aiox-core 5.0.4 → 5.0.7

package/pro/squads/data/tasks/analyze-cohort.md

@@ -0,0 +1,1777 @@
+# Analyze Cohort - Analise Completa de Cohorts para Retencao e Valor
+
+## Metadata
+```yaml
+task_id: analyze-cohort
+version: 1.0.0
+category: customer-analytics
+tier: TASK
+difficulty: advanced
+estimated_time: 6-10 hours
+elicit: true
+primary_agents:
+  - peter-fader
+  - wes-kao
+secondary_agents:
+  - sean-ellis
+  - nick-mehta
+dependencies:
+  - tasks/calculate-clv.md
+  - tasks/segment-rfm.md
+  - checklists/customer-360-checklist.md
+outputs:
+  - Cohort Definition Matrix
+  - Retention Curves Analysis
+  - Cohort Comparison Report
+  - Insights Extraction Document
+  - Visualization Recommendations
+  - Action Plan by Cohort
+methodology:
+  - Cohort Retention Analysis (Peter Fader/Wharton)
+  - Shifted-Beta-Geometric Model (Fader & Hardie)
+  - Cohort-Based Course Metrics (Wes Kao/Maven)
+  - AARRR Framework Cohort View (Sean Ellis)
+  - Customer Success Cohort Health (Nick Mehta)
+```
+
+---
+
+## Objetivo
+
+Conduzir uma analise completa de cohorts combinando a rigorosa metodologia academica de Peter Fader (Wharton) com a aplicacao pratica de Wes Kao para educacao e produtos digitais.
+
+Esta task permite:
+
+- **Definir cohorts estrategicamente** usando multiplas dimensoes (tempo, canal, produto, comportamento)
+- **Construir retention curves** que revelam padroes de churn e engajamento
+- **Comparar cohorts** para identificar o que funciona e o que nao funciona
+- **Extrair insights acionaveis** para melhorar aquisicao, ativacao e retencao
+- **Projetar retencao futura** usando modelos probabilisticos
+- **Visualizar dados** de forma que conte uma historia clara
+
+> "Cohort analysis lets you see the forest AND the trees. It shows you both the pattern and the individual variations that matter."
+> - Peter Fader, Wharton School
+
+> "The difference between 6% completion (MOOCs) and 96% completion (cohort-based) isn't content quality - it's design."
+> - Wes Kao, Maven Co-founder
+
+---
+
+## CONTEXTO: POR QUE COHORT ANALYSIS
+
+### O Problema com Metricas Agregadas
+
+```
+METRICAS AGREGADAS (Enganosas):
+- "Nossa retencao mensal e 85%"
+- "Completion rate medio: 15%"
+- "Churn rate: 5% ao mes"
+
+COHORT ANALYSIS (Reveladora):
+- "Cohort de Janeiro reteve 72% no mes 3, mas Fevereiro apenas 58%"
+- "Usuarios de referral tem 2x mais retencao que paid ads"
+- "Cohorts pos-redesign tem curva de retencao 40% melhor"
+```
+
+### Analogia de Peter Fader
+
+```
+MEDIA vs COHORT:
+Imagine calcular a "altura media" de todos os humanos.
+- Voce obteria um numero (~1.65m)
+- Mas esse numero nao descreve ninguem especificamente
+- Criancas, adolescentes, adultos - todos diferentes
+
+Cohorts sao como olhar grupos especificos:
+- Altura media de bebes (50cm)
+- Altura media de criancas de 10 anos (1.35m)
+- Altura media de adultos (1.70m)
+
+Agora voce entende a jornada de crescimento.
+```
+
+### Tipos de Cohort Analysis
+
+| Tipo | Definicao | Exemplo | Quando Usar |
+|------|-----------|---------|-------------|
+| **Acquisition Cohort** | Agrupado por quando entrou | Janeiro 2024, Fevereiro 2024 | Analise de retencao temporal |
+| **Behavioral Cohort** | Agrupado por acao inicial | Completou onboarding vs nao | Analise de ativacao |
+| **Channel Cohort** | Agrupado por fonte | Organic, Paid, Referral | Analise de qualidade de aquisicao |
+| **Product Cohort** | Agrupado por plano/produto | Free, Basic, Pro | Analise de valor por segmento |
+| **Feature Cohort** | Agrupado por feature usada | Usou feature X vs nao | Analise de impacto de produto |
+
+---
+
+## PRE-REQUISITOS
+
+### Checklist de Preparacao
+
+```markdown
+## Antes de Iniciar
+
+### Dados Necessarios
+- [ ] Historico de usuarios com data de cadastro (user_id, created_at)
+- [ ] Eventos de atividade com timestamps (logins, acoes, compras)
+- [ ] Informacao de canal/fonte de aquisicao (utm_source, referrer)
+- [ ] Dados de produto/plano (se aplicavel)
+- [ ] Eventos de churn/cancelamento (se contractual)
+
+### Definicoes Alinhadas
+- [ ] O que define um usuario "ativo"?
+- [ ] Qual e a granularidade temporal? (dia, semana, mes)
+- [ ] Qual e o periodo de analise minimo? (3+ meses recomendado)
+- [ ] Quais eventos contam como "retorno"?
+
+### Ferramentas
+- [ ] Acesso a ferramenta de analytics (Amplitude, Mixpanel, GA4)
+- [ ] Acesso a banco de dados ou data warehouse
+- [ ] Planilha/BI para visualizacao (Excel, Looker, Tableau)
+```
+
+---
+
+## FASE 0: DIAGNOSTICO INICIAL
+
+### Step 0.1: Elicitacao de Contexto
+
+```yaml
+elicit: true
+questions:
+  - question: "Qual e o tipo de negocio?"
+    options:
+      - SaaS B2B (assinatura)
+      - SaaS B2C (assinatura)
+      - E-commerce (transacional)
+      - Marketplace
+      - Educacao/Cursos online
+      - App mobile (freemium)
+      - Outro
+
+  - question: "Qual e o modelo de relacionamento com cliente?"
+    options:
+      - Contractual (assinatura com cancelamento explicito)
+      - Non-contractual (cliente pode sumir sem avisar)
+      - Hibrido (assinatura + compras avulsas)
+
+  - question: "Qual o objetivo principal da analise?"
+    options:
+      - Entender retencao geral
+      - Comparar canais de aquisicao
+      - Avaliar impacto de mudanca de produto
+      - Projetar receita futura
+      - Identificar melhor momento para intervencao
+      - Otimizar cohort-based course
+
+  - question: "Qual o volume de dados disponivel?"
+    options:
+      - Pequeno (menos de 1.000 usuarios)
+      - Medio (1.000 - 10.000 usuarios)
+      - Grande (10.000 - 100.000 usuarios)
+      - Enterprise (100.000+ usuarios)
+```
+
+### Step 0.2: Matriz de Adequacao de Modelo
+
+```
+┌────────────────────────────────────────────────────────────────┐
+│                MATRIZ DE MODELO - FADER                         │
+├────────────────────────────────────────────────────────────────┤
+│                                                                  │
+│  CONTRACTUAL (churn observavel)                                 │
+│  ├── Assinatura periodica (SaaS, gym, Netflix)                 │
+│  ├── Modelo: Shifted-Beta-Geometric (sBG)                      │
+│  └── Dado necessario: Data de entrada e saida                   │
+│                                                                  │
+│  NON-CONTRACTUAL (churn nao observavel)                        │
+│  ├── E-commerce, app, marketplace                               │
+│  ├── Modelo: BG/NBD ou Pareto/NBD                              │
+│  └── Dado necessario: Historico de transacoes                   │
+│                                                                  │
+│  EDUCACAO (cohort-based)                                        │
+│  ├── Cursos com inicio/fim definido                            │
+│  ├── Modelo: Cohort completion + engagement                    │
+│  └── Dado necessario: Progresso por semana/modulo               │
+│                                                                  │
+└────────────────────────────────────────────────────────────────┘
+```
+
+---
+
+## FASE 1: DEFINICAO DE COHORTS
+
+### Step 1.1: Cohort Definition Framework
+
+```markdown
+## Framework de Definicao de Cohorts
+
+### PERGUNTA 1: Qual a Dimensao de Agrupamento?
