Mas existe outra maneira de olhar para o assunto.

Em vez de perguntar onde está o Customer Relationship Management dentro da empresa, podemos perguntar:

Que tipo de coisa é o Customer Relationship Management?

Essa pergunta parece abstrata, mas ajuda a esclarecer várias confusões. Porque usamos a mesma expressão para falar de coisas bastante diferentes.

Podemos observar o Customer Relationship Management de pelo menos três maneiras: como teoria, como prática e como obra construída dentro da empresa.

Customer Relationship Management como teoria ou framework

Primeiro existe o Customer Relationship Management enquanto conhecimento.

Nesse sentido, estamos falando de conceitos, princípios, modelos e métodos que procuram explicar como uma organização pode estruturar seu relacionamento com clientes.

É o Customer Relationship Management como teoria ou framework.

Aqui entram perguntas como:

Como identificar clientes?

Que informações sobre eles devem ser mantidas?

Como organizar aquisição, venda, atendimento, retenção e desenvolvimento?

Como registrar o histórico do relacionamento?

Como coordenar diferentes áreas em torno do cliente?

Como transformar informações sobre clientes em decisões e ações?

Parte desse conhecimento encontra-se na literatura de Customer Relationship Management, Marketing, Vendas, Customer Service, Customer Success e áreas relacionadas.

Mas existe uma dificuldade.

Sinto falta de algo parecido com um framework aberto de Customer Relationship Management, construído e continuamente atualizado por uma comunidade internacional.

Um modelo que não começasse pela pergunta:

“Como utilizar determinado software?”

Mas pela pergunta:

“Como deve ser estruturado o relacionamento de uma organização com seus clientes?”

Enquanto um modelo comunitário desse tipo não se consolida, muitas das referências práticas acabam vindo das próprias soluções disponíveis no mercado.

HubSpot, Salesforce, Pipedrive e outras plataformas incorporam determinados modelos de processo, objetos de dados, etapas, automações e maneiras de pensar o relacionamento com clientes.

Elas não são a teoria de Customer Relationship Management.

São implementações possíveis de determinadas concepções de Customer Relationship Management.

Também existem softwares de código aberto. Eles são referências importantes, mas é preciso manter a mesma distinção: um software open source não é necessariamente um modelo conceitual open source de Customer Relationship Management.

Software e teoria são coisas diferentes.

Customer Relationship Management como prática

Existe então um segundo sentido.

O Customer Relationship Management como prática.

Aqui não estamos falando do que os livros dizem nem do que determinado software permite fazer.

Estamos falando do relacionamento que uma empresa efetivamente mantém com seus clientes.

A pergunta passa a ser muito simples:

Como está hoje o relacionamento da sua empresa com seus clientes?

Sua empresa sabe quem são seus clientes?

Sabe quem já comprou?

Sabe o que foi comprado?

Mantém histórico de contratos?

Mantém histórico de vendas?

Sabe quando cada relacionamento começou?

Sabe quais problemas ocorreram?

Sabe quais contatos aconteceram?

Consegue acompanhar a evolução do relacionamento ao longo do tempo?

Pode parecer estranho perguntar se uma empresa sabe quem são seus clientes. Mas existem situações em que isso não é tão óbvio.

Há operações em que, por razões de confidencialidade, desenho do canal, privacidade ou características do próprio negócio, a organização não conhece diretamente a identidade do cliente final.

Ela pode saber que ocorreu uma compra.

Pode saber se houve pagamento.

Pode saber o que foi entregue.

Pode conhecer a transação.

Mas talvez não conheça quem é, individualmente, aquela pessoa.

Então surge uma pergunta interessante:

Como se gerencia o relacionamento com clientes quando não se pode conhecer diretamente o cliente?

Não pretendo responder aqui. O caso apenas mostra que o Customer Relationship Management como prática pode assumir estruturas muito diferentes.

Também podemos encontrar empresas nas quais o Customer Relationship Management existe quase exclusivamente no Comercial.

Em outras, está concentrado no Marketing.

Em outras, no Atendimento.

Algumas possuem estruturas de Customer Relationship Management nas três áreas.

Outras em duas.

E algumas possuem Marketing, Vendas e Serviço registrando informações sobre clientes, mas cada área trabalha separadamente.

Nesse caso, a empresa possui várias práticas relacionadas ao cliente, mas talvez não possua verdadeiramente uma prática integrada de Customer Relationship Management.

É importante perceber a diferença.

Uma empresa pode relacionar-se com clientes mesmo sem possuir uma teoria explícita de Customer Relationship Management.

Toda empresa que possui clientes possui algum tipo de prática de relacionamento.

A questão é se essa prática é conhecida, organizada, coordenada e aprimorada.

Customer Relationship Management como obra

Existe ainda uma terceira maneira de olhar para o Customer Relationship Management.

Talvez seja a menos discutida.

É o Customer Relationship Management como algo construído dentro da empresa.

Uma empresa decide organizar seu relacionamento com clientes.

Define quais informações serão mantidas.

Cria estruturas de dados.

Define entidades como empresas, pessoas, oportunidades, contratos, compras, produtos, atendimentos ou projetos.

Estabelece relações entre essas informações.

Define processos.

Cria regras.

Configura sistemas.

Constrói integrações.

Define responsabilidades.

Cria automações.

Estabelece relatórios.

Depois de algum tempo, existe dentro da organização uma estrutura que antes não existia.

Essa estrutura permanece.

Pode ser usada amanhã.

Pode ser modificada.

Pode ser ampliada.

Pode ficar obsoleta.

Pode deteriorar-se.

Precisa ser mantida.

Precisa ser atualizada.

E pode ser continuamente aprimorada.

Nesse sentido, podemos pensar no Customer Relationship Management como uma obra organizacional.

Não é uma obra como uma cadeira ou uma máquina.

Mas é algo que foi construído.

Uma determinada organização de pessoas, processos, informações e tecnologia foi criada para sustentar o relacionamento com clientes.

E essa obra nunca é exatamente igual em duas empresas.

Uma organização que trabalha com licitações provavelmente terá uma estrutura de Customer Relationship Management diferente daquela encontrada no varejo.

Uma operação B2B é diferente de uma operação B2C.

Uma empresa que vende para governos — B2G — possui outras entidades, documentos, etapas, relacionamentos e necessidades.

Uma empresa que vende contratos recorrentes precisa guardar informações diferentes daquela cuja venda ocorre apenas uma vez.

Por isso instalar um software não significa construir um bom Customer Relationship Management.

O software fornece materiais e possibilidades.

A empresa ainda precisa construir sua própria estrutura.

Três coisas diferentes, profundamente relacionadas

Podemos então enxergar três realidades:

Customer Relationship Management como teoria:
o conhecimento que procura explicar como organizar o relacionamento com clientes.

Customer Relationship Management como prática:
o relacionamento que efetivamente acontece todos os dias entre uma organização e seus clientes.

Customer Relationship Management como obra:
a estrutura relativamente permanente que a organização constrói — processos, dados, regras, sistemas, integrações e responsabilidades — para sustentar essa prática.

As três coisas estão relacionadas, mas não são iguais.

A teoria pode orientar a construção.

A construção pode estruturar a prática.

A prática pode revelar problemas na estrutura.

E os problemas encontrados na prática podem exigir revisão da própria teoria utilizada.

Talvez seja justamente esse ciclo que faça do Customer Relationship Management algo muito maior do que software.

Para quem nunca trabalhou com o tema, uma definição simples pode ajudar:

Customer Relationship Management é a disciplina de organizar e gerenciar o relacionamento de uma organização com seus clientes, utilizando processos, informações, pessoas e tecnologia.

O software é uma parte disso.

A prática cotidiana é outra.

E existe ainda aquilo que a empresa constrói e mantém para que todo esse relacionamento possa funcionar.

Quando dizemos “nosso Customer Relationship Management”, portanto, vale fazer uma pergunta antes:

Estamos falando do conhecimento, da prática ou da obra que construímos?

Estamos discutindo quantos empregos a inteligência artificial vai destruir.

Talvez exista outra pergunta tão importante quanto essa: quantas empresas a IA vai criar?

Um estudo recente de Edoardo Marchesi e Sixun Tang, da University of Chicago, encontrou evidências de que a popularização da IA generativa depois do lançamento do ChatGPT aumentou a criação de novas empresas nos Estados Unidos.

Mas a descoberta mais interessante não é apenas que mais empresas foram criadas.

É por que isso parece estar acontecendo.

Algumas empresas ficaram mais baratas de tentar

Quando o ChatGPT foi lançado, no final de 2022, uma série de atividades que antes exigiam conhecimento especializado, contratação de profissionais ou mais capital passou a poder ser realizada com a ajuda da IA.

Programar.

Pesquisar um mercado.

Produzir conteúdo.

Elaborar documentos.

Investigar concorrentes.

Desenvolver e refinar uma ideia.

Os autores partiram justamente dessa mudança: diferentes setores deveriam se beneficiar da IA de maneiras diferentes, porque abrir uma empresa exige conjuntos diferentes de atividades dependendo do setor.

Eles então construíram um indicador chamado AI Assistance Score, que procura medir quanto a IA consegue ajudar um empreendedor nas tarefas necessárias para colocar uma nova empresa em funcionamento.

Depois compararam a criação de empresas antes e depois do lançamento do ChatGPT.

O resultado chama atenção.

Nos setores em que a IA pode ajudar mais o empreendedor, houve um aumento significativamente maior na formação de novas empresas. Um aumento de um desvio-padrão no indicador de assistência da IA correspondeu a mais de 10% de aumento na entrada de novas empresas, mantendo outros fatores constantes.

Isso não significa que a IA fez o número total de empresas americanas crescer 10%.

Significa algo mais preciso:

quanto maior a possibilidade de usar IA nas atividades necessárias para criar uma empresa naquele setor, maior foi o crescimento relativo de novas empresas depois do ChatGPT.

E aí aparece a parte realmente interessante do estudo.

Por que a IA estaria criando empresas?

Existem várias explicações possíveis.

Talvez a IA permita que uma pessoa faça o trabalho que antes exigia uma equipe.

Talvez investidores estejam colocando mais dinheiro em setores beneficiados pela IA.

Talvez pessoas que antes não possuíam todas as competências necessárias agora consigam compensar essa deficiência utilizando ferramentas de IA.

Os pesquisadores testaram essas possibilidades.

Mas a evidência mais forte apareceu em outro lugar:

a IA reduziu o custo de experimentar.

Criar uma empresa é, em grande medida, entrar em uma sequência de experimentos.

Você tem uma ideia.

Pesquisa o mercado.

Formula uma proposta.

Mostra para alguém.

Descobre que estava errado.

Modifica a proposta.

Testa novamente.

Procura outro segmento.

Muda a mensagem.

Testa um preço.

Conversa com clientes.

Aprende.

Volta e modifica o negócio.

É um processo de tentativa, feedback e aprendizado.

O estudo encontra que o aumento na criação de empresas depois do ChatGPT está concentrado justamente nos setores que combinam duas características:

a IA consegue ajudar bastante nas tarefas do empreendedor e a experimentação é importante para criar o negócio.

Quando os autores isolam os setores de alta intensidade de experimentação, o efeito estimado fica ainda maior: aproximadamente 25% de aumento na criação de empresas associado a um desvio-padrão adicional no nível de assistência da IA.

Talvez estejamos diante de uma mudança importante na economia do empreendedorismo.

O custo de abrir uma empresa não é apenas dinheiro

Quando pensamos em barreira de entrada, normalmente pensamos em capital.

Quanto dinheiro é necessário para abrir uma empresa?

Mas existe outro custo menos visível.

O custo de descobrir se a ideia funciona.

Imagine alguém considerando iniciar um negócio.

Antes de vender qualquer coisa, essa pessoa talvez precise pesquisar um mercado, estudar concorrentes, preparar uma apresentação, desenvolver uma página, produzir conteúdo, elaborar uma primeira oferta, criar diferentes mensagens, organizar informações e analisar as respostas recebidas.

Cada tentativa consome tempo e recursos.

E muitas delas não funcionam.

Portanto, existe um custo para aprender.

A IA parece estar reduzindo justamente esse custo.

Não necessariamente porque entrega a resposta correta.

Mas porque permite fazer mais tentativas pelo mesmo custo.

Isso muda a matemática de começar um negócio.

Uma ideia que antes não valia o investimento necessário para ser testada pode passar a valer.

Os próprios empreendedores parecem estar fazendo exatamente isso

Os autores também entrevistaram 1.036 pessoas nos Estados Unidos que haviam iniciado uma empresa ou começado a trabalhar ativamente em uma ideia de negócio depois de janeiro de 2023.

Mais da metade afirmou utilizar ferramentas de IA nos estágios iniciais da criação do negócio.

E quase um em cada cinco disse que provavelmente não teria levado a ideia adiante sem essas ferramentas.

Mas é ainda mais interessante observar como estão utilizando a IA.

Entre os usuários, o uso mais citado foi ideação e brainstorming, mencionado por quase metade deles.

Depois aparecem atividades como operações e administração, pesquisa de mercado, marketing, produção de conteúdo e busca de informações.

Em outras palavras, os empreendedores relatam utilizar IA justamente para atividades envolvidas em experimentar:

gerar e refinar ideias;

entender clientes e concorrentes;

testar mensagens;

produzir alternativas;

obter informações;

e modificar decisões rapidamente.

Talvez seja essa a transformação que ainda estamos subestimando.

A IA pode mudar quem consegue empreender

Existe ainda uma descoberta inesperada no estudo.

Se reduzimos as barreiras para abrir uma empresa, uma hipótese razoável seria imaginar que começariam a aparecer mais empresas ruins.

Pessoas menos preparadas entrariam no mercado porque ficou mais fácil começar.

Os pesquisadores encontraram o contrário.

As novas empresas criadas nos setores mais compatíveis com IA apresentaram maior probabilidade de sobrevivência, crescimento mais rápido e atraíram trabalhadores com maior nível educacional.

Os autores propõem uma explicação interessante.

Talvez existam pessoas com grande capacidade empreendedora que simplesmente não empreendiam porque o custo, o risco ou a dificuldade de experimentar uma ideia eram grandes demais.

A IA não transforma necessariamente alguém sem capacidade em um grande empreendedor.

Ela pode permitir que alguém que já possuía capacidade finalmente consiga testar suas ideias.

No modelo teórico desenvolvido pelos pesquisadores, a redução dessas fricções libera justamente parte desses empreendedores de maior capacidade que permaneciam no emprego assalariado.

Talvez estejamos olhando para o lado errado da transformação

Grande parte da discussão sobre inteligência artificial está concentrada na empresa existente.

Quantos funcionários ela poderá substituir?

Quanto poderá reduzir de custo?

Quanto poderá aumentar a produtividade?

Essas perguntas são importantes.

Mas existe outra unidade de análise possível:

a empresa que ainda não existe.

Talvez uma das maiores consequências econômicas da inteligência artificial não venha apenas da transformação das organizações existentes.

Pode vir das organizações que agora se tornaram economicamente viáveis de experimentar.

Uma pequena equipe pode testar algo que antes exigiria uma estrutura maior.

Uma pessoa pode investigar uma oportunidade que antes não justificaria o investimento.

Uma empresa pode nascer de uma hipótese que anteriormente morreria antes mesmo de chegar ao mercado.

Isso também muda a pergunta estratégica para quem observa tendências de negócios.

Não basta perguntar:

“Que tarefas a IA consegue fazer?”

Talvez seja mais interessante perguntar:

“Que experimentos ficaram baratos o suficiente para serem realizados agora?”

Porque onde o custo da experimentação cai, novas propostas podem ser testadas.

Onde novas propostas podem ser testadas, novos modelos de negócio podem aparecer.

E onde novos modelos de negócio podem ser testados, empresas que antes não faziam sentido podem começar a existir.

