas de vendas e têm também uma experiência de integração de elevado contacto para empresas.

Pegam nessa gravação e introduzem-na no ChatGPT para treinar o modelo de linguagem de grande escala. Depois de o treinarem, começaram a utilizá-lo para criar vários materiais. Um deles, que achei interessante, é um documento de transição das vendas para o sucesso do cliente, com indicação das ações a realizar.

Também pode ajudar a criar uma sequência de cinco e-mails de integração com base nos problemas identificados nas chamadas de vendas e de integração do cliente. Como foi treinado com as objeções apresentadas nas chamadas de vendas e com as perguntas e confusões surgidas durante as chamadas de integração, o modelo está mais consciente e preparado para compreender aquilo por que os clientes estão realmente a passar.

Sugeri também que introduzissem no chatbot ou no ChatGPT os pedidos de suporte mais frequentes e outras informações relevantes para a fase de ativação. Assim, quando escrevem essa sequência ou criam esse percurso, conseguem obter uma ajuda significativa.

Essa é uma forma de utilizar o ChatGPT. Também já vi ferramentas de IA mais avançadas nas quais se introduzem os dados e se obtêm métricas de retenção. Por exemplo, o Amplitude ou ferramentas como o June.so, nas quais se introduzem os dados e se recebe informação como: a maioria dos utilizadores bem-sucedidos faz X, Y e Z e 30% permanece.

É claro que devemos analisar isso com alguma cautela, mas pode fornecer informações valiosas a partir dos dados disponíveis, especialmente quando existe um conjunto de utilizadores suficientemente grande. Se tiver apenas 10 utilizadores e introduzir os dados neste modelo, não haverá informação suficiente para obter conclusões fiáveis.

Por isso, diria que essa é uma ressalva importante relativamente a este tipo de análise: quando existe um conjunto de dados suficiente ao longo do tempo, é possível introduzi-lo e descobrir algumas informações e padrões desse tipo.

Hannah Clark: Sim, faz sentido. Mais alguém tem sugestões para apoiar a fase de ativação do crescimento orientado pelo produto?

Dani Grant: Isto é óbvio, mas, depois de percebermos o que é uma boa ativação e quais os passos que o utilizador tem de realizar, precisamos de descobrir que ideias podemos experimentar para levar os utilizadores a realizar esses passos.

Para nós, um utilizador é considerado ativado quando cria quatro relatórios de erros com a Jam. Por isso, estamos sempre a pensar em como levar mais utilizadores a criar o terceiro e o quarto relatório de erros. Como podemos incentivá-los e mostrar-lhes o valor? Há momentos de brainstorming com muitas ideias, e a IA é razoavelmente boa a gerar muitas ideias más que nos levam a ter ideias boas.

Essa é talvez outra forma óbvia de utilizar a IA nesta fase.

Hannah Clark: Gosto da ideia de gerar ideias más que nos ajudem a chegar a conclusões com ideias boas.

Dani Grant: A questão relativamente aos seres humanos é que é muito difícil ter uma imaginação pura e criar uma ideia a partir do zero. Quando nos pedem para escrever o primeiro rascunho de algo, é muito difícil.

Mas os seres humanos são muito bons a analisar e reagir, porque é assim que os nossos cérebros estão estruturados. Vemos algo e isso desencadeia outras ideias. Por isso, desde que exista um primeiro rascunho mau ou uma primeira ideia má, de repente tornamo-nos muito bons a fazer o segundo rascunho. A IA é boa a fornecer-nos aquilo que desencadeia o nosso cérebro para pensar da forma como pensa.

Hannah Clark: Adoro esse conselho. Desculpa, acho que talvez te tenha interrompido um pouco.

Ramli John: Não, estava apenas a acrescentar que o melhor destes modelos de linguagem de grande escala é o facto de poderem ser treinados. Podemos dizer: isto está mal e eis porquê. E fornecemos algum tipo de feedback.

Ouvi uma frase muito interessante num episódio de podcast com Nathan Berry, da Kit. Ele disse que devemos tratar a IA como um estagiário numa fase muito inicial, um estagiário principiante. Ao dar-lhe bom feedback, ela aprende o que é bom e o que é mau. Assim, como a Dani mencionou, quando apresenta uma ideia má, damos-lhe feedback e ela começa realmente a produzir resultados cada vez melhores com base nesse feedback.

