> ## Content Index > Fetch the complete content index at: https://productoversee.com/llms.txt > Use this file to discover other available public pages before exploring further. # Como podemos criar métricas e indicadores de produto baseados em eventos? - URL: https://productoversee.com/blog/como-podemos-criar-metricas-e-indicadores-de-produto-baseados-em-eventos/ - Published: 2022-05-06T10:45:00.000Z - Updated: 2022-05-06T13:15:51.000Z - Description: Medir é a última etapa do processo em que ligamos as análises dos resultados de um produto com a estratégia de negócio. - Author: Arthur Martinho - Tags: Indicadores e Dados, #blog No último artigo [O que são eventos de interação de usuários](https://productoversee.com/o-que-sao-eventos-de-interacao-de-usuarios/), passamos por alguns conceitos básicos de product analytics. Dando um passo além, a ideia agora é entender como **transformar essas informações em métricas e indicadores** que façam sentido para seu produto. Durante o dia a dia, é comum esbarrar pelo questionamento de o que e como medir para tomar uma decisão ou entender como o seu produto está performando. Mas o segmento do seu produto, a proposta de valor, o mercado em que atua e diversos outros fatores podem e vão afetar diretamente quais métricas você observará e, principalmente, o grau de importância que será dado para cada uma delas durante seus processos de decisão e análise. 🎤 **Recado**: Nós iremos fazer uma [palestra no dia 16, às 19:30](https://bit.ly/389MZAX?ref=productoversee.com), sobre desdobramento tático para produtos digitais. Para membros pagos aqui do portal será gratuito (você pode assinar [clicando aqui](https://productoversee.com/#/portal/signup), custa só 5 reais por mês ou 50 reais por ano e você ganha acesso a textos, descontos e eventos exclusivos). Não membros, R$25\. Vamos? [https://bit.ly/389MZAX](https://bit.ly/389MZAX?ref=productoversee.com) ## O que são métricas e indicadores No artigo [Métricas, indicadores e comportamento do usuário - Parte 1](https://productoversee.com/metricas-indicadores-e-comportamento-do-usuario-parte-1/) o Diego Eis explica super bem o que é uma métrica e (spoiler) o que difere ela de um indicador. Resumidamente, uma métrica é a consequência de uma ação do usuário no produto que pode ser metrificada, como: - Usuário acessou página XPTO; - Assinou o serviço ABCD; - Usou a feature 123. Os indicadores são conjuntos de métricas que dão indícios de como está a performance do produto em algum aspecto, como: - Churn; - LTV/CAC; - Retenção. Nesse artigo vamos linkar esse conteúdo com os *eventos de interação de usuários*. ## O primeiro passo não tem nada a ver com métricas No dia a dia de produto, precisamos alternar entre diversos mindsets: em alguns momentos estamos focando em dados, em outros em conectar a estratégia de negócio com o produto, em outros focando em entrevistas com usuários e análises de mercado. E cada momento desse pode pedir inputs de dados diferentes no seu processo de decisão. Com isso em mente, antes de perguntar “O que eu quero medir no produto?”, é importante **entender em qual situação as suas análises vão se encaixar**. Pensar em dados de produto <> negócios pode ser bem diferente de como pensar em dados para entender como os usuários estão usando seu produto. O ideal é que todos esses dados dialoguem no final das contas, mas reforçando, são momentos e categorias de análises diferentes. ## Então começo por onde? Antes de pensar em qualquer indicador ou métrica para seu produto, independente se é a primeira vez que seu time está trabalhando com dados ou se você já está acostumado com isso no dia a dia, você precisa de algumas respostas: - **Quais os objetivos da companhia no momento?** - **Como o produto ajuda a alcançar esse objetivo da companhia?** - **Por que eu preciso medir isso?** Com isso em mente, seus objetivos e motivadores (os **porquês** bem definidos) e a sua incerteza de **como** e **o que** medir fica muito menor. Alguns objetivos e motivadores comuns são: - Definir a estratégia de produto; - Melhorar a aquisição de novos usuários / ROI; - Otimizar conversão; - Melhorar engajamento no produto / Stickiness; - Melhorar retenção no produto / LTV; - Aumentar GMV da empresa. Entendendo tudo isso, vamos considerar que seu momento é focar em **melhorar engajamento no produto**. Vamos definir agora os **KPIs** do seu produto relacionados à **retenção**. Digamos que seus KPIs sejam: - Stickiness (DAU/MAU); - Retenção de novos usuários na primeira semana. Eles podem ser analisados de 2 maneiras: - Performance de todo o produto: como todo o conjunto de features e interações no produto impactam na retenção dos usuários; - Performance em uma parte do produto: como os usuários se relacionam com as features/partes do produto que você é responsável. **Definir isso é fundamental para darmos os primeiros passos.