Ainda é cedo. Os próprios autores alertam que não sabemos se as vantagens iniciais de sobrevivência e crescimento dessas empresas permanecerão no longo prazo. Também não sabemos se a IA ampliará realmente a diversidade de ideias testadas ou fará muitos empreendedores convergirem para os mesmos tipos de negócios.

Mas o estudo já sugere uma mudança importante na pergunta.

Talvez a história da IA não seja apenas sobre os empregos que desaparecerão.

Pode ser também sobre as empresas que, até pouco tempo atrás, eram caras demais para sequer serem tentadas.

É comum uma empresa olhar para um problema comercial e responder imediatamente com mais execução.

Faltam vendas? Aumenta-se a prospecção.

Faltam oportunidades? Investe-se mais em marketing.

O crescimento desacelerou? Contratam-se mais vendedores.

O problema é que nem toda dificuldade comercial é um problema de escala.

Às vezes, a empresa ainda está tentando descobrir como aquele negócio realmente funciona.

E é justamente ai que o Customer Development pode ajudar.

Por que o Customer Development foi criado?

Empresas já tinham processos relativamente estruturados para desenvolver produtos.

Era possível definir requisitos, construir, testar, corrigir e lançar.

Mas existia uma suposição perigosa por trás desse processo: a de que a empresa já sabia quem era o cliente, o que ele precisava, por que compraria e como aquele produto seria vendido.

Steve Blank percebeu que, principalmente em novos negócios, muitas dessas respostas ainda eram apenas hipóteses.

Você pode desenvolver um ótimo produto e ainda assim não ter descoberto um mercado.

Pode encontrar alguns clientes e ainda não saber se existe uma forma repetível de vender.

Pode conseguir vender com o fundador e descobrir depois que outros vendedores não conseguem reproduzir aquele resultado.

Por isso, além do desenvolvimento do produto, era necessário desenvolver também o conhecimento sobre clientes e mercado.

Daí surge o Customer Development.

Sua lógica é simples: antes de escalar um modelo de negócio, é preciso descobrir e validar como esse modelo funciona.

Compartilhar O Substack de Marcelo

As etapas existem por uma razão

O Customer Development organiza esse processo originalmente em quatro grandes etapas:

Customer Discovery: descobrir clientes, problemas, necessidades, situações e hipóteses relevantes.

Customer Validation: verificar se existe uma forma de venda suficientemente repetível e consistente.

Customer Creation: aumentar a geração de demanda depois que existem evidências de que o modelo funciona.

Company Building: estruturar a organização para operar e crescer em escala.

A sequência é importante.

Ela tenta impedir que uma empresa coloque dinheiro, pessoas e tecnologia para acelerar algo que ainda não foi suficientemente compreendido.

Isso também muda a maneira como olhamos para vendas e marketing.

Nem sempre marketing precisa gerar mais leads.

Às vezes, precisa ajudar a entender melhor quais clientes respondem a determinada mensagem.

Nem sempre vendas precisa fechar mais negócios imediatamente.

Em determinados momentos, uma conversa comercial pode produzir um aprendizado extremamente valioso sobre quem compra, por que compra e o que impede a decisão.

Quando marketing e comercial trabalham juntos nesse aprendizado, começa a surgir uma arquitetura de desenvolvimento de clientes mais consistente.

O erro está em usar uma lógica de escala para resolver um problema de aprendizado

Imagine uma empresa que conclua:

“Precisamos gerar mais oportunidades.”

A resposta pode ser aumentar mídia, contratar SDRs ou comprar uma nova ferramenta de prospecção.

Mas existe uma pergunta anterior:

Nós já sabemos suficientemente bem quais oportunidades devemos gerar?

Se a empresa ainda não entende claramente quais clientes apresentam maior aderência à oferta, quais situações provocam a compra ou qual proposta gera resposta, colocar mais recursos no topo do funil pode apenas produzir mais desperdício.

Nesse momento, o objetivo talvez não seja escalar.

Talvez seja aprender.

Em outra empresa, já existem clientes satisfeitos e uma proposta aparentemente adequada, mas somente um vendedor consegue fechar negócios.

Aqui o problema é diferente.

Não é mais apenas descobrir.

É validar se aquele resultado pode ser repetido por outras pessoas, utilizando um processo semelhante.

Somente depois disso a discussão sobre escala começa a ficar realmente interessante.

Uma dica prática para usar esta semana

Pegue uma iniciativa relevante que sua empresa esteja executando em vendas ou marketing.

Pode ser:

contratar vendedores;

aumentar investimento em mídia;

fazer outbound;

implementar um CRM;

criar uma nova oferta;

entrar em um novo segmento;

mudar a proposta comercial.

Agora classifique essa iniciativa usando apenas uma destas três palavras:

APRENDER

VALIDAR

ESCALAR

Depois faça uma segunda análise:

As atividades que estamos executando realmente correspondem ao que precisamos fazer neste momento?

Se o objetivo é aprender, talvez as melhores atividades sejam entrevistas, análise de clientes, observação de negociações, experimentos e levantamento de hipóteses.

Se o objetivo é validar, talvez seja necessário testar uma abordagem comercial, um segmento, uma oferta, um canal ou verificar se outras pessoas conseguem reproduzir os resultados.

Se o objetivo é escalar, aí começam a fazer mais sentido automação, contratação, mídia, aumento de capacidade e expansão.

Essa classificação leva poucos minutos.

Mas pode mudar completamente a discussão em uma reunião.

Em vez de perguntar apenas:

“Como podemos vender mais?”

a empresa começa a perguntar:

“O que precisamos descobrir antes de tentar vender mais?”

Essa pequena mudança de perspectiva resume uma das ideias mais importantes do Customer Development:

nem todo problema de crescimento se resolve fazendo mais. Alguns se resolvem aprendendo melhor antes de fazer mais.

Fiz uma pequena pesquisa particular para entender o quanto o Jobs to be Done (JTBD) é conhecido entre profissionais de diferentes áreas.

Os resultados no dia de hoje(19/08/2026):

SDRs: 0% conheciam JTBD
BDRs: 0%
Gerentes de Vendas: 0%
Diretores de Vendas: 33%
Consultores de Marketing: 67%
Consultores de GTM: 0%
Empreendedores: 33%

No total, apenas 15% dos profissionais pesquisados conheciam ou sabiam explicar o que é JTBD.

85% não conheciam.

Entre os Consultores de Marketing, 67% conheciam o conceito e seus principais autores. Mas apenas 33% disseram utilizar JTBD na prática — e dependendo do caso.

Minha impressão é que o JTBD ainda está em processo de difusão.

Sua história está muito ligada à inovação e ao desenvolvimento de produtos, ambientes em que o conceito parece ser mais conhecido.

Mas sua aplicação pode ir muito além disso.

JTBD é base para desenhar a proposta de valor no business model canvas, e pode ser utilizado para entender o que o cliente está tentando realizar, por que ele compra, troca ou abandona uma solução, gerar portfólio de conteúdo, identificar concorrentes e substitutos, desenvolver produtos e serviços, delimitar escopo competitivo na estrutura de 5 forces de Michel Porter, melhorar propostas de valor, segmentar mercados e apoiar decisões de Marketing, Vendas e Go-to-Market.

Talvez por isso ele esteja começando a aparecer com mais frequência também fora das áreas de Produto e Inovação.

Essa pequena pesquisa parece mostrar justamente esse momento: muita gente ainda não conhece, alguns já ouviram falar e poucos incorporaram o JTBD à prática.

Quando alguém fala em CRM, nem sempre está falando exatamente da mesma coisa.

Para algumas pessoas, CRM é um software. Para outras, é um banco de dados sobre clientes. Há quem pense em CRM como processo comercial, automação de marketing, gestão do relacionamento ou até como uma estratégia mais ampla da empresa.

Isso pode gerar confusão.

Mas talvez exista uma maneira melhor de olhar para a questão: em vez de perguntar imediatamente qual dessas definições está certa, podemos primeiro reconhecer que existem diferentes perspectivas sobre CRM.

E que cada uma delas revela uma parte importante do problema.

CRM como solução de software

Talvez essa seja hoje uma das perspectivas mais populares.

Quando alguém fala:

“Qual CRM vocês utilizam?”

é muito comum que esteja perguntando qual solução de software a empresa utiliza.

Salesforce, HubSpot, Pipedrive, Zoho, Zendesk, Agendor, Plumes e muitas outras soluções são frequentemente colocadas dentro da categoria CRM.

Nesse sentido, CRM é visto como um produto de software que reúne funcionalidades destinadas a apoiar atividades relacionadas aos clientes.

Essas soluções podem oferecer, em diferentes combinações:

• cadastro de clientes e empresas;

• gestão de contatos;

• pipelines de vendas;

• automações;

• campanhas;

• atendimento;

• histórico de interações;

• tarefas e atividades;

• relatórios;

• previsões de vendas;

• segmentações;

• integrações com outros sistemas.

As próprias soluções também não são iguais.

Algumas nasceram fortemente ligadas à gestão de vendas. Outras ampliaram sua oferta para marketing, atendimento, Customer Success, dados, automação e outras necessidades.

Por isso, até mesmo dentro da perspectiva de CRM como solução de software, aquilo que se entende por CRM pode variar bastante.

O produto acaba refletindo os problemas que seus desenvolvedores decidiram ajudar as empresas a resolver.

CRM como sistema de informação

Uma perspectiva próxima, mas conceitualmente diferente, é olhar para CRM como um sistema de informação.

O software é uma tecnologia.

O sistema de informação é mais amplo.

Ele envolve pessoas, dados, processos, regras, tecnologias e formas de utilização da informação.

Nesse sentido, CRM é o sistema utilizado pela organização para registrar, organizar, processar e disponibilizar informações relacionadas aos clientes e às atividades realizadas com eles.

Uma empresa pode, inclusive, construir seu sistema de informação de CRM utilizando várias soluções de software ao mesmo tempo.

O CRM da empresa pode envolver, por exemplo, uma plataforma comercial, uma ferramenta de atendimento, uma solução de automação de marketing, uma plataforma de dados e diferentes integrações entre elas.

Assim, CRM como software e CRM como sistema de informação são perspectivas próximas, mas não necessariamente idênticas.

CRM como banco de dados sobre clientes

Existe também uma perspectiva bastante comum em que CRM é visto como uma forma de construir e manter conhecimento sobre os clientes.

Quem é esse cliente?

O que comprou?

Quando comprou?

Com quem falou?

Quais produtos utiliza?

Quais problemas apresentou?

Qual é seu histórico de relacionamento com a empresa?

Nesse contexto, o CRM passa a ter uma função importante de memória organizacional.

Em vez de o conhecimento ficar disperso entre planilhas, caixas de e-mail, WhatsApp, anotações pessoais e memória dos funcionários, parte desse conhecimento passa a ser compartilhada pela organização.

CRM como processo

Outra perspectiva olha menos para os dados e mais para aquilo que a empresa faz.

Como um lead é tratado?

Como uma oportunidade é acompanhada?

Quando um vendedor deve realizar uma nova atividade?

Como um cliente passa de uma etapa para outra?

Como ocorre um onboarding?

Como a empresa identifica um cliente em risco?

Como uma oportunidade de expansão é tratada?

Nesse caso, CRM aparece como uma forma de organizar processos relacionados ao desenvolvimento e ao relacionamento com clientes.

O software pode apoiar esses processos, mas o processo não se confunde necessariamente com o software.

CRM como gestão de vendas

Para muitos profissionais, principalmente aqueles que trabalham próximos à área comercial, CRM é quase sinônimo de gestão do processo de vendas.

Pipeline.

Oportunidades.

Atividades.

Taxas de conversão.

Forecast.

Metas.

Distribuição de leads.

Motivos de perda.

Tempo de fechamento.

Todas essas atividades podem estar dentro de uma arquitetura de CRM.

Por isso, dependendo da empresa, quando alguém fala em profissional de CRM pode estar procurando alguém muito próximo de Sales Operations ou Revenue Operations.

CRM como automação das interações

Há também uma perspectiva orientada para comunicação e automação.

A empresa possui centenas, milhares ou milhões de clientes.

Não é possível tratar todas essas interações manualmente.

Então aparecem segmentações, jornadas, automações, campanhas, gatilhos e mensagens personalizadas.

Um comportamento do cliente pode iniciar uma determinada comunicação.

Uma compra pode iniciar uma jornada.

Um período de inatividade pode gerar um alerta.

Uma determinada característica pode colocar o cliente em um segmento específico.

Aqui, CRM começa a aparecer como uma infraestrutura para coordenar interações em escala.

CRM como análise e conhecimento do cliente

Outra perspectiva enfatiza a capacidade de aprender com os dados.

Quais clientes têm maior probabilidade de comprar?

Quais apresentam maior risco de cancelamento?

Quais segmentos são mais rentáveis?

Quais comportamentos antecedem uma expansão?

Quais características estão associadas a um maior lifetime value?

O CRM, nessa perspectiva, não serve apenas para registrar o passado.

Ele ajuda a empresa a interpretar o que está acontecendo e tomar decisões sobre o futuro.

CRM como relacionamento com clientes

Talvez essa seja a perspectiva mais intuitiva quando olhamos para o próprio nome: Customer Relationship Management.

A empresa estabelece relações com clientes ao longo do tempo.

Essas relações começam antes da venda e podem continuar muito depois dela.

Existem contatos, expectativas, promessas, experiências, problemas, entregas, novas necessidades e novas oportunidades.

Assim, CRM pode ser visto como a capacidade da empresa de organizar e desenvolver essas relações.

Nesse nível, vendas, marketing, atendimento, Customer Success, dados e tecnologia começam a se encontrar.

CRM como estratégia

Existe ainda uma perspectiva mais ampla.

A empresa precisa decidir:

Quais clientes deseja atender?

Que tipo de relacionamento pretende estabelecer?

Quais clientes deseja conquistar?

Quais deseja desenvolver?

Quanto está disposta a investir em determinados relacionamentos?

Que experiências deseja proporcionar?

Quais clientes são mais importantes para sua estratégia?

Nesse contexto, CRM deixa de ser apenas uma ferramenta operacional.

Ele passa a fazer parte das escolhas da própria empresa sobre como pretende desenvolver sua base de clientes.

Não precisamos escolher apenas uma dessas perspectivas

Talvez uma das maiores dificuldades ao discutir CRM seja tentar encontrar uma única definição e utilizá-la para invalidar todas as demais.

Podemos fazer outro movimento.

Podemos reconhecer que CRM possui várias perspectivas:

CRM como solução de software.

CRM como sistema de informação.

CRM como banco de dados.

CRM como processo.

CRM como gestão de vendas.

CRM como automação.

CRM como análise.

CRM como relacionamento.

CRM como estratégia.

Cada perspectiva enfatiza uma capacidade diferente.

E todas elas ajudam a explicar aquilo que empresas realmente fazem quando desenvolvem sua arquitetura de relacionamento com clientes.

O problema começa quando confundimos a parte com o todo

Imagine um profissional que trabalhou durante anos implementando pipelines comerciais.

Para ele, CRM pode significar principalmente pipeline, oportunidades, atividades e forecast.

Outro profissional pode ter passado sua carreira trabalhando com campanhas e automações.

Para ele, CRM pode significar segmentação, jornadas e comunicação.

Outro pode trabalhar com dados e enxergar CRM principalmente como Customer 360.

E alguém que passou boa parte da carreira implementando Salesforce, HubSpot, Pipedrive ou outra plataforma pode associar naturalmente CRM à solução tecnológica que utiliza.

Nenhuma dessas perspectivas precisa estar errada.

Elas podem simplesmente nascer de experiências, problemas e responsabilidades diferentes.

A dificuldade aparece quando uma dessas perspectivas é apresentada como se representasse tudo aquilo que CRM pode significar para uma organização.