Hannah Clark: Ou talvez, pelo menos, a versão má sirva como uma base melhor e as nossas ideias se tornem ainda melhores. Não sei se funciona assim, mas talvez.

Anuj Adhiya: Ramli, tenho-lhe chamado um estagiário bêbado, mas pronto.

Ramli John: É uma expressão melhor, porque é muito imprevisível.

Anuj Adhiya: A única outra coisa que acrescentaria — e talvez seja uma transição para o próximo assunto — é que a ativação não é realmente uma fase separada do ponto de vista do utilizador. Quando entram no produto, estão no produto. E penso que o que me ajudou a ligar os pontos a jusante e a montante foi pensar na ativação como retenção de curto prazo.

Quando entram no produto, o jogo é esse. Como os mantemos mais tempo? Como os rentabilizamos melhor? Tudo isso está relacionado. O que fazem inicialmente, como o Ramli e a Dani estavam a dizer, está ligado ao que acontece mais tarde. Tudo acontece num continuum de retenção. Não existe um interruptor na mente do utilizador que diga: fui ativado e agora fui retido. Não; é tudo a mesma coisa.

Hannah Clark: Sim. Temos de pensar nas coisas não apenas a partir das fases que identificamos, mas também do ponto de vista do utilizador.

Dani Grant: É possível. É como utilizar o produto no início e no fim. Penso que, não como profissional de produto, mas como utilizadora, existe um momento em que estou a experimentar algo e outro em que já o estou a utilizar.

E penso que a ativação acontece no meio. Por isso, considero que são algo diferentes do ponto de vista do utilizador.

Hannah Clark: Anuj, quais são alguns dos casos de utilização que já viste, ou algumas ideias que tens sobre a utilização da IA para a fase de retenção, agora que o utilizador já está no produto? Para onde avançamos a partir daqui?

Anuj Adhiya: Parte do que vou dizer parecerá uma extensão do que já foi dito, porque o que mais me fascina na retenção e no crescimento orientado pelo produto é a forma como estão a transformar completamente a nossa capacidade de compreender e agir sobre os padrões de comportamento dos utilizadores.

Vou partilhar um exemplo. Muitas equipas com que trabalho estão sentadas em cima de montanhas de dados de utilização do produto. Todos têm Amplitude, Heap, Mixpanel ou ferramentas semelhantes. Mas, por várias razões — a fase da empresa, a falta de analistas de dados ou outras — têm dificuldade em extrair rapidamente conhecimentos úteis e acionáveis.

Penso que o que está a mudar o jogo é combinar estas plataformas tradicionais de análise com as capacidades modernas de análise de IA. É quase como se as pessoas estivessem a trabalhar às escuras e, de repente, as luzes se tivessem acendido.

Quando comecei a introduzir alguns destes dados em versões privadas do ChatGPT ou ferramentas semelhantes, começaram a ser identificados microgrupos muito interessantes, que seriam quase impossíveis de detetar manualmente ou com base no nível de experiência que temos com estas ferramentas.

Por exemplo, poderíamos descobrir que os utilizadores que realizam uma sequência específica de ações na primeira semana se tornam utilizadores avançados três vezes mais depressa do que o normal. Num caso, uma empresa descobriu que os utilizadores que exportavam dados e os partilhavam com colegas nos primeiros dias demonstravam padrões de envolvimento muito mais fortes.

Penso que o mais poderoso é a combinação entre análise e automatização. Algumas empresas estão a começar a criar melhores jornadas acionadas por comportamentos. Quando o sistema deteta um utilizador a seguir um padrão de elevado valor, pode alterar automaticamente o conteúdo ou a experiência para o encaminhar mais rapidamente nessa direção.

Num caso, isto foi além do que acontecia no produto: utilizadores com elevado potencial foram convidados para um programa beta ou para um conselho consultivo de clientes com base nos seus padrões reais de utilização. É isso que as pessoas querem fazer para se aproximarem dos clientes, como o Ramli referiu anteriormente, mas até agora não conseguiam fazê-lo com rapidez suficiente.

