a16z para empreendedores: em vez de salvar uma baixa taxa de retenção, é melhor fazer uma transformação direta

Autor: andrew chen, a16z

Compilado por: Tim, PANews

Eu estou a olhar para os dados da curva de retenção há mais de 15 anos.

Eu já vi milhares de curvas de retenção, e este é um dos primeiros indicadores que peço para analisar ao avaliar startups. Já passei por milhares de bancos de dados, analisando curvas de retenção desmembradas por diferentes dimensões. Como construtor de produtos, também observei este indicador de outra perspectiva. Realizei centenas de testes A/B, redigi inúmeras versões de guias de orientação para usuários e e-mails de notificação, tentando alterar a forma da curva de retenção.

【​​O teste A/B​​ (também conhecido como​​ teste de divisão​​ ou​​ teste em balde​​) é um método experimental aleatório usado para comparar duas versões de um produto (versão A e versão B). O seu objetivo principal é determinar qual versão se destaca mais na realização de objetivos pré-definidos, através da coleta de dados e análise do comportamento do usuário.】

A partir dos resultados, existem alguns padrões aqui.

Assim como as leis da física, é estranho que, com o passar do tempo, sempre haja algumas leis determinísticas que continuam a aparecer. Aqui estão alguns exemplos que quero compartilhar:

• Não consegues melhorar uma taxa de retenção de utilizadores má. Sim, adicionar mais funcionalidades de notificações não irá melhorar a tua curva de retenção. Não consegues alcançar uma boa taxa de retenção de utilizadores através de testes A/B.
• A taxa de retenção só irá descer, não subirá. E o mais estranho é que a sua velocidade de declínio realmente segue uma regra previsível de meia-vida. A taxa de retenção inicial pode prever o desempenho de retenção posterior.
• A retenção de receita está a aumentar, enquanto a retenção de utilização está a diminuir. A boa notícia é: embora os usuários possam estar a perder-se gradualmente, os que ficam às vezes consomem mais!
• A taxa de retenção está intimamente relacionada com a categoria do seu produto. Existem razões inatas e outras que podem ser desenvolvidas. Infelizmente, você está destinado a não conseguir fazer de um aplicativo de reservas de hotel um produto de uso diário.
• A retenção diminui à medida que os usuários se expandem e crescem. Os usuários de melhor qualidade vêm do crescimento orgânico e inicial, enquanto os usuários adquiridos mais tarde apresentam o pior desempenho.
• A perda de usuários tem assimetria, perder um usuário é muito mais fácil do que reconquistá-lo.
• A medição da taxa de retenção é muito difícil. Fatores sazonais realmente existem, as novas versões de teste podem interferir nos dados e falhas no sistema também ocorrem. Embora o D365 seja um indicador real, não se pode olhar apenas para este resultado.
• Crescimento viral mas com uma taxa de retenção péssima, acabará inevitavelmente em fracasso. Já verificámos repetidamente esta conclusão em várias plataformas e categorias.
• A retenção de usuários é uma verdadeira maravilha. Quando você realmente testemunha essa maravilha, fica profundamente impressionado.

Vamos analisar esses pontos um a um.

Você não pode salvar uma taxa de retenção de usuários ruim. Você já viu isso acontecer: você gastou meses desenvolvendo um novo produto e, em seguida, fez o lançamento oficial. A primeira pancada é que os dados de retenção inicial dos usuários são horríveis. Neste momento, o desenvolvimento do produto já está em andamento há meses, e a situação é difícil de reverter. Como você pode melhorar a retenção? Então, uma ideia lhe ocorre: que tal adicionar uma função de notificações para lembrar os usuários de voltar? Ou adicionar um monte de novos recursos? Que tal fazer um teste A/B na página de destino para aumentar a taxa de conversão?

