Encontrar a Sua Vantagem Injusta na Era do Oeste Selvagem dos Produtos

Ler a transcrição:

Estamos a experimentar transcrever os nossos podcasts através de um programa informático. Perdoem quaisquer erros, uma vez que o bot não está correto 100% das vezes.

Hannah Clark: É oficial. A programação por intuição entrou no vocabulário da população em geral e estamos a entrar num momento crítico em que a IA, os produtos digitais e a cultura se estão a juntar num enorme salto evolutivo. Democratizar o acesso ao desenvolvimento de produtos digitais — ou, em termos mais simples, “construir com base em intuições” — representa uma nivelização permanente do terreno de jogo, em que literalmente qualquer pessoa pode tornar-se fundadora.

E embora a eliminação das barreiras à entrada signifique que mais ideias excelentes terão um caminho para chegar ao mercado, também significa que, bem, mais ideias excelentes terão um caminho para chegar ao mercado. Muitas mais. E, a esta escala, as implicações são muito maiores do que ter simplesmente muito mais concorrência. Significa que, se esperamos ser concorrentes reais neste mercado, precisamos de elevar as nossas estratégias de entrada no mercado e de crescimento a um padrão muito mais elevado.

E, felizmente para si, a minha convidada de hoje é Margaret-Ann Seger, Diretora de Produto na Statsig. Como ouvirá dentro de momentos, Margaret-Ann, ou MA para quem a conhece, tem uma capacidade incrível para perceber o que atravessa o ruído e põe os motores de crescimento a funcionar. Mas o objetivo principal deste episódio são as táticas que ela e as pessoas da Statsig utilizam para permitir a colaboração entre os seus utilizadores e a equipa de produto. Vai querer mesmo tirar notas. Vamos começar.

Ah, já agora, temos conversas como esta todas as semanas, por isso, se isto lhe parece interessante, porque não subscreve? Está bem, vamos começar.

Bem-vindos de volta ao podcast The CPO Club. Margaret-Ann, muito obrigada por reservar algum tempo para conversar comigo hoje.

Margaret-Ann Seger: Obrigada por me receberes no programa, Hannah.

Hannah Clark: Pode começar por nos contar um pouco sobre o seu percurso e como chegou onde está hoje na Statsig?

Margaret-Ann Seger: Claro. Lidero as áreas de produto e design na Statsig, que é a plataforma moderna de inteligência de produto.

Desde testes A/B tradicionais até testes de modelos offline, passando por equipas que estão cada vez mais a construir com modelos, sinalização inteligente de funcionalidades e análise de produto, ajudamos as equipas a incorporar dados em todas as fases do processo de criação de produtos nesta era da IA. É uma plataforma bastante abrangente. No meu caso, isto faz muito sentido porque vim de empresas tecnológicas maiores.

Comecei a minha carreira na Big Tech, na Facebook, e depois passei pouco mais de seis anos na Uber. Ambas as empresas estavam em hiper crescimento quando entrei, mas tive o privilégio de dispor de um conjunto de ferramentas internas fantásticas. Só quando saí, em 2020, e vim para o mundo real é que percebi que nem todas as empresas têm acesso a essas ferramentas.

E é por isso que aquilo que estamos a construir na Statsig faz sentido: estamos a democratizar o acesso a esse mesmo conjunto de ferramentas para todas as empresas.

Hannah Clark: É fantástico. Hoje vamos falar um pouco mais sobre a vertente do crescimento, sobre como acertar na estratégia de crescimento e de entrada no mercado, falando de democratização numa era da IA em que tantas partes do processo de desenvolvimento e lançamento de produtos estão democratizadas.

Temos realmente de descobrir formas inteligentes e intuitivas de nos destacarmos. Comecemos por fazer referência a uma frase que partilhou comigo numa conversa anterior e de que gostei muito: os fundadores pela primeira vez preocupam-se com o produto; os fundadores repetentes preocupam-se com a distribuição. Penso que é uma forma muito sucinta de enquadrar a conversa.