Quanto maior a empresa, mais importante se torna harmonizar essas perspectivas

Em empresas pequenas, muitas funções estão concentradas nas mesmas pessoas.

A mesma pessoa pode vender, atender clientes, cuidar do marketing e acompanhar pagamentos.

As fronteiras são pouco visíveis.

À medida que a organização cresce, aparecem especializações.

Marketing.

Vendas.

Customer Success.

Atendimento.

Dados.

Tecnologia.

Operações.

Produto.

Cada área desenvolve sua própria linguagem, seus processos, indicadores e sistemas.

É nesse momento que entender as diferentes perspectivas sobre CRM se torna particularmente importante.

Porque a discussão deixa de ser apenas:

“Qual ferramenta devemos utilizar?”

E começa a incluir perguntas como:

Que informações sobre clientes precisamos compartilhar?

Quais processos atravessam diferentes departamentos?

Quem é responsável por cada momento do relacionamento?

Como marketing, vendas e atendimento devem se coordenar?

Que conhecimento sobre os clientes precisa permanecer na empresa?

Como tudo isso contribui para os objetivos da organização?

Talvez CRM seja melhor compreendido como um conjunto de capacidades

Em vez de tentar reduzir CRM a uma única atividade, podemos enxergá-lo como um conjunto de capacidades que uma empresa desenvolve para conhecer, conquistar, atender, manter e desenvolver seus clientes.

Soluções de software fazem parte disso.

Sistemas de informação fazem parte disso.

Dados fazem parte disso.

Processos fazem parte disso.

Automação faz parte disso.

Análise faz parte disso.

Relacionamento faz parte disso.

Estratégia também faz parte disso.

Dependendo do problema que está sendo discutido, uma dessas perspectivas ficará em primeiro plano.

Por isso, quando alguém perguntar:

“O que é CRM?”

talvez uma boa resposta seja:

Depende da perspectiva a partir da qual estamos olhando.

O mais importante não é necessariamente escolher apenas uma.

É compreender como essas diferentes perspectivas se relacionam e qual delas precisamos utilizar para entender o problema que temos diante de nós.

Durante muito tempo, falar em estratégia para uma pequena empresa podia soar quase como um luxo.

Porter, análise competitiva, pesquisa de mercado, desenvolvimento de clientes, desenho de modelos de negócio, proposta de valor, análise de recursos e capacidades, cenários, monitoramento de tendências.

Nada disso era segredo.

Os livros estavam disponíveis. Os frameworks também.

O problema era outro: usar tudo isso de maneira séria custava caro.

Uma grande empresa podia contratar consultorias, pesquisadores, analistas, especialistas em mercado, equipes de marketing, estratégia, finanças e tecnologia. Uma pequena empresa normalmente tinha o dono, alguns gestores e muitas urgências para resolver.

A estratégia acabava facilmente reduzida a:

“Precisamos vender mais.”

Ou:

“Vamos fazer um planejamento estratégico para o ano que vem.”

Acredito que a IA está começando a alterar essa diferença.

O que está ficando mais acessível

A OCDE afirmou recentemente que a IA generativa está democratizando o acesso à inteligência artificial justamente porque exige menos investimento e menos dados do que tecnologias anteriores. Em uma pesquisa com mais de 5 mil pequenas e médias empresas de sete países, 31% já utilizavam IA generativa. Entre as usuárias, 65% afirmaram perceber aumento de desempenho dos funcionários, 29% disseram que ela as ajudava a competir com empresas maiores e, entre as empresas que enfrentavam lacunas de competências, 39% disseram que a IA ajudava a compensá-las.

Esses números não significam que uma pequena empresa passou a possuir automaticamente a capacidade estratégica de uma multinacional.

Mas mostram uma mudança importante.

Uma pequena empresa começa a ter acesso, a custo relativamente baixo, a capacidades que anteriormente exigiam várias pessoas.

É possível utilizar IA para ajudar a:

• levantar mercados e concorrentes;

• organizar entrevistas com clientes;

• analisar grandes volumes de textos e dados;

• comparar alternativas;

• estruturar JTBD;

• elaborar hipóteses de proposta de valor;

• modelar cenários;

• construir hipóteses de modelo de negócio;

• investigar tendências;

• analisar as Cinco Forças;

• organizar dados comerciais;

• preparar experimentos;

• acompanhar indicadores;

• documentar aprendizados.

A própria OCDE encontrou que 14% das PMEs usuárias de IA generativa reduziram sua dependência de prestadores externos, possivelmente porque passaram a realizar internamente atividades antes terceirizadas.

Há, portanto, uma redução do custo mínimo necessário para acessar determinadas capacidades intelectuais.

Um pequeno time começa a ganhar uma capacidade que antes exigia uma equipe

Um experimento realizado com 758 consultores da BCG ajuda a mostrar a dimensão dessa mudança.

Nas tarefas que estavam dentro das capacidades da IA utilizada no experimento, os consultores com IA completaram mais tarefas, trabalharam aproximadamente 25% mais rápido e melhoraram significativamente a qualidade do trabalho. Mas o estudo encontrou também o contrário: em uma tarefa que estava fora daquilo que os pesquisadores chamaram de “fronteira tecnológica irregular”, a IA podia piorar o desempenho.

Essa segunda parte é tão importante quanto a primeira.

A conclusão não é:

“Agora qualquer empresário pode pedir ao ChatGPT para fazer sua estratégia.”

A conclusão mais interessante é:

Pessoas que sabem o que estão fazendo passaram a dispor de uma alavanca intelectual extraordinariamente mais poderosa.

Um empresário, consultor ou pequeno time que conheça Customer Development, JTBD, estratégia, finanças, vendas e modelos de negócio pode realizar hoje investigações que anteriormente exigiriam uma equipe muito maior.

A diferença entre grandes e pequenas empresas não desaparece.

Mas pode diminuir.

Estratégia não significa fazer um planejamento de 100 páginas

Talvez essa mudança também permita corrigir uma compreensão ruim sobre estratégia nas pequenas empresas.

Estratégia não precisa começar com uma enorme estrutura de planejamento.

Pode começar com perguntas muito concretas:

Quais competências e recursos temos?

Que clientes poderíamos atender com eles?

Quais Jobs esses clientes estão tentando realizar?

Quais necessidades continuam mal atendidas?

Que proposta de valor poderíamos desenvolver?

Que modelo de negócio permitiria criar e capturar esse valor?

Quais forças estão modificando essa arena?

Para onde essas forças parecem caminhar?

Onde deveríamos nos posicionar?

Que hipóteses precisamos testar antes de investir mais?

Isso já é pensamento estratégico.

E podemos ir além.

Uma empresa pequena pode estabelecer uma iniciativa de crescimento e desenvolvê-la progressivamente.

Começa com competências e recursos.

Investiga alguns JTBD.

Constrói hipóteses de proposta de valor, modelo de negócio e estratégia.

Realiza Customer Discovery.

Testa vendas em Customer Validation.

Se encontrar repetibilidade, trabalha Customer Creation.

Se o crescimento justificar, executa Company Building.

Se as evidências forem ruins, pivota.

Se a iniciativa perder viabilidade, cancela.

Esse tipo de disciplina talvez fosse economicamente difícil para muitas pequenas empresas alguns anos atrás.

Hoje começa a ficar muito mais plausível.

A ferramenta ficou barata. O entendimento não.

Aqui, porém, existe um perigo.

Quanto mais acessíveis ficam os frameworks e a IA, mais fácil também fica produzir estratégia aparentemente sofisticada e conceitualmente errada.

É possível pedir a uma IA:

“Faça uma análise SWOT.”

“Crie meu Business Model Canvas.”

“Faça minhas personas.”

“Encontre meu JTBD.”

“Crie minha estratégia.”

Em minutos haverá uma resposta bonita.

Mas talvez o problema nem devesse ser analisado com SWOT.

Talvez ainda não exista evidência para preencher um Business Model Canvas.

Talvez aquela persona não represente o comprador relevante.

Talvez existam três JTBD diferentes sendo tratados como se fossem um.

Talvez a empresa esteja tentando escalar marketing quando ainda deveria estar em Customer Validation.

Talvez esteja revisando comunicação quando deveria voltar ao Customer Discovery.

A democratização das ferramentas não elimina a necessidade de linguagem, método e julgamento.

Pode até tornar isso mais importante.

Talvez esteja surgindo uma nova vantagem para as pequenas empresas

Pequenas empresas sempre tiveram algumas vantagens estratégicas importantes.

Conseguem tomar determinadas decisões mais rapidamente.

Possuem menos estruturas para desmontar.

Podem conversar diretamente com clientes.

Conseguem testar mercados pequenos que não interessam a grandes corporações.

E podem pivotar sem reorganizar uma organização com milhares de funcionários.

O problema era que frequentemente lhes faltava a capacidade analítica disponível às grandes.

Agora essa deficiência pode começar a diminuir.

A OpenAI encontrou pelo menos quatro milhões de pessoas nos Estados Unidos usando ChatGPT em março de 2026 para ajudar a planejar, iniciar, operar ou desenvolver negócios. A análise aponta justamente que a IA pode reduzir o custo de obter uma primeira aproximação de competências que anteriormente exigiriam funcionários, consultores ou softwares especializados.

Isso pode criar uma combinação nova:

agilidade de pequena empresa + ferramentas intelectuais antes economicamente disponíveis principalmente para organizações maiores.

Essa combinação merece atenção.

Estratégia pode deixar de ser luxo

Talvez estejamos entrando em um período no qual a pergunta para uma pequena empresa não seja mais:

“Somos pequenos demais para fazer estratégia?”

Mas:

“Se agora temos acesso a essas capacidades, por que continuar tomando decisões importantes sem utilizá-las?”

Naturalmente, uma empresa pequena não deveria copiar o processo estratégico de uma multinacional.

Não precisa criar departamentos enormes, dezenas de comitês ou projetos de consultoria milionários.

Mas pode pensar seriamente sobre seus clientes, JTBD, propostas de valor, modelos de negócio, recursos, concorrentes, substitutos e forças que estão transformando seu mercado.

Pode formular hipóteses.

Pode testá-las.

Pode acompanhar evidências.

Pode decidir onde investir.

Pode pivotar.

Pode cancelar cedo uma iniciativa ruim.

E pode concentrar seus poucos recursos nas oportunidades que realmente merecem ser desenvolvidas.

Talvez a grande mudança não seja simplesmente que a IA permite que pequenas empresas façam mais.

Talvez ela permita que pequenas empresas pensem melhor antes de fazer.

E isso é estratégia.

Se você contratar mais cinco vendedores, treiná-los e colocá-los para trabalhar, suas vendas vão aumentar de forma razoavelmente previsível?

Não estou perguntando se talvez algum deles consiga vender.

A pergunta é outra:

Você sabe como fazer esses cinco vendedores venderem?

Parece uma diferença pequena. Não é.

Uma empresa pode ter clientes, faturamento e até um bom produto sem possuir ainda um sistema de vendas realmente repetível.

Talvez as vendas atuais dependam muito do fundador.

Talvez dependam de relacionamentos construídos ao longo de anos.

Talvez alguns vendedores tenham aprendido, por experiência própria, como encontrar oportunidades e conduzir negociações.

Talvez ninguém consiga explicar exatamente por que algumas oportunidades avançam e outras não.

Nesse caso, contratar cinco vendedores não significa necessariamente multiplicar as vendas.

Pode significar apenas multiplicar o custo.

O teste dos cinco vendedores

Imagine que amanhã você contrate cinco novos vendedores.

Depois do período normal de treinamento, eles precisam saber:

Quem procurar?

Que tipo de empresa tem maior probabilidade de comprar?

Que situação indica uma oportunidade?

Que problema explorar?

Por que o cliente deveria mudar?

Quem costuma participar da decisão?

Que argumentos funcionam?

Que objeções aparecem?

Que evidências ajudam o cliente a avançar?

Qual é a sequência básica do processo comercial?

Quanto tempo uma venda normalmente leva?

E, principalmente:

se dois vendedores diferentes seguirem aproximadamente o mesmo processo, eles conseguem produzir resultados razoavelmente semelhantes?

Quando a resposta é sim, começamos a enxergar algo importante:

a venda está deixando de ser uma habilidade individual e começando a se transformar em um sistema.

O vendedor não deveria precisar redescobrir o negócio

Existe uma diferença enorme entre ensinar um processo comercial e pedir para cada vendedor descobrir sozinho como vender.

Quando um vendedor entra e precisa descobrir:

quem compra,

por que compra,

quando compra,

como abordar,

como conduzir a conversa,

como responder às objeções

e como fazer a oportunidade avançar,

ele não está apenas executando vendas.

Ele está fazendo Customer Development.

Isso pode ser necessário enquanto a empresa ainda está aprendendo.

O problema começa quando a organização acredita que já possui um modelo comercial validado e contrata vendedores para escalar algo que ainda precisa ser descoberto.

Você acaba contratando cinco pessoas não para executar um modelo, mas para procurar cinco maneiras diferentes de vender.

E se a resposta for “não sei”?

É justamente aí que a pergunta fica interessante.

Se você não sabe se os cinco vendedores conseguiriam vender, talvez ainda exista um problema de Customer Validation.

Você pode ter evidências de que clientes compram.

Mas ainda não demonstrou suficientemente que existe um processo comercial repetível.

Se a resposta for:

“Eu nem sei exatamente quais empresas esses vendedores deveriam procurar.”

O problema pode estar ainda mais atrás, no Customer Discovery.

Segmento, contexto, problema, JTBD ou proposta de valor talvez ainda precisem ser compreendidos melhor.

Agora imagine outra resposta:

“Sabemos para quem vender, sabemos como vender e sabemos aproximadamente quanto cada vendedor consegue produzir. O problema é que não temos caixa para contratar cinco pessoas.”

Veja como a situação muda.

Aqui a principal incerteza talvez não esteja mais no modelo de vendas.

Existe uma restrição financeira.

Ou a resposta pode ser:

“Se colocarmos cinco vendedores, nossa operação não consegue atender os novos clientes.”

Nesse caso, o gargalo também mudou.

O problema agora está na capacidade de entrega.

Essa pergunta mostra onde está a incerteza

É por isso que gosto dessa pergunta.

Se eu contratar mais cinco vendedores, treiná-los e colocá-los para trabalhar, as vendas aumentam?

Ela obriga a empresa a pensar além de:

“Temos clientes.”

“Nosso produto é bom.”

“Já conseguimos vender.”

Porque nenhuma dessas afirmações, sozinha, demonstra que existe uma máquina comercial capaz de crescer.

Para escalar, precisamos saber se conseguimos transformar conhecimento em processo.

Processo em treinamento.

Treinamento em execução.

E execução em resultados razoavelmente previsíveis.

Não significa que todos os vendedores terão exatamente o mesmo desempenho.

Isso seria irreal.

Mas significa que existe conhecimento suficiente sobre o cliente, a proposta de valor e o processo comercial para que o resultado não dependa exclusivamente de talento individual, improvisação ou sorte.

Dica prática

Se quer ver sua empresa crescer em vendas, faça esta pergunta a si mesmo:

Se eu contratar mais cinco vendedores, treiná-los e colocá-los para trabalhar, as vendas vão aumentar de forma razoavelmente previsível?

Não tente responder rápido.

Pense no que esses vendedores precisariam aprender. Quem deveriam procurar? Como abordariam esses clientes? Que processo seguiriam? Quanto tempo levariam para começar a vender? E o que faria você acreditar que os resultados poderiam se repetir?

Depois, leve a mesma pergunta para seus sócios, colegas ou equipe comercial.

O mais interessante talvez nem seja chegar a uma resposta única, mas observar se todos respondem da mesma forma.