Acho que todos sabemos como será o desfecho. Infelizmente, quando a taxa de retenção do produto é insatisfatória, é muitas vezes extremamente difícil reverter, podendo-se dizer que é quase impossível. Claro, talvez possa haver uma melhoria marginal. Suponha que sua taxa de retenção no dia seguinte seja de 40% e o objetivo seja aumentar para 50%, isso é totalmente viável e vale a pena o esforço. Mas se a taxa de retenção no dia seguinte for apenas de 10%, isso provavelmente significa que o produto que você criou não atende às necessidades do mercado; nesse caso, todas as otimizações locais em torno de testes A/B e notificações não serão suficientes para reverter a situação fundamental. Quando meses de tempo de desenvolvimento e custos irrecuperáveis se tornam um fato, é difícil para as pessoas não lutarem até o fim. Mas eu acho que na maioria dos casos, é melhor tomar a decisão de mudança imediatamente.

Esta transformação, que visa melhorar a retenção de usuários, requer um redesenho completo da página inicial do aplicativo. Se originalmente era apresentado como um fluxo de informações, talvez deva mudar para um processo estruturado em etapas; se o núcleo do produto está na funcionalidade de compartilhamento, talvez o foco deva se voltar para a criação e colecionamento de conteúdo. Você pode precisar descrever o posicionamento do produto de uma maneira completamente diferente, até mesmo alinhando-se com os concorrentes. Isso deve ser realizado em uma transformação em larga escala em múltiplas dimensões, quanto mais completa melhor, só assim será possível reverter a baixa retenção de usuários.

A taxa de retenção vai diminuir, mas não vai aumentar. A curva de retenção geralmente apresenta um padrão de curva geométrica muito regular. Por exemplo, muitas das curvas que observei seguem a seguinte regra: não importa qual seja a taxa de retenção no primeiro dia, no sétimo dia ela diminuirá 50%; não importa qual seja a taxa de retenção no sétimo dia, no trigésimo dia ela novamente diminuirá 50%. Com o passar do tempo, a taxa de retenção final pode tender a zero, e se tivermos sorte, pode até se manter em torno de 10%. Este padrão de decréscimo é previsível.

Você nunca viu uma curva que sobe, desce e depois volta a subir; isso é impossível. Em outras palavras, se a taxa de retenção inicial não for excepcional, a taxa de retenção tardia provavelmente também não será ideal. Você deve começar forte para conseguir um bom final.

Existem algumas exceções notáveis que devem ser especialmente mencionadas nesta regra:

• Alguns produtos são muito hardcore (por exemplo, poker online). A taxa de retenção de usuários para esse tipo de produto pode ser relativamente baixa, mas os usuários que permanecem tendem a ser extremamente leais e a gastar muito, provando que esse modelo também pode ser bem-sucedido.
• Para produtos com efeitos de rede (como redes sociais, ferramentas de colaboração ou outros produtos com efeitos de rede), os novos usuários podem inicialmente mostrar atividade, mas depois a atividade pode diminuir temporariamente. No entanto, se o produto conseguir utilizar cada vez mais usuários para reativar usuários antigos, geralmente ocorrerá uma ligeira recuperação na taxa de retenção. Essa situação é extremamente rara, mas, uma vez alcançada, é deslumbrante.
• A retenção de receita está a aumentar, enquanto a retenção de utilizadores está a diminuir. Uma das melhores e mais importantes características da curva de retenção é que pode ser aplicada tanto aos utilizadores como à receita. Até agora, temos discutido a retenção de utilizadores, mas, infelizmente, a retenção de utilizadores apresenta sempre uma tendência de queda, o que não é ideal. Por outro lado, a retenção de receita é bastante interessante, pois os utilizadores que permanecem tendem a gastar mais dinheiro na sua plataforma ao longo do tempo.
• Esta é uma das maiores vantagens dos produtos B2B SaaS. Tomando o Slack como exemplo, se observar os dados dos grupos de usuários, você verá que a curva de retenção apresenta uma tendência de queda, assim como outros produtos. Algumas pessoas aceitam, outras não. Mas para aquelas empresas que investem tempo na implementação do Slack, o produto começa a crescer naturalmente, e a receita que você obtém dessas empresas aumenta dia após dia. A curva de retenção de receita não só não diminui, como aumenta, e esse fenômeno é muito curioso, mas infelizmente não se aplica à maioria dos produtos de consumo. É essa característica que faz com que os produtos B2B tenham um modelo de negócios mais fluido do que os produtos de consumo.
• O modelo de aplicação para consumidores é mais semelhante ao da Amazon; você pode inicialmente comprar apenas livros e músicas, mas à medida que as funcionalidades do produto se expandem, você gradualmente começará a comprar cada vez mais produtos. Por causa disso, o valor total da vida útil do usuário no produto essencialmente não tem limite. Observamos fenômenos semelhantes na Uber: embora o grupo de usuários possa diminuir com o tempo, os gastos iniciais com corridas apenas para transporte de aeroporto se expandirão gradualmente para jantares ou cenários de deslocamento diário. Assim, a curva de retenção de usuários apresenta uma tendência de queda, mas a curva de retenção de receita continua a subir.
• A taxa de retenção está intimamente relacionada com a categoria do produto. No passado, escrevi sobre a discussão de fatores inatos e adquiridos na taxa de retenção. A realidade é que muitos produtos têm cenários de uso naturais, como ferramentas de colaboração ou software de programação, que você pode usar diariamente no trabalho, mas o limite de dias de uso é de 5 dias ativos em uma semana de 7 dias. Em comparação, os sistemas de alerta de vulnerabilidades esperam que os usuários não os utilizem com frequência. O mesmo se aplica a bens de consumo; as pessoas verificam diariamente notícias, comunicações e aplicações sociais, mas geralmente não utilizam frequentemente guias de referência médica. Alguns aplicativos, embora com baixa frequência de uso, têm alta taxa de retenção, como aplicativos de clima ou bancos. Por outro lado, categorias como jogos, que são viciantes e têm uso frequente, normalmente veem uma perda de usuários após algumas semanas de consumo de conteúdo.
• Os fatores inatos e adquiridos são importantes porque revelam a realidade de que muitos novos produtos têm dificuldade em se destacar. Se você está desenvolvendo um aplicativo de viagens voltado para redes sociais, mas a frequência real de viagens das pessoas já não é alta, criar um produto que tenha como missão central a interação entre amigos será um desafio. Uma abordagem mais sábia é aceitar a sua natureza de uso pouco frequente, aumentando a capacidade de monetização através do controle das etapas de transação, ou integrar cenários de uso frequente como restaurantes e vida noturna, como o Yelp faz, enquanto mantém a funcionalidade de viagem. É realmente difícil contrariar as tendências, e o que podemos fazer é bastante limitado.

É exatamente por isso que, se quisermos criar aplicações com uma taxa de retenção muito alta e uma frequência de uso extremamente elevada, é provável que tenhamos que escolher áreas que já são consideradas produtos essenciais do dia a dia pelos usuários para desenvolver. Isso significa que aplicações de sucesso provavelmente vão ocupar o tempo de uso de outros produtos diários, assim como, após usar frequentemente o ChatGPT, o número de pesquisas no Google diminuiu drasticamente; quando comecei a usar o Substack para ler e escrever blogs, gradualmente deixei de usar outros tipos de softwares de notícias sociais.

Quando a base de usuários se expande, a taxa de retenção muitas vezes não aumenta, mas diminui. Mesmo que, por sorte, se crie um produto com alta retenção, as pessoas tendem a extrapolar, aplicando diretamente os padrões de comportamento, capacidade de monetização e hábitos de uso dos usuários existentes a um mercado mais amplo, acreditando que, ao multiplicar alguns bons dados pequenos por um grande conjunto de dados, se obterão resultados macroeconômicos impressionantes. Mas a realidade muitas vezes é: à medida que a base de usuários cresce, os problemas começam a aparecer. Por exemplo, quando você começa a expandir para usuários Android e mercados internacionais, e adquire mais clientes por meio de canais de marketing pagos, rapidamente perceberá uma queda em todos os indicadores-chave.

A razão é que os usuários de alta qualidade costumam aparecer mais cedo. Aqueles que têm maior potencial de monetização, a maior disposição, o maior grau de digitalização e o comportamento online mais ativo, geralmente começam a usar o produto logo no início por meio de recomendações de amigos. À medida que novos usuários são adquiridos por outros canais mais tarde, o produto pode não corresponder tanto às suas necessidades. Por exemplo, se você desenvolveu um aplicativo para iPhone para estudantes universitários em países ocidentais, ao expandir para usuários de Android em mercados emergentes, as configurações de funcionalidades podem não se adaptar completamente, resultando em uma queda natural em vários indicadores. Embora melhorias contínuas possam ser feitas mais tarde, posso garantir que os resultados nunca poderão ser comparados aos do grupo de usuários iniciais.