Quando pensa nisso, qual considera ser a mudança de mentalidade mais importante que os líderes de produto precisam de fazer quando passamos de uma abordagem centrada primeiro no produto para uma abordagem centrada primeiro na distribuição?

Margaret-Ann Seger: Boa pergunta. Na verdade, esta frase foi-me dita pelo meu marido. Ele estava a dizê-la durante o processo de definição da sua startup.

Por isso, foi uma conversa muito oportuna. Mas penso que o espírito da frase é que, no fim de contas, podemos construir o produto mais fantástico do mundo, mas, se ninguém souber que ele existe ou não tivermos forma de o apresentar às pessoas certas, não vamos ter sucesso. E penso que isto é especialmente verdade na era da IA, certo?

Porque existem simplesmente muito mais produtos. A fasquia para criar um produto baixou. Agora, qualquer pessoa pode criar a sua própria aplicação, o seu próprio site, o seu próprio X, Y, Z. E, por isso, haverá muito mais ruído. Como é que nos destacamos? Como é que conseguimos realmente distribuição? Penso que há alguns exemplos em que isto foi bem feito e nos quais penso frequentemente. Não sei se acompanhou este caso — não é um exemplo de um produto tecnológico —, mas a linha de maquilhagem da Hailey Bieber, a Rhode, foi recentemente adquirida.

Foi adquirida por mais de mil milhões de dólares e teve um resultado extremamente bem-sucedido. E tudo foi construído com base na marca dela. Ela provavelmente é boa a fazer maquilhagem, mas tenho a certeza de que existem um milhão e meio de pessoas que sabem mais sobre as nuances da criação de maquilhagem e tudo isso.

Mas ela tem uma marca fenomenal. Tinha distribuição. É possível pôr isso a funcionar assim. Penso no meu tempo na Facebook: tínhamos uma distribuição incrível e, por isso, qualquer funcionalidade lançada podia passar de zero a centenas de milhões de utilizadores durante a noite, simplesmente porque tínhamos uma plataforma enorme com uma adoção já muito elevada.

E penso que até se vê isso nas empresas de IA, certo? O Cursor aproveitou o VS Code. Existem todos estes comportamentos e canais de distribuição já existentes sobre os quais as pessoas podem construir algo incremental e, de um dia para o outro, fazê-lo explodir. Penso que o que vai diferenciar as empresas realmente bem-sucedidas é a capacidade de descobrirem um canal de distribuição sustentável e criativo.

E não se tratará apenas de ter um bom produto, porque isso será quase um requisito básico na era da IA.

Hannah Clark: Sim, e penso que essa é precisamente a preocupação que está na cabeça de muitas pessoas: podemos ter uma ideia excelente, mas a funcionalidade de um produto que estamos a criar não é necessariamente única; existem muitos caminhos para chegar ao mesmo resultado.

Se estivermos a pensar em estratégias para diferenciar produtos excelentes da multidão, sabendo que qualquer pessoa pode criar a mesma aplicação que nós, que ideias sugeriria às pessoas quando estão a tentar conquistar o seu lugar no mercado?

Margaret-Ann Seger: Penso que uma importante, sobre a qual não se fala tanto, são os ciclos de feedback.

Podemos ter um assistente de IA a escrever o nosso código. Podemos ter assistência em todas as fases do processo de criação e lançamento do produto. Mas como obtemos feedback quando o produto já está no mundo? Tanto feedback qualitativo como quantitativo, certo? Precisamos de saber rapidamente se aquilo que estamos a construir está realmente a funcionar e simplesmente pôr esses ciclos de feedback a funcionar. Assim, estamos constantemente a obter sinais e a iterar em conformidade.

E penso que, nesse sentido, o fator diferenciador para muitas pessoas — e, na Statsig, vemos isto como um fator diferenciador para nós — é a velocidade. Assim que pomos esses ciclos de feedback a funcionar, conseguimos incorporar esse feedback e iterar mais depressa do que a pessoa seguinte?