Para mim, a verdadeira mudança consiste em utilizar todas estas ferramentas para ligar o quantitativo ao qualitativo. A aprendizagem automática pode analisar padrões no suporte, na comunidade e no feedback sobre o produto, mas, quando ligamos esses conhecimentos aos dados de utilização, obtemos uma visão muito mais profunda e completa.

Assim, não vemos apenas o que os utilizadores estão a fazer, mas também por que razão o estão a fazer. A profundidade e a rapidez destes conhecimentos são valiosas, porque dependemos cada vez menos de suposições e aumentamos a percentagem de conclusões baseadas no que realmente está a acontecer com os padrões e as necessidades dos utilizadores.

Hannah Clark: Estou curiosa: tu ou algum dos outros membros do painel têm exemplos ou histórias de isto em ação? É um problema recorrente ligar os dados qualitativos e quantitativos e contar essa história de forma mais eficaz.

Anuj Adhiya: Vou partilhar outro exemplo. Para muitas equipas, estes exercícios estão desligados uns dos outros. Uma equipa realiza o inquérito de adequação do produto ao mercado. Depois existe uma base de dados completamente separada com os pedidos de suporte e outra base de dados com as conversas de vendas. Por vezes, nem sequer é claro a quem compete juntar tudo isto.

Essa incerteza e indecisão não acontecem por culpa de alguém; simplesmente ninguém foi informado de que essa era a sua responsabilidade. Uma pessoa pensa: sou investigador de utilizadores. Outra pensa: sou vendedor. Penso que é poderoso atribuir essa tarefa ao que podemos chamar o nosso funcionário de IA, para retirar essa decisão das mãos das pessoas, consolidar todos os dados e apresentá-los a todas as partes interessadas.

É uma tendência que começo a ver cada vez mais. O custo de oportunidade da espera ou da indecisão é tão elevado que esta é uma forma muito simples de começar: ligar algumas fontes de dados ou, mesmo que não seja possível fazê-lo automaticamente, exportar os dados, colocar várias folhas de cálculo no sistema e deixá-lo esclarecer os padrões.

É uma forma muito simples de começar a acelerar a obtenção de conhecimentos e a capacidade de agir sobre eles.

Hannah Clark: Designers de websites, esta é para vocês. Tenho 30 segundos para vos falar do Wix Studio, a plataforma web para agências e empresas. Eis quatro coisas que podem fazer no Studio em 30 segundos ou menos. Adaptar os designs a qualquer dispositivo com IA responsiva. Reutilizar recursos como modelos, widgets, secções e bibliotecas de design em vários sites e partilhá-los com a equipa. Adicionar animações sem código e fundos com gradientes diretamente no editor. E exportar os designs do Sigma para o Wix Studio com apenas um clique. O tempo terminou, mas a lista continua. Entrem no Wix Studio e descubram por vocês próprios.

O que estou a ouvir é que a IA pode ser utilizada para quebrar alguns dos silos entre todos estes departamentos. Estás a sugerir a criação de uma espécie de relatório transversal sobre o estado da organização, para dar a todas as pessoas uma visão geral do que está a acontecer nas diferentes áreas?

Anuj Adhiya: Sim, sem dúvida. Não é controverso dizer que o crescimento, em geral, é um desporto coletivo. É transversal por definição e isso é particularmente verdade no mundo orientado pelo produto. Estamos a tentar juntar conteúdo, educação, comunidade, produto, vendas e todas estas equipas têm de trabalhar em conjunto.

Se tiver uma equipa de crescimento de qualquer dimensão, o objetivo é reunir todas as partes interessadas para compreender qual é o estado atual do crescimento, onde estão os problemas e onde estão as oportunidades. É sempre um desafio para todos compreenderem não apenas qual é a sua função, mas qual é a ação mais impactante que podem realizar neste momento.

E é importante comunicar isso. Liderar o crescimento consiste tanto em contar histórias e comunicar conhecimentos como em apresentar os dados. É necessário que as pessoas compreendam por que razão devem preocupar-se com determinado assunto. Não dependam apenas das vossas capacidades; peçam ajuda à IA para perceber como comunicar melhor determinado dado à equipa de vendas, à equipa de relações com programadores, à equipa de produto ou a qualquer outra equipa.