Se cada pessoa tiver uma explicação diferente sobre quem compra, por que compra e como vender, isso já é uma informação importante.

Talvez o próximo passo não seja contratar mais vendedores.

Talvez seja descobrir e validar melhor como o seu sistema de vendas realmente funciona.

Pensei primeiro em um veleiro.

A imagem parecia boa. Existe um destino, existem forças externas — como o vento e as correntes — e existe alguém tentando conduzir o barco. O navegador não controla o vento, mas pode ajustar as velas e o leme para aproveitar as condições existentes.

Só que alguma coisa não encaixava.

O veleiro representa muito bem a capacidade de aproveitar as forças que existem agora. O vento está soprando e você precisa descobrir o que fazer com ele.

Mas estratégia tem uma dimensão que essa metáfora não representa tão bem: o futuro é incerto. Pelo menos, não exatamente como se pensa.

Muitas vezes, quando tomamos uma decisão estratégica, a força que esperamos aproveitar ainda nem existe. Ou existe apenas como um sinal.

Não sabemos exatamente se ela virá, quando virá, qual será sua intensidade ou quanto tempo irá durar.

E, mesmo assim, precisamos agir.

Foi aí que pensei que talvez o surfe fosse uma metáfora melhor.

Você precisa se posicionar antes da onda chegar

O surfista não controla as ondas.

Ele observa o mar.

Existem ondas acontecendo agora, mas também existem sinais de ondas que ainda estão se formando. A partir desses sinais, ele tenta estimar o que acontecerá.

Então toma uma decisão.

Move-se para uma determinada posição.

E isso precisa acontecer antes da onda chegar.

Quando a onda já chegou, pode ser tarde demais para se posicionar.

Essa talvez seja uma das características mais importantes da estratégia.

Estratégia não é simplesmente reagir ao que aconteceu.

É agir no presente considerando aquilo que acreditamos que poderá acontecer no futuro.

Mas a onda pode não vir

Aqui está outra parte importante da metáfora.

O surfista pode interpretar o mar errado.

Pode remar para uma posição esperando uma determinada onda e ela não aparecer como imaginava.

Pode aparecer em outro lugar.

Pode ser menor do que esperava.

Pode ser grande demais.

Ou pode simplesmente não valer a pena.

Estratégia, portanto, envolve necessariamente uma aposta.

Quando uma empresa investe em uma nova tecnologia, entra em um mercado, desenvolve uma competência, abandona um produto ou muda seu modelo de negócio, ela está tomando decisões no presente baseadas em hipóteses sobre o futuro.

Não existe certeza.

Existe uma avaliação sobre o que é mais provável acontecer.

Nem toda posição é possível

Também não adianta simplesmente decidir:

“Quero estar ali.”

O mar impõe limites.

Existem posições que você consegue alcançar com os recursos, o tempo e as condições disponíveis. Outras não.

Isso vale para empresas também.

Uma organização pode desejar determinada posição competitiva, mas não possuir capital, competências, tecnologia, relacionamentos, marca ou tempo suficientes para ocupá-la.

A estratégia precisa confrontar o desejo com a realidade.

Às vezes é possível chegar à posição desejada.

Às vezes é preciso primeiro desenvolver recursos que tornem aquela posição possível.

E, em alguns casos, é necessário reconhecer que aquela posição simplesmente não é viável e procurar outra.

Estar no lugar certo muda o valor da execução

Aqui aparece a diferença que mais me interessa entre estratégia e tática.

Imagine dois surfistas.

Um deles possui uma técnica extraordinária, mas está mal posicionado.

O outro possui uma técnica apenas razoável, mas percebeu corretamente onde a onda iria se formar e chegou lá no momento certo.

Quando a onda chega, o segundo tem uma oportunidade que o primeiro talvez nem consiga disputar.

Isso não significa que técnica não importa.

Importa muito.

Quando dois surfistas estão bem posicionados, aquele que executa melhor provavelmente conseguirá aproveitar melhor a oportunidade.

Mas uma excelente execução não necessariamente compensa uma posição errada.

Talvez seja exatamente essa a relação entre estratégia e tática.

Estratégia aumenta a probabilidade de estarmos no lugar certo, na hora certa, diante das forças certas.

Tática aumenta nossa capacidade de aproveitar essa situação quando ela acontece.

Uma excelente tática aplicada fora de uma posição estratégica favorável pode produzir melhorias locais sem produzir o resultado que esperamos.

Podemos melhorar a campanha.

Melhorar a abordagem dos vendedores.

Implantar um CRM melhor.

Automatizar processos.

Usar inteligência artificial.

Reduzir custos.

Aumentar produtividade.

Tudo isso pode funcionar.

E ainda assim podemos perder.

Porque podemos estar ficando cada vez melhores em surfar uma onda que não nos levará aonde precisamos ir.

Estratégia não termina com a escolha

Existe ainda outra característica interessante do surfista.

Depois de escolher sua posição, ele não fecha os olhos e espera.

Continua olhando o mar.

Talvez os sinais mudem.

Talvez a onda que parecia promissora desapareça.

Talvez outra muito melhor esteja se formando alguns metros adiante.

Então ele se reposiciona.

Isso também é estratégia.

Uma decisão estratégica não deveria significar compromisso cego com uma previsão.

Ela é uma hipótese sobre o futuro acompanhada de ações no presente.

Conforme novas informações aparecem, a hipótese precisa ser revista.

Talvez possamos resumir esse processo em três verbos:

Antecipar. Posicionar. Reposicionar.

Antecipar aquilo que pode acontecer.

Posicionar-se para estar em condições de aproveitar caso aconteça.

E reposicionar-se quando a realidade mostrar que nossas hipóteses estavam erradas ou que surgiu uma oportunidade melhor.

Estratégia é se posicionar antes da onda

Quanto mais penso nessa metáfora, menos vejo estratégia como simplesmente “ter um plano”.

Um plano pressupõe que sabemos suficientemente bem o que acontecerá.

Estratégia existe justamente porque não sabemos.

Existem forças que não controlamos.

Existem futuros possíveis.

Existem sinais que precisamos interpretar.

Existem posições que podemos ou não conseguir ocupar.

E existem decisões que precisam ser tomadas antes de termos todas as informações que gostaríamos.

Por isso, talvez a imagem do surfista seja tão interessante.

Ele não controla o mar.

Não cria a onda.

Não sabe exatamente qual será a próxima.

Mas observa, interpreta, escolhe, se movimenta e continua corrigindo sua posição.

Porque, quando a onda finalmente chega, não basta saber surfar.

É preciso já estar lá.

Compreendendo as relações entre o negócio e um Sistema de Informação para CRM

Em projetos de CRM(Customer Relationship Management), melhoria de processos e desenvolvimento de sistemas, é comum encontrarmos cinco conceitos que descrevem o mesmo negócio sob perspectivas diferentes:

• Processos;

• Atividades;

• Tarefas;

• Requisitos do sistema de informação;

• Funcionalidades do software.

O objetivo deste artigo não é apresentar uma sequência obrigatória de análise.

Dependendo do projeto, podemos começar pelo processo de negócio, pelas atividades, pelas tarefas executadas pelas pessoas, pelos requisitos do sistema ou até pelas funcionalidades de um software já implantado.

O importante é compreender que esses elementos estão relacionados.

Uma alteração em qualquer um deles pode gerar impactos nos demais.

Essa capacidade de compreender as relações entre os diferentes níveis é conhecida na Engenharia de Requisitos como rastreabilidade (traceability) e permite analisar os impactos das mudanças antes de implementá-las.

Read more

Quando alguém fala em CRM, quase sempre está se referindo a um software.

Mas essa associação esconde uma realidade importante: o software é apenas uma das partes de algo muito maior.

Na prática, existem três conceitos diferentes que costumam receber o mesmo nome.

O primeiro é o Sistema de Relacionamento com o Cliente: o conjunto de processos pelos quais a empresa conquista clientes, aprende com eles, vende, atende, mantém o relacionamento e gera novas oportunidades.

O segundo é o Sistema de Informação de Relacionamento com o Cliente: o conjunto de pessoas, informações, registros, regras e ferramentas que permite executar esses processos de forma consistente.

O terceiro é o software de CRM, uma aplicação especializada que apoia parte desse sistema de informação.

Essas três camadas estão relacionadas, mas não surgem ao mesmo tempo. O software é um componente do sistema de informação, e o sistema de informação existe para apoiar os processos de relacionamento com os clientes.

O problema é que, muitas vezes, o mercado inverte essa lógica e trata o software como se ele fosse o próprio CRM.

O CRM nasce quando a empresa nasce

Se olharmos pela perspectiva do Customer Development, de Steve Blank, percebemos que o CRM começa muito antes da escolha de qualquer software.

No Customer Discovery, o fundador já conversa com potenciais clientes, faz entrevistas, registra aprendizados, testa hipóteses e toma decisões com base nessas conversas.

Tudo isso já faz parte do relacionamento com clientes.

O objetivo dessa fase não é vender em escala. É aprender.

O processo de relacionamento é completamente diferente daquele encontrado em uma empresa madura.

No Customer Validation, o foco muda.

Agora a empresa precisa descobrir se consegue vender de forma repetível.

O relacionamento deixa de estar centrado apenas nas entrevistas e passa a incluir prospecção, demonstrações, negociação, follow-up e fechamento.

É nessa etapa que normalmente nasce um processo comercial.

Ainda não existe demanda suficiente para justificar áreas especializadas, como Customer Success, grandes equipes de suporte ou operações complexas.

Contratar um gerente de Customer Success nesse momento pode significar colocar uma pessoa para cuidar de um processo que ainda não existe.

No Customer Creation, o desafio muda novamente.

Agora a empresa precisa aprender a crescer.

Marketing ganha importância, o volume de clientes aumenta, surgem necessidades de segmentação, automação e acompanhamento mais estruturado.

Nesse momento, funções como Customer Success passam a fazer sentido, pois já existe uma base de clientes que precisa ser acompanhada para retenção, expansão e geração de valor.

Por fim, no Company Building, o relacionamento deixa de depender principalmente dos fundadores.

A empresa precisa operar de forma previsível.

Papéis são especializados, responsabilidades são distribuídas, indicadores são criados e mecanismos de governança passam a fazer parte do sistema de relacionamento.

Em outras palavras, o CRM amadurece junto com a empresa.

O processo vem antes da ferramenta?

Existe uma frase muito repetida em projetos de tecnologia:

“Primeiro defina o processo. Depois escolha a ferramenta.”

Ela contém uma verdade importante, mas precisa de um pequeno ajuste.

Na prática, processos quase nunca existem sem ferramentas.

Mesmo uma empresa muito pequena utiliza algum tipo de artefato para apoiar seu relacionamento com clientes: uma agenda, um caderno, uma planilha, um telefone, um e-mail ou um aplicativo de mensagens.

Ferramentas sempre existiram.

O que normalmente ainda não existe é uma ferramenta especializada.

Por isso, talvez seja mais correto dizer:

Os processos vêm antes das ferramentas especializadas.

Essa distinção faz toda a diferença.

Uma empresa pode operar seu sistema de informação utilizando agendas, planilhas e documentos durante bastante tempo.

O software de CRM aparece quando essas ferramentas deixam de ser suficientes para sustentar a complexidade da operação.

O software muda os processos

Outro equívoco comum é imaginar que um software de CRM deva reproduzir exatamente os processos atuais da empresa.

Na realidade, espera-se justamente o contrário.

Quando uma organização implanta uma ferramenta especializada, parte dos processos naturalmente muda.

Atividades passam a ser automatizadas.

Informações deixam de ser duplicadas.

Follow-ups tornam-se mais fáceis de controlar.

Indicadores passam a ser gerados automaticamente.

A colaboração entre equipes melhora.

Os objetivos permanecem os mesmos.

O modo de alcançá-los evolui.

Essa mudança não é um problema da implantação.

Ela é um dos principais benefícios esperados.

O contexto determina o CRM necessário

Não existe um único modelo de CRM adequado para todas as empresas.

Uma startup em Customer Discovery possui necessidades completamente diferentes de uma organização que atende milhares de clientes.

À medida que a empresa cresce, novas camadas passam a ser necessárias.

Mais pessoas participam do relacionamento.

Mais informações precisam ser compartilhadas.

Mais decisões precisam ser coordenadas.

Mais controles são exigidos.

Mais governança precisa ser criada.

Consequentemente, o sistema de informação também cresce, e as ferramentas especializadas passam a desempenhar um papel cada vez mais importante.

Conclusão

O maior erro ao falar de CRM é acreditar que ele começa quando a empresa compra um software.

Na realidade, o CRM nasce no primeiro contato com um potencial cliente.

Ele evolui durante o Customer Discovery, ganha estrutura no Customer Validation, amplia sua capacidade no Customer Creation e se torna uma capacidade organizacional completa no Company Building.

O software é uma etapa dessa evolução, não o seu ponto de partida.

Entender essa diferença muda completamente a forma de implantar CRM.

Em vez de perguntar “qual software devemos comprar?”, a pergunta passa a ser:

Como nosso sistema de relacionamento com clientes precisa evoluir para apoiar a próxima fase da empresa?

Quando essa pergunta é respondida primeiro, a escolha da tecnologia deixa de ser o centro do projeto e passa a ocupar o lugar que realmente lhe pertence: o de apoiar um sistema de relacionamento que já existe e continua evoluindo junto com o negócio.

Quando observamos o Job Map desenvolvido por Anthony Ulwick, encontramos oito etapas gerais pelas quais uma pessoa ou organização passa para realizar um Job to Be Done:

1. Definir — determinar os objetivos e planejar a abordagem.

2. Localizar — reunir os recursos e as informações necessários.

3. Preparar — organizar e preparar esses recursos.

4. Confirmar — verificar se tudo está pronto.

5. Executar — realizar o trabalho principal.

6. Monitorar — acompanhar a execução e os resultados.

7. Modificar — fazer ajustes quando necessário.

8. Concluir — finalizar o trabalho e encaminhar seus resultados.

O Job Map não descreve necessariamente a maneira como o trabalho é realizado hoje. Ele procura representar o que a pessoa está tentando alcançar em uma sequência ideal, independentemente das ferramentas utilizadas. (Harvard Business Review Store)

No Job to Be Done de implantar um sistema de informação para CRM, seja para vendas, marketing, Customer Success, suporte ou serviços, uma etapa especialmente crítica é definir os objetivos da implantação.

É nela que a empresa precisa compreender por que deseja implantar o sistema, quais necessidades pretende atender, quais resultados espera produzir e como reconhecerá que a implantação foi bem-sucedida.

A ferramenta costuma ser escolhida antes do objetivo

Na prática, muitas empresas começam por outro ponto.

Escolhem primeiro uma ferramenta — HubSpot, Salesforce, Pipedrive, Zoho ou outra — e deixam para descobrir seus objetivos durante a implantação ou, em casos ainda mais problemáticos, depois que o sistema já foi implantado.

Isso acontece porque a decisão de “implantar um CRM” pode surgir de diferentes estímulos.

Um diretor conhece uma ferramenta em um evento. Um vendedor apresenta uma solução. Um concorrente começa a utilizar determinada plataforma. Um curso mostra o CRM pela perspectiva de marketing. Outro fornecedor apresenta o CRM como ferramenta de automação de vendas.

A empresa, então, passa a perseguir a ideia de implantar um CRM sem ter clareza sobre o Job que espera realizar com ele.

Não significa que a escolha da ferramenta esteja necessariamente errada. Significa que uma decisão da etapa Localizar — selecionar um dos recursos para realizar o Job — foi tomada antes de completar adequadamente a etapa Definir.

A ferramenta foi encontrada, mas ainda não se sabe exatamente para que ela será utilizada.

O problema aparece nas etapas seguintes

Quando os objetivos não são definidos no início, as questões não desaparecem. Elas apenas reaparecem mais adiante, quando as decisões já se tornaram mais caras.