Se os utilizadores nos estão a dizer alguma coisa, conseguimos aproveitá-la imediatamente? Penso que esse ciclo de feedback, juntamente com a velocidade, vai realmente diferenciar os vencedores. Uma coisa que temos observado é que, por vezes, colocamos no mercado algo que ainda não está totalmente construído e que é bastante rudimentar, apenas para obter um sinal. Depois, utilizamos esse sinal para orientar aquilo que vamos efetivamente construir e encurtamos parte do processo central de desenvolvimento do produto.

Hannah Clark: Nesse sentido, aquilo de que estamos realmente a falar é conhecer os utilizadores, algo que sempre foi fundamental e que agora é simplesmente primordial. Qual é uma abordagem prática que os líderes de produto podem utilizar para compreender verdadeiramente o seu perfil de cliente ideal neste momento, tendo em conta este panorama democratizado?

Margaret-Ann Seger: Isto vai ser controverso, mas façam suporte.

Penso que os gestores de produto fazerem suporte e trabalharem com os clientes quando estes têm problemas é realmente útil se quiserem compreender o utilizador — o que, como referiste, será mais importante do que nunca. Na Statsig, levamos isto ao extremo e fiquei de queixo caído quando entrei.

Não temos uma equipa de suporte. Toda a empresa é responsável pelo suporte e criámos todo um conjunto de ferramentas complexas, com grupos de feedback no Slack que fazem uma triagem automática através de um bot, encaminhando os pedidos para a fila da pessoa de serviço do dia. Cada membro da equipa fica responsável pelo serviço do dia, por rotação.

Sou responsável pelo produto, mas também faço suporte. Por isso, ouço quando as coisas estão a correr mal. Vejo quando as pessoas ficam bloqueadas num determinado fluxo e penso que isso me permite manter um contacto constante com o cliente e com os seus problemas, canalizando essa informação automaticamente para todas as conversas.

Penso que isto é controverso porque existem muitas empresas — a Sierra e todas estas empresas de bots de suporte ao cliente baseados em IA — cuja premissa é basicamente que não deveríamos ter de responder a estas perguntas. Vamos transferir isto para um bot ou para a IA. E eu penso simplesmente que isto nos ajuda a manter um contacto real.

Também acho que os clientes valorizam isso. Quase se torna um ponto de diferenciação neste novo mundo.

Hannah Clark: Sim, e isto está mesmo a deixar-me de boca aberta. Penso que é uma estratégia brilhante, porque, quer utilizem um bot para responder às perguntas de suporte dos clientes, quer tenham uma equipa de suporte, se mantiverem essa função separada do processo de desenvolvimento das pessoas que estão mais próximas do produto, estão a transmitir essa informação por telefone ou ficam dependentes de verificar se estão a falar com as pessoas certas.

Mas também acho que é brilhante porque, caso contrário, quais são as outras formas de obter feedback? Estão a solicitá-lo a pessoas que ou estão muito motivadas para apoiar um produto porque já gostam dele, ou às pessoas que o detestam. Ao estarem na área do suporte, estão num lugar que as pessoas não esperam, e vão ter em conta o feedback delas. Elas estão apenas a tentar ir do ponto A ao ponto B e penso que, sem isso, é muito difícil captar esse meio-termo.

Margaret-Ann Seger: Sim, é muito interessante. Encontramos os clientes no ambiente real em que utilizam o produto. Vemo-los no momento e vemos a emoção. Também é interessante ver os nossos engenheiros a desenvolverem esta empatia, porque penso que isto escala muito bem. Não são apenas os gestores de produto que fazem isto; são também os engenheiros.

Ficam entusiasmados com a oportunidade de melhorar um fluxo. Pensam: “Vou simplesmente lançar uma correção rápida.” E, desta forma, quase conseguimos alcançar mais através da construção de empatia de baixo para cima.

Hannah Clark: Sem dúvida. Também consigo ver o valor de compreender realmente os casos de utilização que as pessoas têm para o produto naquele momento e perceber o que estão a tentar alcançar.