Então, surge a questão: à medida que o número de usuários cresce, a qualidade dos usuários diminui gradualmente. Eles ainda têm valor? O produto pode continuar a ser rentável? Mais importante, será que é possível reter o núcleo de usuários de alto valor que entraram cedo?

Não é de admirar que esses primeiros usuários sejam frequentemente chamados de "grupo de ouro".

A perda de usuários apresenta uma assimetria. A perda de usuários é extremamente fácil; na verdade, a maioria dos produtos perde 90% ou mais de seus usuários nos primeiros 30 dias. Ao mesmo tempo, recuperar usuários que já se foram é extremamente difícil. Essa assimetria entre aquisição e perda é a característica central da perda de usuários. A situação real é frequentemente tão ruim que, em vez de tentar recuperar usuários antigos, é mais fácil simplesmente adquirir novos usuários.

É precisamente por isso que tentar despertar o ciclo de vida de usuários inativos através do envio de descontos ou promoções muitas vezes é dispendioso e com pouco efeito. Uma forma mais eficaz é: permitir que usuários ativos existentes despertem usuários inativos através do uso natural do produto. Por exemplo, quando um profissional experimenta uma nova ferramenta de gestão de projetos e não consegue continuar a usá-la, enviar um e-mail bombástico de lembrete para sua caixa de entrada provavelmente não recuperará o usuário. Uma abordagem mais eficaz é permitir que um colega convide esse usuário a retornar à ferramenta para participar de um novo projeto, que é o método realmente eficaz. Mas, voltando à questão, a implementação dessa estratégia é extremamente difícil e complexa, geralmente apenas produtos que possuem efeitos de rede (ou seja, funções de compartilhamento e colaboração) podem adotá-la.

A taxa de retenção é muito complicada e difícil de medir. Quando as pessoas falam sobre a taxa de retenção, costumam se concentrar em medir o primeiro dia, a primeira semana e o primeiro mês, e raramente discutem o que acontecerá após dois anos. Isso ocorre porque, ao desenvolver produtos, as equipes precisam de um intervalo de tempo suficientemente curto e de métricas fáceis de medir para tomar decisões com base nisso. Portanto, apesar de a taxa de churn anual dos usuários ou a capacidade de monetização a longo prazo serem extremamente importantes, as pessoas tendem a não medir essas métricas e, em vez disso, se concentram em indicadores que são fáceis de avaliar no momento. No entanto, essa abordagem apresenta muitos problemas.

Infelizmente, muitas categorias de produtos são fortemente afetadas por flutuações sazonais. O comércio eletrônico, turismo, serviços de saúde ou encontros online são exemplos típicos. Mesmo a forma como as empresas utilizam softwares comerciais apresenta variações cíclicas. Fatores sazonais podem interferir no julgamento, e você pode notar uma queda nos dados mensais ou trimestrais, mas isso se deve ao fato de que as novas funcionalidades lançadas não são populares? Ou será que o padrão de comportamento dos usuários neste trimestre já era diferente? Quando os dados de retenção estão seriamente defasados, realmente se torna difícil realizar uma avaliação eficaz.

Da mesma forma, quer se trate de vulnerabilidades de software, novos testes realizados ou novas campanhas de marketing, esses fatores podem perturbar os dados. No final, você se verá constantemente consultando aqueles relatórios que mostram flutuações nas curvas de retenção, mas cada dado vem com notas adicionais, pois a equipe precisa verificar se a nova versão do Android lançada causou comparações irrelevantes.

Crescimento de usuários desenfreado e taxas de retenção péssimas estão destinados ao fracasso. Muitos desenvolvedores de novos produtos tendem a se concentrar excessivamente no registro de novos usuários, enquanto ignoram completamente a retenção de usuários. Afinal, se tudo o que se quer é ver um gráfico em ascensão contínua, por que não simplesmente aumentar o tráfego na parte superior do funil para mostrar uma rápida tendência de crescimento? Depois de levantar uma grande quantidade de capital de risco, pode-se resolver lentamente o problema da retenção de usuários.