Durante a configuração, por exemplo, a empresa pode descobrir que possui um modelo de negócio baseado em uma única compra, mas contratou e está configurando o sistema como se dependesse de recompras frequentes.

Pode descobrir que precisava organizar aquisição, campanhas e nutrição de leads, mas escolheu e desenhou o projeto principalmente como um CRM de vendas.

Também pode perceber que seu verdadeiro problema estava no pós-venda, na renovação, no suporte ou na coordenação entre áreas, enquanto toda a implantação foi estruturada em torno do pipeline de novas oportunidades.

Nesses casos, a ferramenta pode até funcionar tecnicamente. O problema é que ela foi configurada para realizar um Job diferente daquele que a empresa realmente precisava realizar.

O passivo das decisões adiadas

Cada questão importante deixada para trás cria um passivo para as etapas seguintes.

Quando não se definem claramente os objetivos, torna-se difícil decidir quais processos devem entrar no escopo. Sem o escopo, torna-se difícil identificar os dados necessários. Sem compreender os dados, a configuração dos campos e das integrações fica frágil. Com a configuração inadequada, o treinamento perde aderência. Sem aderência, o uso diminui e os relatórios deixam de ser confiáveis.

Uma indefinição inicial não gera apenas um problema isolado. Ela influencia várias decisões posteriores.

Podemos chamar esse fenômeno de juros compostos da dívida técnica da implantação.

A dívida começa pequena: uma pergunta que não foi respondida.

Mas, a cada nova etapa, são tomadas decisões apoiadas sobre aquela indefinição. Surgem configurações, migrações, automações, treinamentos e rotinas operacionais. Quando o problema finalmente aparece, já não basta responder à pergunta original. É necessário revisar tudo o que foi construído sobre ela.

Assim como nos juros compostos, o custo não cresce apenas sobre a dívida inicial. Ele cresce também sobre as consequências acumuladas das decisões anteriores.

Definir não significa conhecer tudo antecipadamente

Isso não quer dizer que todos os objetivos, indicadores e requisitos precisem estar perfeitamente definidos antes do início do projeto.

Em muitos casos, a empresa ainda não conhece suficientemente sua própria operação. Alguns objetivos serão refinados durante o diagnóstico, e certas métricas somente se tornarão possíveis depois que os dados começarem a ser organizados.

Definir significa estabelecer uma direção suficientemente clara para orientar as próximas decisões.

A empresa precisa, pelo menos, conseguir responder:

• Qual necessidade motivou a implantação?

• O que deverá mudar na operação?

• Quais pessoas, clientes e processos serão atendidos?

• Que capacidade a empresa deseja adquirir?

• Quais resultados indicariam que a implantação funcionou?

• O sistema será orientado principalmente a vendas, marketing, atendimento, suporte, retenção ou integração entre essas áreas?

As respostas ainda podem evoluir, mas não podem ser simplesmente ignoradas.

E quando a empresa já escolheu o CRM?

É perfeitamente possível que a empresa chegue ao projeto com a ferramenta já contratada.

Nesse caso, não é necessário fingir que a escolha não aconteceu. O CRM selecionado passa a ser uma restrição ou um recurso previamente localizado.

Ainda assim, a etapa Definir precisa ser realizada.

O trabalho passa a envolver duas perguntas:

O que a empresa realmente precisa alcançar?

e

A ferramenta escolhida consegue apoiar esses objetivos de maneira adequada?

Às vezes, a resposta será positiva. A ferramenta já escolhida poderá atender bem às necessidades, desde que seja configurada corretamente.

Em outros casos, serão encontrados limites, módulos adicionais, integrações necessárias ou até uma incompatibilidade mais profunda entre a solução e o modelo de negócio.

Descobrir isso antes da configuração completa é muito menos caro do que descobrir depois do lançamento.

A ordem lógica continua importante

As empresas não percorrem necessariamente o Job Map em uma sequência perfeita. Podem começar pela ferramenta, pelo orçamento, por uma automação específica ou pela urgência de substituir uma planilha.

O Job Map não precisa ser entendido como uma descrição rígida da ordem cronológica seguida pelas empresas. Ele funciona melhor como uma referência da ordem lógica necessária para realizar bem o trabalho.

Uma etapa pode até ser iniciada antes da anterior. Entretanto, as questões deixadas sem resposta continuam existindo e precisarão ser resolvidas posteriormente.

Por isso, antes de configurar pipelines, campos, automações e relatórios, vale retornar à pergunta fundamental:

O que esta empresa precisa conseguir realizar melhor com a implantação desse sistema de informação para CRM?

A resposta não serve apenas para justificar o projeto. Ela orienta a escolha dos recursos, o desenho dos processos, a organização dos dados, a configuração da ferramenta, o treinamento dos usuários e os critérios usados para avaliar o sucesso.

Escolher um CRM pode ser o começo visível do projeto. Mas definir o que precisa ser alcançado é o que transforma a compra de uma ferramenta em uma implantação orientada por propósito.

O JTBD (Job to Be Done) parte da ideia de que clientes contratam produtos e serviços para realizar um determinado trabalho. O foco da análise deixa de ser a solução e passa a ser aquilo que o cliente está tentando alcançar.

O Job Map organiza esse trabalho em uma sequência de etapas, desde a definição do objetivo até a conclusão. Cada etapa possui objetivos específicos, dificuldades, necessidades e critérios de sucesso próprios.

Essa decomposição permite observar o trabalho de forma mais detalhada. Em vez de analisar apenas a jornada de compra ou o uso de um produto, passa-se a analisar o processo completo que o cliente precisa executar para alcançar o resultado desejado.

A partir dessa estrutura, é possível identificar dores, necessidades não atendidas, comparar como diferentes soluções apoiam cada etapa do trabalho e compreender onde existem oportunidades de melhoria.

Como o Job tende a permanecer relativamente estável ao longo do tempo, o Job Map também pode servir como um ponto de referência para análises de mercado, desenvolvimento de produtos, construção de propostas de valor, marketing, vendas e CRM. Enquanto as tecnologias e as soluções mudam, o trabalho que o cliente precisa realizar costuma mudar muito mais lentamente.

A ideia central é simples: antes de discutir a melhor solução, é preciso compreender claramente qual é o trabalho que precisa ser realizado. Esse trabalho passa a ser o elemento organizador das demais análises.

Toda operação possui uma rotina.

Algumas atividades acontecem diariamente.

Outras precisam ser realizadas ao longo de uma semana ou de uma quinzena.

Algumas fazem sentido apenas uma vez por mês, por trimestre ou até por ano.

Em Marketing, campanhas precisam ser executadas.

Em Vendas, oportunidades precisam avançar.

Em Customer Success, clientes precisam alcançar resultados.

Ao mesmo tempo, essas áreas também precisam melhorar seus processos, reduzir riscos e incorporar mudanças.

Quando essas atividades não fazem parte da rotina, normalmente recebem atenção apenas quando surge uma necessidade imediata.

Uma forma de organizar esse conjunto de atividades é dividir o trabalho em ciclos com duração previamente definida.

Esses ciclos são conhecidos como Time Boxes.

O que é um Time Box?

Um Time Box é um período de tempo com início e fim definidos, reservado para um conjunto específico de atividades.

O conceito ganhou destaque nos métodos iterativos de desenvolvimento de software, nos quais o trabalho é organizado em ciclos regulares. Ao final de cada ciclo, parte do trabalho é entregue, os resultados são avaliados e o ciclo seguinte é planejado.

Essa mesma lógica pode ser aplicada às operações de Marketing, Vendas e Customer Success.

Quatro finalidades de um Time Box

Cada Time Box pode reunir atividades com quatro finalidades diferentes.

1. Produzir resultados

São as atividades diretamente relacionadas ao objetivo da operação.

Em Marketing

• publicar campanhas;

• produzir conteúdo;

• gerar leads;

• executar ações de mídia.

Em Vendas

• prospectar;

• realizar reuniões;

• enviar propostas;

• negociar;

• realizar follow-ups.

Em Customer Success

• realizar onboarding;

• acompanhar clientes;

• conduzir reuniões de sucesso;

• renovar contratos;

• desenvolver oportunidades de expansão.

Essas atividades mantêm a operação produzindo resultados.

2. Melhorar a operação

Toda operação produz aprendizado.

Campanhas apresentam desempenhos diferentes.

Novas objeções surgem durante as negociações.

Clientes encontram dificuldades que não haviam sido previstas.

Essas experiências podem ser transformadas em melhorias.

Marketing

• revisar campanhas;

• aperfeiçoar mensagens;

• atualizar segmentações;

• documentar boas práticas.

Vendas

• revisar scripts;

• atualizar playbooks;

• criar artigos internos;

• melhorar cadências.

Customer Success

• revisar o onboarding;

• atualizar playbooks;

• melhorar a base de conhecimento;

• aperfeiçoar a jornada do cliente.

Cada ciclo oferece uma oportunidade para tornar a operação mais eficiente.

3. Reduzir riscos

Nem todas as atividades geram resultado imediato.

Algumas existem para preservar a estabilidade da operação.

Marketing

• acompanhar queda na geração de leads;

• monitorar custo de aquisição;

• reduzir dependência de canais.

Vendas

• revisar oportunidades sem próxima ação;

• validar previsões de fechamento;

• identificar negociações paradas;

• acompanhar gargalos do pipeline.

Customer Success

• identificar clientes com risco de churn;

• acompanhar baixa adoção do produto;

• localizar atrasos no onboarding;

• monitorar clientes sem interação recente.

Essas atividades aumentam a previsibilidade da operação.

4. Incorporar mudanças

Mercados evoluem.

Produtos mudam.

Clientes mudam de comportamento.

A operação também precisa evoluir.

Marketing

• incorporar um novo canal;

• lançar uma nova estratégia de aquisição;

• adotar uma nova ferramenta.

Vendas

• implantar um novo processo comercial;

• revisar o ICP;

• adaptar o processo comercial para um novo produto.

Customer Success

• alterar a jornada do cliente;

• implantar novos indicadores;

• adotar uma nova metodologia de acompanhamento.

Essas atividades ajudam a manter a operação alinhada às mudanças do ambiente.

Time Boxes em diferentes horizontes

Uma operação normalmente possui diversos Time Boxes funcionando ao mesmo tempo.

Nos ciclos mais curtos predominam as atividades voltadas para resultados.

Nos ciclos de uma semana ou quinze dias surgem revisões da operação, compartilhamento de conhecimento, análise de riscos e coordenação do trabalho.

Nos ciclos mensais aumenta o espaço para análise de indicadores, melhoria dos processos e incorporação de mudanças.

Em ciclos trimestrais ou anuais, decisões estruturais passam a ocupar maior parte da agenda, como revisão de estratégias, definição de metas, implantação de novos processos e adoção de novas ferramentas.

Não existe uma duração única para um Time Box.

Cada organização define seus ciclos de acordo com o ritmo da operação e com a frequência necessária para revisar resultados, reduzir riscos e promover melhorias.

O papel das ferramentas

CRM, automação de marketing, plataformas de Customer Success, gestão de projetos e bases de conhecimento apoiam todos esses ciclos.

Durante a execução, ajudam a organizar atividades e registrar informações.

Durante as revisões, fornecem indicadores e histórico para análise.

Nos ciclos de melhoria, apoiam a atualização de processos, playbooks e bases de conhecimento.

As ferramentas permanecem as mesmas. O que varia é a finalidade para a qual são utilizadas em cada Time Box.

Conclusão

Um Time Box pode ser entendido como uma unidade de gestão.

Cada ciclo reúne atividades voltadas para quatro finalidades:

• produzir resultados;

• melhorar a operação;

• reduzir riscos;

• incorporar mudanças.

Essa organização cria espaço para atividades que normalmente competem pelo mesmo tempo e fortalece a capacidade de evolução da operação.

Ao final de cada ciclo, quatro perguntas ajudam a orientar a revisão do trabalho:

• Quais resultados produzimos?

• O que melhoramos?

• Quais riscos reduzimos?

• Quais mudanças incorporamos?

Responder a essas perguntas de forma recorrente transforma a rotina operacional em um processo contínuo de execução, aprendizado e evolução.

Às vezes, não é tão fácil visualizar como o Jobs to Be Done (JTBD) pode ajudar na prática. A teoria faz sentido, mas sua aplicação nem sempre é imediata.

Com o objetivo de tornar essa metodologia mais concreta, resolvi fazer este exercício e publicá-lo neste artigo.

Utilizarei como exemplo a Anthropic, empresa responsável pelo Claude. Não se trata de um estudo de caso nem de um trabalho de consultoria. Todas as informações utilizadas foram obtidas em fontes públicas, principalmente no site da própria Anthropic e em seus materiais institucionais.

Também é importante destacar que este exercício não aplica, com todo o rigor que uma análise profissional exige, as metodologias desenvolvidas por Bob Moesta e Tony Ulwick. Um trabalho dessa natureza dependeria de entrevistas com clientes, observação do processo de decisão e outras etapas de Customer Discovery.

O objetivo aqui é outro: demonstrar o potencial do JTBD como ferramenta de análise, mostrando como ele pode ser utilizado para compreender melhor o posicionamento de uma empresa, formular hipóteses sobre o trabalho que seus clientes estão tentando realizar e enxergar um mercado por uma perspectiva diferente daquela baseada apenas em produtos ou funcionalidades.

Além disso, analisar a Anthropic nos obriga a refletir sobre uma questão mais ampla: qual é, afinal, o papel dessa empresa na indústria de Inteligência Artificial? Em vez de enxergá-la apenas como desenvolvedora de um modelo de linguagem, o exercício nos leva a perguntar qual trabalho ela pretende ajudar seus clientes a realizar.

O que é Jobs to Be Done?

Uma das ideias centrais do JTBD é que pessoas e organizações não compram produtos simplesmente por suas funcionalidades.

Elas “contratam” produtos e serviços para realizar um trabalho.

Esse trabalho representa a passagem de uma situação atual para uma situação desejada.

Quando entendemos qual trabalho o cliente está tentando realizar, passamos a enxergar o mercado de forma completamente diferente.

Essa forma de pensar pode parecer estranha à primeira vista, mas um dos exemplos mais conhecidos de Bob Moesta ajuda a esclarecer a diferença.

Moesta conta o caso de uma rede de fast-food que queria vender mais milkshakes. A empresa passou a perguntar aos clientes como poderia melhorar o produto: criar novos sabores, mudar a embalagem, oferecer mais opções. Mesmo assim, as vendas pouco mudaram.

A investigação mudou completamente quando a pergunta passou a ser outra:

Que trabalho as pessoas estão contratando o milkshake para realizar?

Observando os clientes, descobriram que muitos compravam o milkshake logo cedo, antes de ir para o trabalho.

O concorrente não era outro milkshake.

Em muitos casos era um café, uma banana ou um sanduíche.

O trabalho que essas pessoas queriam realizar era consumir algo durante um trajeto longo de carro, sem fazer sujeira, que ocupasse o tempo e reduzisse a fome até o horário do almoço.

Perceba como a perspectiva muda completamente.

O foco deixa de ser o produto e passa a ser o trabalho do cliente.

O exemplo do milkshake também revela uma aplicação extremamente prática do Jobs to Be Done.

Se o trabalho que o cliente deseja realizar é “ter algo prático para consumir durante um longo trajeto até o trabalho, sem fazer sujeira e reduzindo a fome até o meio da manhã”, então a comunicação da empresa muda completamente.

Ela deixa de tentar convencer as pessoas simplesmente a comprar um milkshake.

O verdadeiro desafio passa a ser demonstrar que, para esse trabalho específico, o milkshake é uma solução melhor do que as alternativas que o cliente já utiliza no seu dia a dia.

