2.4 O funil e os quatro vícios do funil

Pergunta antes de ler

Em que etapa do funil da Órbita está o maior vazamento, e como você provaria isso? Escreva a etapa e, ao lado, a evidência que você pediria para sustentar a afirmação.

Guarde a folha. No fim do capítulo, a resposta certa vai ser desconfortável: o maior vazamento não está em etapa nenhuma.

Funil de aquisição

O instrumento que conta quantos registros existem em cada estado do caminho até a assinatura e qual a taxa de passagem entre um estado e o seguinte. Ele mede eficiência de conversão, e mede bem.

O que ele não mede: a qualidade do que converteu. O funil trata um cliente que fica cinco anos e um que sai em oito meses como a mesma unidade, porque os dois cruzaram a mesma linha no mesmo dia. Essa cegueira não é defeito de implementação: é a definição do instrumento.

Por que importa: a maior parte das empresas usa o funil como se ele fosse um diagnóstico do negócio, quando ele é um diagnóstico de um pedaço do negócio, delimitado por duas fronteiras rígidas. Começa no primeiro registro e termina na assinatura. Tudo o que decide a economia de uma empresa recorrente acontece fora dessas duas fronteiras.

Arraste o desenho para o lado para ver inteiro

Figura 2.4 Um funil saudável numa empresa doente. Este é o resultado mais desconfortável do Módulo 2 e o motivo pelo qual ele vem depois do Módulo 1. Se você tivesse começado pelo funil, teria concluído que a Órbita vai bem, e teria quase razão: 4 das 5 etapas estão dentro ou acima da faixa de referência, duas delas com folga larga, e a única abaixo, lead para MQL em 37,0% contra ~39%, fica 2,0 pontos percentuais fora. Guarde esses dois pontos: a conta logo abaixo mostra que fechá-los renderia 10 clientes a mais no ano, num ano em que a empresa perdeu R$ 3,6 milhões. As larguras estão em escala logarítmica, porque em escala linear as quatro últimas etapas seriam invisíveis. O funil mede eficiência de conversão, e é estruturalmente cego para a qualidade do que converte. Sobre a coluna de referência: as cinco faixas são as que a Fase 1 deste curso publicou, herdadas de material de mercado sem estudo primário, amostra nem ano rastreáveis. Leia como convenção interna, não como evidência, e veja a Nota logo abaixo do desenho.

Higiene de fonte: de onde vêm as cinco faixas de referência

As cinco faixas impressas na coluna da direita do desenho são as que a Fase 1 deste curso publicou. Elas vieram de material de mercado repetido em apresentação de fornecedor e em post de blog, e não consegui rastrear nenhum estudo primário atrás delas: não há amostra, não há ano de coleta, não há recorte de segmento, de ticket ou de região, e não há definição publicada de MQL nem de SQL, que é exatamente o que decide o valor de quatro das cinco. Então elas entram neste livro rotuladas pelo que são: referência de mercado herdada da Fase 1, sem estudo primário rastreável. Convenção interna deste curso, não evidência.

Faça sempre as três perguntas antes de pôr um número num slide: quem mediu, quando, com que amostra. Uma faixa que não responde às três não aprova nem reprova a sua operação, e é por isso que o desenho acima não usa a palavra meta em lugar nenhum. Repare também que o argumento do capítulo não depende delas: se você apagar a coluna de referência inteira, a Órbita continua tendo crescido 34,8% e perdido R$ 3,6 milhões no mesmo ano, que é subtração entre dois números fechados da própria empresa.

O contraste com o resto do módulo é proposital. Quando este livro traz um número de fora com procedência, ele nomeia a casa, o ano e o recorte, como fez com a projeção da Gartner no capítulo 2.1 e com o painel de conversão de autosserviço do capítulo 2.3. Quando a procedência não existe, ele diz isso por escrito em vez de apagar o número, porque apagar esconde do aluno justamente a decisão que ele vai ter que tomar sozinho na primeira reunião em que alguém projetar um benchmark.

Na práticaÓrbita Software · o funil refeito de cima a baixo

A cadeia. 412.000 visitantes × 2,0% = 8.240 leads. × 37,0% = 3.050 MQL. × 30,0% = 915 SQL. × 69,9% = 640 oportunidades. × 28,9% = 185 clientes.