+
+| Dimensao | Pergunta | Exemplo |
+|----------|----------|---------|
+| **Temporal** | Quando entraram? | Semana 1, Semana 2, Janeiro, Q1 |
+| **Canal** | De onde vieram? | Google Ads, Referral, Organic |
+| **Produto** | O que compraram/assinaram? | Free, Pro, Enterprise |
+| **Comportamento** | O que fizeram inicialmente? | Completou setup, Convidou amigo |
+| **Demografico** | Quem sao? | Brasil, USA, Enterprise vs SMB |
+
+### PERGUNTA 2: Qual a Granularidade Temporal?
+
+| Granularidade | Quando Usar | Exemplo |
+|---------------|-------------|---------|
+| **Diario** | Apps de alta frequencia | Day 1, Day 7, Day 30 |
+| **Semanal** | SaaS, cursos cohort-based | Week 1, Week 2, Week 4 |
+| **Mensal** | SaaS tradicional | Month 1, Month 3, Month 12 |
+| **Por Cohort Course** | Educacao | Cohort Jan 2024, Cohort Feb 2024 |
+
+### PERGUNTA 3: Qual o Evento de Retencao?
+
+| Negocio | Evento de Retorno | Por que |
+|---------|-------------------|---------|
+| SaaS | Login ou acao core | Indica uso real |
+| E-commerce | Compra | Indica valor |
+| App | Sessao ativa | Indica engajamento |
+| Curso | Aula completada | Indica progresso |
+| Comunidade | Post ou comentario | Indica participacao |
+```
+
+### Step 1.2: Cohort Matrix Template
+
+```markdown
+## Template de Matriz de Cohort
+
+### Acquisition Cohort (Temporal)
+
+| Cohort | N Inicial | Mes 0 | Mes 1 | Mes 2 | Mes 3 | Mes 6 | Mes 12 |
+|--------|-----------|-------|-------|-------|-------|-------|--------|
+| Jan 24 | [___] | 100% | [__]% | [__]% | [__]% | [__]% | [__]% |
+| Fev 24 | [___] | 100% | [__]% | [__]% | [__]% | [__]% | [__]% |
+| Mar 24 | [___] | 100% | [__]% | [__]% | [__]% | [__]% | [__]% |
+| Abr 24 | [___] | 100% | [__]% | [__]% | [__]% | [__]% | - |
+| Mai 24 | [___] | 100% | [__]% | [__]% | [__]% | - | - |
+| Jun 24 | [___] | 100% | [__]% | [__]% | - | - | - |
+
+### Channel Cohort
+
+| Canal | N Inicial | Mes 0 | Mes 1 | Mes 2 | Mes 3 |
+|-------|-----------|-------|-------|-------|-------|
+| Organic | [___] | 100% | [__]% | [__]% | [__]% |
+| Paid (Google) | [___] | 100% | [__]% | [__]% | [__]% |
+| Paid (Meta) | [___] | 100% | [__]% | [__]% | [__]% |
+| Referral | [___] | 100% | [__]% | [__]% | [__]% |
+| Partner | [___] | 100% | [__]% | [__]% | [__]% |
+
+### Behavioral Cohort (Activation)
+
+| Comportamento Inicial | N | Mes 0 | Mes 1 | Mes 2 | Mes 3 |
+|-----------------------|---|-------|-------|-------|-------|
+| Completou onboarding | [___] | 100% | [__]% | [__]% | [__]% |
+| Parcialmente | [___] | 100% | [__]% | [__]% | [__]% |
+| Nao completou | [___] | 100% | [__]% | [__]% | [__]% |
+```
+
+### Step 1.3: SQL Templates para Extracao
+
+```sql
+-- TEMPLATE 1: Acquisition Cohort (PostgreSQL/Supabase)
+
+WITH user_cohorts AS (
+  SELECT
+    user_id,
+    DATE_TRUNC('month', created_at) AS cohort_month,
+    created_at AS signup_date
+  FROM users
+  WHERE created_at >= '2024-01-01'
+),
+
+user_activities AS (
+  SELECT
+    user_id,
+    DATE_TRUNC('month', activity_date) AS activity_month
+  FROM user_events
+  WHERE event_type = 'active_session' -- ou outro evento de retencao
+  GROUP BY 1, 2
+),
+
+cohort_data AS (
+  SELECT
+    c.cohort_month,
+    EXTRACT(MONTH FROM AGE(a.activity_month, c.cohort_month)) AS months_since_signup,
+    COUNT(DISTINCT c.user_id) AS users
+  FROM user_cohorts c
+  LEFT JOIN user_activities a
+    ON c.user_id = a.user_id
+    AND a.activity_month >= c.cohort_month
+  GROUP BY 1, 2
+),
+
+cohort_sizes AS (
+  SELECT
+    cohort_month,
+    COUNT(DISTINCT user_id) AS cohort_size
+  FROM user_cohorts
+  GROUP BY 1
+)
+
+SELECT
+  cd.cohort_month,
+  cd.months_since_signup,
+  cd.users,
+  cs.cohort_size,
+  ROUND(cd.users::numeric / cs.cohort_size * 100, 1) AS retention_rate
+FROM cohort_data cd
+JOIN cohort_sizes cs ON cd.cohort_month = cs.cohort_month
+ORDER BY cd.cohort_month, cd.months_since_signup;
+```
+
+```sql
+-- TEMPLATE 2: Channel Cohort
+
+WITH user_channels AS (
+  SELECT
+    user_id,
+    CASE
+      WHEN utm_source = 'google' THEN 'Paid Google'
+      WHEN utm_source = 'facebook' THEN 'Paid Meta'
+      WHEN utm_source = 'referral' THEN 'Referral'
+      WHEN utm_source IS NULL OR utm_source = 'direct' THEN 'Organic'
+      ELSE 'Other'
+    END AS acquisition_channel,
+    created_at AS signup_date
+  FROM users
+),
+
+user_retention AS (
+  SELECT
+    uc.user_id,
+    uc.acquisition_channel,
+    uc.signup_date,
+    -- Mes 1: Ativo 30-60 dias apos signup
+    CASE WHEN EXISTS (
+      SELECT 1 FROM user_events ue
+      WHERE ue.user_id = uc.user_id
+      AND ue.activity_date BETWEEN uc.signup_date + INTERVAL '30 days'
+                               AND uc.signup_date + INTERVAL '60 days'
+    ) THEN 1 ELSE 0 END AS retained_month_1,
+    -- Mes 2: Ativo 60-90 dias apos signup
+    CASE WHEN EXISTS (
+      SELECT 1 FROM user_events ue
+      WHERE ue.user_id = uc.user_id
+      AND ue.activity_date BETWEEN uc.signup_date + INTERVAL '60 days'
+                               AND uc.signup_date + INTERVAL '90 days'
+    ) THEN 1 ELSE 0 END AS retained_month_2
+  FROM user_channels uc
+)
+
+SELECT
+  acquisition_channel,
+  COUNT(*) AS total_users,
+  SUM(retained_month_1) AS retained_m1,
+  ROUND(SUM(retained_month_1)::numeric / COUNT(*) * 100, 1) AS retention_m1_pct,
+  SUM(retained_month_2) AS retained_m2,
+  ROUND(SUM(retained_month_2)::numeric / COUNT(*) * 100, 1) AS retention_m2_pct
+FROM user_retention
+GROUP BY acquisition_channel
+ORDER BY retention_m1_pct DESC;
+```
+
+```sql
+-- TEMPLATE 3: Cohort Course Completion (Wes Kao style)
+
+WITH course_cohorts AS (
+  SELECT
+    e.user_id,
+    c.cohort_name,
+    c.start_date AS cohort_start,
+    c.end_date AS cohort_end,
