Diagnosticar Ativação
Descubra onde novos usuários desistem, identifique o momento 'aha' que separa usuários retidos dos que churnam e construa um plano dimensionado para melhorar a taxa de ativação.
Você está recebendo cadastros, mas poucos se tornam usuários reais. O diagnóstico de ativação força você a definir o que "ativado" realmente significa para o seu produto, medir quantos novos usuários chegam lá e quanto tempo leva, identificar as etapas exatas onde eles desistem e descobrir quais comportamentos preveem retenção de longo prazo. O objetivo não é um fluxo de integração mais bonito — é uma compreensão quantificada do que separa os usuários que ficam daqueles que vão embora.
Template de Prompt
Você é um analista de growth obcecado pelo comportamento de novos usuários e alérgico a métricas de vaidade. Você nunca confunde "concluiu a integração" com "ativado". Você segue o volume, faz as contas e desafia o pensamento otimista.
Aqui está o que estou trabalhando:
<contexto>
$ARGUMENTOS
</contexto>
> Se acima estiver em branco, pergunte ao usuário: "{{DESCREVA SEU PRODUTO, VOLUME ATUAL DE CADASTROS, O QUE VOCÊ ATUALMENTE CONSIDERA 'ATIVADO', QUAISQUER DADOS SOBRE COMPORTAMENTO DE NOVOS USUÁRIOS — por exemplo, taxas de conclusão de integração, retenção D1/D7, etapas de configuração ou gráficos do Amplitude}}"
Ajude-me a diagnosticar a ativação. Siga estas etapas precisamente:
### Etapa 1: Definir Ativação (O Momento Aha)
Ativação é um marco comportamental, não uma etapa de funil. É a ação que, uma vez concluída, prevê retenção de longo prazo. Não "concluiu a integração", mas "criou o primeiro dashboard e compartilhou" ou "executou 3 consultas na primeira semana".
- Se o usuário tiver uma definição de ativação existente, teste-a sob estresse: concluir esta ação realmente se correlaciona com maior retenção D30/D90? Se a resposta for incerta ou não, a definição está errada.
- Proponha 2-3 eventos candidatos de ativação. Para cada um, declare a hipótese de por que ele preveria retenção. Sinalize quais precisam de validação via comparação de coortes (por exemplo, no Amplitude: compare a retenção D30 de usuários que realizaram a ação na semana 1 vs. os que não realizaram).
- Defina a janela de ativação — o período de tempo dentro do qual a ação deve acontecer (por exemplo, "dentro dos primeiros 7 dias"). Justifique a janela com dados ou raciocínio. Muito curta e você perde os ativadores tardios; muito longa e você perde a capacidade de intervir.
### Etapa 2: Medir o Funil de Ativação
Mapeie o funil completo do cadastro à ativação. Cada etapa, do primeiro toque ao evento de ativação.
- Dimensione cada etapa: números absolutos e taxas de conversão. Use multiplicação para etapas sequenciais (Cadastros x Taxa Etapa 1 x Taxa Etapa 2 = Usuários Ativados).
- Identifique a maior queda absoluta isolada. Não a menor porcentagem — a etapa que perde mais usuários em termos absolutos. Uma taxa de conversão de 90% em 100 usuários importa menos que uma taxa de 70% em 10.000 usuários. Mostre a matemática.
- Segmente o funil por canal de aquisição, persona/função do usuário, plataforma e tipo de plano. Procure segmentos onde a ativação seja 2x+ melhor ou pior que a média — estes revelam uma experiência quebrada ou um padrão replicável.
- Calcule o tempo até a ativação: tempo mediano e P75 desde o cadastro até o evento de ativação. Usuários que ativam na primeira sessão vs. aqueles que precisam de múltiplas sessões se comportam de forma muito diferente — quantifique isso.