Penso que o poder de quebrar esses silos e colocar todos na mesma página é muito subestimado.

Hannah Clark: Gosto muito desta tática. Tivemos um episódio do podcast com Michele Ronsen, uma conhecida investigadora de experiência do utilizador. Ela recomendou um processo muito semelhante, embora um pouco mais analógico.

Não era necessariamente apoiado por IA. Gosto desta versão apoiada por IA. A recomendação dela, em termos de investigação de experiência do utilizador, era que, depois de realizar toda esta investigação, é necessário perceber como pode ser utilizada pelos diferentes departamentos a que diz respeito.

A sugestão era estruturar as conclusões por departamento: o que é que estas aprendizagens indicam relativamente às próximas ações de cada departamento? Vejo isto como um equivalente, em que utilizamos a IA para traduzir as conclusões observadas entre departamentos e identificar as ações que podem ajudar a equipa a trabalhar melhor em conjunto.

É um problema que enfrentamos em todas as startups e empresas de qualquer dimensão: como trabalhar melhor entre diferentes funções? Adoro este tema.

Dani Grant: Isto não é IA aplicada ao trabalho transversal, mas pensem: por que razão as empresas contratam gestores de produto? Como todos nesta chamada sabem, é porque querem uma pessoa responsável por chegar ao fundo das questões, assumir o problema completo e ser responsável pelo sucesso do produto, fazendo literalmente tudo o que for necessário para que o produto e o projeto tenham sucesso.

O que o Anuj está a dizer, quando algo não é o problema de uma pessoa e alguém compreende os dados ao nível de uma folha de cálculo, mas não ao nível do utilizador, é absolutamente verdade. Mas essa é a beleza dos gestores de produto. Não existe nenhum gestor de produto no mundo que diga: isso não é um problema meu. Estão ali para fazer o produto ter sucesso.

Não está relacionado com IA, mas há uma tática que tem sido muito útil para nós e que talvez também vos seja útil. Por vezes, é difícil passar do nível de uma folha de cálculo para o nível do utilizador se não existirem chamadas com utilizadores. O melhor que se pode ter é falar constantemente com os clientes e inserir algumas perguntas que se pretende esclarecer.

Mas isso pode ser complicado. Como fazê-lo? Temos alguma automatização para isto que recomendo a todos: todas as semanas, os 100 principais utilizadores da semana anterior que não tenham falado connosco recentemente recebem um e-mail de um fundador da Jam a perguntar como estão a correr as coisas. Se responderem de forma ponderada, dizemos: gostaríamos de saber mais. Estaria disponível para uma chamada?

Assim, temos um fluxo constante de chamadas. Isto significa que, quando um gestor de produto está a analisar algo e pensa que não faz sentido ou que gostaria de saber mais, existe uma iniciativa fácil à qual pode aderir, em vez de ter de criar do zero um novo processo de chamadas com clientes.

É apenas uma tática, não relacionada com IA, mas recomendo-a vivamente.

Hannah Clark: Excelente. Não tem de ser IA. Estamos apenas a tentar crescer.

Passemos então à fase de expansão. Anuj, se quiseres assumir a liderança também nesta parte, há algo que queiras abordar sobre a expansão antes de passarmos à tecnologia da Dani?

Anuj Adhiya: Claro. Como disse, para mim, tudo é um continuum. Mas, se pensarmos no modelo tradicional de expansão, como funciona? Esperamos por indicadores de utilização, talvez tenhamos uma equipa de sucesso do cliente a fazer avaliações trimestrais. Sinceramente, já trabalhei com equipas que simplesmente esperavam detetar sinais de expansão.

Vou dar um exemplo prático. Existe uma empresa de SaaS que utiliza o Gong para analisar as interações com os clientes em todos os pontos de contacto: chamadas de vendas, pedidos de suporte, reuniões trimestrais e tudo o resto. O objetivo é treinar o sistema para procurar indicadores muito específicos de expansão.

Não se trata apenas de identificar frases óbvias como precisamos de mais licenças. O sistema pode começar a identificar padrões relacionados com discussões sobre casos de utilização adjacentes, a menção de um novo membro ou departamento da equipa ou uma conversa sobre um problema que poderia ser resolvido com capacidades adicionais.

