Como fazer uma pesquisa de product-market fit e ler a linha de 40%

A pesquisa de product-market fit se apoia numa pergunta: como você se sentiria se não pudesse mais usar o produto? Quando pelo menos 40% dos usuários ativos respondem "muito desapontado", o produto costuma ter encontrado seu mercado. Abaixo dessa linha, as outras respostas mostram para quem construir e o que corrigir.

O conceito em si, o ponto em que um produto atende a um mercado real, está no nosso verbete do glossário sobre PMF. Este guia trata de medir: o que perguntar, a quem, quantas respostas são necessárias e o que fazer com o resultado.

De onde vem a linha de 40%

O teste vem de Sean Ellis, que conduziu o crescimento inicial do Dropbox e do LogMeIn. Ele fez a mesma pergunta a usuários de muitas startups e comparou as respostas com o crescimento de cada empresa. Produtos em que pelo menos 40% dos usuários ficariam muito desapontados sem eles cresciam com bem menos esforço. Os que ficavam abaixo tendiam a travar.

O número é uma referência, não uma lei. Funciona porque mede intensidade, e não satisfação. Muita gente está satisfeita com um produto que trocaria amanhã por outro mais barato. Só quem ficaria muito desapontado mostra que o produto já faz parte do seu jeito de trabalhar, e é isso que barateia o crescimento: esses usuários ficam e contam para os outros.

Por isso também é diferente do NPS. O nosso guia do Net Promoter Score cobre a pergunta de recomendação, que acompanha a lealdade ao longo do tempo. A pergunta de Ellis vem antes e é mais dura: alguém sentiria a sua falta?

As quatro perguntas

A versão que a Superhuman tornou famosa tem quatro perguntas. A primeira dá o placar, as outras três dizem o que fazer com ele.

Pergunta	Formato	O que ela mostra
Como você se sentiria se não pudesse mais usar [produto]?	Muito desapontado, um pouco desapontado, não desapontado	O placar: a proporção de "muito desapontado"
Que tipo de pessoa você acha que mais se beneficiaria de [produto]?	Texto aberto	Como seus fãs descrevem o cliente ideal, com as palavras deles
Qual é o principal benefício que você recebe de [produto]?	Texto aberto	Para que o produto serve de verdade, além do que diz a landing page
Como podemos melhorar [produto] para você?	Texto aberto	O que segura os usuários que estão quase convencidos

Mantenha a primeira pergunta palavra por palavra. Se ela virar "Qual o seu nível de satisfação?" ou ganhar uma opção neutra, a medida muda e a referência de 40% deixa de valer. As três perguntas abertas são onde o trabalho começa. Agrupe as respostas em temas antes de contar qualquer coisa; o nosso guia de análise temática mostra como codificar texto livre sem se afogar nele.

Quem pesquisar

O placar vale o que vale a amostra. Ellis recomendou perguntar a quem experimentou o valor central do produto, usou pelo menos duas vezes e usou nas últimas duas semanas. A Superhuman aplicou o mesmo filtro.

Cada condição tira uma distorção. Quem se cadastrou ontem ainda não viu o que o produto faz, então o "não desapontado" dessa pessoa não significa nada. Quem saiu há três meses responde sobre um produto que para ele já não existe. Deixe de fora também a sua equipe, os investidores e os beta testers amigos: eles inflam o placar.

O jeito de convidar importa quase tanto quanto quem é convidado. A mensagem deve ser curta e neutra: você está melhorando o produto e a pesquisa leva dois minutos. Não insinue a resposta que espera. Também não ofereça incentivos maiores que um agradecimento. Um vale-presente traz respostas de quem quer o vale-presente, e são justamente os usuários cujo "muito desapontado" não vale nada.

O erro oposto é igualmente comum: pesquisar só as contas mais ativas. Uma amostra de usuários intensivos passa de 40% com quase qualquer produto. Inclua todos que cumprem as três condições, não só os que você gosta de ouvir. E guarde desde o início o plano, o cargo e a data de cadastro de cada resposta, porque a análise de verdade acontece por segmento.