+    e.enrolled_at
+  FROM enrollments e
+  JOIN cohorts c ON e.cohort_id = c.id
+),
+
+lesson_progress AS (
+  SELECT
+    p.user_id,
+    p.lesson_id,
+    l.week_number,
+    p.completed_at
+  FROM progress p
+  JOIN lessons l ON p.lesson_id = l.id
+  WHERE p.completed = true
+),
+
+cohort_weekly_completion AS (
+  SELECT
+    cc.cohort_name,
+    lp.week_number,
+    COUNT(DISTINCT cc.user_id) AS users_completed_week
+  FROM course_cohorts cc
+  LEFT JOIN lesson_progress lp ON cc.user_id = lp.user_id
+  WHERE lp.week_number IS NOT NULL
+  GROUP BY cc.cohort_name, lp.week_number
+)
+
+SELECT
+  cwc.cohort_name,
+  cwc.week_number,
+  cwc.users_completed_week,
+  cs.cohort_size,
+  ROUND(cwc.users_completed_week::numeric / cs.cohort_size * 100, 1) AS completion_pct
+FROM cohort_weekly_completion cwc
+JOIN (
+  SELECT cohort_name, COUNT(DISTINCT user_id) AS cohort_size
+  FROM course_cohorts
+  GROUP BY cohort_name
+) cs ON cwc.cohort_name = cs.cohort_name
+ORDER BY cwc.cohort_name, cwc.week_number;
+```
+
+---
+
+## FASE 2: RETENTION CURVES
+
+### Step 2.1: Entendendo Retention Curves
+
+```
+┌────────────────────────────────────────────────────────────────┐
+│                    RETENTION CURVE ANATOMY                       │
+├────────────────────────────────────────────────────────────────┤
+│                                                                  │
+│  100% ─┬─────────────────────────────────────────────────────   │
+│        │╲                                                        │
+│        │ ╲ INICIAL DROP                                          │
+│   80%  │  ╲  (Dia 1-7)                                          │
+│        │   ╲ - Usuarios que nao engajaram                       │
+│        │    ╲ - Problema de ativacao                            │
+│   60%  │     ╲___                                                │
+│        │         ╲                                               │
+│        │          ╲ DECAY PHASE                                  │
+│   40%  │           ╲  (Semana 2-8)                              │
+│        │            ╲ - Churn gradual                           │
+│        │             ╲ - Problema de valor                       │
+│   20%  │              ╲___________                               │
+│        │                          ╲                              │
+│        │                           ╲___ PLATEAU                  │
+│   10%  │                               ─────────                 │
+│        │                              Core users                 │
+│    0%  └─────────────────────────────────────────────────────   │
+│        D1  D7  W2  W4  M2  M3  M6  M12                           │
+│                                                                  │
+│  ZONAS DE INTERVENCAO:                                          │
+│  - Inicial Drop alto (>40%): Problema de onboarding             │
+│  - Decay acentuado: Problema de valor percebido                  │
+│  - Plateau baixo (<10%): Problema de product-market fit          │
+│                                                                  │
+└────────────────────────────────────────────────────────────────┘
+```
+
+### Step 2.2: Metricas de Retention Curves
+
+```markdown
+## Metricas Essenciais de Retention
+
+### Metricas de Curto Prazo
+
+| Metrica | Formula | O que indica | Benchmark SaaS |
+|---------|---------|--------------|----------------|
+| **D1 Retention** | Ativos D1 / Signups | Primeira impressao | 40-60% |
+| **D7 Retention** | Ativos D7 / Signups | Aha moment alcancado | 25-40% |
+| **W1 Activation** | Ativados W1 / Signups | Onboarding efetivo | 50-70% |
+
+### Metricas de Medio Prazo
+
+| Metrica | Formula | O que indica | Benchmark SaaS |
+|---------|---------|--------------|----------------|
+| **M1 Retention** | Ativos M1 / Signups | Valor inicial percebido | 20-40% |
+| **M2 Retention** | Ativos M2 / Signups | Habito formando | 15-30% |
+| **M3 Retention** | Ativos M3 / Signups | Habito formado | 10-25% |
+
+### Metricas de Longo Prazo
+
+| Metrica | Formula | O que indica | Benchmark SaaS |
+|---------|---------|--------------|----------------|
+| **M6 Retention** | Ativos M6 / Signups | Core user base | 8-20% |
+| **M12 Retention** | Ativos M12 / Signups | True loyal customers | 5-15% |
+| **Steady State** | Plateau apos M6+ | Retencao sustentavel | 5-12% |
+
+### Coleta de Dados - Sua Analise
+
+| Periodo | Seu Valor | Benchmark | Status |
+|---------|-----------|-----------|--------|
+| D1 Retention | [___]% | 40-60% | [___] |
+| D7 Retention | [___]% | 25-40% | [___] |
+| M1 Retention | [___]% | 20-40% | [___] |
+| M3 Retention | [___]% | 10-25% | [___] |
+| M6 Retention | [___]% | 8-20% | [___] |
+| M12 Retention | [___]% | 5-15% | [___] |
+```
+
+### Step 2.3: Modelo Shifted-Beta-Geometric (Fader)
+
+```markdown
+## Modelo sBG - Projecao de Retencao
+
+### Conceito (Peter Fader)
+
+"A heterogeneidade nao observada nas taxas de churn dos clientes
+pode ser modelada usando uma distribuicao Beta."
+
+### O que o Modelo Captura
+
+```
+REALIDADE:
+- Nem todos os clientes tem a mesma probabilidade de churn
+- Alguns clientes sao naturalmente mais fieis
+- Outros sao mais propensos a sair cedo
+
+MODELAGEM:
+- Taxa de churn individual: p (varia por pessoa)
+- Distribuicao de p: Beta(a, b)
+- Parametros a e b sao estimados dos dados
+```
+
+### Formula de Retencao Esperada
+
+```
+Retention(t) = Beta(a, b + t) / Beta(a, b)
+
+Onde:
+- a, b = parametros da distribuicao Beta
+- t = periodo de tempo
+- Beta() = funcao Beta
+```
+
+### Implementacao em Excel/Sheets
+
+```
+PASSO 1: Dados de entrada
+- Coluna A: Periodo (0, 1, 2, 3, ...)
+- Coluna B: Retencao observada (100%, 75%, 55%, ...)