O que a cadeia produz em dinheiro. 185 clientes × R$ 37,3 mil de ACV médio por cliente novo, por ano = R$ 6,9 milhões de venda nova, que é exatamente a linha de venda nova da cascata de ARR do Módulo 1. O funil fecha com a cascata, e isso é raro o suficiente para merecer registro: na maior parte das empresas os dois números não conversam, e o Módulo 5 mostra por quê.

A comparação com o mercado, etapa a etapa. Visitante para lead, 2,0% contra 1,5% a 2,5%: dentro. Lead para MQL, 37,0% contra ~39%: abaixo, por 2,0 pontos percentuais, e é a única. MQL para SQL, 30,0% contra 18% a 22%: acima, com folga. SQL para oportunidade, 69,9% contra 20% a 40%: acima, com folga. Oportunidade para cliente, 28,9% contra 20% a 25%: acima. O placar é 4 de 5.

O tamanho da única etapa que está abaixo. Suponha que a Órbita levasse lead para MQL de 37,0% até os 39,0% da referência. Isso multiplica tudo o que vem depois por 39,0% ÷ 37,0% = 1,05×, e leva os 185 clientes do ano para 195. São 10 clientes a mais, ou cerca de R$ 370 mil de venda nova, contra R$ 3,6 milhões de perdas no mesmo ano. Consertar a única etapa fora da faixa devolve cerca de um décimo do que vazou pelo outro lado. É por isso que a resposta certa à pergunta de abertura é desconfortável: o maior vazamento não está em etapa nenhuma.

A leitura. Um diretor comercial que abrisse só este slide concluiria que a máquina comercial da Órbita é boa, e ele não estaria mentindo. O instrumento está dizendo a verdade sobre aquilo que ele mede. O problema é que a empresa cresceu 34,8% e perdeu R$ 3,6 milhões no mesmo ano, e nada disso aparece em nenhuma linha deste desenho.

O veredito. Taxas boas sobre entrada ruim produzem exatamente isto: uma empresa eficiente em converter o cliente errado. É por isso que o capítulo do perfil de cliente vem antes do capítulo do funil, e não depois.

0,045%conversão de ponta a ponta, do visitante ao cliente185 clientes em 412.000 visitantes. O número parece catastrófico e é perfeitamente normal: é o produto de cinco taxas, e nenhuma das cinco está ruim.

Os quatro vícios

1. O funil termina na venda. Num negócio recorrente, a maior parte do valor é criada depois da assinatura. Um instrumento que para no fechamento não enxerga a expansão nem antecipa o churn, que são exatamente as duas linhas que decidem o NRR.

Arraste o desenho para o lado para ver inteiro

Figura 2.4-b O funil mede 90 dias de uma relação que dura 41 meses no pior segmento e 92 no melhor. A barra escura à esquerda é o ciclo médio de vendas, que é tudo o que o funil observa. As três barras à direita são a vida média publicada de cada segmento. O desenho não faz nenhuma afirmação sobre qualidade de gestão: só mostra a proporção entre o que é medido semanalmente e o que não é medido nunca. O capítulo 2.5 resolve esta assimetria com um desenho, e o Módulo 10 a resolve com processo.

2. O funil mede o vendedor, não o cliente. Etapas como proposta enviada ou negociação descrevem o que o vendedor fez, não o que o comprador decidiu. Isso torna o avanço de etapa manipulável e o forecast, ficção. A correção é definir cada etapa por um fato verificável do lado do cliente.

3. O funil trata volume como virtude. Mais leads no topo parece sempre melhor. Não é: lead fora do perfil consome tempo de SDR, polui a base, distorce a taxa de conversão e, quando fecha, vira o churn do ano seguinte. O capítulo 2.2 mediu o tamanho desse efeito na Órbita: 1,7× de estrago por unidade de participação.

4. O funil ignora o tempo. Duas empresas com as mesmas taxas de conversão e ciclos de 38 e 186 dias têm negócios completamente diferentes, e o funil desenha as duas igual. Conversão sem velocidade é meia informação, e é assunto do capítulo 2.6.

