Resumo
Entenda como a máquina de escala da Empiricus combinava volume de testes, dados em tempo real, copy, tecnologia e construção de funil.
Uma máquina de escala como a da Empiricus não nasce de uma copy vencedora, de um gestor de tráfego fora da curva ou de uma ferramenta específica. Ela aparece quando a operação consegue testar ideias com velocidade, interpretar os sinais certos e monetizar o cliente depois da primeira compra.
Durante os anos em que trabalhei na Empiricus, acompanhei a empresa sair de uma estrutura com cerca de 30 pessoas para uma operação com mais de 250. Entrei como programador, passei pela coordenação de projetos e cheguei à posição de CTO. Por isso, pude observar o crescimento por diferentes ângulos: tecnologia, produto, atendimento, dados e marketing.
No episódio do Segredos da Escala em que participei, surgiu uma pergunta importante: qual era o verdadeiro diferencial daquela operação?
Seria a copy? O modelo de assinatura? O acesso aos métodos da Agora? A estrutura própria de tecnologia?
A resposta mais honesta é que nenhum desses elementos explica o crescimento sozinho.
A força estava na forma como as partes trabalhavam juntas.
A Empiricus produzia um volume muito alto de campanhas e ofertas. Enquanto o público via três ou quatro campanhas entrando no ar, o time de copy já trabalhava em projetos que seriam lançados semanas ou meses depois.
Esse volume aumentava a probabilidade de encontrar uma grande vencedora.
A lógica se aproximava do seguinte raciocínio: você gera cem ideias, talvez dez mostrem algum potencial, três se tornem boas e uma delas exploda. Não existe garantia de que a distribuição será exatamente essa, mas o princípio operacional continua válido.
Quem testa mais ideias relevantes cria mais oportunidades de acertar.
Isso, porém, não significa jogar qualquer coisa no mercado. Uma operação pode produzir muito e continuar apenas multiplicando ideias fracas.
O volume precisa vir acompanhado de três elementos:
Sem esses elementos, a empresa não constrói uma máquina. Ela apenas acumula tentativas.
Leia também: Como saber quando matar ou continuar testando uma VSL
A expressão “errar rápido” costuma gerar uma interpretação perigosa. Algumas pessoas entendem que devem colocar uma campanha no ar e desligá-la assim que o resultado inicial decepciona.
Na prática, errar rápido significa definir previamente até onde você aceita testar uma hipótese.
Para uma operação, esse limite pode ser uma semana. Para outra, pode ser um número específico de visualizações, vendas, leads ou investimento. Em um projeto maior, o período necessário para obter uma resposta útil pode chegar a meses.
Por isso, o “rápido” não está apenas no relógio. Ele está na capacidade de perceber que uma hipótese atingiu o limite e agir sem transformar o esforço passado em justificativa para insistir.
Imagine uma VSL que precisa gerar vendas nos primeiros mil views para avançar. Nesse caso, mil views representam o limite definido pela operação. Outra empresa pode preferir avaliar a campanha depois de determinado faturamento ou investimento.
Nenhum desses critérios serve automaticamente para todos. O ponto central é decidir antes de conhecer o resultado.
Quando a equipe define o critério depois, ela abre espaço para racionalizações:
Na Empiricus, alguns projetos mobilizaram programadores, designers, gestores e outras áreas. Ainda assim, quando o público não respondia e as possibilidades relevantes já tinham sido exploradas, precisávamos encerrar o projeto e voltar ao básico.
Era frustrante. Contudo, manter uma estrutura ruim apenas para justificar o trabalho anterior custaria ainda mais.
Volume de testes sem informação atualizada aumenta o risco de erro.
Na Empiricus, a área de Business Intelligence ficava dentro da empresa. Os gestores de tráfego mantinham contato direto com essa estrutura, e uma televisão na área de marketing exibia indicadores como quantidade de leads, CPL e desempenho das campanhas.
A equipe não esperava uma semana para analisar o que tinha acontecido.
Em alguns casos, uma decisão tomada pela manhã já exigia uma mudança de rota até o fim do dia.