Deveria existir uma forma mais fácil de fazer isto, sem terem de contactar o suporte? O meu cérebro está a fervilhar, adoro esta ideia. Ainda bem que surgiu. Está bem, vamos avançar. Quando pensamos na velocidade dos ciclos de desenvolvimento, essa foi a outra coisa que mencionou como fator diferenciador: conseguir incorporar rapidamente o feedback no roteiro do produto.

Sugeriu criar coisas simples, construí-las rapidamente, colocá-las no mercado e obter algum feedback. Nesse sentido, que estrutura utilizaria para decidir o que construir e testar primeiro? Se existem tantas opções e tantas formas de o fazer?

Margaret-Ann Seger: Referi isto brevemente há pouco, mas começámos a filmar vídeos de protótipos. Fazemos o protótipo e depois filmamos um vídeo como se fosse um produto real, dizendo que está aberto a pedidos de acesso à versão beta. E não o construímos.

O cliente contacta-nos se estiver interessado, ou alguém vê o vídeo no LinkedIn e diz: “Isto é interessante. Devíamos experimentar.” Envia-nos uma mensagem e, se obtivermos procura e entusiasmo suficientes, vamos construí-lo. É uma forma muito económica de testar ideias sem termos de construir um produto completo, de ponta a ponta, com todos os casos-limite e todas as nuances que temos de considerar.

Experimentámos isto com algumas coisas e funcionou muito bem, por isso penso que vamos continuar a fazê-lo e, basicamente, deixar que o mercado nos diga o que devemos ou não devemos construir.

Hannah Clark: Isto é uma verdadeira espreitadela aos bastidores. Sinto que estamos perante uma revelação ao estilo de O Feiticeiro de Oz.

Margaret-Ann Seger: Talvez não devesse estar a dizer isto.

Hannah Clark: Não, penso que é brilhante, porque há muitas coisas que poderiam fazer, mas, se não existe entusiasmo — voltando ao que disse sobre a distribuição —, porquê investir todo o esforço no ciclo de desenvolvimento se não há esse impulso?

Margaret-Ann Seger: Essa é a beleza disto: conseguimos distribuição integrada desde o primeiro dia, porque sabemos que ela existe. Já validámos a ideia.

Hannah Clark: Fantástico. Vamos falar mais sobre a utilização da IA para executar a estratégia de entrada no mercado. Penso que o cerne da questão é: como vão lançar um produto e ter sucesso quando há tantos produtos semelhantes ao vosso a serem lançados a todo o momento? Muitas pessoas pensam: “É só pedir ao ChatGPT que faça isso.”

Margaret-Ann Seger: Estratégia de entrada no mercado.

Hannah Clark: Posso simplesmente dar-lhe um comando.

Margaret-Ann Seger: Estás a rir-te.

Hannah Clark: Sim, porque tem razão, tem cem por cento de razão. Se pensarmos nisso, qual é a peça em falta? O que é que as pessoas estão a perder ao adotarem essa estratégia, algo em que precisamos realmente de pensar e que não pode ser automatizado, algo que temos mesmo de fazer manualmente?

Margaret-Ann Seger: Podem definitivamente utilizar o ChatGPT para muitos resultados concretos. Não quero criticá-lo. Mas saber quais devem ser esses resultados e como os enquadrar é uma arte por si só. Existe todo aquele meme sobre os gestores de produto se tornarem essencialmente engenheiros de comandos.

Penso que podem utilizar estas ferramentas para a estratégia de entrada no mercado, mas precisam de conceber bons comandos e orientar verdadeiramente o processo. A razão pela qual é necessária uma pessoa para fazer isso é a empatia. No fim de contas, a vossa estratégia de entrada no mercado só vai funcionar se tiverem uma empatia profunda pelo cliente, se compreenderem o problema pelo qual está a passar, se forem capazes de falar a sua linguagem e de posicionar algo que sabem que vai ao encontro da situação em que ele se encontra.

E penso que são necessários todos os tipos de dados de entrada. Precisam de dados quantitativos, compreendendo o que os utilizadores estão ou não estão a fazer. Podem dizer-vos uma coisa e fazer outra. Precisam de dados qualitativos: devem observar as suas sessões. Não devem saber apenas o que dizem, mas também o que fazem realmente nos bastidores e onde ficam bloqueados.