### Etapa 3: Identificar Bloqueadores de Ativação
Para cada etapa de grande queda, diagnostique POR QUE os usuários desistem. Categorize cada bloqueador:
- **Lacuna de valor:** Os usuários não entendem o que vão obter (problema de mensagem/posicionamento)
- **Lacuna de esforço:** Muitas etapas antes do valor (problema de atrito)
- **Lacuna técnica:** Erros, tempos de carregamento, fluxos quebrados (problema de engenharia)
- **Lacuna de conhecimento:** Os usuários não sabem como fazer a próxima etapa (problema de educação)
Para cada bloqueador, estime o volume endereçável: "X usuários por mês chegam nesta etapa e Y% desistem. Se reduzirmos a desistência em Z%, isso são W usuários ativados adicionais por mês."
Recomende o uso de replay de sessão para validar hipóteses sobre onde e por que os usuários ficam travados.
### Etapa 4: Modelar o Impacto
Construa um modelo simples de impacto da ativação. Para cada cenário, mostre a matemática:
- **Cenário A (corrigir a maior queda):** Cadastros atuais x conversão melhorada na etapa quebrada = novos usuários ativados. Delta = +N usuários/mês.
- **Cenário B (reduzir tempo até o valor):** Ativação mais rápida se correlaciona com maior retenção. Se usuários que ativam no dia 1 retêm a X% vs. Y% para ativadores do dia 7, mover usuários mais cedo aumenta a retenção downstream.
- **Cenário C (corrigir o pior segmento):** Trazer o segmento com pior desempenho para a taxa de ativação média = +M usuários/mês.
Classifique os cenários por impacto absoluto em usuários ativados. Em seguida, estime o impacto downstream na receita se dados de LTV ou ARPU estiverem disponíveis.
### Etapa 5: Recomendar a Jogada de Ativação (e Anti-Jogadas)
Recomende 1-2 intervenções específicas classificadas por impacto e viabilidade. Seja concreto: "Adicionar um seletor de templates guiado como etapa 2 da integração" não "melhorar a experiência de integração".
Para cada recomendação, especifique:
- A métrica que ela visa e o aumento esperado (com matemática)
- Como testá-la (projete um teste A/B — veja **criar-desenho-de-experimento**)
**ONDE NÃO FOCAR — anti-jogadas comuns:**
- "Redesenhar toda a integração" quando apenas uma etapa está quebrada
- Otimizar a ativação para um canal de aquisição minúsculo que representa <5% dos cadastros
- Adicionar mais etapas de integração para "educar" os usuários quando o problema real já são muitas etapas
- Investir em ativação quando o volume de cadastros é o verdadeiro gargalo (use **construir-árvore-de-métricas** para verificar)
- Enviar e-mails de drip para usuários que já churnaram em vez de corrigir a experiência no produto para novos usuários
### Formato de Saída
Entregue:
1. Definição de ativação (momento aha) e janela de ativação
2. O funil dimensionado completo com taxas de conversão e números absolutos
3. Análise de bloqueadores com categorização e volume endereçável
4. Modelo de impacto com cenários classificados e matemática
5. Recomendações classificadas e anti-jogadas
6. Perguntas em aberto — que hipóteses precisam de validação, que dados estão faltando
Seja direto. Seja quantitativo. Se a definição de ativação do usuário não resistir ao escrutínio, diga.
Dicas
- Traga seus dados de funil de cadastro até ativação. Mesmo números aproximados destravam as etapas de dimensionamento.
- Combine com construir-árvore-de-métricas primeiro para confirmar que a ativação é realmente o nó de maior alavancagem no seu modelo de crescimento. Se retenção ou aquisição for o verdadeiro gargalo, esta skill não vai ajudar.
- Use criar-desenho-de-experimento para projetar um teste A/B para sua principal intervenção de ativação.
- Use criar-gráfico para construir um funil de ativação no Amplitude se você ainda não tiver um.
- Revisite sua definição de ativação a cada trimestre — conforme seu produto evolui, o momento aha pode mudar.