Esse ritmo importava porque a operação investia primeiro para descobrir depois se recuperaria o dinheiro. Uma leitura lenta ou incorreta poderia ampliar rapidamente o prejuízo.
Por outro lado, ter dados não elimina o julgamento.
Eu gosto de pensar nos dados como um mapa. Eles mostram caminhos, desvios e sinais de perigo. Porém, o mapa não dirige o carro.
Uma empresa que olha apenas para dashboards pode interpretar corretamente o que aconteceu e, ainda assim, tomar uma decisão ruim sobre o que fazer depois.
Alguns fundadores e líderes da Empiricus acompanhavam o mercado e os clientes de perto. Felipe Miranda, por exemplo, lia mensagens enviadas pelos assinantes e identificava problemas que exigiam correção.
Esse contato evitava que a equipe de tecnologia gastasse tempo resolvendo algo que não correspondia à demanda principal.
Eu também liguei para clientes que reclamavam de alguma funcionalidade. Embora eu trabalhasse em tecnologia, não enxergava a área como um setor responsável apenas por sistemas, computadores ou suporte.
A tecnologia precisava sustentar a operação e melhorar a experiência do cliente.
Essa visão muda a leitura dos dados.
Uma queda de renovação pode indicar um problema técnico, uma promessa desalinhada, uma experiência ruim, uma falha no produto ou uma mudança no comportamento do público. O número aponta o sintoma. Ainda assim, alguém precisa conversar com clientes, usar o produto e interpretar o contexto.
A máquina de escala enfraquece quando cada área protege apenas suas próprias métricas.
O tráfego culpa a copy.
A copy culpa o tráfego.
O produto culpa a aquisição.
A tecnologia culpa o briefing.
Enquanto isso, o cliente simplesmente cancela.
A Empiricus mantinha boa parte de sua estrutura tecnológica dentro de casa. Havia checkout próprio, área de membros, sistemas conectados à cobrança e uma camada de Business Intelligence construída para a operação.
Naquele momento, essa decisão fazia sentido. As alternativas disponíveis em 2016 não eram as mesmas que uma empresa encontra hoje.
Em uma operação baseada em VSLs, por exemplo, ferramentas como a Vturb permitem hospedar os vídeos, acompanhar métricas de desempenho e testar diferentes versões ou configurações sem precisar desenvolver toda essa camada internamente. Quanto menos energia sua equipe gasta reconstruindo infraestrutura, mais pode concentrar em encontrar o que realmente melhora a oferta. Conheça a Vturb e veja diversos recursos para operar e otimizar suas VSLs.
Além disso, controlar os dados permitia observar a trajetória do cliente com mais profundidade.
A operação conseguia acompanhar quem comprou um produto de entrada, quanto tempo demorou para avançar e quais ofertas adquiriu depois. Com uma base grande, esses padrões ajudavam a criar previsibilidade.
Por exemplo, se determinado grupo costumava comprar um back-end dois ou três meses depois do front-end, a empresa podia preparar uma campanha de evolução para aquele momento.
No entanto, a estrutura também se tornou pesada.
Quando você tem uma oferta, trocar de checkout ou área de membros pode ser relativamente simples. Agora imagine migrar assinaturas, cobranças recorrentes, acessos e dados de uma operação com centenas de milhares de clientes.
Uma vantagem competitiva pode virar um obstáculo quando a empresa perde velocidade.
Por isso, a decisão entre construir e terceirizar não deveria nascer de uma preferência ideológica.
A pergunta é operacional:
O controle adicional sobre tecnologia e dados compensa o custo de manutenção e a perda de flexibilidade?
A aquisição da Empiricus não dependia de fazer todo o lucro na primeira venda.
A empresa atraía público frio, trabalhava essa base e oferecia produtos em diferentes níveis. Havia conteúdos gratuitos, produtos de entrada com preços baixos, ofertas intermediárias, back-ends de ticket mais alto e combinações mais amplas.
Um front-end de R$ 19,90 dificilmente sustentaria sozinho toda a aquisição, a equipe e a estrutura da empresa.