Quando se combina esse tipo de dados conversacionais com a análise da utilização do produto, é possível criar pontuações de intenção de expansão com base em vários sinais. Quando os utilizadores atingem determinados limiares de utilização — por exemplo, quando se aproximam do limite de uma API ou tentam aceder a funcionalidades premium — e isso coincide com padrões específicos de conversação, surge um sinal bastante claro de oportunidades de expansão.

Tudo isto serve não apenas para identificar oportunidades de expansão, mas também para tornar o processo mais natural e alinhado com o valor para o cliente.

Hannah Clark: Muito bem.

A Dani tem um processo que iria explicar, relacionado com a utilização de transcrições de chamadas para gerar primeiros e-mails de acompanhamento.

Dani, queres explicar-nos esse processo?

Dani Grant: É bastante simples. Como profissionais de produto, acreditamos que o produto deve fazer todo o trabalho pesado. Mas, para mudar o comportamento das pessoas, também é importante existir uma pessoa de confiança. Por isso, grande parte da fase de expansão é liderada por pessoas, e não pelo produto.

Num processo bem estruturado, existem muitas chamadas consecutivas para ajudar as equipas a expandir a utilização. É importante fazer um acompanhamento ponderado dessas chamadas. Mais uma vez, é difícil começar sem qualquer rascunho. É muito mais fácil começar com um primeiro rascunho, pegar na transcrição da chamada, fornecê-la ao Claude e perguntar quais foram os três pontos principais comunicados pela pessoa.

Depois, utilizamos isso para criar uma mensagem com o que ouvimos. É muito mais fácil do que começar com uma página em branco. Especialmente quando existem oito chamadas consecutivas e fazemos este trabalho no final do dia, quando já não nos lembramos de tudo e o cérebro está cansado.

Hannah Clark: Agradeço qualquer coisa que poupe o cérebro no final da semana.

Passemos à terceira secção: da visão à execução. Esta parte é dedicada à construção de uma estratégia de crescimento orientado pelo produto apoiada por IA. Vou passar a palavra ao Ramli, porque não o ouvimos há alguns minutos. Gostaria que nos explicasses algumas das armadilhas e ideias erradas mais comuns sobre o crescimento orientado pelo produto e a utilização da IA para o apoiar.

Quais são algumas das principais armadilhas ou problemas que encontraste no teu trabalho?

Ramli John: Diria que o resultado só pode ser tão bom quanto os dados de entrada. Se introduzirmos informação insuficiente ou de má qualidade, também obteremos um resultado de má qualidade. Com base na conversa que estamos a ter e no que a Dani disse, não devemos começar com uma página em branco.

É necessário fornecer o tipo certo de informação, especialmente dados relacionados com as melhores experiências de clientes e as melhores chamadas que temos. Também é necessário fornecer o contexto adequado, sobretudo durante a expansão: eis as chamadas que tivemos com estes clientes e eis os documentos que temos sobre eles. Produz um resultado com base nisso.

É importante fornecer o contexto correto e o pedido correto: estamos a tentar fazer isto, esperamos obter este resultado e queremos três pontos. Isto liga-se ao que o Anuj disse anteriormente: devemos tratá-la como um estagiário bêbado. Eu diria que devemos tratá-la como um estagiário que está a começar o trabalho.

É necessário ser um pouco mais detalhado e claro no início: eis o que procuro, eis o resultado que espero e eis o contexto da informação. Isso é muito mais eficaz do que sermos vagos.

Também já vi pedidos em que se diz: finge que és o diretor de sucesso do cliente ou o diretor de produto desta empresa. Eis a informação sobre a empresa e o perfil do LinkedIn desta pessoa. O que escreverias? Quais são os três pontos que poderiam interessar a esta pessoa com base nas chamadas que tivemos?

Ser muito claro, direto e conciso pode ser extremamente útil na utilização da IA.

Dani Grant: Acrescentaria uma armadilha, sobretudo com pessoas muito jovens na equipa.

Se se lembram de quando começaram a trabalhar ou de quando iniciaram uma nova função, uma das competências mais difíceis de aprender é compreender o que significa terminar uma tarefa. Quanto mais júnior se é, mais “terminado” significa simplesmente concluído, em vez de compreender o impacto que um trabalho realmente bom pode criar.

