04-16, Product, Business & Unit Economics

1. Problema de Engenharia

Senior técnico sem entender como o produto faz dinheiro é engenheiro decorativo. Constrói features que ninguém pediu, otimiza coisas que não importam pra revenue, ignora trade-offs com cost-of-goods-sold, e fica surpreso quando rounding cuts atingem o time. Liderança técnica de verdade exige fluência mínima em product, business, e unit economics, não pra virar PM, mas pra ter opinião informada sobre tradeoffs e roadmap.

Em entrevista de Staff/Principal, candidato é cobrado em "como você decidiria entre X e Y dado contexto de negócio". Resposta puramente técnica falha. Quem distingue: "X tem TCO 30% maior mas reduz churn previsto em 1.5pts → ROI positivo em 14 meses, mas só se cohort M+3 mantiver retention atual; recomendo X com gate de re-eval".

Este módulo é o vocabulário de business aplicado a software: pricing, MRR/ARR, cohort/retention, LTV, CAC, payback, churn, gross margin, unit economics, growth loops, marketplace dynamics (relevant pra Logística), B2B vs B2C, freemium/PLG, sales-led, contracts, e quando engenharia precisa pivotar pra reduzir cost ou aumentar margin.

---

2. Teoria Hard

2.1 Revenue models

• Subscription / SaaS: MRR (Monthly Recurring Revenue) e ARR (Annualized). Previsível, valuation alta.
• Transactional / Take rate: % de cada transação (Marketplaces, payment processors, Stripe, Logística).
• Usage-based: pay per call/GB/seat (AWS, Twilio).
• One-time: licença perpétua, hardware. Lumpy.
• Ad-supported: revenue por impressão/clique.
• Hybrid: subscription + usage (modern SaaS, ex: Snowflake).

Logística: take rate sobre cada delivery + subscription opcional pro lojista pro plano premium.

2.2 MRR e ARR

MRR = soma de subscriptions ativos × valor mensal (normalizado anual / 12 pra annual contracts).

Componentes:

• New MRR: novos customers.
• Expansion MRR: upgrades, seats adicionais.
• Contraction MRR: downgrades.
• Churn MRR: cancels.

Net New MRR = New + Expansion - Contraction - Churn. Drives growth.

ARR = MRR × 12 (proxy anualizado, padrão SaaS). NDR (Net Dollar Retention) > 100% = grow even sem novos clientes.

2.3 Churn

Customer churn rate = (customers que saíram em período) / (customers no início). Mensal ou anual.

Revenue churn idem em $.

Gross churn: total saídas. Net churn: gross - expansion (pode ser negativo = grow from base).

Benchmarks SaaS B2B: gross < 1%/mês excelente, 1-3% normal, >5% problema. SMB tem churn mais alto que enterprise.

Cohort analysis = retention por safra. Plotar % retido em M0, M+1, ..., M+12. Padrão: queda inicial (onboarding bad), depois platô (real product fit).

2.4 LTV (Lifetime Value)

Receita esperada por customer ao longo do relacionamento.

Simple: LTV = ARPU × gross_margin × lifetime, lifetime = 1/churn. Gross margin (não revenue bruto, descontar COGS).

Se margem 70%, ARPU $100/mês, churn 2%/mês: LTV = $100 × 0.70 × 50 = $3500.

Refinements: discount future cash flows (DCF), expansion revenue, segments distintos.

2.5 CAC (Customer Acquisition Cost)

Custo total de sales+marketing dividido por novos customers em período.

Blended CAC: simples mas mistura organic. Paid CAC: só channels pagos. Por canal: refina decisão.

CAC payback = CAC / (ARPU × gross margin). Meses até recuperar.

2.6 LTV/CAC e payback

Régua canônica:

• LTV / CAC > 3 = saudável.
• < 1 = você queima dinheiro adquirindo.
• Payback < 12 meses = bom.

• 24 meses = capital intensivo.

CAC bom + LTV ruim = consertar produto/retention. CAC ruim + LTV bom = consertar marketing.

2.7 Unit economics

Por unidade entregue (delivery, transaction, user-month):

• Revenue por unidade.
• Variable costs: PSP fees, infra, support por unidade.
• Contribution margin = revenue - variable costs.
• Fixed costs absorbidos via volume.

Logística por entrega:

• Revenue: take rate (ex: $1.50).
• Variable: PSP fee ($0.30), infra ($0.05), support amortizado (~$0.20).
• Contribution: ~$0.95.
• Volume target: covers fixed + give margin.

Unit economics negativo = scale piora. Unit positivo + scale = vence.

2.8 Pricing strategy

• Cost-plus: cost + markup. Simples, ignora valor percebido.
• Value-based: $ baseado em valor entregue. Stripe Atlas $500 pra empresa que vale milhões.
• Competitive: matching ou diff vs competidores.
• Freemium / Free trial: PLG.
• Tiered: free / pro / enterprise.
• Usage: per-call, GB.
• Per-seat: comum em B2B.
• Discriminação: enterprise nego separado.