A conta fazia sentido porque parte dos compradores avançava.
Alguns clientes permaneciam durante anos, renovavam assinaturas e adquiriam outros produtos. Quando a operação olhava o valor total dessa relação, o custo inicial de aquisição ganhava outro significado.
Esse ponto costuma separar empresas que vendem de empresas que constroem escala.
Se você compra um lead, vende uma vez e encerra a relação, precisa recomeçar a aquisição constantemente. Por outro lado, quando o cliente encontra novas soluções dentro da mesma empresa, cada venda inicial abre possibilidades futuras.
O tráfego alimenta o funil.
O funil aumenta o LTV.
O LTV amplia o limite de aquisição.
Com um limite maior, a empresa consegue disputar mais tráfego e testar mais ideias.
Esse ciclo ajuda a explicar a força da operação.
Leia também: Como aumentar o LTV sem depender de novas vendas
Seria um erro concluir que a copy tinha pouca importância.
Eu vi uma página de fundo branco, fonte preta e praticamente nenhum design vender cerca de R$ 8 milhões ao longo de uma semana. A força da mensagem ficou evidente porque não havia nenhum elemento visual sofisticado para receber o crédito.
Ao mesmo tempo, a copy não operava no vazio.
A Empiricus tinha uma base sendo trabalhada, diferentes produtos para oferecer, uma estrutura de dados e capacidade para absorver grandes volumes de acesso. Em uma das campanhas mais conhecidas, havia mais de 1 milhão de leads esperando a abertura da oferta.
Uma ótima copy colocada em uma operação sem infraestrutura pode criar um problema. Se o checkout cai, a área de membros falha ou a equipe não consegue atender os compradores, a campanha vencedora expõe as fragilidades do negócio.
Da mesma maneira, uma infraestrutura impecável não compensa uma oferta fraca.
A escala aparece quando mensagem, tráfego, tecnologia, produto e atendimento suportam o mesmo objetivo.
A Empiricus não exigia que todos os copywriters fossem igualmente bons em qualquer tema.
Com o tempo, alguns profissionais se destacavam em áreas específicas. Um copywriter podia ganhar domínio sobre opções; outro, sobre ações; outro, sobre determinado tipo de campanha.
Essa especialização melhorava a conexão entre copywriter, expert e produto.
O profissional conhecia as objeções, a linguagem, os riscos e os desejos daquele público. Consequentemente, ele não começava cada nova campanha do zero.
Além disso, o time discutia ideias em reuniões de peer review. O copywriter precisava apresentar e defender o raciocínio diante de outras pessoas.
Às vezes, a ideia parecia brilhante na cabeça de quem escreveu, mas ninguém na sala entendia.
Esse já era um sinal de alerta.
Se profissionais familiarizados com o assunto não acompanham o raciocínio, o público provavelmente terá ainda mais dificuldade.
Copiar a estrutura da Empiricus literalmente não faria sentido. O mercado, as ferramentas, o tamanho das equipes e os modelos de negócio mudaram.
Os princípios, porém, continuam úteis.
Por isso, revise sua operação com estas perguntas:
Provavelmente, sua maior restrição estará em uma dessas respostas.
Uma máquina de escala não exige que todas as áreas atinjam a perfeição. Ela exige que o sistema identifique a restrição atual e consiga corrigi-la antes que o crescimento crie um problema ainda maior.
A principal lição que tirei dos bastidores da Empiricus foi simples: grandes resultados raramente pertencem a uma única área.
A copy abre a oportunidade.
O tráfego leva volume.
Os dados mostram o que aconteceu.
A tecnologia sustenta a experiência.
O funil amplia o valor do cliente.
E a velocidade permite corrigir a rota antes que um erro fique caro demais.
Olhe para sua operação e encontre o elo que limita o restante. Depois, corrija esse ponto antes de simplesmente produzir mais campanhas.
Escalar não significa acelerar tudo ao mesmo tempo.
Significa construir um sistema capaz de testar, aprender, monetizar e continuar avançando.
Boas vendas!