+
+PASSO 2: Parametros iniciais
+- Celula E1: a (comece com 1)
+- Celula E2: b (comece com 1)
+
+PASSO 3: Formula de projecao (Coluna C)
+= EXP(GAMMALN(E$1)+GAMMALN(E$2+A2)-GAMMALN(E$1+E$2+A2)
+      -GAMMALN(E$1)-GAMMALN(E$2)+GAMMALN(E$1+E$2))
+
+PASSO 4: Solver
+- Minimize a soma dos erros quadrados
+- Variando a e b
+- Restricao: a > 0, b > 0
+```
+
+### Interpretacao dos Parametros
+
+| Cenario | a | b | Significado |
+|---------|---|---|-------------|
+| Alto churn inicial, depois estabiliza | Baixo | Alto | Base heterogenea, alguns muito fieis |
+| Churn constante | ~1 | ~1 | Base homogenea |
+| Churn acelerando | Alto | Baixo | Base majoritariamente propensa a sair |
+```
+
+### Step 2.4: Retention Curves - WES KAO (Educacao)
+
+```markdown
+## Retention Curves para Cohort-Based Courses
+
+### Framework Maven (Wes Kao)
+
+```
+┌────────────────────────────────────────────────────────────────┐
+│             MOOC vs CBC RETENTION COMPARISON                    │
+├────────────────────────────────────────────────────────────────┤
+│                                                                  │
+│  100% ─┬─────────────────────────────────────────────────────   │
+│        │╲  CBC (Cohort-Based Course)                            │
+│        │ ╲  93% activation to Week 1                            │
+│   93%  │  ╲─────────────────────────────                        │
+│        │   ╲  96% Week 1 to Week 2                              │
+│   89%  │    ────────────────────────────                        │
+│        │                                                         │
+│        │                                                         │
+│   60%  │                                                         │
+│        │                                                         │
+│   39%  │  MOOC Traditional                                       │
+│        │╲  39% activation to Week 1                             │
+│        │ ╲                                                       │
+│    6%  │  ╲──────────────────────                               │
+│        │     6% Week 2 retention                                 │
+│    0%  └─────────────────────────────────────────────────────   │
+│        Enrolled  Week 1  Week 2  Week 3  Week 4                  │
+│                                                                  │
+│  DIFERENCA: 14x mais retencao em CBC vs MOOC                    │
+│                                                                  │
+└────────────────────────────────────────────────────────────────┘
+```
+
+### Metricas de Completion (Cursos)
+
+| Metrica | MOOC Tipico | CBC Tipico | Meta Excelente |
+|---------|-------------|------------|----------------|
+| **Enrollment to W1** | 39% | 93% | >90% |
+| **W1 to W2** | 16% | 96% | >95% |
+| **Overall Completion** | 3-10% | 70-96% | >80% |
+| **Project Submission** | 5% | 85%+ | >90% |
+| **NPS** | 20-40 | 70+ | >75 |
+
+### Drivers de Retention em CBC
+
+| Driver | Impacto | Como Medir |
+|--------|---------|------------|
+| **Fixed Schedule** | Cria urgencia | Completion vs prazo |
+| **Cohort Peers** | Accountability social | Interacoes entre pares |
+| **Live Sessions** | Engagement real-time | Attendance rate |
+| **Projects/Deliverables** | Skin in the game | Submission rate |
+| **High Price** | Commitment financeiro | Correlacao preco x completion |
+```
+
+---
+
+## FASE 3: COHORT COMPARISON
+
+### Step 3.1: Framework de Comparacao
+
+```markdown
+## Comparacao de Cohorts - Framework
+
+### DIMENSAO 1: Temporal (Mes a Mes)
+
+| Pergunta | O que revela |
+|----------|--------------|
+| Cohort de Janeiro vs Fevereiro? | Sazonalidade |
+| Pre vs Pos lancamento de feature? | Impacto de produto |
+| Pre vs Pos mudanca de preco? | Elasticidade |
+| Pre vs Pos redesign de onboarding? | Eficacia de UX |
+
+### Template de Comparacao Temporal
+
+| Metrica | Cohort A (Jan) | Cohort B (Fev) | Delta | Significativo? |
+|---------|----------------|----------------|-------|----------------|
+| N inicial | [___] | [___] | [___]% | - |
+| M1 Retention | [___]% | [___]% | [___]pp | [___] |
+| M3 Retention | [___]% | [___]% | [___]pp | [___] |
+| CLV Projetado | R$[___] | R$[___] | [___]% | [___] |
+
+### DIMENSAO 2: Canal de Aquisicao
+
+| Canal | Volume | M1 Ret | M3 Ret | CAC | CLV | CLV/CAC |
+|-------|--------|--------|--------|-----|-----|---------|
+| Organic | [___] | [___]% | [___]% | R$[___] | R$[___] | [___]x |
+| Paid Google | [___] | [___]% | [___]% | R$[___] | R$[___] | [___]x |
+| Paid Meta | [___] | [___]% | [___]% | R$[___] | R$[___] | [___]x |
+| Referral | [___] | [___]% | [___]% | R$[___] | R$[___] | [___]x |
+
+### DIMENSAO 3: Comportamento Inicial
+
+| Comportamento | N | M1 Ret | M3 Ret | Insight |
+|---------------|---|--------|--------|---------|
+| Completou onboarding <24h | [___] | [___]% | [___]% | [insight] |
+| Completou onboarding >24h | [___] | [___]% | [___]% | [insight] |
+| Nao completou onboarding | [___] | [___]% | [___]% | [insight] |
+| Convidou alguem W1 | [___] | [___]% | [___]% | [insight] |
+| Usou feature X | [___] | [___]% | [___]% | [insight] |
+```
+
+### Step 3.2: Analise de Significancia Estatistica
+
+```markdown
+## Significancia Estatistica na Comparacao
+
+### Por que importa
+
+"Cohort A tem 25% de retencao e Cohort B tem 28%."
+Isso e significativo ou apenas ruido?
+
+### Teste de Proporcoes (Chi-quadrado)
+
+```
+H0: Retencao de A = Retencao de B
+H1: Retencao de A != Retencao de B
+
+Calculo simplificado:
+- n_A, n_B = tamanhos das amostras
+- p_A, p_B = proporcoes de retencao
+- p_pooled = (n_A * p_A + n_B * p_B) / (n_A + n_B)
+
+Z = (p_A - p_B) / sqrt(p_pooled * (1 - p_pooled) * (1/n_A + 1/n_B))
+
+Se |Z| > 1.96, diferenca e significativa (p < 0.05)
+```
+
+### Calculadora de Tamanho de Amostra
+
+| Baseline | Delta Minimo Detectavel | Tamanho Necessario (cada) |
+|----------|-------------------------|---------------------------|
+| 20% | 5pp (20% -> 25%) | ~600 |
+| 20% | 3pp (20% -> 23%) | ~1,600 |
+| 50% | 5pp (50% -> 55%) | ~780 |
+| 50% | 3pp (50% -> 53%) | ~2,100 |
+
+### Regra Pratica
+
+```
+Para detectar diferenca de X pontos percentuais:
+N minimo por grupo ≈ 2 * (p * (1-p)) / (X/100)^2
+
+Exemplo: Detectar 5pp de diferenca em retencao de 30%
+N ≈ 2 * (0.30 * 0.70) / (0.05)^2 = 168
+
+Com margem de seguranca, use 200-300 por grupo.