Nesse contexto, o concorrente pode não ser outra rede de fast-food.

Pode ser uma banana, um café, um sanduíche, uma barra de cereal ou qualquer outra solução que o cliente já “contrata” para realizar esse mesmo trabalho.

Perceba como isso muda a lógica do marketing.

Em vez de comunicar apenas atributos do produto — sabor, tamanho, preço ou ingredientes — a empresa passa a comunicar por que sua solução realiza aquele Job melhor do que as demais alternativas disponíveis.

Essa mudança de perspectiva influencia não apenas a comunicação, mas também o desenvolvimento do produto, a estratégia competitiva e até mesmo a forma de definir quem realmente são os concorrentes.

Aplicando essa lógica à Anthropic

Foi exatamente com essa perspectiva que olhamos para a Anthropic.

A pergunta que guiou todo este exercício foi bastante simples:

Quais Jobs to Be Done a Anthropic está ajudando seus clientes a realizar?

Para responder essa pergunta tivemos, naturalmente, que começar olhando para seus produtos, funcionalidades e forma de comunicação.

Mas foi necessário tomar um cuidado importante.

Não podemos confundir o serviço que uma solução presta com o Job to Be Done que o cliente está tentando realizar.

Uma das capacidades mais enfatizadas pela Anthropic é atuar como um parceiro para auxiliar pessoas na análise de problemas complexos.

Essa é uma funcionalidade.

É uma maneira de entregar valor.

Mas não é o JTBD.

O JTBD está um nível acima.

Ele descreve o trabalho que o cliente deseja realizar, independentemente de utilizar o Claude, um consultor, uma planilha, uma equipe ou qualquer outra solução.

Naturalmente, a Anthropic deve ajudar seus clientes em dezenas ou talvez centenas de Jobs to Be Done diferentes. Isso é esperado para uma empresa que desenvolve modelos de IA de propósito geral.

Neste artigo optamos por analisar apenas um deles.

Escolhemos a capacidade do Claude de atuar como um Thinking Partner, pois ela aparece de forma recorrente na comunicação da Anthropic e representa uma proposta de valor suficientemente ampla para ilustrar a metodologia.

Isso não significa que este seja o único JTBD atendido pela empresa, mas apenas o foco deste exercício.

Como chegamos à nossa hipótese

Agora que definimos o objetivo do exercício, vale a pena mostrar como chegamos à hipótese de JTBD.

Mais do que apresentar o resultado, o processo é importante, porque ele ajuda a entender como essa forma de análise pode ser aplicada a qualquer empresa.

O ponto de partida foi observar a forma como a Anthropic apresenta seus produtos e suas capacidades. Em seu site e em seus materiais institucionais aparecem, repetidamente, ideias como:

• ajudar pessoas a pensar melhor;

• analisar problemas complexos;

• compreender grandes volumes de informação;

• comparar alternativas;

• apoiar decisões;

• produzir conhecimento;

• atuar como um Thinking Partner.

Essas observações foram importantes, mas ainda não respondiam à nossa pergunta.

Na verdade, elas descrevem o que a solução faz, e não o trabalho que o cliente deseja realizar.

Essa distinção é uma das ideias centrais do Jobs to Be Done.

O cliente não procura um “analisador de problemas complexos”. Da mesma forma que, no exemplo do milkshake de Bob Moesta, o cliente não procurava um milkshake.

Ele procurava realizar um trabalho.

Por isso, para cada funcionalidade encontrada, fizemos uma pergunta simples:

Que trabalho essa funcionalidade ajuda o cliente a realizar?

Por exemplo, se o Claude ajuda alguém a analisar um problema complexo, por que essa análise é importante?

Uma resposta possível seria:

Porque a pessoa deseja tomar uma decisão melhor.

Mas essa resposta ainda parecia superficial.

Continuando esse raciocínio, percebemos que o cliente normalmente está diante de um problema importante, possui alternativas para escolher, convive com incertezas e deseja aumentar as chances de alcançar um bom resultado.

Foi assim que começamos a nos afastar das funcionalidades da solução e a nos aproximar do trabalho que o cliente realmente deseja realizar.

Naturalmente, essa continua sendo apenas uma hipótese construída a partir de informações públicas.

Uma validação adequada exigiria entrevistas com clientes reais da Anthropic, análise de situações de compra e aplicação rigorosa das metodologias de Bob Moesta e Tony Ulwick.

Ainda assim, esse exercício demonstra como o JTBD pode ser utilizado para compreender o posicionamento de uma empresa e formular hipóteses sobre o trabalho que ela ajuda seus clientes a realizar.

Nossa hipótese de JTBD

Depois de analisar a comunicação da Anthropic, observar como ela apresenta suas capacidades e separar cuidadosamente as funcionalidades do trabalho que seus clientes desejam realizar, chegamos à seguinte hipótese.

Declaração do JTBD

Quando preciso resolver um problema ou escolher entre alternativas importantes, quero chegar à melhor decisão possível com o menor esforço, tempo e incerteza, para aumentar a probabilidade de alcançar o resultado desejado.

Essa declaração procura descrever o trabalho do cliente, e não a solução utilizada para realizá-lo.

Observe que ela não menciona Inteligência Artificial.

Não menciona Claude.

Não menciona software.

Ela descreve apenas um trabalho humano.

Esse trabalho existia antes da IA, continuará existindo independentemente da tecnologia utilizada e poderá ser realizado por diferentes tipos de solução.

Situação inicial

Na hipótese construída, o cliente normalmente se encontra em uma situação como esta:

• Existe um problema relevante a resolver ou uma decisão importante a tomar.

• Há diferentes alternativas possíveis.

• As informações estão dispersas, incompletas ou difíceis de analisar.

• Existe incerteza sobre qual caminho seguir.

• A decisão pode produzir consequências importantes.

Essa é a situação que cria a necessidade de contratar uma solução.

Situação desejada

Ao final desse processo, o cliente espera chegar a uma situação diferente:

• O problema foi suficientemente compreendido.

• As alternativas foram analisadas.

• A decisão foi tomada com maior confiança.

• O esforço e o tempo necessários para chegar à decisão foram reduzidos.

• A probabilidade de alcançar o resultado desejado aumentou.

Naturalmente, nenhuma solução consegue garantir que a decisão será perfeita.

O trabalho consiste em aumentar a qualidade do processo decisório, reduzindo esforço, tempo e incerteza.

Critérios utilizados para formular essa hipótese

Na construção dessa hipótese procuramos seguir alguns princípios do Jobs to Be Done:

• descrever o trabalho, e não a solução;

• evitar mencionar empresas, produtos ou tecnologias;

• concentrar a descrição no resultado que o cliente deseja alcançar;

• formular um trabalho suficientemente amplo e duradouro para permanecer válido mesmo que novas soluções surjam.

Soluções que podem realizar esse Job

Se essa hipótese estiver correta, diversas soluções podem ser contratadas para realizar exatamente esse mesmo trabalho.

Por exemplo:

• Claude

• ChatGPT

• Gemini

• Google

• Um consultor

• Um especialista

• Uma equipe de trabalho

• Uma planilha

• Um CRM

• Um livro

Todas essas soluções podem contribuir para o mesmo JTBD.

A diferença está em como cada uma ajuda o cliente a realizar esse trabalho.

Essa talvez seja uma das maiores contribuições do Jobs to Be Done.

Em vez de perguntar apenas:

Quem são meus concorrentes?

passamos a perguntar:

Quais soluções ajudam o cliente a realizar esse trabalho?

Essa mudança parece sutil, mas altera completamente a forma de compreender um mercado.

Ela amplia nossa visão sobre concorrência, revela complementaridades entre soluções e permite entender melhor o verdadeiro papel de cada empresa.

O Job Map

Depois de formular uma hipótese de JTBD, utilizamos outro conceito desenvolvido por Tony Ulwick: o Job Map.

Enquanto o JTBD descreve o trabalho que o cliente deseja realizar, o Job Map descreve as etapas normalmente percorridas para realizar esse trabalho.

Neste exercício utilizaremos a seguinte sequência:

1. Define

2. Locate

3. Prepare

4. Confirm

5. Execute

6. Monitor

7. Modify

8. Conclude

Cada etapa representa uma parte do trabalho que o cliente precisa realizar até atingir a situação desejada.

Identificar o JTBD responde apenas parte da pergunta.

Ainda falta compreender como esse trabalho é realizado.

É justamente para isso que o Job Map foi desenvolvido.

Uma vez definido o mapa do trabalho, torna-se possível comparar soluções completamente diferentes utilizando exatamente o mesmo critério.

Mais do que comparar funcionalidades, esse exercício permitirá compreender o papel que cada solução desempenha na realização do mesmo trabalho e, consequentemente, entender melhor o posicionamento da Anthropic dentro desse mercado.

Comparando soluções utilizando o Job Map

Na seção anterior formulamos uma hipótese de Jobs to Be Done para uma das capacidades da Anthropic e utilizamos o Job Map para descrever as etapas normalmente percorridas pelo cliente até realizar esse trabalho.

Surge então uma nova pergunta.

Se diferentes soluções podem ser contratadas para realizar o mesmo Job, como podemos compará-las?

A forma mais comum de comparar produtos é listar funcionalidades.

Mas essa abordagem apresenta uma limitação importante.

Ela responde ao que cada produto faz, mas não necessariamente mostra como ele contribui para que o cliente realize seu trabalho.

O Jobs to Be Done nos permite utilizar outro critério de comparação.

Em vez de perguntar:

Quais funcionalidades cada solução possui?

podemos perguntar:

Como cada solução contribui para cada etapa do Job?

Essa mudança de perspectiva produz uma consequência interessante.

Soluções completamente diferentes passam a poder ser comparadas utilizando exatamente o mesmo critério.

Um modelo de IA.

Um mecanismo de busca.

Um consultor.

Um livro.

Um CRM.

Uma planilha.

Todos eles podem participar da realização do mesmo Job, ainda que desempenhem papéis bastante diferentes.

A partir do Job Map, construímos inicialmente uma única matriz contendo todas as soluções que poderiam contribuir para a realização desse Job. Nela estavam reunidos modelos de IA, mecanismos de busca, fontes tradicionais de conhecimento, pessoas e ferramentas de gestão.

Embora essa visão única seja interessante para compreender o ecossistema completo de soluções, ela acabou se tornando grande e difícil de analisar. Por isso, optamos por dividi-la em quatro matrizes menores, agrupando soluções com características semelhantes.

Essa divisão tem apenas um objetivo didático. Conceitualmente, todas essas soluções continuam fazendo parte da mesma matriz e são comparadas utilizando exatamente o mesmo critério: como cada uma contribui para as diferentes etapas do Job Map.

Nada impede que outros recortes sejam construídos. Poderíamos, por exemplo, criar uma matriz comparando frameworks e métodos como Jobs to Be Done, Customer Development, Cinco Forças de Porter, PESTEL, Business Model Canvas, Design Thinking ou Lean Startup. Embora tenham propósitos diferentes, todos podem ser analisados pela mesma lógica: em quais etapas do trabalho do cliente cada um contribui de forma mais significativa.

Essa é uma consequência interessante do Jobs to Be Done. Depois que o trabalho do cliente é claramente definido, o Job Map passa a funcionar como um critério comum para comparar tecnologias, pessoas, ferramentas, métodos e até mesmo diferentes abordagens de gestão.

É justamente isso que as matrizes a seguir procuram demonstrar.

Naturalmente, elas representam uma hipótese construída a partir do nosso entendimento dessas soluções. Seu objetivo não é medir qual delas é “melhor”, mas compreender como cada uma contribui para a realização do mesmo trabalho.

Ter tantas opções pode significar que o JTBD está muito genérico. Mas isso já é um ganho. E será possível se perguntar onde queremos ajudar? Onde temos mais força? Será que a Anthropic quer concorrer diretamente com JTBD? Ela quer complementar? Quais segmentos são mais atrativos?

Matriz 1 — Modelos de IA

A primeira comparação considera três modelos de IA de propósito geral: Claude, ChatGPT e Gemini.

Todos eles podem ser utilizados para apoiar alguém durante a realização do Job que mapeamos.

No entanto, suas propostas de valor não são necessariamente idênticas.

Observando essa matriz, percebemos que os três modelos apresentam cobertura semelhante ao longo do Job Map.

Isso era esperado.

Todos conseguem ajudar a estruturar problemas, organizar informações, desenvolver análises, comparar alternativas e apoiar a tomada de decisões.

As diferenças aparecem principalmente na forma como cada empresa comunica sua proposta de valor e nas integrações oferecidas por seus produtos.

No caso da Anthropic, chama atenção a ênfase dada ao Claude como um Thinking Partner.

Essa comunicação reforça seu papel principalmente nas etapas de definição do problema, preparação das análises, avaliação das alternativas e refinamento contínuo do raciocínio.

Em outras palavras, a proposta da Anthropic parece menos orientada à simples geração de respostas e mais voltada ao apoio ao processo de pensamento.

Matriz 2 — Busca e conhecimento

Nem todas as soluções que participam desse Job são modelos de IA.

Muitas vezes o cliente recorre primeiro a mecanismos de busca ou a fontes tradicionais de conhecimento.

Essa comparação revela uma diferença importante.

Google e livros normalmente fornecem insumos para a tomada de decisão.

Eles disponibilizam informações, referências, métodos e conhecimento acumulado.

Entretanto, normalmente deixam para o usuário a tarefa de organizar essas informações, compará-las e transformá-las em uma decisão.

Os modelos de IA, por outro lado, procuram reduzir parte desse esforço ao estruturar o raciocínio e apoiar a análise.

Isso ajuda a entender por que essas soluções não competem apenas entre si.

Em muitos casos elas são utilizadas em conjunto.

Matriz 3 — Pessoas

Outro aspecto interessante do Jobs to Be Done é que ele permite comparar tecnologia com pessoas.

À primeira vista isso pode parecer estranho.

Mas, se todas ajudam o cliente a realizar o mesmo trabalho, faz sentido analisá-las utilizando o mesmo critério.

Consultores, especialistas e equipes de trabalho costumam contribuir em praticamente todas as etapas do Job.

Eles ajudam a compreender o problema, localizar informações, estruturar análises, validar hipóteses, executar ações, acompanhar resultados e consolidar aprendizados.

Isso não significa que sejam concorrentes diretos da IA.

Na prática, em muitos contextos, essas soluções se complementam.

A IA pode reduzir o esforço necessário para determinadas atividades, enquanto pessoas continuam contribuindo com experiência, julgamento, contexto organizacional e responsabilidade pelas decisões.

Matriz 4 — Ferramentas de gestão

Também é possível analisar ferramentas de gestão utilizando essa mesma lógica.

CRM e planilhas não foram criados para substituir consultores ou modelos de IA.

Seu papel é diferente.

Essas ferramentas organizam informações, registram atividades, acompanham indicadores e preservam conhecimento ao longo do tempo.

Quando observadas sob a ótica do Job Map, percebemos que elas participam principalmente das etapas relacionadas à execução, monitoramento e melhoria contínua.

Mais uma vez, o Jobs to Be Done revela que soluções aparentemente muito diferentes podem coexistir e contribuir para a realização do mesmo trabalho.

O que essa análise revela sobre a Anthropic?

As quatro matrizes apresentadas ao longo deste artigo não representam quatro análises independentes. Elas são apenas diferentes recortes de uma única matriz conceitual, construída para comparar todas as soluções que podem contribuir para a realização do mesmo Job.

Ao separá-las, procuramos tornar a leitura mais simples. Ao reuni-las novamente, percebemos algo interessante: tecnologias, pessoas, fontes de conhecimento e ferramentas de gestão deixam de ser categorias isoladas e passam a formar um único ecossistema de soluções. Cada uma participa de etapas diferentes do trabalho do cliente, competindo em alguns momentos e se complementando em outros.