Atualmente, esta situação é comum na indústria: um criador promove sua aplicação para milhões de seguidores, ou um vídeo publicado gera um aumento significativo na receita, com o produto atingindo um aumento de usuários através do TikTok. Apesar da taxa de uso real e da situação de perda de usuários não serem ideais, essa situação continua a ocorrer.

A indústria da tecnologia já passou por inúmeras experiências desse tipo. A conclusão é sempre a mesma: produtos que se espalham viralmente, mas têm uma retenção de usuários extremamente baixa, acabarão por desaparecer, pois o problema da retenção é difícil de resolver. Quando a novidade se desvanece, a aquisição de usuários desacelera, e no final você enfrentará uma situação desastrosa tanto na aquisição quanto na retenção de usuários; quanto mais alto você sobe, mais feia é a queda.

Temos testemunhado esse fenômeno em muitos cenários. Nas fases iniciais das redes sociais, muitos produtos cresceram de forma frenética enviando spam ao obter os e-mails e contatos dos usuários, mas acabaram levando os usuários a produtos de baixa qualidade. Às vezes, basta conseguir que os usuários assinem serviços anuais de toques de celular de baixa qualidade para que as empresas tentem monetizar e lucrar com isso. Mas foi apenas após o surgimento do Facebook, com inovações na experiência do usuário como o feed de notícias e a verificação de identidade, que finalmente se criou um produto com características altamente virais e que mantém uma forte fidelização dos usuários. Uma situação semelhante também ocorre no campo dos aplicativos móveis, onde às vezes vemos aplicativos que ficam extremamente populares devido a convites forçados por SMS, mas se o produto carece de fidelização, todo o modelo rapidamente entra em colapso.

A alta taxa de retenção é simplesmente mágica. Você pode se sentir um pouco frustrado ao ler este artigo, eu sei que iniciar um projeto pode ser realmente difícil às vezes. Mas quando um produto realmente funciona, a sensação é incomparável. Quando você vê um produto alcançando uma taxa de retenção de 50% em 30 dias (algo que eu testemunho a cada poucos anos), a sensação é indescritível. Eu gradualmente percebi que esses produtos de sucesso efêmero não são resultado de criadores que possuem uma metodologia sistemática de testes A/B, nem são alcançados através de processos de iteração rápida; o que realmente importa é ter aquele momento mágico de inspiração. Essa magia vem de uma visão inovadora sobre o mercado ou as necessidades dos clientes, que embora pareça óbvia ao olhar para trás, pode fazer com que um produto obtenha uma taxa de retenção extremamente alta por ser o primeiro a alcançar essa compreensão. Hoje, avaliamos softwares de videoconferência, recursos de fotos que se autodestroem, ou inteligência artificial mágica que pode responder a qualquer tópico, e é assim que essa magia se manifesta, não sendo obtida apenas por iterações e testes orientados por métricas.

A verdadeira questão

Após ler todo o conteúdo acima, você pode ainda ter uma grande dúvida: espera aí, como é que se consegue uma alta taxa de retenção? (Se eu pudesse responder a essa pergunta de forma certeira, o meu trabalho como investidor em startups seria muito mais fácil, não acha?)

Mas vamos fazer o nosso melhor. Nas minhas opiniões acima, na verdade, já estão enterradas algumas pistas: as ideias realmente são muito importantes.

Se você deseja um produto com alta taxa de retenção, precisa escolher uma categoria que já tenha uma alta taxa de retenção.

Você precisa escolher uma categoria de produto que já está usando diariamente.

Você irá construir um produto que compete diretamente com ele.

Se você ganhar, então você vai parar de usar aquele produto e começar a usar o seu próprio produto.

Esta é uma exigência muito alta, mas eu acho que pensar bem sobre isso é um bom começo.