A IA pode, na verdade, ajudar em ambos os processos. Há muitas startups a explorar a síntese de sessões através de IA, o que considero muito inteligente. Podem gravar milhares ou potencialmente centenas de milhares de sessões, mas não conseguem assistir a todas.

Gostariam que alguém, ou um bot, analisasse tudo e extraísse os principais conhecimentos, enviando-os depois para vocês. Mas é necessária uma pessoa para pegar nesses conhecimentos, saber como os seres humanos se comportam, quem é o seu perfil de cliente ideal e o que os motiva. Depois, pode juntar todas essas peças para descobrir o enquadramento adequado.

Assim que tiverem esse enquadramento, podem utilizar o ChatGPT e dizer: “Aqui estão os dados de entrada brutos, aqui está o que estou a pensar e este é o cliente. Podes ajudar-me a posicionar isto um pouco melhor?” Mas há muito trabalho preliminar necessário.

Hannah Clark: Vamos entrar nos pormenores de uma estratégia de entrada no mercado sólida. Penso que esta é outra área em que, se têm uma quantidade de concorrência muito maior do que antes, tudo tem de ser mais forte.

Em particular, a vossa estratégia de entrada no mercado atual, comparada com a de há cinco anos, tem de ser muito mais robusta. Se fizéssemos uma aula de anatomia sobre a estratégia de entrada no mercado perfeita hoje, comparada com aquilo que seria considerado uma excelente estratégia em 2020, quais diria serem as características fundamentais de uma estratégia realmente boa atualmente?

Margaret-Ann Seger: É uma pergunta difícil, porque não sei se é fácil definir uma excelente estratégia atualmente. É muito fácil dizer o que costumávamos fazer e que já não é escalável. Vou começar por aí. Penso que temos assistido a uma evolução neste domínio. Entrei na Statsig no início de 2022 e, nos últimos três anos e tal, vimos isto acontecer.

Algumas coisas mudaram completamente. Uma delas é a otimização para motores de busca, que é muito diferente agora, à medida que os modelos e as pessoas simplesmente contornam o Google e vão diretamente para o ChatGPT, o Claude ou o Gemini. Não vão obter muito retorno do investimento em otimização para motores de busca quando a adoção em massa se deslocar para aí.

A outra coisa é uma fasquia muito mais elevada no que diz respeito à diferenciação. Por exemplo, costumava ser suficiente ter conteúdo de alta qualidade como fator diferenciador. Se publicassem um ótimo artigo ou tivessem uma excelente newsletter, isso bastava.

Hannah Clark: Ou um podcast.

Margaret-Ann Seger: Sim, sim, sim. Todas essas coisas eram suficientes e agora penso que são quase requisitos básicos. Em particular, penso que o conteúdo escrito está a tornar-se cada vez mais problemático, porque é muito fácil gerar aquilo que, essencialmente, é lixo produzido por IA.

Como escrevemos coisas que atravessam esse ruído, especialmente quando as pessoas estão a gerar centenas e centenas de artigos através de IA apenas para obterem uma melhor classificação nas pesquisas? A outra questão é que estamos a passar daquilo que já não é suficiente para aquilo que penso ser o padrão de excelência.

Acredito genuinamente — e sinto que já toquei neste ponto de várias formas — que o contacto humano vai ser o padrão de excelência. Ter efetivamente uma pessoa no circuito será quase revolucionário e as pessoas vão naturalmente gravitar em torno das marcas que parecem mais humanas.

É curioso: alguém estava a dizer-nos que achava que a marca da Statsig era muito diferente da típica empresa de IA. Perguntei: “Porquê? Quantifica isso.” E respondeu: “Há simplesmente tantas pessoas. Vocês têm os vossos colaboradores visíveis. Têm vídeos com os vossos gestores de produto a lançar coisas. Têm rostos de pessoas associados aos vossos artigos. Dão prioridade às pessoas.”