** ## Beleza, já entendi os meus objetivos e o que vou medir, mas como eu faço isso? Agora é entender a jornada do seu usuário dentro do seu produto (ou parte do produto que você é responsável) tendo sempre em mente os **seus objetivos com essa análise**. A partir daqui já começamos a usar os **eventos de interação** para nossas análises. Normalmente temos 3 tipos básicos de classificações para isso: - **Event Counters**: quantos eventos foram performados pelos usuários dentro de um determinado intervalo de tempo (diário, semanal, mensal...). Aqui podemos olhar para dados como DAU e MAU (usuários que performaram o evento X pelo menos uma vez no intervalo Y de tempo), total de assinaturas, total de músicas ouvidas ou várias outras ações variam de acordo com qual é seu produto. - **Funil / Conversões**: a visibilidade de funil permite que a gente analise pontos de dor do produto ou do usuário em determinada jornada. Se pensarmos num fluxo de: Entrar no app → Acessar o perfil → Clicar em editar imagem de perfil → Salvar foto. Imagina que nesse funil (formado por eventos individuais em cada etapa) você percebe que da penúltima para a última etapa você tem uma taxa de conversão de 25% - ou seja - dos usuários que clicam em editar a imagem do perfil, só 25% deles concluem a operação. Seu papel é entender o porquê disso acontecer e o que está acontecendo para essa taxa ser baixa. - **Análises de comportamento**: aqui é a parte mais interessante das análises (a ideia é entender como a interação com certos eventos impacta no comportamento do usuário em outras partes do produto). Um exemplo pode ser de que novos usuários que engajam com a feature XPTO têm maiores chances de se converter em usuários assinantes - você não precisa atuar diretamente em conversão para poder impactar as métricas desse lado com as suas partes do produto. ## Como eu ligo os pontos? Lembrando que no nosso cenário hipotético seus KPIs são: - ****Stickiness (MAU/DAU);** ![](https://lh3.googleusercontent.com/7FiBB1KhH6isKoXp1opnrppI1KiicJRgJ9OSZdva7fe_oHOPQL5cgaeJJaRJTsu61vJQK0OSPLe74ht-HIwEyK5xg0jH5Mi5znRmkH1T_moJO_jubHoO2ynJSbVhn8Ya2_MQVA1t3citvPpK0Q) - ****Retenção de novos usuários na primeira semana.** ![](https://lh6.googleusercontent.com/YzBhb8k0F0acPjWLxbsnrJKg4-T_Se2bAcYQ-1-boMWu64TJahIHs_BZdsWX3BlaUegQ3Q7dKAUUUXU9KaQtopt22_f2B0odPbtKw3I5vleIw13hdlyYPXeVwxzNZY08rWjWIQ6DeJTG2G4boA) Começamos com as análises em 2 cohorts (de maneira simplificada, 2 grupos de usuários): - Novos usuários; - Todos os usuários ativos. Analisaremos primeiro o seu **KPI de Stickiness** \- pra isso, usaremos os conceitos mencionados acima: - **Event counters**: vão ser a base das métricas de DAU e MAU (basicamente o número de usuários únicos que performaram o evento XPTO dentro do espaço de tempo de um dia e os que performaram dentro de um mês. Com isso você consegue calcular seu % de stickiness); - **Análises de comportamento**: dentro desse grupo, há diferenças de stickiness entre quantas vezes os usuários performaram o evento XPTO? Imagina que em um cenário, dentro desse mesmo indicador, separamos os usuários em 2 grupos (um que performou pelo menos 1 vez o evento em cada timestamp e outro que performou pelo menos 5 vezes ao mesmo tempo). Quanto isso muda seu percentual de stickiness? Se a diferença for que performar mais vezes o evento XPTO resulta em mais stickiness, isso pode ser uma orientação inicial de como seu produto (ou parte dele) pode impactar nesse KPI. Agora pensando no **KPI de Retenção de novos usuários na primeira semana**: - **Funil / Conversões**: se estamos olhando para o grupo de novos usuários, podemos pensar em um funil simplificado como: Usuário finalizou cadastro → Performou X ações → Voltou na semana seguinte para performar mais ações. - **Análises de comportamento**: aqui a ideia é a mesma do KPI anterior (como a relação com os eventos de interação com o produto impactam no usuário voltar na semana seguinte?). ## Para finalizar É importante entender que os objetivos de negócio **sempre** devem guiar as suas análises. Sem isso podemos conduzir infinitas análises e tomarmos infinitas decisões baseadas nessas leituras, mas sem estarmos corretamente alinhados com a estratégia, não estaremos trazendo **resultados para o produto e para a companhia**. ## Referências - [What is Product Management Analytics](https://mixpanel.com/blog/what-is-product-management-analytics/?ref=productoversee.com) - [Can We Make Better Decisions Using Product Instrumentation?](https://www.theproductfolks.com/blog/can-we-make-better-decisions-using-product-instrumentation?ref=productoversee.com) - [Picking the Right Product Metrics to Track and Optimize - Heap](https://heap.io/topics/product-metrics-kpis?ref=productoversee.com)