Anchoring: tier 3 disponível faz tier 2 parecer "razoável". Decoy effect.

Price changes: communicate antecipado, grandfather clientes existentes ou fornecer migration path. Price increases ARE OK quando valor justifica.

2.9 Growth loops

Loops compostos batem funnel linear:

• Viral loop: user invita user (Dropbox, Calendly).
• Content loop: SEO content → traffic → users → mais content.
• Sales loop: customers → case studies → leads → customers.
• Marketplace loop: supply attracts demand attracts supply (Logística!).

Loop strength = (output / input) × cycle time. Loop com factor > 1 = exponencial.

2.10 Marketplace dynamics (Logística-specific)

Cold start problem: marketplace vazio inutiliza ambos lados.

Strategies:

• Single-side first: foque um lado primeiro (entregadores → lojistas, ou vice-versa).
• Concentrar geo: dominar 1 cidade antes de expandir.
• Subsidize: pague pra um lado bootstrap.
• Wedge: começar nicho específico (entregas para farmácias, ex.).

Liquidity: % de matches bem-sucedidos. Métrica chave.

Take rate: % do GMV. Trade-off: alto = revenue per txn alto, mas reduz adoção.

GMV (Gross Merchandise Value): volume bruto. Revenue real = GMV × take rate.

2.11 PLG (Product-Led Growth) vs Sales-Led

• PLG: produto vende sozinho. Free tier, self-serve, viral. Notion, Figma, Vercel.
• Sales-Led: outbound, demos, contracts. Salesforce, Snowflake.
• Hybrid: free tier + sales pra enterprise.

PLG metrics: time-to-value, activation rate, paid conversion. Sales-led: SQL→opportunity→close, sales cycle, ACV.

Engenharia importa: PLG exige produto que onboard em minutos. Sales-led tolera complexidade desde que account managers ajudam.

2.12 B2B vs B2C

	B2B	B2C
Buyer	Procurement / champion	Indivíduo
Decision time	Semanas-meses	Minutos
ACV	$1k-$1M	$5-$100
Churn	Baixo	Alto
Marketing	Outbound, content, ABM	Performance ads, viral
Volume	Baixo	Alto
Customization	Alta	Zero

Logística: B2B (lojistas) com B2C-feel (entregadores). Híbrido.

2.13 Engineering levers em economics

Engenharia direta afeta:

• Infra cost: efficiency de queries, cache, autoscale, spot. 03-10/03-13 ajudam.
• PSP fee: routing inteligente, contratos negociados.
• Support cost: error messages, self-serve, automation.
• Engineering velocity: cycle time → features → revenue.
• Reliability: downtime = churn driver.
• Performance: 03-09 mostra Core Web Vitals → conversão.

Senior técnico apresenta proposta com cost/benefit em $, não só "código fica mais limpo".

2.14 Burn, runway, profitability

• Burn rate: cash gasto / mês.
• Runway: cash / burn = meses até zero.
• Net burn = burn - revenue.
• Default alive: profitability projetada antes de zerar.
• Default dead: precisa raise.

Engenharia em startup: senior pondera sobre infra cost vs runway. "Reduzir AWS de $50k pra $30k extends runway 2 meses" é proposta legítima.

2.15 SaaS valuation

Multiples de ARR (10-20x em high-growth SaaS público; 3-7x normalmente). Variáveis:

• Growth rate.
• NDR.
• Gross margin (>70% saudável).
• Rule of 40 (growth% + profit margin% ≥ 40).

Engineering decision afeta valuation: gross margin (efficient infra), NDR (reliability/retention), growth (velocity).

2.16 Cost optimization patterns

• Right-size: instances/recursos sobre-provisionados.
• Spot/preemptible: workloads tolerantes.
• Tier storage: hot/warm/cold.
• Autoscale agressivo.
• Reserved instances / savings plans: 1-3 yr commitments com 30-70% off.
• CDN / edge: reduzir transferência.
• Compress / partition dados.
• Delete unused: log retention, snapshots, idle resources.
• Multi-tenant otimizado.

Cost dashboards (CloudHealth, Vantage, Cloudability, AWS Cost Explorer) pra visibilidade.

2.17 Contracts (B2B)

ACV (Annual Contract Value), TCV (Total Contract Value, soma multi-year). Discounting comum (multi-year, prepay, volume). MSA (Master Service Agreement) base; SOWs específicos.

SLA com penalty (credits) se downtime > X. Engenharia tem liability se SLA é apertado.

Data Processing Agreement (DPA), GDPR/LGPD compliance, security questionnaires (SIG, CAIQ).

2.18 Funding e exit

Stages: pre-seed, seed, A, B, C+, growth, IPO/M&A. Cada round dilui equity por capital.

Exits: IPO (raras), acquisition (mais comum), acquihire (talent absorbido), shutdown.

Engineering importa em due diligence: code quality, test coverage, security, IP, key-man dependence.