E isso é realmente arrojado no mundo atual. Olhamos para a Vercel e para a Linear, para estas marcas extremamente limpas e minimalistas, quase estéreis, e esse é o padrão de excelência. Ter pessoas, ter os colaboradores visíveis e permitir que apareçam parece quase desorganizado e pouco convencional.

Mas descobrimos que muitas pessoas gostam disso, e eu também. Temos os nossos cães no site, mostramos as pessoas por detrás dos produtos, que não só filmam vídeos como também respondem às perguntas de suporte. Penso que isso foi um fator diferenciador para nós.

As pessoas fazem piadas sobre o quê? O chão cinzento e a estética da madeira branca nas casas, em que tudo passou a seguir esse padrão. Penso que algo semelhante vai acontecer na tecnologia: haverá uma estética para a qual todos convergem e, se forem diferentes ou memoráveis de alguma forma, isso será uma vantagem para vocês.

Hannah Clark: Sim. Penso que isto é muito coerente com algo que tenho discutido bastante ultimamente: parece que, em tudo — desde a tecnologia às tendências da moda e praticamente a qualquer outra coisa —, há sempre um movimento pendular. Existe um determinado ponto de saturação em que as pessoas começam a desejar algo na direção oposta, quase proporcionalmente ao nível de saturação.

Vejo exatamente o que está a dizer. Antes, toda a gente gravitava em torno de designs e sites muito limpos e minimalistas. São bonitos e muito simples, mas também são os mais fáceis de gerar atualmente.

Penso que a transição do Instagram para o TikTok ilustra isso. O Instagram popularizou conteúdos muito polidos e brilhantes, e depois as pessoas começaram a desejar uma estética de baixa fidelidade, muito mais prática e centrada nas pessoas.

Penso que estamos a assistir a algo semelhante: as pessoas dizem “Não, quero provas de que existem pessoas por detrás disto”. Penso que há algo aí. Se falarmos de equipas de crescimento que utilizam ferramentas como as da Statsig, qual diria ser o maior erro de entrada no mercado que vê as equipas cometerem quando têm acesso a muitas tecnologias diferentes para medir o sucesso?

Há muitos dados para analisar e é fácil estabelecer correlações erradas. Como é que conseguimos dar sentido a tudo isso?

Margaret-Ann Seger: É interessante. Cada vez mais, as equipas estão a adotar ferramentas para serem mais orientadas por dados, registar dados e simplesmente ter esse contributo. O problema é que, muitas vezes, os dados de entrada não coincidem.

Se têm quatro ferramentas diferentes e todas registam ações semelhantes realizadas por um utilizador, acabam por ter de analisar quatro conjuntos de dados e quatro fontes de dados diferentes. Raramente coincidem. Torna-se extremamente confuso. Depois, as pessoas ficam frustradas porque os dados não coincidem e não sabem em que confiar.

Por isso, ironicamente, quanto mais ferramentas acrescentam e tentam ser orientados por dados, mais difícil se torna serem verdadeiramente orientados por dados. Uma grande tendência na indústria para resolver este problema tem sido a consolidação e a criação de plataformas que começam a combinar várias ferramentas. Nós somos uma delas.

Não estou a dizer que isto seja algo exclusivo da Statsig, mas é importante ter um conjunto de SDKs que registem os dados e uma única fonte de verdade — ou uma fonte de verdade dos dados no vosso armazém. Cada vez mais, as empresas têm um armazém de dados que funciona como fonte de verdade. Isso é excelente e todas estas ferramentas deveriam construir sobre essa base.

Não deveriam estar a tentar criar novas fontes de dados. Pelo menos na nossa indústria, é isso que se está a verificar em todo o lado. Penso que isso ajuda muito quando as equipas conseguem unificar esta pilha tecnológica numa fonte de verdade. Começam novamente a confiar nos dados e a utilizá-los.

Mas é quase um processo lento de reconstrução, porque as pessoas foram perdendo a confiança nos dados ao longo do tempo. Penso que esse é um ponto importante.