+```
+```
+
+### Step 3.3: Cohort Comparison Visualization
+
+```
+## Visualizacao de Comparacao de Cohorts
+
+### GRAFICO 1: Retention Curves Sobrepostas
+
+```
+  100% ─┬───●───────────────────────────────────────
+        │   │╲ Cohort Jan (baseline)
+        │   │ ╲
+   80%  │   │  ╲____
+        │   │       ╲
+        │   │        ╲ ● Cohort Fev (worse)
+   60%  │   │         ╲
+        │   │          ╲___
+        │   │              ╲
+   40%  │   │               ╲___
+        │   │                   ╲______
+        │   │                          ╲___
+   20%  │   │  ○ Cohort Mar (better)
+        │   │   ○─────○─────○─────○──────────
+        │   │
+    0%  └───┴────────────────────────────────────
+            M0   M1   M2   M3   M6   M12
+```
+
+### GRAFICO 2: Heatmap de Cohorts
+
+```
+         M0    M1    M2    M3    M4    M5    M6
+Jan 24  100%  [72%] [55%] [42%] [35%] [30%] [28%]
+        ████  ████  ████  ████  ███   ███   ██
+
+Fev 24  100%  [68%] [50%] [38%] [32%] [27%]
+        ████  ███   ███   ███   ██    ██
+
+Mar 24  100%  [75%] [60%] [48%] [40%]
+        ████  ████  ████  ████  ███
+
+LEGENDA:
+████ >60%  ███ 40-60%  ██ 20-40%  █ <20%
+```
+
+### GRAFICO 3: Comparacao por Canal (Bar Chart)
+
+```
+M3 Retention por Canal
+
+Referral      |██████████████████████| 45%
+Organic       |████████████████████| 38%
+Paid Google   |███████████████| 28%
+Paid Meta     |█████████████| 22%
+              0%   10%   20%   30%   40%   50%
+```
+```
+
+---
+
+## FASE 4: INSIGHTS EXTRACTION
+
+### Step 4.1: Framework de Extracao de Insights
+
+```markdown
+## Framework de Insights - DICE
+
+### D - Describe (Descrever)
+
+| Pergunta | Sua Resposta |
+|----------|--------------|
+| O que os numeros dizem literalmente? | [___] |
+| Qual cohort performa melhor? | [___] |
+| Qual cohort performa pior? | [___] |
+| Ha tendencia ao longo do tempo? | [___] |
+
+### I - Interpret (Interpretar)
+
+| Pergunta | Sua Resposta |
+|----------|--------------|
+| Por que isso pode estar acontecendo? | [___] |
+| O que mudou entre cohorts? | [___] |
+| Qual e a causa provavel? | [___] |
+| Ha fatores externos? | [___] |
+
+### C - Compare (Comparar)
+
+| Pergunta | Sua Resposta |
+|----------|--------------|
+| Como estamos vs benchmark? | [___] |
+| Como estamos vs concorrentes? | [___] |
+| Como estamos vs nosso historico? | [___] |
+| O delta e significativo? | [___] |
+
+### E - Execute (Executar)
+
+| Pergunta | Sua Resposta |
+|----------|--------------|
+| O que devemos fazer com isso? | [___] |
+| Qual acao imediata? | [___] |
+| Qual acao de medio prazo? | [___] |
+| Como vamos medir impacto? | [___] |
+```
+
+### Step 4.2: Patterns Comuns em Cohort Analysis
+
+```markdown
+## Patterns e o que Significam
+
+### PATTERN 1: Todas as Curvas Melhorando
+
+```
+VISUAL:
+Cohort Jan: ─────────────
+Cohort Fev:  ──────────────
+Cohort Mar:   ────────────────
+
+INTERPRETACAO:
+- Produto melhorando ao longo do tempo
+- Onboarding mais eficaz
+- Market fit aumentando
+
+ACAO:
+- Identificar o que mudou
+- Dobrar a aposta
+- Documentar best practices
+```
+
+### PATTERN 2: Todas as Curvas Piorando
+
+```
+VISUAL:
+Cohort Jan: ────────────────
+Cohort Fev:  ──────────────
+Cohort Mar:   ─────────────
+
+INTERPRETACAO:
+- Qualidade de aquisicao caindo
+- Produto perdendo relevancia
+- Concorrencia aumentando
+- Bug ou problema de UX
+
+ACAO:
+- Investigar urgentemente
+- Checar mudancas recentes
+- Revisar canais de aquisicao
+- Entrevistar churned users
+```
+
+### PATTERN 3: Um Canal Muito Melhor
+
+```
+VISUAL:
+Referral:    ──────────────────────
+Organic:     ─────────────────
+Paid:        ─────────────
+
+INTERPRETACAO:
+- Referrals sao mais qualificados
+- Proof social funciona
+- Paid traz usuarios menos engajados
+
+ACAO:
+- Investir em programa de referral
+- Aumentar share of wallet em referral
+- Melhorar qualificacao de paid
+```
+
+### PATTERN 4: Drop Inicial Alto, Depois Estabiliza
+
+```
+VISUAL:
+100% ─┐
+      │
+40%   └────────────────────
+
+INTERPRETACAO:
+- Problema severo de ativacao
+- Expectativa vs realidade
+- Onboarding nao entrega valor rapido
+
+ACAO:
+- Redesenhar onboarding
+- Acelerar time-to-value
+- Melhorar comunicacao pre-signup
+```
+
+### PATTERN 5: Decay Constante (Sem Plateau)
+
+```
+VISUAL:
+100% ─┐
+      │╲
+      │ ╲
+      │  ╲
+  0%      ╲
+
+INTERPRETACAO:
+- Sem core users formando habito
+- Problema de product-market fit
+- Valor nao e suficiente para retenção
+
+ACAO:
+- Investigar por que ninguem fica
+- Revisar proposta de valor
+- Considerar pivot de produto
+```
+
+### PATTERN 6: Cohort Course Completion Drop por Semana
+
+```
+VISUAL:
+W1: 95%
+W2: 80%
+W3: 60%
+W4: 45%
+
+INTERPRETACAO (Wes Kao):
+- Conteudo semana 3 pode ser problemático
+- Ponto de desistência identificado
+- Falta de accountability mid-course
+
+ACAO:
+- Redesenhar semana 3
+- Adicionar checkpoint mid-course
+- Aumentar interacao pares semana 2-3
+```
+```
+
+### Step 4.3: Template de Documento de Insights
+
+```markdown
+# Cohort Analysis Insights - [Data]
+
+## Executive Summary
+
+### Headline
+[Uma frase que resume o principal insight]
+
+### Numero Chave
+[Metrica mais importante com contexto]
+
+### Recomendacao Principal
+[Acao mais critica a tomar]
+
+---
+
+## Insights Detalhados
+
+### Insight 1: [Titulo]
+
+**Observacao:**
+[O que os dados mostram]
+
+**Interpretacao:**
+[Por que acreditamos que isso acontece]
+
+**Impacto:**
+[Qual o impacto no negocio]
+
+**Acao Recomendada:**
+[O que fazer a respeito]
+
+**Metrica de Sucesso:**
+[Como saberemos se a acao funcionou]
+
+---
+
+### Insight 2: [Titulo]
+[Mesmo formato]
+
+---
+
+## Proximos Passos
+
+| Acao | Responsavel | Prazo | KPI |
+|------|-------------|-------|-----|
+| [Acao 1] | [Nome] | [Data] | [Metrica] |
+| [Acao 2] | [Nome] | [Data] | [Metrica] |
+
+---
+
+## Appendix
+
+### Dados Brutos
+[Link para dados]
+
+### Metodologia
+[Como a analise foi feita]
+
+### Limitacoes
+[O que a analise nao captura]
+```
+
+---
+
+## FASE 5: VISUALIZATION RECOMMENDATIONS
+
+### Step 5.1: Principios de Visualizacao (Kaushik + Fader)
+
+```markdown
+## Principios de Visualizacao de Cohorts
+
+### PRINCIPIO 1: So What Test (Avinash Kaushik)
+
+"Todo grafico deve responder: E dai? O que faco com isso?"
+
+ERRADO:
+- Mostrar retencao sem contexto
+- Grafico bonito que nao leva a acao
+
+CERTO:
+- Destacar anomalias
+- Incluir benchmark
+- Sugerir acao no titulo
+
+### PRINCIPIO 2: Comparacao Visual (Fader)
+
+"Mostrar heterogeneidade e mais importante que mostrar medias."
+
+ERRADO:
+- Mostrar apenas retencao media
+- Agregar todos os cohorts
+
+CERTO:
+- Mostrar cada cohort separadamente
+- Destacar variancia entre cohorts
+- Identificar outliers
+
+### PRINCIPIO 3: Storytelling com Dados
+
+"O grafico deve contar uma historia, nao apenas mostrar numeros."
+
+ESTRUTURA:
+1. SETUP: O que estamos olhando?
+2. CONFLITO: O que nao esta funcionando?
+3. RESOLUCAO: O que podemos fazer?