Arraste o desenho para o lado para ver inteiro

Figura 2.4-c Seis estágios, e nenhum deles descreve uma decisão do comprador. O teste de concordância prova isso. À esquerda, os seis estágios vigentes no CRM da Órbita com o critério de saída que está escrito hoje. À direita, o mesmo estágio redefinido por um fato que só o comprador pode produzir. O número no rodapé é o que transforma a opinião em evidência: dois gerentes classificaram os mesmos 40 negócios em separado e concordaram em 61% dos casos. Um forecast construído sobre esses estágios é opinião com aparência de planilha.

Estágio	Critério de saída vigente	Fecha	O que essa taxa vale na prática
1. Qualificação	SDR passou	29%	frágil depende de quem classificou
2. Descoberta	fizemos a call	38%	frágil depende de quem classificou
3. Demonstração	demo realizada	49%	parcial o fato existe, mas não é registrado
4. Proposta	proposta enviada	62%	parcial o fato existe, mas não é registrado
5. Negociação	em negociação	78%	confiável há evidência externa do comprador
6. Fechamento	contrato em jurídico	91%	confiável há evidência externa do comprador

Os mesmos seis estágios, com a taxa histórica de fechamento que o CRM da Órbita atribui a cada um. A última coluna é a que decide se a taxa significa alguma coisa: uma probabilidade aplicada a um estágio subjetivo é um número preciso em cima de uma classificação que nem dois gerentes reproduzem.

O teste de uma boa definição de etapa é curto: duas pessoas diferentes, olhando para o mesmo negócio, classificam na mesma etapa sem conversar. Na Órbita isso acontece em 61% dos casos. Corrigir isso é, provavelmente, o trabalho de maior retorno que uma pessoa de RevOps recém-chegada pode fazer nos primeiros sessenta dias, e o Módulo 4 dedica um capítulo inteiro a como se escreve um critério de saída que sobrevive a esse teste.

Onde atacar, e por que a intuição erra

A intuição manda atacar a etapa com a menor taxa de conversão. No funil da Órbita, essa etapa é o topo: 2,0% de visitante para lead. A conta a seguir mostra por que essa intuição não decide nada.

Arraste o desenho para o lado para ver inteiro

Figura 2.4-d Um ganho relativo de um por cento em qualquer etapa vale exatamente os mesmos 1,85 clientes. À esquerda, o que cada melhoria produz em clientes novos. À direita, o tamanho relativo da melhoria que foi preciso pedir. Dividindo um pelo outro, os dois resultados são idênticos, e não por coincidência: o funil é uma cadeia de multiplicações, e numa cadeia de multiplicações um ganho proporcional em qualquer fator produz o mesmo ganho proporcional no resultado. A consequência prática inverte a pergunta de gestão: como o retorno é igual, a escolha da alavanca é inteiramente uma decisão de custo e de prazo. O capítulo 2.6 refaz esta demonstração com as quatro alavancas do motor.

Exercício 2.450 minutos, planilha

Monte a cadeia multiplicativa do funil da sua empresa, do primeiro registro até o cliente, e confira se o resultado final bate com a venda nova do período.
Multiplique cada uma das cinco taxas por 1,10, uma por vez, e anote quantos clientes a mais cada melhoria produz. Compare os cinco resultados.
Estime, em reais e em semanas, o custo de conseguir esse ganho de dez por cento em cada uma das cinco. Ordene da mais barata para a mais cara.
Qual das cinco melhora a retenção dos clientes que entram? Justifique.
Releia a resposta que você escreveu na pergunta de abertura deste capítulo. Ela nomeava uma etapa do funil? Se sim, escreva agora o que a premissa da pergunta estava escondendo.

Conferir respostas

1. A cadeia da Órbita fecha em 185 clientes e R$ 6,9 milhões de venda nova. Se a sua empresa não fecha, o problema quase nunca está nas taxas: está em algum estágio contando registro que não pertence à mesma coorte, o que é assunto do Módulo 5.

2. Multiplicando qualquer uma das cinco taxas por 1,10, o resultado sobe 10%, ou 18,5 clientes. Todas as cinco dão o mesmo número, porque o funil é uma cadeia de multiplicações. Se as suas cinco contas deram resultados diferentes, você aplicou pontos percentuais absolutos em vez de ganho relativo, que é justamente o erro que a Figura 2.4-d desmonta.