Claro, se o produto que você está criando competir diretamente com um produto existente, você pode se perguntar: "Realmente é muito difícil fazer os usuários mudarem de lado." De fato, é. Portanto, você precisa decidir assumir um risco de mercado suficientemente grande, mas deve ser um risco moderado, redefinindo o modelo de interação central através do lançamento de um produto inovador e único. No entanto, a inovação mencionada aqui provavelmente se refere a 20% de melhorias e otimizações, em vez de 80% de inovação disruptiva. Idealmente, você deve ser capaz de fazer com que os usuários compreendam essa inovação de forma rápida e intuitiva dentro do primeiro minuto de uso.

Neste momento, não se pode evitar uma das perguntas que os investidores mais costumam fazer e que é também uma das mais difíceis de responder: "Por que agora é viável?". Porque a sua resposta deve destacar: surgiu uma nova tendência na indústria, como tecnologias gerais como modelos de linguagem de grande porte, ou mudanças sociais como a saturação excessiva das redes sociais, que tornam a sua ideia inovadora oportuna.

Isto pode permitir que você rapidamente conquiste o mercado existente e que, nas fases iniciais, tenha uma maior probabilidade de alcançar uma excelente taxa de retenção de usuários. O momento é crucial. Se você não acertar o momento e entrar em um campo de baixa atenção, com diferenciação de produto ainda não suficiente, você descobrirá que está apenas transformando o problema de retenção de usuários em um desafio de aquisição de usuários. A dificuldade em desenvolver um novo navegador web é: uma vez que você tenha sucesso, a lealdade dos usuários será extremamente alta. Mas as pessoas já estão muito satisfeitas com os navegadores existentes, fazer com que os usuários experimentem um novo produto requer um esforço que é, por si só, de alto custo e complexo.

É por isso que não culpo aqueles que propõem ideias como "Cursor de um determinado setor" ou "Figma de uma determinada indústria", assim como no passado conceitos como "Uber de um determinado setor". Eles tentam aproveitar o mercado existente e os padrões de comportamento, evitando assim grandes riscos de mercado.

Se conseguir captar com precisão as vantagens diferenciadas, acertar o momento do mercado e alinhar-se com as necessidades de um grande número de usuários, ao mesmo tempo que encontra a localização do produto principal, então esse modelo realmente pode funcionar.

Como abrir novos mercados?

A visão oposta natural é que os novos mercados costumam ser mais emocionantes do que os mercados existentes. A indústria da tecnologia não deveria construir coisas completamente novas, em vez de inovar 20% em coisas antigas? Claro que isso não está errado, mas eu acredito que esse tipo de produto representa apenas uma parte muito, muito pequena.

A minha contra-argumentação a isto é: na verdade, a maioria dos produtos herdou algum "velho item", mesmo aqueles produtos predecessores que rapidamente foram esquecidos.

Antes do Instagram, havia o Hipstamatic, que foi um dos aplicativos pagos de fotografia mais populares na App Store, confirmando o enorme potencial de mercado da funcionalidade de filtros. Assim como o Google não foi o primeiro motor de busca (na verdade, foi o décimo a entrar, com plataformas anteriores como Lycos, Excite, Infoseek, entre outras), esses casos não apenas comprovam a forte demanda dos usuários por funcionalidades de busca, mas também revelam as dificuldades da comercialização dos motores de busca iniciais. A Tesla não foi a pioneira em veículos elétricos, e o iPhone também não foi o primeiro produto de smartphone. A história repetidamente demonstra: o que muitas vezes determina a estrutura do mercado são os inovadores da décima geração. Esse fenômeno é conhecido como 'vantagem de retardo', e eu considero essa perspectiva extremamente inspiradora.

No entanto, às vezes, a verdadeira inovação realmente acontece. O surgimento do Uber foi a transformação do ato de chamar um táxi offline em uma aplicação online, em vez de se basear em alguma aplicação de transporte que já havia sido um grande sucesso (na época, o Lyft era apenas um estranho serviço de reserva de ônibus). Olhando para o ChatGPT, a OpenAI levou cinco anos desde a concepção até a verdadeira ascensão da terceira versão, durante os quais não havia nenhum plano alternativo pronto para referência. Esse tipo de jornada de inovação é extraordinária e é a fonte de energia que permite o crescimento vibrante da indústria tecnológica, pois assume riscos reais para criar novas categorias de produtos.