Quando aplicar e quando não

Aplique a pesquisa quando gente suficiente tiver usado o produto de verdade. Antes do lançamento, ou nas primeiras semanas depois dele, a maioria dos usuários ainda não chegou ao valor central, e o placar mede sobretudo o onboarding. Um bom momento é quando você tem pelo menos algumas dezenas de usuários que cumprem as três condições.

Se tiver menos, não espere pela estatística. Faça as mesmas quatro perguntas em entrevistas. Vinte conversas construídas sobre "Como você se sentiria se não pudesse mais usar?" dizem mais que uma pesquisa com doze respostas, e a formulação continua comparável para depois.

Em produtos B2B, quem usa o produto e quem paga por ele costumam ser pessoas diferentes. A pesquisa vai para os usuários ativos, mas marque cada resposta com a conta e o cargo. Um placar de 50% entre os usuários diários e de 15% entre os gestores que assinam a renovação é um alerta, não um sucesso.

Quantas respostas são necessárias

Rahul Vohra, fundador da Superhuman, escreveu que os resultados começam a ser direcionalmente corretos por volta de 40 respostas. A palavra-chave é direcionalmente. O placar é uma proporção, e uma proporção de amostra pequena vem com uma margem de erro larga.

Com 40 respostas e placar de 40%, a proporção real pode estar, de forma plausível, entre 25% e 55%. Isso basta para distinguir 15% de 60%, que é o que uma startup inicial precisa. Não basta para distinguir 36% de 44%, que é justamente a pergunta quando você está perto da linha. Perto da linha, junte de 100 a 200 respostas antes de decidir. A nossa calculadora de margem de erro dá o intervalo para qualquer tamanho de amostra.

Como ler as respostas

Comece pela proporção de "muito desapontado" entre todos que se qualificam. Depois divida por segmento: plano, cargo, porte da empresa, caso de uso. O número geral é uma média de grupos muito diferentes, e o grupo que importa pode estar escondido dentro dele.

Estes são os números do exemplo, divididos como uma análise real faria:

Segmento	Respostas	Muito desapontados	Placar
Fundadores e gestores	60	27	45%
Colaboradores individuais	90	27	30%
Freelancers e estudantes	50	14	28%
Todos os usuários ativos	200	68	34%

Os 34% gerais dizem "ainda não". A divisão diz algo mais útil: o produto já funciona para um grupo, e os outros dois puxam a média para baixo. As 60 respostas do melhor segmento ainda têm margem de uns 13 pontos, então trate os 45% como uma pista forte a confirmar, não como veredicto.

Cada grupo de respostas tem sua tarefa. Os muito desapontados são seus fãs: as respostas deles a "quem mais se beneficiaria" descrevem o cliente para quem construir, e o principal benefício diz o que proteger. Os um pouco desapontados são a reserva de crescimento, mas só os que citam o mesmo benefício principal que os fãs. Para eles o produto quase funciona, e algo concreto os segura. Os não desapontados saem do roadmap. O conselho de Vohra era ignorá-los com educação: construir para quem não sentiria sua falta afasta o produto de quem sentiria.

O método da Superhuman: segmentar e depois construir

A Superhuman, um app de e-mail, aplicou a pesquisa no início e teve 22% de "muito desapontado", bem abaixo da linha. A equipe então procurou o segmento com o placar mais alto. Fundadores, gestores, executivos e pessoas de desenvolvimento de negócios se destacaram, e contar só esses usuários subiu o placar em uns dez pontos, para cerca de um terço. O produto ainda não tinha mudado. Eles tinham descoberto para quem ele era.

Depois dividiram o roadmap ao meio. Uma metade reforçou o que os fãs amavam, que na Superhuman era a velocidade. A outra foi para o que segurava os um pouco desapontados para quem a velocidade também era o benefício principal. Continuaram pesquisando os usuários novos e acompanharam o placar toda semana, todo mês e todo trimestre. Em três trimestres, ele chegou a 58%.

O método dá para copiar. Encontre o segmento com o placar mais alto. Leia o que os fãs dele amam. Entre os quase convencidos que valorizam a mesma coisa, descubra o que os segura. Divida o trabalho entre as duas listas e pesquise de novo com a mesma pergunta.