Uma das armadilhas da utilização da IA nestes processos é que, para uma pessoa júnior, terminado pode significar apenas concluído. A IA executou uma análise, mas uma pessoa mais sénior perguntaria: isso suscitou novas questões que devemos investigar? É o próximo passo lógico? Ou isto não faz sentido e deve ser uma alucinação? Este rascunho de e-mail parece um discurso incoerente e não o devemos enviar.

Essa é uma grande armadilha. Para a evitar, é necessário conversar bastante sobre o que significa terminar uma tarefa nesta equipa e nesta empresa, com ou sem IA.

Hannah Clark: É um excelente conselho para o desenvolvimento profissional em geral: perguntar constantemente o que significa terminar uma tarefa.

Anuj Adhiya: Posso acrescentar duas coisas, uma ao que a Dani disse e outra ao que o Ramli disse. Relativamente ao ponto do Ramli sobre dados de entrada de má qualidade produzirem resultados de má qualidade, uma dica que comecei a aplicar é que percebi que a maioria das pessoas nem sequer sabe pesquisar corretamente no Google.

Esta é uma forma de obter um indicador inicial sobre se, ao atribuir uma tarefa a alguém, essa pessoa será capaz de criar bons pedidos. Faço com que as pessoas realizem pesquisas básicas no Google e observo a forma como respondem. Isso dá-me um sinal sobre se precisam de mais formação antes de as deixar utilizar este tipo de sistema ou se compreendem naturalmente como consultar um sistema.

A outra questão, relacionada com o que a Dani disse sobre algo parecer concluído, é a razão pela qual considero tão importante começar por garantir que toda a equipa compreende qual é a métrica principal do produto. É essencial que todos compreendam que é assim que entregamos valor aos utilizadores e clientes e que tudo o que fazemos serve para aumentar esse valor.

Isso aplica-se também aos pedidos que fazemos a um sistema. Essa é a perspetiva de que o sistema precisa, não apenas a perspetiva da tarefa ou análise específica. A pergunta é: isto serve o objetivo maior de aumentar o valor para os utilizadores?

Penso que o tema comum em toda esta conversa é a necessidade de fornecer mais contexto e informação de base a quem vai interagir com estes sistemas. É necessário ter uma perspetiva mais ampla sobre o utilizador antes de começar a interagir com os sistemas e extrair aquilo que se considera ser um conhecimento.

Hannah Clark: Sim, vejo alguns temas comuns a emergir, incluindo os desafios relacionados com o trabalho conjunto entre diferentes equipas. Vamos fazer uma pequena parte de encerramento. Normalmente, aproveitaríamos este momento para falar da nossa próxima sessão. Para quem participa regularmente nas nossas sessões, informamos que não iremos realizar um painel em dezembro.

Vamos fazer uma pequena pausa durante as férias. Se virem que não existe nenhuma sessão, não se preocupem. Voltaremos em janeiro com uma sessão mais focada na carreira, sobre a transição para uma carreira em gestão de produto.

As inscrições começarão em dezembro. Enviaremos uma ligação aos nossos subscritores quando estiver disponível e as inscrições estiverem abertas. Será uma sessão excelente. Para quem está aqui, talvez não seja tão relevante, uma vez que já são gestores de produto. Mas, se conhecerem alguém interessado nesta carreira, que vos tenha feito muitas perguntas e esteja a ponderar dar esse salto, avisem essa pessoa. Agradecíamos muito a vossa ajuda a divulgar.

Vamos passar diretamente às perguntas. Perguntas e respostas. A pergunta mais votada é da DM: a IA pode apresentar preconceitos ao interpretar dados complexos, conduzindo a conclusões enganosas. No contexto do crescimento orientado pelo produto, como podemos tirar partido da IA de forma estratégica para melhorar as experiências dos utilizadores e promover o crescimento, reduzindo simultaneamente estes riscos?

Alguém quer começar?

Dani Grant: A IA não resolve problemas humanos e temos de utilizar o nosso discernimento. É uma excelente ferramenta, mas é necessário manter uma atitude crítica. Ter uma resposta não resolve automaticamente o problema.