+```
+
+### Step 5.2: Tipos de Visualizacao Recomendados
+
+```markdown
+## Catalogo de Visualizacoes
+
+### 1. RETENTION HEATMAP (Recomendado)
+
+**Quando Usar:** Visao geral de multiplos cohorts
+
+```
+         M0   M1   M2   M3   M4   M5   M6
+Jan 24  100  72   55   42   35   30   28
+Fev 24  100  68   50   38   32   27   --
+Mar 24  100  75   60   48   40   --   --
+Apr 24  100  70   52   --   --   --   --
+
+Cor: Verde = alto, Amarelo = medio, Vermelho = baixo
+```
+
+**Pros:**
+- Visualiza todos os dados de uma vez
+- Identifica padroes rapidamente
+- Mostra tendencias temporais
+
+**Cons:**
+- Pode ser overwhelming com muitos cohorts
+- Dificil comparar curvas especificas
+
+---
+
+### 2. LINE CHART - CURVAS SOBREPOSTAS
+
+**Quando Usar:** Comparar 2-5 cohorts especificos
+
+```
+100% ─┬─●─────────────────────
+      │ │╲  ● Cohort A
+      │ │ ○─○──○──○──○──○  ○ Cohort B
+ 50%  │ │   ╲
+      │ │    ╲__●__●__●__●
+      │ │
+  0%  └─┴────────────────────────
+        M0  M1  M2  M3  M4  M5  M6
+```
+
+**Pros:**
+- Comparacao direta entre cohorts
+- Mostra forma da curva claramente
+- Identifica ponto de divergencia
+
+**Cons:**
+- Fica confuso com muitos cohorts
+- Dificil ver valores exatos
+
+---
+
+### 3. BAR CHART - RETENTION POR PERIODO
+
+**Quando Usar:** Comparar retention em momento especifico
+
+```
+M3 Retention por Cohort
+
+Jan 24  |████████████████| 42%
+Fev 24  |██████████████| 38%
+Mar 24  |██████████████████| 48%
+Apr 24  |█████████████| 35%
+        0%      25%      50%
+```
+
+**Pros:**
+- Comparacao clara em ponto especifico
+- Facil identificar melhor/pior
+- Ordenavel por valor
+
+**Cons:**
+- Perde visao da curva completa
+- Nao mostra tendencia
+
+---
+
+### 4. COHORT FUNNEL
+
+**Quando Usar:** Cursos cohort-based, onboarding
+
+```
+Enrolled  → Week 1 → Week 2 → Week 3 → Complete
+  1000       930      890      820      780
+ (100%)     (93%)    (89%)    (82%)    (78%)
+   |         |        |        |        |
+   ▼         ▼        ▼        ▼        ▼
+  ████      ████     ████     ███      ███
+```
+
+**Pros:**
+- Mostra progressao claramente
+- Identifica maior drop-off
+- Intuitivo para stakeholders
+
+---
+
+### 5. RETENTION CURVE + PROJECTION
+
+**Quando Usar:** Projetar retencao futura (Modelo sBG)
+
+```
+100% ─┬─●─────────────────────────────────
+      │ │╲
+      │ │ ╲  ● Observado
+      │ │  ╲
+ 50%  │ │   ╲●
+      │ │    ╲
+      │ │     ╲●
+      │ │      ╲  ○ Projetado (modelo sBG)
+ 25%  │ │       ╲●
+      │ │        ○──○──○──○──○──○
+      │ │
+  0%  └─┴────────────────────────────────
+        M0  M1  M2  M3  M4  M5  M6  M7  M8
+```
+
+**Pros:**
+- Visualiza projecao vs real
+- Valida modelo
+- Ajuda planejamento
+
+---
+
+### 6. DUAL AXIS - RETENTION + REVENUE
+
+**Quando Usar:** Conectar retention com impacto financeiro
+
+```
+      Retention                    Revenue
+100% ─┬───────────────────────── $50k
+      │  ●
+      │   ╲
+ 50%  │    ●                    $25k
+      │     ╲  ○──○──○──○
+      │      ●__●__●__●
+      │
+  0%  └───────────────────────── $0
+        M0  M1  M2  M3  M4  M5
+
+● Retention    ○ Cumulative Revenue
+```
+```
+
+### Step 5.3: Dashboard Recomendado
+
+```markdown
+## Layout de Dashboard de Cohort Analysis
+
+### SECAO 1: KPIs PRINCIPAIS (Topo)
+
+┌─────────────────────────────────────────────────────────────┐
+│                                                               │
+│  D7 RETENTION    M1 RETENTION    M3 RETENTION    LTV MEDIO   │
+│     32%             24%             15%           $180       │
+│   (+3% vs ant)    (-2% vs ant)   (+1% vs ant)  (+$20 vs ant) │
+│                                                               │
+└─────────────────────────────────────────────────────────────┘
+
+### SECAO 2: RETENTION HEATMAP (Centro Esquerdo)
+
+┌─────────────────────────────────┐
+│      Cohort Retention Heatmap   │
+│                                 │
+│      M0  M1  M2  M3  M4  M5    │
+│ Jan  ██  ██  █▓  █░  █░  █░    │
+│ Fev  ██  ██  █▓  █░  █░        │
+│ Mar  ██  ██  █▓  █▓            │
+│ Apr  ██  ██  █░                │
+│                                 │
+└─────────────────────────────────┘
+
+### SECAO 3: CURVAS COMPARATIVAS (Centro Direito)
+
+┌─────────────────────────────────┐
+│    Top vs Bottom Cohort         │
+│                                 │
+│    ●───●───●───●  Mar (best)   │
+│    ○───○──○──○    Apr (worst)  │
+│                                 │
+│    M0   M1   M2   M3            │
+└─────────────────────────────────┘
+
+### SECAO 4: RETENTION POR CANAL (Inferior Esquerdo)
+
+┌─────────────────────────────────┐
+│  M3 Retention by Channel        │
+│                                 │
+│  Referral  ████████████ 45%    │
+│  Organic   █████████ 35%       │
+│  Paid      █████ 22%           │
+│                                 │
+└─────────────────────────────────┘
+
+### SECAO 5: ALERTAS E INSIGHTS (Inferior Direito)
+
+┌─────────────────────────────────┐
+│  Insights & Alerts              │
+│                                 │
+│  ⚠️ Cohort Abril com drop de   │
+│     15% no M1 vs baseline       │
+│                                 │
+│  ✅ Referrals mantendo 45%     │
+│     de M3 retention             │
+│                                 │
+│  📊 Acao: Investigar onboarding │
+│     de Abril                    │
+└─────────────────────────────────┘
+```
+
+---
+
+## FASE 6: ACTION PLAN BY COHORT
+
+### Step 6.1: Playbooks por Situacao
+
+```markdown
+## Playbooks de Intervencao
+
+### SITUACAO 1: Cohort com Retention Inicial Baixa (D1-D7)
+
+**Diagnostico:** Problema de ativacao
+
+**Acoes Imediatas:**
+1. Revisar onboarding flow
+2. Identificar "Aha moment" e acelera-lo
+3. Implementar welcome sequence
+4. Adicionar guidance in-app
+
+**Metricas de Sucesso:**
+- D1 retention +10pp
+- Time to first value -30%
+- Setup completion +20%
+
+---
+
+### SITUACAO 2: Cohort com Decay Rapido (M1-M3)
+
+**Diagnostico:** Problema de valor percebido
+
+**Acoes Imediatas:**
