Conta Azul · 2023–2025

Otimizando a experiência de milhares de novos usuários do ERP para que alcancem o valor real do produto

  • Growth Design
  • Activation
  • User Journey
  • ERP SaaS
  • AI-Augmented
Contexto
Conta Azul é a principal plataforma de gestão financeira do Brasil para pequenas e médias empresas — e a complexidade do produto era seu maior risco de ativação.
Problema
Taxa de ativação de 30%, contra meta de 60%. Um desempenho abaixo do mercado com impacto direto em cancelamento e receita.
Abordagem
Diagnóstico estruturado antes de qualquer solução: 9 métodos de pesquisa, redefinição de ativação baseada em dados e 31 iniciativas ao longo de 2 anos.
Resultado
Melhorias expressivas em ativação, receita e descoberta de funcionalidades — e impacto organizacional com mais de 200 oportunidades mapeadas e um novo time criado.

Resultados

  • +189% NFS-e criada Inversão do rascunho
  • +500% Conversão de trials Gamificação · base isolada
  • +40% Vendas criadas Onboarding em escala
  • +108,5% Cliques nos CTAs Visão geral · primeiros dias
  • 1.392 Vendas em 10 dias Via novos pontos
  • +600% Acesso a Pix compensado Simplificação de navegação
  • 200+ Oportunidades mapeadas Novo time cross criado
  • 31 Iniciativas entregues Em 2 anos de atuação

Atuei como Growth Designer com foco em ativação, engajamento e geração de valor ao longo da jornada de produto. A atuação combinou pensamento estratégico, execução orientada por dados e entendimento profundo do usuário para criar experiências que conectam necessidades reais do cliente com os objetivos do negócio. Ao longo do período, conduzi 31 iniciativas com impacto mensurável em ativação, receita, emissão fiscal e descoberta de funcionalidades.

O problema que o negócio chamava de “ativação” era, na prática, quatro camadas sobrepostas: mensuração — cada time media uma coisa diferente, sem definição compartilhada; organização — CS como gargalo de escala, dependência humana que não crescia com a base; produto — caminhos invisíveis, estados vazios sem orientação, primeira experiência sem estrutura; e dados — sem entendimento estruturado do motivo pelo qual usuários cancelavam.

Resolver qualquer um deles isoladamente moveria pouco a métrica. A decisão de tratar o problema como sistema — e não como uma lista de features — foi o que tornou possível um impacto coordenado.

Minha abordagem é estruturada em torno de um processo de discovery maduro e orientado por evidências. Antes de propor qualquer solução, invisto em entender profundamente o contexto: pesquisas com clientes para mapear dores reais, mapeamentos de produto para conhecer o negócio em profundidade, escuta dos times operacionais para entender fricções internas e a relação entre a entrega do produto e a experiência do cliente.

Utilizo IA como parte do processo de discovery e desenvolvimento — ganhando velocidade na análise de dados, organização de insights e construção das entregas. Cada iniciativa parte de hipóteses claras, fundamentadas em dados qualitativos e quantitativos, com métricas de sucesso definidas antes da execução.

  • Hipóteses primeiro
  • Quali + quanti
  • Métricas antecipadas
  • Com apoio de IA

Toda decisão de design neste case foi construída sobre uma fase estruturada de diagnóstico. A sequência abaixo reflete a ordem real de execução — cada método informou o próximo.

Oito iniciativas coordenadas, organizadas por área de impacto. Cada uma foi desenhada para atacar um modo específico de falha identificado no diagnóstico.

As métricas por iniciativa estão na seção anterior. Aqui: o que mudou na organização.

  • Novo time criado

    O diagnóstico estruturado gerou visibilidade cross-funcional sobre problemas que nenhum time possuía explicitamente. Mais de 200 oportunidades identificadas deram origem a um time dedicado à qualidade da experiência — responsável por um backlog alimentado integralmente pelos artefatos desta iniciativa, cobrindo áreas do produto que antes não tinham dono.

  • CS liberado do onboarding

    O onboarding padrão migrou de 100% dependente de atendimento humano para autoatendimento — sem aumento de equipe. A capacidade de CS foi realocada para contas complexas, clientes em risco e suporte especializado.

  • Discovery com IA difundido

    A abordagem de pesquisa e síntese assistida por IA foi documentada e passou a ser adaptada por outros designers da equipe — expandindo o impacto do método além do projeto original.

O que este projeto realmente foi

Na superfície, era um projeto de ativação — uma métrica para melhorar, um conjunto de iniciativas para entregar. Na prática, foi um desafio de design de sistemas. O trabalho mais importante aconteceu antes de qualquer tela ser desenhada.

A primeira decisão foi desacelerar: antes de propor soluções, mapear o sistema. Só essa decisão já mudou o escopo do problema. O que o negócio chamava de “um problema de ativação” revelou-se um problema de mensuração, um problema organizacional, um problema de produto e um problema de dados — simultaneamente.

O que permaneceu depois

A medida de uma contribuição em nível staff não é o que foi entregue enquanto você estava lá. É o que a organização está fazendo de forma diferente porque você esteve lá.

Neste case: um novo time. Um novo padrão de mensuração. Uma nova infraestrutura de onboarding. Um modelo de research com IA que outros designers do time começaram a adaptar. As iniciativas são a expressão visível — o sistema que as tornou possíveis é o trabalho real.

O que eu faria diferente

Começaria a parceria com dados na primeira semana, não depois das entrevistas qualitativas. Construiria o blueprint de serviço de forma incremental — como documento vivo — em vez de como artefato final de síntese. E nomearia a restrição de capacidade de CS explicitamente desde o início das conversas com stakeholders: quando uma limitação estrutural é nomeada, ela deixa de ser obstáculo e passa a ser parâmetro de design.

Vamos trabalhar juntos?

Disponível para full-time · remote · freelancer

Aberto a novos projetos, oportunidades e conversas.