Ao utilizar IA, é necessário estar ainda mais consciente, presente e atento ao trabalho, pensando realmente sobre o que estamos a fazer.

Ramli John: Concordo totalmente. Isto está relacionado com toda a questão da ética da IA: é necessária intervenção humana. Quando existem preconceitos, deve existir uma pessoa capaz de os detetar. A IA deve ser apenas uma entrada no processo de tomada de decisão, juntamente com outras entradas.

Podemos ter dados qualitativos, dados quantitativos, uma sugestão da IA e opiniões do diretor executivo ou de alguém da equipa de sucesso do cliente. Tudo isso são contributos, mas, no final, deve ser uma pessoa a tomar a decisão e a assumir: é isto que vamos fazer e é nesta direção que vamos.

Com base em toda esta informação, incluindo a contribuição da IA, teria muito cuidado antes de deixar a IA tomar a decisão por nós. Existem preconceitos que o sistema pode não detetar sozinho.

Anuj Adhiya: É muito importante não esquecer como as coisas eram feitas anteriormente. Podemos chamar-lhes referências de base, ou seja, perceber como fazíamos as coisas antes da IA, para termos um ponto de comparação claro.

Se não soubermos como fazíamos algo antes, como saberemos se o sistema está a ter alucinações? Como poderemos sequer fazer a pergunta sobre se devemos investigar melhor determinado resultado?

Também é importante utilizar uma abordagem de triangulação. Imaginemos que um sistema de IA assinala alguns utilizadores como estando em risco. Não podemos aceitar isso sem verificar. Temos de analisar os dados brutos de utilização do produto, o feedback e aquilo que a equipa de sucesso do cliente está a dizer, para perceber se esses sinais também estão alinhados manualmente.

Isso dá-nos mais confiança no sistema. Vi recentemente um exemplo no Heap Analytics, embora não o tenha utilizado pessoalmente. A ferramenta tem uma funcionalidade concebida para promover a diversidade nos dados de treino. No crescimento orientado pelo produto, isso significa garantir que os modelos de IA aprendem com utilizadores de diferentes dimensões de empresas, setores e casos de utilização.

Isto ajuda a detetar quando o sistema de IA está a dar demasiado peso a padrões de comportamento de uma base de clientes maior ou mais ativa, ignorando sinais de clientes mais pequenos. Algumas ferramentas já estão a tentar resolver esta questão.

Mas não devemos esquecer como fazíamos as coisas e devemos verificar manualmente sempre que necessário.

Hannah Clark: Boas sugestões.

A pergunta seguinte, também muito votada, é: recomendariam utilizar IA em vez das equipas tradicionais de suporte ou sucesso do cliente? Sinto que já respondemos parcialmente, mas podemos acrescentar algum contexto.

Estas funções são normalmente consideradas responsáveis pela retenção dos grupos de utilizadores, mas são também duas áreas em que estamos a assistir a um crescimento explosivo das ferramentas de IA autónomas. É verdade. É interessante. Quem quer responder?

Dani Grant: Penso que o mais importante em 2024 é a experiência do utilizador.

Existe mais concorrência do que nunca e é mais fácil do que nunca mudar de ferramenta. Como a maioria das empresas tem algum tipo de estratégia de crescimento orientado pelo produto, se alguém ficar frustrado com o seu produto, não demorará muito até se inscrever num período de teste gratuito de outro produto. Por isso, a experiência do utilizador é o mais importante.

A decisão deve ser tomada com base na experiência que se pretende proporcionar aos utilizadores. Se a experiência desejada for ter muita documentação e tornar a pesquisa simples através de linguagem natural, então um sistema de suporte ao cliente autónomo pode ser excelente, porque é apenas uma interface agradável para a documentação.

Se a experiência que se pretende proporcionar for estar disponível 24 horas por dia, 7 dias por semana, com uma pessoa do outro lado que se preocupa com o problema e acompanha o utilizador durante toda a jornada, então talvez não seja essa a experiência adequada.

É possível que alguns utilizadores, especialmente programadores, não queiram falar ao telefone, mas prefiram fazer uma consulta rápida numa linguagem simples. As empresas podem ter necessidades diferentes. A forma de pensar sobre isto não deve centrar-se nas ferramentas, mas na experiência do utilizador.