+1. Entrevistar churned users (5-10)
+2. Mapear features mais usadas por retained vs churned
+3. Criar re-engagement campaign
+4. Revisar proposta de valor
+
+**Metricas de Sucesso:**
+- M3 retention +5pp
+- Feature adoption +25%
+- Reactivation rate 10%+
+
+---
+
+### SITUACAO 3: Canal com Performance Ruim
+
+**Diagnostico:** Problema de qualidade de aquisicao
+
+**Acoes Imediatas:**
+1. Revisar targeting do canal
+2. Comparar messaging pre-signup com realidade
+3. Implementar qualification no signup
+4. Ajustar ou pausar canal
+
+**Metricas de Sucesso:**
+- M1 retention do canal +10pp
+- CLV/CAC do canal >3x
+- Qualified lead rate +15%
+
+---
+
+### SITUACAO 4: Course Completion Caindo Mid-Course (Wes Kao)
+
+**Diagnostico:** Problema de engajamento ou conteudo
+
+**Acoes Imediatas:**
+1. Adicionar accountability checkpoint
+2. Criar sub-grupos de estudo
+3. Redesenhar semana problematica
+4. Implementar reminder system
+
+**Metricas de Sucesso:**
+- Mid-course completion +20pp
+- Engagement score +25%
+- Project submission +15%
+
+---
+
+### SITUACAO 5: Nenhum Cohort com Plateau Saudavel
+
+**Diagnostico:** Problema de product-market fit
+
+**Acoes Imediatas:**
+1. Fazer PMF survey (Sean Ellis Test)
+2. Identificar segmento com melhor retention
+3. Focar nesse segmento
+4. Considerar pivot se <40% "muito desapontado"
+
+**Metricas de Sucesso:**
+- Identificar segmento com M6 retention >15%
+- PMF score >40%
+- Core user base definido
+```
+
+### Step 6.2: Template de Plano de Acao
+
+```markdown
+## Plano de Acao - Cohort [Nome]
+
+### CONTEXTO
+
+| Item | Valor |
+|------|-------|
+| Cohort Analisado | [Nome/Data] |
+| N Inicial | [___] usuarios |
+| Retention Atual (M3) | [___]% |
+| Retention Target (M3) | [___]% |
+| Gap | [___] pontos percentuais |
+
+### DIAGNOSTICO
+
+**Problema Identificado:**
+[Descricao do problema principal]
+
+**Evidencias:**
+- [Dado 1]
+- [Dado 2]
+- [Dado 3]
+
+**Hipotese:**
+[Por que acreditamos que isso esta acontecendo]
+
+### PLANO DE ACAO
+
+#### SEMANA 1-2: Quick Wins
+
+| Acao | Owner | Status | KPI |
+|------|-------|--------|-----|
+| [Acao 1] | [Nome] | [ ] | [Metrica] |
+| [Acao 2] | [Nome] | [ ] | [Metrica] |
+
+#### SEMANA 3-4: Implementacoes
+
+| Acao | Owner | Status | KPI |
+|------|-------|--------|-----|
+| [Acao 1] | [Nome] | [ ] | [Metrica] |
+| [Acao 2] | [Nome] | [ ] | [Metrica] |
+
+#### MES 2: Validacao
+
+| Acao | Owner | Status | KPI |
+|------|-------|--------|-----|
+| [Acao 1] | [Nome] | [ ] | [Metrica] |
+
+### METRICAS DE ACOMPANHAMENTO
+
+| Metrica | Baseline | Semana 2 | Semana 4 | Mes 2 |
+|---------|----------|----------|----------|-------|
+| D7 Retention | [___]% | [___]% | [___]% | [___]% |
+| M1 Retention | [___]% | - | [___]% | [___]% |
+| M3 Retention | [___]% | - | - | [___]% |
+
+### RISCOS E MITIGACAO
+
+| Risco | Probabilidade | Impacto | Mitigacao |
+|-------|---------------|---------|-----------|
+| [Risco 1] | [Alta/Media/Baixa] | [Alto/Medio/Baixo] | [Acao] |
+| [Risco 2] | [Alta/Media/Baixa] | [Alto/Medio/Baixo] | [Acao] |
+```
+
+---
+
+## FASE 7: FERRAMENTAS E RECURSOS
+
+### Step 7.1: Ferramentas Recomendadas
+
+```markdown
+## Ferramentas para Cohort Analysis
+
+### ANALYTICS PLATFORMS
+
+| Ferramenta | Melhor Para | Preco |
+|------------|-------------|-------|
+| **Amplitude** | Product analytics, cohorts complexos | Freemium |
+| **Mixpanel** | Event tracking, cohorts | Freemium |
+| **PostHog** | Open source, product analytics | Free / Paid |
+| **GA4** | Web analytics, cohorts basicos | Free |
+
+### BI / VISUALIZATION
+
+| Ferramenta | Melhor Para | Preco |
+|------------|-------------|-------|
+| **Looker** | Data modeling, dashboards | Paid |
+| **Metabase** | Open source BI | Free / Paid |
+| **Tableau** | Visualizacoes complexas | Paid |
+| **Google Sheets** | Analises rapidas | Free |
+
+### CUSTOMER SUCCESS
+
+| Ferramenta | Melhor Para | Preco |
+|------------|-------------|-------|
+| **Gainsight** | Health score, churn prediction | Enterprise |
+| **ChurnZero** | Customer success automation | Paid |
+| **Vitally** | B2B customer success | Paid |
+
+### EDUCACAO / COURSES
+
+| Ferramenta | Melhor Para | Preco |
+|------------|-------------|-------|
+| **Maven** | Cohort-based courses | Revenue share |
+| **Circle** | Community + courses | Paid |
+| **Teachable** | Self-paced + cohort | Paid |
+```
+
+### Step 7.2: Templates Prontos
+
+```markdown
+## Templates Disponiveis
+
+### Google Sheets Templates
+
+1. **Cohort Retention Heatmap**
+   - Link: [criar template]
+   - Uso: Cole dados, visualize heatmap automaticamente
+
+2. **sBG Model Calculator**
+   - Link: [criar template]
+   - Uso: Insira retention, obtenha projecao
+
+3. **Channel Comparison Dashboard**
+   - Link: [criar template]
+   - Uso: Compare canais lado a lado
+
+### SQL Query Library
+
+1. **Acquisition Cohort Query** (Seção 1.3)
+2. **Channel Cohort Query** (Seção 1.3)
+3. **Course Completion Query** (Seção 1.3)
+```
+
+---
+
+## FASE 8: BENCHMARKS POR INDUSTRIA
+
+### Step 8.1: Benchmarks de Retention
+
+```markdown
+## Benchmarks de Retention por Industria
+
+### SaaS B2B
+
+| Metrica | P25 | P50 (Mediana) | P75 | P90 |
+|---------|-----|---------------|-----|-----|
+| M1 Retention | 60% | 75% | 85% | 92% |
+| M3 Retention | 40% | 55% | 70% | 82% |
+| M12 Retention | 20% | 35% | 50% | 65% |
+| Logo Retention Annual | 75% | 85% | 92% | 97% |
+
+### SaaS B2C
+
+| Metrica | P25 | P50 | P75 | P90 |
+|---------|-----|-----|-----|-----|
+| M1 Retention | 25% | 40% | 55% | 68% |
+| M3 Retention | 12% | 22% | 35% | 48% |
+| M12 Retention | 5% | 12% | 22% | 35% |
+
+### Mobile Apps (Non-Gaming)
+
+| Metrica | P25 | P50 | P75 | P90 |
+|---------|-----|-----|-----|-----|
+| D1 Retention | 15% | 25% | 35% | 45% |
+| D7 Retention | 8% | 15% | 22% | 32% |
+| D30 Retention | 4% | 8% | 14% | 22% |
+
+### E-commerce
+
+| Metrica | P25 | P50 | P75 | P90 |
+|---------|-----|-----|-----|-----|
+| Repeat Purchase 90d | 15% | 25% | 35% | 45% |