O objetivo deste exercício nunca foi descobrir qual solução é melhor.

Também não foi determinar qual é o verdadeiro JTBD da Anthropic.

Nosso objetivo foi demonstrar como o Jobs to Be Done pode ser utilizado para compreender o posicionamento de uma empresa.

Ao deslocarmos o foco das funcionalidades para o trabalho do cliente, a pergunta deixa de ser:

Quem concorre com a Anthropic?

e passa a ser:

Quais soluções ajudam o cliente a realizar esse mesmo Job?

Essa mudança amplia significativamente nossa visão do mercado.

Percebemos que alguns participantes competem diretamente.

Outros se complementam.

Alguns fornecem informações.

Outros organizam o raciocínio.

Outros ajudam na execução.

Outros preservam conhecimento.

Cada solução ocupa um papel diferente dentro da realização do mesmo trabalho.

Essa talvez seja uma das maiores contribuições do Jobs to Be Done.

Em vez de enxergar mercados como conjuntos de produtos semelhantes, passamos a enxergá-los como ecossistemas de soluções que colaboram, competem e evoluem em torno de um mesmo trabalho humano.

É justamente essa mudança de perspectiva que torna o JTBD uma ferramenta tão poderosa para compreender mercados, orientar inovação e construir posicionamentos mais claros.

Quem acompanha as discussões sobre inovação, produtos, marketing, vendas e tecnologia provavelmente percebeu que, nas últimas décadas, diversos termos passaram a fazer parte do vocabulário das empresas.

Alguns representam métodos. Outros são ferramentas. Outros descrevem disciplinas inteiras.

É comum tratar esses termos como sinônimos, como simples mudanças de nomenclatura ou até como modismos. Mas cada um deles surgiu em um momento específico para responder a um problema específico.

Compreender essa cronologia não é apenas uma curiosidade histórica.

Cada termo carrega uma essência, uma perspectiva e uma forma própria de enxergar a realidade. Quando essa origem é esquecida, o conceito pode ser simplificado, distorcido ou reduzido a um conjunto de práticas superficiais, perdendo justamente o valor que prometia entregar.

Conhecer quando esses termos surgiram é também compreender por que surgiram.

Abaixo está uma breve cronologia de alguns dos conceitos que mais influenciaram a forma como empresas desenvolvem produtos, entendem clientes, organizam suas operações e chegam ao mercado.

Década de 1990 — Go-to-Market (GTM)

O termo Go-to-Market (GTM) começou a ganhar força durante a década de 1990.

A expressão passou a representar a forma como uma empresa leva um produto ou serviço ao mercado, envolvendo decisões sobre público-alvo, posicionamento, canais, preços, lançamento e atuação comercial.

Hoje, GTM é um dos termos mais utilizados em empresas de tecnologia.

Final da década de 1990 — Customer Development

No final da década de 1990, Steve Blank desenvolveu o método Customer Development.

O conceito foi consolidado em 2005 com o livro The Four Steps to the Epiphany.

O método propõe construir empresas orientadas ao cliente por meio de um processo estruturado de descoberta, validação e aprendizado antes da fase de crescimento.

Posteriormente, tornou-se uma das principais influências do movimento Lean Startup.

2004–2010 — Business Model Canvas

Alexander Osterwalder desenvolveu o Business Model Canvas durante seu doutorado.

O modelo foi apresentado academicamente em 2004 e ganhou enorme popularidade com a publicação do livro Business Model Generation, em 2010.

O Canvas tornou-se uma das ferramentas de gestão e inovação mais utilizadas no mundo.

2009 — DevOps

Em 2009 surgiu um dos termos mais influentes da engenharia de software: DevOps.

O conceito foi popularizado durante o primeiro DevOpsDays, organizado por Patrick Debois.

A proposta era integrar Desenvolvimento (Development) e Operações (Operations), reduzindo barreiras entre equipes e acelerando a entrega de software por meio de automação e integração contínua.

2013–2016 — Jobs to Be Done (JTBD)

Embora suas origens sejam anteriores, o termo Jobs to Be Done (JTBD) ganhou ampla difusão durante a década de 2010.

Autores como Clayton Christensen, Anthony Ulwick e Bob Moesta ajudaram a consolidar o método, especialmente após a publicação de livros importantes em 2016.

O JTBD tornou-se uma das principais abordagens para compreender por que clientes escolhem, contratam e substituem produtos e serviços.

2016–2018 — Revenue Operations (RevOps)

A partir da segunda metade da década de 2010, o termo Revenue Operations (RevOps) passou a ganhar força.

Inspirado na ideia de integração promovida pelo DevOps, o RevOps busca alinhar Marketing, Vendas e Customer Success em uma única operação de receita, compartilhando processos, dados e métricas.

Hoje é uma disciplina consolidada principalmente em empresas SaaS.

2023 — GTM Engineering

Em 2023, a Clay passou a utilizar o termo GTM Engineering para descrever profissionais que combinam conhecimento comercial, dados, automação, APIs e inteligência artificial para construir sistemas modernos de Go-to-Market.

Nos anos seguintes, o termo começou a aparecer em vagas de emprego, comunidades e empresas de tecnologia.

Em 2026, a própria Clay publicou um artigo estruturando formalmente o conceito, contribuindo para sua disseminação.

Linha do tempo

Década de 1990 — Go-to-Market (GTM)

Final da década de 1990 — Customer Development

2004–2010 — Business Model Canvas

2009 — DevOps

2013–2016 — Jobs to Be Done (JTBD)

2016–2018 — Revenue Operations (RevOps)

2023 — GTM Engineering

A cronologia mostra que esses termos não surgiram por acaso.

Cada um nasceu para responder a uma necessidade que se tornou relevante em seu tempo. Alguns permanecem praticamente inalterados. Outros continuam evoluindo conforme novas tecnologias e novas formas de organização surgem.

Mais importante do que memorizar definições é compreender a essência de cada conceito. Quando entendemos o problema que deu origem a um método, ferramenta ou disciplina, conseguimos utilizá-lo com muito mais clareza e evitamos distorções que acabam reduzindo seu verdadeiro potencial.

Conhecer a história desses termos é, em última análise, compreender a evolução da própria gestão.

Há cerca de uma década, o conceito de Jobs to Be Done (JTBD) ganhou força no mundo dos negócios.

No Brasil, ele despertou interesse em alguns círculos de inovação, marketing e gestão de produtos. Depois disso, porém, a impressão é que o tema perdeu espaço nas discussões do dia a dia das empresas.

Isso sempre me pareceu curioso.

Porque, quanto mais estudo e aplico o JTBD, mais ele deixa de parecer apenas uma ferramenta para inovação e passa a funcionar como uma forma completamente diferente de enxergar empresas, clientes e mercados.

Na minha visão, o JTBD está longe de ser apenas um método para criar novos produtos.

Ele pode servir como um ponto de referência para praticamente todas as decisões de uma empresa.

Afinal, o que é um Job to Be Done?

A ideia central é simples.

As pessoas não compram produtos simplesmente porque gostam deles.

Elas “contratam” uma solução para realizar um determinado trabalho (Job).

Quando esse trabalho deixa de ser realizado de forma satisfatória, elas procuram outra solução.

Isso muda completamente a forma de analisar um mercado.

Em vez de perguntar:

“Quem são meus concorrentes?”

Passamos a perguntar:

“Quais soluções competem para realizar o mesmo trabalho do cliente?”

Essa mudança de perspectiva parece pequena.

Na prática, ela muda quase tudo.

Onde o JTBD pode ser utilizado?

Muitas pessoas conhecem o JTBD apenas como uma ferramenta para inovação.

Na realidade, suas aplicações são muito mais amplas.

1. Compreender profundamente o cliente

Em vez de segmentar apenas por idade, renda ou setor, o JTBD procura entender:

• Qual trabalho o cliente está tentando realizar?

• O que desencadeou essa busca?

• O que ele espera alcançar?

• O que impede esse progresso?

Isso produz uma compreensão muito mais útil do comportamento do cliente.

2. Criar inovação

Essa talvez seja sua aplicação mais conhecida.

Quando entendemos claramente o trabalho do cliente, fica muito mais fácil criar soluções melhores do que simplesmente adicionar novas funcionalidades.

A inovação deixa de ser baseada em ideias e passa a ser baseada em problemas reais.

3. Descobrir problemas de Product-Market Fit

Muitas empresas acreditam que o problema está no produto.

Outras acreditam que está no preço.

Ou na concorrência.

O JTBD frequentemente mostra outra possibilidade:

Talvez o produto esteja tentando resolver o trabalho errado.

Ou talvez esteja resolvendo apenas uma pequena parte do trabalho que realmente importa para o cliente.

4. Melhorar a comunicação

É comum ver empresas comunicando características técnicas enquanto seus clientes estão preocupados com outra coisa completamente diferente.

Quando o marketing fala sobre funcionalidades e o cliente está tentando resolver um problema específico, a comunicação perde força.

O JTBD ajuda a alinhar a mensagem com aquilo que realmente importa para quem compra.

5. Servir como referência estratégica

Talvez essa seja uma das aplicações menos discutidas.

Quando uma empresa entende claramente qual Job pretende atender, ela passa a ter um ponto de referência relativamente estável.

Produtos mudam.

Tecnologias mudam.

Concorrentes mudam.

Mas muitos Jobs permanecem durante décadas.

Isso ajuda a avaliar novos concorrentes, novas tecnologias e até mudanças na estrutura da indústria sem perder de vista o objetivo principal.

6. Melhorar processos e reduzir custos

Essa aplicação costuma surpreender.

Se um processo não contribui para realizar melhor o Job do cliente, ele merece ser questionado.

Se uma atividade aumenta significativamente a capacidade da empresa de entregar esse Job, provavelmente deve ser fortalecida.

Assim, o JTBD também pode orientar decisões de eficiência operacional.

O objetivo deixa de ser simplesmente cortar custos.

O objetivo passa a ser eliminar desperdícios sem reduzir o valor entregue ao cliente.

Talvez estejamos usando pouco o JTBD

Tenho a impressão de que ainda exploramos apenas uma pequena parte do potencial dessa abordagem.

Grande parte do material disponível associa o JTBD apenas à inovação ou ao desenvolvimento de produtos.

Mas ele também pode orientar marketing, vendas, estratégia, processos, posicionamento competitivo e até decisões sobre investimentos.

Talvez o maior valor do JTBD não esteja apenas em criar novos produtos.

Talvez esteja em oferecer uma maneira consistente de fazer perguntas melhores sobre praticamente qualquer decisão dentro de uma empresa.

E, muitas vezes, uma pergunta melhor vale mais do que uma resposta rápida.

Quer se aprofundar em Jobs to Be Done?

Se você quiser ir um pouco além e entender como o Jobs to Be Done pode ser utilizado na prática, preparei um exercício analisando a Anthropic, empresa responsável pelo Claude AI.

No artigo, parto das funcionalidades e da comunicação da empresa para tentar identificar o trabalho que seus clientes estão buscando realizar — e mostrar como essa mudança de perspectiva pode alterar a forma como enxergamos clientes, concorrentes e o próprio mercado.

👉 O que é Jobs to Be Done? Um exercício analisando a Anthropic

Testei a conexão MCP entre o Pipedrive e o Claude Cowork.

E aproveitei o teste para escrever este post.

Até pouco tempo atrás, atualizar um CRM era uma tarefa.

Você terminava uma reunião.

Depois precisava abrir o CRM.

Encontrar o cliente.

Escrever um resumo.

Copiar informações de um e-mail.

Registrar uma conversa do WhatsApp.

Anexar uma ata.

Atualizar oportunidades.

Tudo isso consumia tempo e, muitas vezes, simplesmente não era feito.

Com um Cowork de IA conectado ao Pipedrive via MCP, a lógica muda completamente.

Se converso com um cliente pelo LinkedIn, posso simplesmente pedir:

“Atualize o histórico desse cliente no Pipedrive.”

O Claude identifica a conversa e registra tudo no CRM.

Se a conversa aconteceu pelo WhatsApp, ele pode fazer a mesma coisa.

Se participei de uma reunião gravada no Google Meet, ele pode enviar para o Pipedrive o resumo, a transcrição e os principais pontos discutidos.

Também funciona no sentido contrário.

Posso perguntar:

“Quais foram as últimas interações com esse cliente?”

Ou:

“Mostre as oportunidades abertas dessa empresa.”

Sem abrir o CRM.

Sem procurar menus.

Sem lembrar onde determinada funcionalidade está.

É claro que muitas dessas tarefas já eram possíveis dentro do próprio Pipedrive.

A diferença não é a funcionalidade.

A diferença é a forma de trabalhar.

Em vez de navegar por telas, você conversa.

Em vez de planejar integrações complexas, você descreve o que deseja em linguagem natural.

Em vez de trabalhar apenas com um sistema, o Cowork conecta vários ao mesmo tempo.

Ele pode consultar seu LinkedIn, seu WhatsApp, seu Google Meet, seu calendário e seu CRM na mesma conversa.

Pode até atualizar dois CRMs simultaneamente e comparar os registros para identificar divergências.

Isso muda um dos maiores problemas históricos dos CRMs.

Durante anos ouvimos que “o CRM é difícil de manter atualizado”.

Talvez esse problema esteja deixando de existir.

Porque, quando atualizar o CRM passa a fazer parte da própria conversa de trabalho, registrar informações deixa de ser uma atividade separada.

E passa a acontecer naturalmente.

Fiquei com a impressão de que estamos deixando de usar o CRM como uma aplicação que abrimos para executar tarefas.

Ele passa a ser a memória estruturada do negócio, enquanto o trabalho acontece em um Cowork de IA.

Talvez essa seja uma das maiores mudanças que veremos nos próximos anos.

Michael Porter é, para mim, uma fonte contínua de aprendizado.

Meu processo costuma seguir um ciclo. Leio, procuro compreender os conceitos, observo como eles aparecem nas empresas, testo hipóteses na prática, volto aos livros e releio tudo novamente.

Agora que escrevo regularmente em duas newsletters no LinkedIn e no Substack, esse ciclo ficou ainda mais intenso. Cada artigo me obriga a revisar as fontes, confrontar minhas interpretações e aprofundar aquilo que acredito ter compreendido.

Com o tempo, percebi que uma releitura raramente serve apenas para relembrar um conceito.

Ela serve, muitas vezes, para corrigir interpretações que fiz na primeira leitura.

Na primeira vez, entendemos principalmente o significado das palavras. Depois de meses ou anos aplicando aquelas ideias na prática, voltamos ao mesmo texto carregando uma bagagem diferente: projetos realizados, erros, acertos, conversas, dúvidas e uma visão de mundo que não existia antes.

O texto é o mesmo.

Quem mudou foi o leitor.

Foi durante uma dessas releituras que um aspecto das Cinco Forças de Porter passou a chamar minha atenção.

Muitas pessoas aprendem o modelo como se ele fosse apenas uma fotografia da indústria em determinado momento.

Mas Porter vai muito além disso.

Estratégia exige compreender como a estrutura de uma indústria evolui ao longo do tempo. Uma nova tecnologia, uma mudança regulatória, uma transformação demográfica ou uma alteração no comportamento dos consumidores pode modificar profundamente as condições de competição.

A questão é:

Como analisar o impacto de uma tendência sobre um Job to Be Done?

Uma mesma tendência pode ser observada por perguntas diferentes.

Imagine um Job to Be Done bastante simples: preparar-se para uma viagem com roupas adequadas.

A situação inicial é a seguinte: uma pessoa tem uma viagem marcada, mas percebe que as roupas que possui não são apropriadas ao destino, ao clima ou às atividades planejadas.

A situação desejada é chegar à viagem preparada, confortável e com roupas adequadas para cada ocasião.

Agora imagine a popularização de assistentes de IA capazes de atuar diretamente nesse processo.