Ramli John: Concordo totalmente. Penso que as pessoas procuram cada vez mais uma ligação humana com o crescimento da IA. Existe uma frase de Josh Kaufman, autor de The Personal MBA: “Quanto mais eficiente é a automatização, mais crucial se torna a experiência humana.”

Isso é muito verdadeiro. Quando falamos de sucesso do cliente, suporte e experiência do utilizador, as pessoas ficam satisfeitas quando existe uma pessoa real a falar com elas. Quando participo em eventos presenciais, as pessoas dizem: és real, não és um chatbot a debitar respostas. És alguém que se preocupa comigo e me faz sentir valorizado como cliente.

Isso será cada vez mais importante, sobretudo à medida que as empresas automatizam mais processos através de IA, incluindo suporte, marketing, websites e e-mails. Ouvi dizer que a KFC está a introduzir e-mails gerados por IA para incentivar as pessoas a comprar mais frango frito, o que é incrível. Penso que será ainda mais importante envolver seres humanos, especialmente em produtos B2B. A relação com o cliente e o contacto pessoal têm valor.

Dani Grant: Ao mesmo tempo, o nível de exigência relativamente à qualidade das experiências com IA está a aumentar.

Imaginem as vossas próprias experiências com produtos. Se alguém introduz uma funcionalidade de IA ou um suporte por chat com IA e a experiência é de baixa qualidade, provavelmente vão detestar a empresa ainda mais do que se fosse uma funcionalidade ou um suporte normal. Há algo que faz pensar: estão apenas a seguir uma tendência, é apenas publicidade ou marketing.

Se vão introduzir uma funcionalidade central do produto, como o suporte ao cliente através de IA, e o cliente sabe que é IA, a experiência tem de ser realmente excelente. O nível de exigência é ainda maior do que seria de outra forma.

Hannah Clark: A nossa última pergunta do dia é: como equilibrar a personalização através de IA com as preocupações relacionadas com a privacidade dos utilizadores?

Dani Grant: Sigam a vossa política de privacidade. Se acham que algo está errado, não o façam. Por exemplo, se a política de privacidade disser que podem analisar métricas gerais de utilização para melhorar o produto, a IA pode ajudar nesse processo.

Se a política de privacidade não disser que podem analisar todos os dados dos utilizadores, então não o façam. A confiança do utilizador está acima de tudo.

Hannah Clark: Não creio que haja muito mais a acrescentar.

Ramli John: Existe alguma nuance. Já recebi e-mails a dizer: reparei que fez X, Y e Z no nosso produto.

Penso que isso pode ter valor quando estou bloqueado e preciso de ajuda. Mas também existe a preocupação com a privacidade, porque podemos sentir que estão a observar-nos. Por outro lado, estamos dentro da casa da empresa, dentro do produto, por isso talvez seja expectável que vejam o que estamos a fazer.

Anuj Adhiya: Esta questão liga-se a algo em que tenho pensado. Alguém chamou a isto personalização respeitosa. A ideia central era ser muito transparente sobre a troca de valor.

Não creio que as pessoas esperem que deixemos de utilizar IA para personalizar experiências no futuro. Mas é importante seguir algumas regras simples. Se vão recolher determinado dado, devem ter internamente um benefício claro e demonstrável para o utilizador. Essa deve ser a vossa orientação principal.

Hannah Clark: Todas estas ideias foram muito esclarecedoras. Infelizmente, ficámos sem tempo. Fazemos sempre isto: nunca reservamos tempo suficiente para responder a todas as perguntas. Obrigada a todos por uma sessão tão participativa, pelas perguntas, pela participação no chat e por se juntarem a nós hoje.

Foi ótimo terem reservado tempo para estar connosco. Espero que a sessão tenha sido útil para todos os participantes. Quero agradecer especialmente aos membros do painel: Ramli, Anuj e Dani. Foram incríveis. Foi um prazer contar convosco. Obrigada a todos e tenham um excelente dia.

Obrigado por nos ouvirem. Para obter mais conhecimentos, guias práticos e análises de ferramentas, subscreva a nossa newsletter em theproductmanager.com/subscribe. Pode ouvir mais conversas como esta subscrevendo o The CPO Club na plataforma onde costuma ouvir os seus podcasts.