Uma hierarquia de métricas de product analytics é a estrutura organizada que organiza as métricas de um produto, desde a métrica norteadora de mais alto nível, passando por indicadores de liderança, até métricas de diagnóstico — permitindo que cada equipe entenda como suas decisões diárias se conectam ao resultado mais importante da empresa e identifique rapidamente qual alavanca específica está impulsionando as mudanças na métrica norte.
?
Como as empresas SaaS identificam e definem sua Métrica Norte (North Star Metric)?
A Métrica Norte (North Star Metric - NSM) é a única métrica que melhor captura o valor central que o produto entrega aos clientes — e que, quando cresce, está mais confiavelmente correlacionada com o sucesso comercial a longo prazo. Ela ocupa o topo da hierarquia de métricas porque todas as outras métricas devem explicar os movimentos na NSM. Selecionar a NSM correta exige responder: qual é a ação específica que os clientes realizam que, quando feita com frequência e profundidade, significa que estão recebendo o valor total do produto? Bons exemplos de NSM: Slack usa "Mensagens Enviadas" (quando as equipes enviam mensagens, elas estão se comunicando no Slack em vez de e-mail — o valor central); Amplitude usa "Usuários Consultando Semanalmente" (usuários extraindo ativamente insights do produto); Zendesk usa "Tickets Resolvidos" (o trabalho principal de toda equipe de suporte que usa a plataforma). NSMs ruins: receita (um indicador de atraso, não uma medida direta de entrega de valor); usuários registrados (uma métrica de vaidade desvinculada do uso real); ou visualizações de página (um proxy que pode crescer pelos motivos errados). A NSM deve ser compreensível por todas as pessoas da empresa e diretamente melhorável por várias equipes.
?
Como Product Ops deve projetar uma árvore de métricas conectando a métrica norte a métricas operacionais diárias?
Uma árvore de métricas (também chamada de árvore de drivers ou árvore de KPIs) é um diagrama hierárquico que mostra matematicamente como métricas operacionais de nível inferior se combinam para produzir a métrica norte. Processo de construção: comece com a NSM no topo. Pergunte "quais são os dois ou três fatores que, quando multiplicados ou somados, produzem a NSM?" Estas se tornam métricas de Nível 2. Para cada métrica de Nível 2, faça a mesma pergunta — quais são os fatores que a produzem? Estas se tornam métricas de Nível 3. Continue até atingir métricas que equipes específicas podem influenciar diretamente através de seu trabalho diário. Exemplo de árvore parcial: NSM = Usuários Ativos Semanais × Recursos Usados Por Usuário. Nível 2a: Usuários Ativos Semanais = Novos Usuários Adquiridos × Taxa de Retenção da Semana 1. Nível 2b: Recursos Usados Por Usuário = Amplitude de Recursos Adotados × Profundidade de Uso Por Recurso. Nível 3a sob Novos Usuários Adquiridos: Inícios de Teste × Taxa de Ativação de Teste. Product Ops constrói e mantém esta árvore no Notion ou em uma ferramenta de BI, e a usa em todas as reuniões de revisão de produto para explicar o que está impulsionando as mudanças na NSM: "A NSM diminuiu 5% esta semana — a análise de Nível 2 mostra que os usuários ativos semanais estão estáveis, mas os recursos por usuário diminuíram: o Nível 3 mostra que a adoção da amplitude caiu especificamente para o Recurso X."
?
Como as equipes de produto usam métricas de diagnóstico para identificar as causas-raiz dos movimentos da métrica norte?
Métricas de diagnóstico (também chamadas de "métricas de guarda" ou "métricas de saúde") ficam abaixo da NSM na hierarquia e são investigadas quando a NSM se move inesperadamente. O princípio: uma mudança na métrica norte tem um driver específico e identificável que pode ser encontrado ao percorrer a árvore de métricas. Uma investigação diagnóstica eficaz segue a estrutura da árvore: se a NSM diminuiu, verifique as métricas de Nível 2 — a queda veio do ramo de contagem de usuários ou do ramo de profundidade de uso? Se o Nível 2 mostra que a contagem de usuários é o driver, verifique o Nível 3 — a queda é da aquisição (menos novos usuários) ou da retenção (usuários existentes abandonando mais rapidamente)? Se a retenção é o driver, verifique o Nível 4 — a queda está concentrada em um segmento de usuário específico, uma área de produto específica ou uma coorte específica de um período de aquisição específico? No momento em que a investigação percorreu três ou quatro níveis, a causa-raiz é tipicamente específica o suficiente para ser acionável: "A retenção de 7 dias para usuários que se inscreveram através do lançamento no Product Hunt diminuiu de 45% para 28% em comparação com nossa coorte padrão — os usuários dessa campanha tendem a ser equipes menores que atingem o limite de recursos do plano gratuito antes que possam ativar totalmente." Este achado específico permite uma resposta direcionada, e não um esforço de melhoria amplo e sem foco.
Desafio de Conhecimento
Dominou Hierarquia de Métricas de Product Analytics? Agora tente adivinhar a palavra de 5 letras relacionada!
Digite ou use o teclado