+| Repeat Purchase 365d | 25% | 40% | 55% | 68% |
+
+### Online Courses (MOOC)
+
+| Metrica | P25 | P50 | P75 | P90 |
+|---------|-----|-----|-----|-----|
+| Week 1 Completion | 25% | 40% | 55% | 70% |
+| Overall Completion | 3% | 8% | 15% | 25% |
+
+### Cohort-Based Courses (CBC)
+
+| Metrica | P25 | P50 | P75 | P90 |
+|---------|-----|-----|-----|-----|
+| Week 1 to Course | 75% | 85% | 92% | 96% |
+| Overall Completion | 55% | 75% | 88% | 95% |
+```
+
+### Step 8.2: Comparacao com Benchmark
+
+```markdown
+## Sua Posicao vs Benchmark
+
+### Template de Comparacao
+
+| Metrica | Seu Valor | Benchmark P50 | vs Benchmark | Quartil |
+|---------|-----------|---------------|--------------|---------|
+| M1 Retention | [___]% | [___]% | [+/-___]pp | [___] |
+| M3 Retention | [___]% | [___]% | [+/-___]pp | [___] |
+| M6 Retention | [___]% | [___]% | [+/-___]pp | [___] |
+| M12 Retention | [___]% | [___]% | [+/-___]pp | [___] |
+
+### Interpretacao
+
+**ACIMA DO P50:**
+- Metricas: [lista]
+- Insight: [o que esta funcionando]
+- Acao: Manter e escalar
+
+**ABAIXO DO P50:**
+- Metricas: [lista]
+- Insight: [gap identificado]
+- Acao: Priorizar melhoria
+
+**PRIORIDADE #1:**
+[Metrica mais critica para melhorar]
+```
+
+---
+
+## OUTPUT FINAL
+
+### Deliverables
+
+Ao completar esta task, voce tera:
+
+1. **Cohort Definition Matrix** - Definicao clara de todos os cohorts analisados
+2. **Retention Curves Analysis** - Curvas de retencao com interpretacao
+3. **Cohort Comparison Report** - Comparacao detalhada entre cohorts
+4. **Insights Extraction Document** - Documento com insights DICE
+5. **Visualization Recommendations** - Dashboard e graficos recomendados
+6. **Action Plan by Cohort** - Plano de acao especifico
+
+### Template de Relatorio Executivo
+
+```markdown
+# Cohort Analysis Report
+## [Empresa/Produto] - [Data]
+
+### Executive Summary
+
+**Headline:**
+[Uma frase que resume o principal insight]
+
+**Numero Chave:**
+[Metrica mais importante com contexto]
+
+**Recomendacao Principal:**
+[Acao mais critica a tomar]
+
+---
+
+### Visao Geral de Cohorts
+
+| Cohort | N | M1 | M3 | M6 | Tendencia |
+|--------|---|----|----|----|-----------|
+| [Cohort 1] | [N] | [%] | [%] | [%] | [↑/↓/→] |
+| [Cohort 2] | [N] | [%] | [%] | [%] | [↑/↓/→] |
+
+---
+
+### Top 3 Insights
+
+1. **[Insight 1]**
+   - Dado: [evidencia]
+   - Impacto: [business impact]
+   - Acao: [o que fazer]
+
+2. **[Insight 2]**
+   - Dado: [evidencia]
+   - Impacto: [business impact]
+   - Acao: [o que fazer]
+
+3. **[Insight 3]**
+   - Dado: [evidencia]
+   - Impacto: [business impact]
+   - Acao: [o que fazer]
+
+---
+
+### Retention vs Benchmark
+
+| Metrica | Atual | Benchmark | Gap |
+|---------|-------|-----------|-----|
+| M1 | [%] | [%] | [+/-] |
+| M3 | [%] | [%] | [+/-] |
+
+---
+
+### Plano de Acao (90 Dias)
+
+| Prioridade | Acao | Owner | Prazo | KPI |
+|------------|------|-------|-------|-----|
+| 1 | [Acao] | [Nome] | [Data] | [Metrica] |
+| 2 | [Acao] | [Nome] | [Data] | [Metrica] |
+| 3 | [Acao] | [Nome] | [Data] | [Metrica] |
+
+---
+
+### Proxima Analise
+
+- Data: [Data da proxima revisao]
+- Foco: [O que sera analisado]
+- KPIs a monitorar: [Lista]
+```
+
+---
+
+## REFERENCIAS
+
+### Peter Fader
+- Paper: "Probability Models for Customer-Base Analysis" (2009)
+- Paper: "How to Project Customer Retention" (2007)
+- Livro: "Customer Centricity" (2012)
+- Livro: "The Customer Centricity Playbook" (2018)
+- Modelo: Shifted-Beta-Geometric (sBG) para retention
+
+### Wes Kao
+- Maven data: 14x mais retention que MOOCs
+- Framework: Course Mechanics Canvas (12 Levers)
+- Newsletter: weskao.substack.com
+- Podcast: Lenny's Podcast episode
+
+### Bruce Hardie
+- Co-autor com Fader em modelos CLV
+- Site: brucehardie.com (templates Excel)
+- Paper: "Reconciling CLV Formulas"
+
+### Amplitude
+- Retention Analysis Documentation
+- Cohort Analysis Best Practices
+
+### Sean Ellis
+- AARRR Framework aplicado a cohorts
+- North Star Metric por cohort
+
+---
+
+## CHECKLIST FINAL
+
+```markdown
+## Validacao da Task
+
+### Completude
+- [ ] Cohorts definidos claramente (dimensao, granularidade, evento)
+- [ ] Dados extraidos via SQL ou ferramenta
+- [ ] Retention curves construidas
+- [ ] Comparacao entre cohorts feita
+- [ ] Significancia estatistica verificada (se aplicavel)
+- [ ] Insights extraidos (framework DICE)
+- [ ] Visualizacoes criadas
+- [ ] Plano de acao documentado
+
+### Qualidade
+- [ ] Definicoes consistentes ao longo da analise
+- [ ] Dados verificados (sem erros de extracao)
+- [ ] Comparacao com benchmark incluida
+- [ ] Insights acionaveis (nao apenas descritivos)
+- [ ] Recomendacoes especificas com owners e prazos
+
+### Entrega
+- [ ] Relatorio executivo pronto
+- [ ] Dashboard/visualizacoes compartilhaveis
+- [ ] Proximos passos definidos
+- [ ] Data da proxima revisao agendada
+```
+
+---
+
+## ANTI-PATTERNS
+
+### Erros Comuns a Evitar
+
+1. **Olhar apenas agregados**
+   - ERRADO: "Retencao media e 30%"
+   - CERTO: "Cohort Jan tem 35%, Fev tem 22%, precisamos investigar"
+
+2. **Definicao inconsistente de "ativo"**
+   - ERRADO: Mudar definicao no meio da analise
+   - CERTO: Definir upfront e manter consistente
+
+3. **Ignorar tamanho de amostra**
+   - ERRADO: "Cohort X tem 80% retention!" (N=20)
+   - CERTO: Verificar significancia estatistica
+
+4. **Nao conectar com acoes**
+   - ERRADO: Apresentar dados sem recomendacoes
+   - CERTO: Cada insight tem uma acao associada
+
+5. **Comparar cohorts incomparaveis**
+   - ERRADO: Comparar cohort de 100 usuarios com 10.000
+   - CERTO: Normalizar ou comparar similares
+
+6. **Ignorar contexto externo**
+   - ERRADO: Culpar produto quando houve feriado
+   - CERTO: Considerar fatores externos
+
+---
+
+**Total de Linhas: 1200+**
+**Metodologias Integradas: 6** (Fader, Wes Kao, sBG Model, AARRR, DICE, Kaushik)
+**Frameworks Incluidos: 10+**
+**Templates SQL: 3**
+**Benchmarks: 5 industrias**
+**Calculadoras: 4** (Retention, Significancia, Projecao, Comparacao)