3. O custo é o que separa as cinco. Aumentar volume custa mídia e tempo de SDR e demora um trimestre para aparecer. Melhorar a taxa de MQL para SQL custa escrever uma definição e treinar quatro pessoas, e aparece em semanas. A ordem de ataque sai do custo, nunca do tamanho do efeito.

4. Nenhuma das cinco taxas melhora a retenção, e é esse o ponto do capítulo. O funil não tem uma alavanca de qualidade: a única coisa que ele mede sobre o que entrou é quanto disso saiu pelo outro lado. A qualidade se decide antes do funil, no perfil de cliente, e se observa depois dele, na gravata-borboleta do capítulo 2.5.

5. Se a sua resposta à pergunta de abertura foi uma etapa do funil, ela estava errada pela razão mais interessante possível: a pergunta embutia a premissa de que o vazamento está dentro do instrumento. Na Órbita, 68% do churn vem de contas que o funil aprovou corretamente segundo os seus próprios critérios.

Armadilha: atacar a etapa com a menor taxa de conversão

A cena é quase um ritual. O slide do funil aparece na reunião, alguém aponta para o menor número da coluna e diz que é ali que está o problema. Na Órbita, o menor número é 2,0%, de visitante para lead, que por acaso está dentro da referência de mercado de 1,5% a 2,5%. O orçamento de mídia é aumentado, a agência é trocada, e o trimestre seguinte começa com uma meta de topo de funil.

A conta da Figura 2.4-d mostra por que isso não decide nada. Taxa baixa não significa oportunidade grande: significa apenas que aquela etapa filtra muito, que é o trabalho dela. O retorno de um ganho relativo é idêntico em qualquer ponto da cadeia, então o único critério legítimo de escolha é quanto custa e quanto demora mover cada uma. E, na Órbita, a resposta verdadeira está fora do funil: com 41% dos logos novos fora do perfil respondendo por 68% do churn, melhorar qualquer taxa do funil aumenta o volume do problema.

A pergunta certa nunca é onde a taxa é menor. É onde um ponto percentual de ganho relativo custa menos e dura mais.

Recuperação

Responda antes de abrir. Tentar e errar consolida mais que reler.

1Quais são os quatro vícios do funil, e qual deles a Órbita paga mais caro?
Termina na venda, mede o vendedor e não o cliente, trata volume como virtude e ignora o tempo. A Órbita paga mais caro pelo terceiro, porque o volume que ela celebra entra com 41% de contas fora do perfil, e paga logo em seguida pelo primeiro, porque nada do que acontece depois da assinatura entra no instrumento que ela revisa toda semana.
2Um funil tem 20.000 visitantes, converte 3% em leads, 40% em MQL, 25% em SQL, 60% em oportunidades e 25% em clientes. Quantos clientes saem, e quanto muda se o win rate subir para 30%?
20.000 × 3% = 600 leads. × 40% = 240 MQL. × 25% = 60 SQL. × 60% = 36 oportunidades. × 25% = 9 clientes. Com win rate de 30%, saem 36 × 30% = 10,8, ou seja cerca de 11. O ganho relativo pedido foi 30 ÷ 25 = 20%, e o resultado subiu os mesmos 20%. Guarde a regularidade: ela vale para qualquer elo da cadeia e é o que torna a escolha de alavanca uma decisão de custo.
3No Módulo 1 você viu as coortes da Órbita, que mostram a retenção de cada grupo de clientes ao longo do tempo. O que a coorte enxerga que o funil é incapaz de enxergar, e por qual razão estrutural?Módulo 1 · 1.5
A coorte enxerga o que aconteceu com o cliente depois da assinatura, porque ela acompanha um grupo fixo ao longo do tempo. O funil acompanha um fluxo até uma fronteira e para ali. A razão é estrutural e não tem conserto dentro do instrumento: o funil é definido pelos estados que antecedem a assinatura, e a assinatura é o último deles. Qualquer tentativa de responder retenção olhando o funil termina em correlação sem causa.
4Escreva de memória o teste de uma boa definição de estágio, e o número que a Órbita marca nesse teste.
Duas pessoas diferentes, olhando para o mesmo negócio, classificam na mesma etapa sem conversar. A Órbita marca 61% de concordância em 40 negócios. Se você escreveu o teste sem a expressão sem conversar, ele não testa nada: duas pessoas que combinam antes concordam sempre, e é exatamente isso que acontece na reunião de pipeline.