A pessoa pode pedir:

“Monte uma mala ideal para cinco dias em Gramado no inverno.”

A IA pode considerar o clima previsto, a duração da viagem e as atividades planejadas. Pode sugerir as peças necessárias, identificar o que está faltando, pesquisar lojas na internet, comparar preços, reputação dos vendedores, qualidade dos produtos e prazos de entrega.

Pode ainda selecionar apenas as opções que chegarão à casa do cliente antes da viagem.

Se a pessoa gostar das recomendações, poderá pedir à própria IA que realize a compra.

Repare que o Job to Be Done continua exatamente o mesmo.

A pessoa ainda quer chegar à viagem preparada, confortável e com roupas adequadas.

O que mudou foi a solução utilizada para realizar esse Job.

Antes, a pessoa precisava abrir diferentes sites, pesquisar peças, comparar lojas, ler avaliações, verificar prazos e montar sozinha as combinações.

Agora, a IA pode coordenar grande parte desse processo.

Mas a mudança não termina na solução.

Ela pode afetar a decisão de compra do indivíduo, a demanda do mercado e a estrutura competitiva da indústria.

Vamos às perguntas.

1. Como a tendência afeta a decisão de compra do indivíduo?

Aqui podemos recorrer às forças descritas por Bob Moesta.

• O que empurra o cliente para longe da situação atual?

• O que o atrai para uma nova solução?

• Quais ansiedades dificultam a mudança?

• Quais hábitos ou elementos de inércia o mantêm na solução atual?

No exemplo da viagem, uma pessoa talvez já soubesse que não tinha todas as roupas necessárias. Ainda assim, poderia decidir improvisar com o que possuía.

Pesquisar peças exigiria tempo.

Comparar lojas seria cansativo.

Haveria o receio de comprar algo inadequado, escolher um tamanho errado ou receber o pedido depois da viagem.

A IA pode alterar essas forças.

O esforço para pesquisar diminui.

A nova solução se torna mais atraente.

A ansiedade em relação à escolha pode ser reduzida.

A inércia de continuar usando apenas as roupas disponíveis também pode enfraquecer.

O resultado pode ser uma mudança na decisão daquele cliente: alguém que antes não compraria passa a comprar; alguém que adiaria a compra decide antecipá-la; alguém que compraria apenas uma peça pode decidir adquirir várias.

2. Como a tendência afeta a demanda desse mercado?

Repare que o Job to Be Done continua exatamente o mesmo.

As pessoas continuam buscando realizar o mesmo Job: chegar à viagem preparadas e com roupas adequadas.

Tony Ulwick define mercado como o conjunto de pessoas que buscam realizar o mesmo Job to Be Done.

Se o Job não mudou, por que o mercado poderia mudar?

Porque uma nova solução pode alterar a quantidade de pessoas que decidem contratar uma solução para realizar esse Job, a frequência com que isso acontece ou o valor que estão dispostas a investir.

A pergunta, portanto, deixa de ser sobre um cliente específico e passa a ser sobre o conjunto de compradores.

• Mais pessoas passarão a comprar roupas específicas para viagens?

• Pessoas que antes improvisavam com o que já possuíam passarão a comprar?

• A frequência dessas compras aumentará?

• Novos perfis de consumidores passarão a participar desse mercado?

• O valor médio das compras poderá mudar?

A facilidade proporcionada pela IA pode ampliar a quantidade de compradores, aumentar a frequência das compras ou elevar o valor movimentado.

Mas também pode produzir movimentos diferentes.

Talvez a IA ajude as pessoas a perceber que já possuem quase tudo o que precisam, reduzindo compras desnecessárias.

Talvez recomende peças mais versáteis, capazes de atender a várias viagens.

Talvez o número de compradores cresça, mas cada comprador adquira menos peças.

Por isso, não basta afirmar que uma tendência “aumenta o mercado”. É preciso investigar como ela altera o tamanho e a dinâmica desse mercado, mesmo quando o Job to Be Done permanece exatamente o mesmo.

3. Como a tendência afeta a estrutura competitiva da indústria?

É aqui que a análise das Cinco Forças de Porter revela toda a sua potência.

As perguntas agora são diferentes.

• O poder de barganha dos compradores aumentou ou diminuiu?

• O poder de barganha dos fornecedores mudou?

• As barreiras à entrada ficaram maiores ou menores?

• A ameaça de produtos substitutos aumentou?

• A rivalidade entre os concorrentes ficou mais intensa?

No primeiro conjunto de perguntas vimos que a IA pode facilitar a decisão de compra.

No segundo, vimos que ela pode ampliar a demanda por esse mercado.

Mas isso não significa que as empresas dessa indústria capturarão mais valor.

Existe ainda um aspecto que torna as perguntas de Porter particularmente valiosas.

Hoje, as plataformas de IA ainda não possuem esse poder de mercado.

O custo para utilizá-las é relativamente baixo, existe concorrência entre diferentes provedores e o ecossistema ainda está em formação.

Já vivemos, entretanto, um fenômeno semelhante em outros canais.

Empresas que dependem fortemente de buscadores ou redes sociais conhecem bem esse movimento.

À medida que esses canais concentraram a atenção dos consumidores, os custos de aquisição de clientes aumentaram continuamente, as regras de distribuição passaram a ser definidas pelas plataformas e conquistar visibilidade tornou-se cada vez mais caro.

A pergunta estratégica é:

E se algo semelhante acontecer com as plataformas de IA?

Imagine que, daqui a cinco ou dez anos, poucas plataformas passem a concentrar grande parte da interação entre compradores e vendedores.

Em vez de visitar diretamente uma loja, o consumidor simplesmente pede:

“Compre para mim as melhores roupas para esta viagem.”

A IA decide quais empresas serão consideradas, quais produtos serão apresentados e qual fornecedor receberá o pedido.

Nesse cenário, a relação direta entre comprador e vendedor começa a enfraquecer.

As empresas deixam de disputar apenas a preferência dos consumidores.

Passam também a disputar a preferência dos algoritmos responsáveis pelas recomendações.

Mesmo que mais pessoas estejam comprando e que o mercado continue crescendo, parte da captura de valor pode migrar das empresas da indústria para as plataformas que controlam o relacionamento com os compradores.

É exatamente isso que aconteceu com diversos canais digitais.

O mercado cresceu.

As vendas cresceram.

Mas, para muitas empresas, o custo para adquirir clientes cresceu ainda mais.

A consequência foi a redução das margens e o aumento da dependência das plataformas.

As perguntas sobre a estrutura da indústria costumam ser as mais difíceis de responder.

Ao contrário das duas primeiras, seus efeitos raramente aparecem imediatamente.

É relativamente fácil perceber que os clientes passaram a comprar mais ou que uma nova solução tornou a decisão de compra mais simples.

Muito mais difícil é perceber que, enquanto isso acontece, o chão sobre o qual a indústria está apoiada está se movendo.

Quem continua olhando apenas para o crescimento do mercado pode ser surpreendido quando perceber que a forma de competir mudou completamente.

É justamente aí que entra a estratégia.

Estratégia não é prever o futuro com certeza.

É identificar capacidades que poderão ser necessárias no futuro e começar a desenvolvê-las antes que se tornem indispensáveis.

Se as plataformas de IA caminharem para uma posição semelhante à que hoje possuem buscadores e redes sociais, as empresas precisarão desenvolver novas capacidades.

Precisarão estruturar melhor seus dados.

Precisarão construir marcas mais fortes.

Precisarão criar formas de relacionamento direto com seus clientes.

Precisarão entender como seus produtos e serviços serão encontrados, avaliados e recomendados por agentes de IA.

Essas capacidades levam anos para serem construídas.

Ao mesmo tempo, não faz sentido lutar contra essa tendência.

Se as plataformas de IA representam um novo canal de relacionamento com o mercado, faz sentido aprender a utilizá-las desde agora.

Quem começar cedo tende a aprender mais rapidamente, experimentar novas abordagens e construir vantagens antes que esse ambiente amadureça.

O conhecimento profundo do cliente continua sendo o principal ativo.

É ele que permitirá encontrar alternativas para reduzir dependências, criar novos canais de relacionamento e enfrentar os grandes desafios competitivos que poderão surgir no futuro.

Foi justamente essa forma de pensar que mais me chamou a atenção ao revisitar Porter.

Moesta ajuda a compreender por que um cliente decide mudar.

Ulwick ajuda a compreender como o mercado muda.

Porter ajuda a compreender como a estrutura da indústria pode mudar e quem tende a capturar o valor criado por essas transformações.

Talvez essa seja a maior potência da análise das Cinco Forças.

Ela não nos obriga apenas a olhar para a estrutura atual da indústria.

Ela nos ensina a desenvolver hoje as capacidades que poderão definir quem continuará competitivo quando a estrutura da indústria mudar amanhã.

Durante muitos anos, empresas da indústria fonográfica acreditaram que atuavam no mercado de CDs.

A conclusão parecia óbvia.

Elas fabricavam CDs, distribuíam CDs e vendiam CDs. Portanto, aquele deveria ser o seu mercado.

Mas havia um problema nessa definição: o CD não era o que as pessoas realmente queriam alcançar. Era apenas uma das soluções disponíveis naquele momento.

As pessoas não acordavam pela manhã pensando:

“Preciso comprar um disco de policarbonato com dados digitais gravados.”

Elas queriam ouvir música.

Essa diferença parece pequena, mas muda completamente a forma de compreender um mercado.

O produto não é necessariamente o mercado

Tony Ulwick, um dos principais autores da abordagem conhecida como Jobs to Be Done, defende que um mercado não deve ser definido pelo produto que uma empresa vende.

A expressão Jobs to Be Done pode ser traduzida, de maneira simples, como:

aquilo que uma pessoa está tentando realizar em determinada situação.

Nesse contexto, a palavra inglesa job não significa emprego ou profissão.

Ela representa uma tarefa, um objetivo ou um resultado que alguém deseja alcançar.

No caso do CD, a pessoa não estava tentando “usar um CD”. Ela estava tentando ouvir as músicas de que gostava.

O CD era apenas uma maneira de fazer isso.

O mercado realmente desapareceu?

Com a chegada dos arquivos MP3, dos tocadores digitais e, posteriormente, dos serviços de streaming, as vendas de CDs despencaram.

Uma empresa que tivesse definido seu mercado como “o mercado de CDs” poderia concluir:

“Nosso mercado está desaparecendo.”

Mas as pessoas deixaram de ouvir música?

Não.

Elas continuaram ouvindo música — talvez até mais do que antes.

O que desapareceu não foi o mercado.

Foi a predominância de uma solução específica.

O CD perdeu espaço, mas o objetivo das pessoas permaneceu.

As soluções mudam. O que as pessoas querem realizar permanece.

Antes do CD, as pessoas ouviam música por meio de discos de vinil, fitas cassete e rádio.

Depois vieram:

• os arquivos MP3;

• os tocadores digitais;

• o iPod;

• o YouTube;

• o Spotify;

• outros serviços de streaming.

Essas soluções parecem pertencer a categorias diferentes. Algumas são produtos físicos, outras são aparelhos, plataformas ou serviços por assinatura.

Mas todas ajudam a pessoa a fazer algo semelhante:

acessar e ouvir música.

Essa é a ideia central de Ulwick.

Um mercado deve ser definido a partir de um grupo de pessoas e daquilo que essas pessoas estão tentando realizar — e não apenas a partir da solução que uma empresa vende atualmente.

A definição do mercado muda as perguntas da empresa

Quando uma organização acredita que está no mercado de CDs, suas perguntas tendem a ser:

“Como podemos fabricar CDs melhores?”

“Como podemos reduzir o custo da embalagem?”

“Como podemos aumentar a capacidade de armazenamento?”

“Como podemos vender mais unidades?”

Essas perguntas podem ser úteis, mas todas partem da solução existente.

Agora imagine que a empresa se reconheça como parte do mercado de pessoas que querem ouvir música.

As perguntas passam a ser outras:

“Como facilitar o acesso às músicas?”

“Como ajudar alguém a encontrar rapidamente o que deseja ouvir?”

“Como permitir que a pessoa escute música em diferentes lugares?”

“Como melhorar a descoberta de novos artistas?”

“Como tornar a experiência mais conveniente?”

A empresa deixa de pensar somente em como preservar o produto que já vende e passa a investigar como servir melhor o cliente.

A concorrência também muda

Uma empresa de CDs poderia considerar como concorrentes apenas outras empresas que fabricavam e distribuíam CDs.

Mas, do ponto de vista do cliente, a concorrência era muito mais ampla.

O rádio competia pelo mesmo momento de escuta.

A fita cassete também.

O MP3 também.

Mais tarde, o YouTube e os serviços de streaming passaram a disputar a mesma situação.

Isso mostra que os concorrentes de uma empresa nem sempre são aqueles que vendem produtos parecidos.

Concorrentes também podem ser soluções completamente diferentes que ajudam o cliente a alcançar o mesmo resultado.

O perigo de proteger a solução atual

Empresas que definem seu mercado pelo produto podem se tornar muito competentes em aperfeiçoar algo que está perdendo relevância.

Elas melhoram a fabricação.

Reduzem os custos.

Criam embalagens mais atraentes.

Aumentam a qualidade.

Mas continuam presas à solução atual.

Enquanto isso, uma nova empresa pode surgir sem fabricar nenhum CD e oferecer uma maneira mais simples de ouvir música.

Foi isso que ocorreu com o streaming.

A mudança não aconteceu porque as pessoas deixaram de valorizar a música. Aconteceu porque surgiu uma solução mais conveniente para alcançar o mesmo objetivo.

Então, qual era o mercado?

Dizer apenas “mercado de ouvir música” ainda pode ser amplo demais.

Uma definição mais completa precisa considerar duas coisas:

quem são as pessoas e o que elas estão tentando realizar.

Por exemplo:

Pessoas que desejam acessar e ouvir as músicas de sua preferência nos momentos em que sentem vontade.

Essa definição é menos dependente de uma tecnologia específica.

Ela comporta o CD, o rádio, o MP3, o streaming e soluções que ainda podem surgir.

O produto pode mudar sem que a definição do mercado precise ser abandonada.

Isso vale para outros negócios

O mesmo erro aparece em muitos setores.

Uma empresa pode acreditar que está no mercado de:

• CRMs;

• cursos presenciais;

• táxis;

• impressoras;

• agências de viagens;

• máquinas fotográficas;

• jornais impressos.

Mas essas categorias descrevem soluções.

Para compreender melhor o mercado, seria necessário perguntar:

Quem utiliza essa solução?

O que essa pessoa está tentando realizar?

Que resultado ela espera alcançar?

De que outras maneiras ela poderia alcançar esse mesmo resultado?

Essa investigação ajuda a empresa a enxergar concorrentes menos óbvios, mudanças de comportamento e novas oportunidades de inovação.

Uma empresa não deveria se definir apenas pelo que vende hoje

A principal lição do exemplo dos CDs é simples:

o produto é temporário; aquilo que as pessoas estão tentando realizar pode permanecer por muito mais tempo.

Isso não significa que os produtos não sejam importantes.

Significa apenas que eles devem ser compreendidos como meios.

O CD foi um meio importante para acessar e ouvir música. Durante algum tempo, foi uma solução dominante.

Mas nunca foi o objetivo final do cliente.

Empresas que entendem essa diferença têm mais condições de acompanhar mudanças tecnológicas e de comportamento.

Em vez de perguntar apenas:

“Como podemos vender mais do nosso produto?”

Elas também passam a perguntar:

“Qual resultado as pessoas estão tentando alcançar e qual pode ser a melhor forma de ajudá-las?”

Talvez o mercado de CDs nunca tenha realmente desaparecido.

O que desapareceu foi uma forma específica de atender a um mercado que continuou vivo.