A outra questão é que ficariam surpreendidos com o número de pessoas que dizem: “Sim, somos orientados por dados.” E nós perguntamos: “Está bem, ótimo. Como funcionou essa funcionalidade?” E respondem: “Não sei.” Isso acontece porque lançar coisas novas como experiências é, na realidade, difícil.

Torna-se um processo enorme: temos de configurar a experiência, qual é o nosso documento de design, a equipa de ciência de dados concorda com a forma como estamos a configurar isto? Depois lançamos e fazemos um grande processo de resumo.

As ferramentas que tornam este processo realmente simples permitem lançar apenas uma sinalização de funcionalidade, ativá-la e desativá-la, e criar automaticamente um pequeno teste A/B entre as pessoas que têm a funcionalidade e as pessoas que não têm a nova funcionalidade.

Podem verificar rapidamente se isso está a afetar as métricas do negócio, as métricas de latência e infraestrutura ou as métricas de custos. Se conseguirem fazer essa verificação rápida e avançar, reduzem a barreira de entrada para os testes A/B.

Testes A/B muito simples. Será o processo adequado de ponta a ponta, com todas as metodologias estatísticas mais avançadas? Talvez não. Mas penso que é uma excelente forma de as equipas começarem a desenvolver essa capacidade. É algo em que temos trabalhado: tornar esse processo mais fácil.

Hannah Clark: Ótimo. Falando em desenvolver essa capacidade, grande parte daquilo de que estamos a falar é a combinação entre a mentalidade de desenvolvimento e a mentalidade de como vamos distribuir isto.

Penso que agora todas as pessoas da equipa de produto têm de interiorizar esta ideia, porque precisamos de ter em mente a distribuição e o desenvolvimento ao mesmo tempo. Como é que ganhamos confiança para desenvolver este tipo de competências e mentalidade?

Não sei se, na Statsig, têm atualmente essa mentalidade em toda a equipa, ou se existe alguma coisa que tenham incentivado junto de pessoas que não estão diretamente envolvidas no processo de marketing de produto, mas que ainda assim precisam de pensar na forma como isto vai ser comercializado.

Margaret-Ann Seger: É difícil espalhar esse ADN. Uma coisa que considero muito interessante — e isto tem mais que ver com quem contratamos — é tentarmos contratar engenheiros verdadeiramente orientados para o produto, apaixonados pelo utilizador final e pelo desempenho do produto, que queiram estar envolvidos no marketing.

Querem ajudar e compreender quem está efetivamente a adotar o produto, se são as pessoas que esperávamos, se estão a utilizá-lo da forma que esperávamos e se as métricas apresentam bons resultados. Tem sido interessante aproveitar essa motivação.

Um exemplo concreto é a nossa equipa de infraestrutura. Estão a trabalhar num conjunto de ferramentas semelhante ao Datadog, em parte porque querem utilizar o nosso próprio produto e querem usá-lo mais.

Eu disse-lhes: “Isso é ótimo.” Foram muito longe nessa direção e, neste momento, estão a depurar o CEV na Statsig, fazendo a monitorização completa, os alertas e o acompanhamento diário da saúde da infraestrutura na Statsig.

Vieram ter comigo e disseram: “Estamos a utilizar o produto para isto. Podemos comercializá-lo junto dos clientes? Podemos simplesmente vendê-lo? Pode ser uma variante do produto?” Respondi: “Sim, vamos fazê-lo.”

Obviamente, ainda é rudimentar, porque somos atualmente o nosso principal cliente. Mas é uma forma muito interessante de abordar o problema: temos um problema, resolvemo-lo para nós próprios, percebemos que outras pessoas podem beneficiar e dizemos: “Vamos comercializá-lo.”

Agora, o responsável de engenharia desta área está muito envolvido comigo, com o nosso marketing de produto e com a nossa equipa de marketing no posicionamento do produto.

Hannah Clark: Sim. Penso que isso demonstra claramente como o lançamento e a forma de pensar sobre a distribuição são muito específicos e dependem da história do produto e do local onde encontram valor.