---

3. Threshold de Maestria

Você precisa, sem consultar:

• Diferenciar MRR e ARR; explicar Net New MRR breakdown.
• Calcular LTV simples dado ARPU, gross margin, churn.
• Justificar LTV/CAC > 3 e payback < 12.
• Explicar cohort analysis e o que platô significa.
• Distinguir gross e net churn.
• Mostrar unit economics positivo vs negativo com exemplo.
• Listar 4 estratégias de pricing.
• Diferenciar PLG e sales-led; quando cada.
• Explicar marketplace cold start e 3 mitigations.
• Listar 5 levers de engineering em cost/revenue.
• Aplicar Rule of 40.
• Distinguir ACV e TCV; explicar discount multi-year.

---

4. Desafio de Engenharia

Construir dashboards e simulator de unit economics da Logística + propostas de engineering com ROI calculado.

Especificação

1. Dashboard de business metrics (Grafana ou Metabase contra ClickHouse/Timescale, 03-13 conexão):
   • GMV diário/mensal/anual.
   • Take rate efetivo.
   • Revenue (MRR de subscription + transactional).
   • Net New MRR breakdown (new/expansion/contraction/churn).
   • Cohort retention (M0 → M+12) por tenant.
   • Gross margin = revenue - variable costs.
   • Active couriers / lojistas / clientes (MAU/DAU).
   • Liquidity (% pedidos atribuídos / criados).
2. Unit economics simulator (Node CLI ou notebook):
   • Inputs: ARPU, churn, gross margin, CAC, growth rate.
   • Outputs: LTV, payback, MRR projection 24m, sensitivity analysis.
3. 3 propostas de engineering (proposals/):
   • Cada uma com: problema atual, solução proposta, cost (eng-time + infra), benefit ($ revenue / cost reduction / risk mitigation), payback, riscos.
   • Exemplos:
     • "Cache de geocoding em Redis": reduz API external bill em $X/mês.
     • "Auto-scale K8s + spot": reduz infra cost em Y%.
     • "Onboarding flow optimization": reduz time-to-first-delivery, lift conversion Z%.
4. Pricing experiment:
   • Implementar A/B test framework simples (LaunchDarkly ou home-rolled).
   • Variant A: take rate 8%; B: 10% com SLA garantido. Coletar conversion + retention.
5. Cost dashboard (AWS Cost Explorer ou Vantage / OpenCost se K8s):
   • Cost por feature/component (tags).
   • Identificar top-3 cost drivers.
6. Doc BUSINESS-CONTEXT.md:
   • Modelo de revenue.
   • Unit economics atual.
   • North-star metric e proxy metrics.
   • 3 maiores levers identified.

Restrições

• Métricas refletem dados reais (mesmo que simulados em volume).
• Propostas com $ estimados, não vague.
• Pricing experiment isolado (não afeta produção real obviamente, em sandbox).

Threshold

• Dashboard funcional com 8+ painéis.
• Simulator roda com sensitivity (ex: "se churn cai 1pt, LTV sobe X%").
• 3 proposals com ROI calculado.
• A/B test infra funcional.

Stretch

• Forecast model: ARIMA ou Prophet pra GMV próximos 6 meses.
• Anomaly alerts: alertar quando churn ou liquidity desviam > 2σ.
• Pricing optimizer: simulação Monte Carlo de revenue sob N pricing strategies.
• Customer health score: ML predictivo de churn (logistic regression simples ou gradient boost).
• Cohort waterfall chart automatizado.
• TCO calculator comparing self-host vs managed (Postgres self-hosted vs RDS, Kafka self vs Confluent Cloud).

---

5. Extensões e Conexões

• Liga com 02-18 (payments): take rate, billing, ledger.
• Liga com 03-07 (observability): metrics customer-facing.
• Liga com 03-10 (backend perf): infra cost direct correlation.
• Liga com 03-13 (analytical DBs): warehouse pra BI.
• Liga com 04-03 (event-driven): event log = source of truth pra metrics.
• Liga with 04-12 (tech leadership): proposals decision-making.
• Liga com 04-15 (OSS): sustainability models são variantes destes.
• Liga com CAPSTONE-sistemas: Logística v3 inclui dashboards.

---

6. Referências

• "The SaaS Playbook": Rob Walling.
• "From Impossible to Inevitable": Aaron Ross, Jason Lemkin.
• "Lean Analytics": Alistair Croll, Benjamin Yoskovitz.
• "Platform Revolution": Parker, Van Alstyne, Choudary (marketplaces).
• "The Lean Startup": Eric Ries.
• "Crossing the Chasm": Geoffrey Moore.
• a16z growth handbook (a16z.com/growth-handbook).
• For Entrepreneurs: David Skok (forentrepreneurs.com).
• OpenView SaaS Benchmarks anuais.
• High Alpha / Bessemer State of the Cloud reports.
• "Why Software Is Eating The World": Marc Andreessen.
• OpenAI / Anthropic / Stripe / Notion / Figma engineering blogs: engineering meets business.