Confronte o placar com o comportamento

A pesquisa mede o que as pessoas dizem que sentiriam. O comportamento mostra o que elas fazem, e os dois deveriam concordar. O sinal de comportamento mais claro é a curva de retenção: a proporção de uma coorte de cadastros que continua ativa depois de um, dois, três meses. Sem product-market fit, a curva continua caindo em direção a zero. Com ele, ela se estabiliza em algum nível e fica ali.

Olhe mais duas coisas ao lado. Quantos usuários novos chegam por indicação e não por canais pagos, e com que frequência os ativos voltam sem lembretes. Se a pesquisa diz 45% mas a curva de retenção desse mesmo segmento nunca estabiliza, acredite na curva e reveja quem respondeu. Se os dois sinais apontam para o mesmo lado, você tem um resultado para planejar.

Erros comuns na pesquisa de product-market fit

• Pesquisar todos que algum dia se cadastraram, inclusive quem nunca chegou ao núcleo do produto.
• Pesquisar só os usuários intensivos, o que infla o placar.
• Reescrever a primeira pergunta ou acrescentar uma opção neutra.
• Ler o placar geral e nunca dividi-lo por segmento.
• Declarar vitória com 40 respostas quando o placar está entre 35% e 45%.
• Construir para os não desapontados porque eles são os mais barulhentos no feedback.
• Aplicar a pesquisa uma vez só. O placar serve como tendência, medido sempre do mesmo jeito.

Como aplicar a pesquisa no SurveyNinja

A pesquisa é curta o bastante para montar em poucos minutos. Você pode criá-la de graça ou rascunhar as perguntas com o gerador de perguntas de feedback de produto com IA, e depois deixar a primeira pergunta exatamente como está. Passe o plano, o cargo e a data de cadastro do usuário como variáveis ocultas no link da pesquisa: cada resposta chega já marcada por segmento, e uma tabela cruzada dá o placar por grupo.

Alcance os usuários onde eles estão ativos. Os nossos guias cobrem o feedback in-app para perguntar dentro do produto, as pesquisas por gatilho para perguntar depois que o usuário usou a função central duas vezes, e as pesquisas por e-mail para os demais. Para outras formas de as pesquisas ajudarem um time de produto, leia por que gerentes de produto precisam de pesquisas e veja as nossas páginas para times de SaaS e gerentes de produto.

Perguntas frequentes

O que é uma pesquisa de product-market fit?

É uma pesquisa curta com usuários ativos, construída em torno de uma pergunta: como você se sentiria se não pudesse mais usar o produto? A proporção que responde "muito desapontado" é usada como indicador antecedente do product-market fit.

O que é o teste de Sean Ellis?

É a mesma pesquisa, com o nome de Sean Ellis, que a propôs. Produtos em que pelo menos 40% dos usuários qualificados ficariam muito desapontados sem eles tendem a crescer com mais facilidade que os que ficam abaixo dessa linha.

Qual porcentagem indica product-market fit?

A referência usual é 40% de "muito desapontado" entre usuários que experimentaram o valor central do produto. É uma regra prática, então trate com cuidado os resultados próximos de 40% e confira por segmento.

Quantas respostas uma pesquisa de PMF precisa?

Cerca de 40 respostas dão um resultado direcional. Com 40 respostas, um placar de 40% tem margem de erro de uns 15 pontos para cada lado, então junte de 100 a 200 respostas quando o resultado estiver perto da linha.

Quem deve responder à pesquisa de product-market fit?

Usuários que experimentaram o valor central do produto, usaram pelo menos duas vezes e usaram nas últimas duas semanas. Deixe de fora os recém-cadastrados, quem saiu há muito tempo, a sua equipe e os testers amigos.

Com que frequência repetir a pesquisa de PMF?

Com frequência suficiente para ver uma tendência. A Superhuman continuou pesquisando os usuários novos e acompanhou o placar toda semana, todo mês e todo trimestre. Use sempre a mesma pergunta e as mesmas regras de amostra, senão os números não se comparam.