Gostaria que partilhasse outra história, porque estou a gostar desta linha de pensamento sobre a importância que o storytelling e o aspeto humano vão ter no futuro, com as pessoas no centro da forma como distribuímos os nossos produtos. Viu recentemente um bom exemplo disso?

Um produto que tenha aproveitado muito bem a sua equipa? Quem destacaria como um exemplo realmente bom?

Margaret-Ann Seger: Não é um exemplo recente. Foi, penso eu, em 2018. O meu padrão de excelência, ao qual volto sempre que penso numa estratégia de entrada no mercado de classe mundial, aconteceu na Uber.

Em 2018, houve um período de cerca de seis meses durante o qual fizeram o Driver Forward. Para contextualizar, penso que a Uber cresceu muito rapidamente. Os motoristas foram uma parte enorme desse crescimento, mas muitas vezes sentiam-se pouco valorizados.

Havia muitas histórias sobre os casos de utilização dos passageiros e sobre como a Uber ajudava as pessoas a regressar a casa em segurança depois de saírem à noite ou ajudava as mães a levar os filhos aos treinos de futebol.

Mas havia menos histórias sobre os motoristas ao volante, que estavam a ganhar rendimentos de novas formas, a enviar os filhos para a universidade e a fazer todas estas coisas interessantes graças à oportunidade que tinham.

Existia uma longa lista de pedidos dos motoristas, funcionalidades e melhorias de qualidade de vida, bem como maior visibilidade sobre os rendimentos — todas estas questões fundamentais do fluxo de trabalho que os motoristas tinham solicitado durante anos.

Enquanto empresa, sentimos que estava na altura de dar destaque aos motoristas. E perguntámos: porque não combinar estas duas coisas? O Driver Forward era basicamente um conceito em que, todos os meses durante seis meses, as equipas de marketing e produto trabalhavam em conjunto num momento específico.

Cada mês tinha um tema e incluía uma nova funcionalidade ou melhoria na aplicação dos motoristas. Isto era acompanhado por muito storytelling e até por sessões com motoristas, que eram convidados para o lançamento. Havia uma festa de lançamento e este acontecia numa cidade diferente, num centro diferente de integração de motoristas.

Era uma iniciativa totalmente centrada nos motoristas e funcionou muito bem. Foi interessante e representou uma grande mudança na dinâmica de confiança entre os motoristas e a Uber.

Foi uma verdadeira aula magistral sobre como orientar todo o roteiro do produto para estes momentos de entrada no mercado, com as equipas de produto e marketing a trabalharem em conjunto.

A mulher que liderou grande parte deste trabalho foi Laura Jones, que é atualmente a diretora de marketing da Instacart, e é simplesmente fenomenal. Para mim, este exemplo é o padrão de excelência de como pegar no utilizador, pegar no seu problema, colocá-lo no centro daquilo que vamos fazer, construir todo um roteiro à sua volta e alinhar estreitamente o marketing e o produto.

Hannah Clark: Adoro isso. É um exemplo fantástico e uma forma muito sucinta de mostrar como essa mentalidade deve funcionar na prática.

Margaret-Ann Seger: Foi realmente interessante de ver.

Hannah Clark: Muito obrigada por se juntar a nós hoje. Foi uma excelente conversa. Penso que abordámos muitos pontos importantes num período de tempo bastante curto.

Se as pessoas quiserem continuar a acompanhar o seu trabalho, onde podem encontrá-la online?

Margaret-Ann Seger: No LinkedIn, uso MA, mas o meu nome completo é Margaret-Ann Seger. O blogue da Statsig também é bastante interessante. Falamos sobre muitas coisas interessantes e, como referi, é muito centrado nas pessoas. Se quiserem conhecer melhor a equipa, podem visitar statsig.com/blog.

Hannah Clark: Muito obrigada.

Margaret-Ann Seger: Obrigada.

Hannah Clark: Obrigada por nos ouvirem. Para obterem mais informações úteis, guias práticos e análises de ferramentas, subscrevam a nossa newsletter em theproductmanager.com/subscribe. Podem ouvir mais conversas como esta subscrevendo o The CPO Club na plataforma onde costumam ouvir os vossos podcasts.