sinapse-ai 9.1.0 → 9.3.0

package/squads/squad-commercial/knowledge-base/commercial-analytics-reporting.md

@@ -209,9 +209,128 @@ EVOLVE TO: W-Shaped when MQL/SQL processes are mature
 GOAL: Understand which investments drive pipeline, not just traffic
 ```
 
+---
+
+## Win/Loss Analysis
+
+### Metodologia Estruturada
+A win/loss analysis é pesquisa sistemática para entender POR QUE deals são ganhos ou perdidos — não achismos.
+
+**Processo:**
+1. Selecionar 3-5 wins e 3-5 losses por mês para análise
+2. Entrevistar dentro de 30 dias da decisão (memória fresca)
+3. Conduzir entrevistas de 30-45 min com script estruturado
+4. Categorizar e pontuar (scoring framework abaixo)
+5. Análise trimestral de padrões agregados
+
+**Perguntas-chave da entrevista:**
+| Área | Pergunta |
+|------|---------|
+| Processo decisório | "Caminhe por como vocês tomaram essa decisão. Quem estava envolvido?" |
+| Critérios de avaliação | "Quais foram os 3 principais fatores na decisão?" |
+| Nossos pontos fortes | "O que fizemos bem durante o processo?" |
+| Nossas fraquezas | "Onde ficamos aquém das expectativas?" |
+| Comparação competitiva | "O que [concorrente] ofereceu que foi atraente?" |
+| Momento decisivo | "Houve um momento que definiu a decisão?" |
+
+**Scoring por dimensão (1-5):**
+- Fit da solução
+- Competitividade do preço
+- Qualidade do relacionamento
+- Qualidade da proposta/apresentação
+- References e provas
+- Velocidade de resposta
+- Brand e reputação
+
+**Insights típicos (e como interpretar):**
+- "Ganhamos pelo relacionamento com o AE" → bom, mas não escalável
+- "Perdemos por pricing" → frequentemente mascara falha de value selling
+- "O concorrente tinha feature X" → validar se é real ou desculpa para não comprar
+- "O processo de compra com vocês foi confuso" → problema de sales process, não produto
+
+### Pattern Detection Trimestral
+Agregar dados para detectar:
+- **Win patterns:** O que nossos wins têm em comum? (ICP, deal size, situação competitiva)
+- **Loss patterns:** Onde perdemos consistentemente? (concorrente, faixa de preço, gap de feature)
+- **Trending:** Os padrões estão mudando? Por quê?
+
+---
+
+## Cohort Analysis
+
+### Para que Serve
+Cohort analysis agrupa clientes por data de aquisição para medir comportamento ao longo do tempo — revela se a qualidade dos clientes está melhorando ou piorando.
+
+### Cohort de Revenue
+```
+Pergunta: O MRR do cohort cresce (NRR>100%) ou diminui (churn)?
+
+| Cohort     | Mês 1   | Mês 3   | Mês 6   | Mês 12  |
+|------------|---------|---------|---------|---------|
+| Jan/2025   | R$100K  | R$105K  | R$115K  | R$125K  | → NRR ~125% (excelente)
+| Mar/2025   | R$80K   | R$78K   | R$72K   | R$65K   | → NRR ~81% (problema)
+| Jun/2025   | R$120K  | R$126K  | R$135K  | —       | → On track
+
+Comparar cohorts: clientes de 2024 vs 2025 — melhorando?
+```
+
+### Cohort de Win Rate
+```
+Win rate de deals criados em Q1 vs Q2 vs Q3:
+  → Identificar tendências (win rate melhorando ou piorando?)
+  → Correlacionar com mudanças (novo pitch, novo produto, nova concorrência)
+  → Cohort que entra no pipeline em Dezembro tende a fechar em Março?
+```
+
+---
+
+## AI Forecasting
+
+### Como Funciona
+Modelos de AI para forecasting usam sinais além do que humanos conseguem processar manualmente.
+
+**Sinais usados por plataformas como Clari, Aviso, BoostUp:**
+- CRM data (stage, value, age, activities)
+- Email engagement (opens, replies, sentiment analysis)
+- Calendar data (meetings scheduled, rescheduled, cancelled)
+- Call data via Gong/Chorus (duration, sentiment, next steps mentioned, competitor mentions)
+- Website activity (pricing page views, documentation access, frequency)
+- Champion engagement level (responsiveness, meeting attendance)
+- Historical patterns (similar deals no passado, sazonalidade)
+
+**Acurácia comparada:**
+| Método | MAPE Típico |
+|--------|------------|
+| Rep call (gut feeling) | 25-35% |
+| Stage-based weighted | 20-30% |
+| Historical patterns | 15-25% |
+| AI multi-signal | 8-15% |
+
+**MAPE (Mean Absolute Percentage Error):**
+```
+MAPE = (1/n) × SUM(|Forecast - Actual| / Actual) × 100
+
+  < 10%: Excelente
+  10-20%: Bom
+  20-30%: Razoável
+  > 30%: Problemático — investigar processo de forecasting
+```
+
+### Forecast Categories
+| Categoria | Definição | Confiança | Inclui no Forecast? |
+|-----------|-----------|-----------|---------------------|
+| **Commit** | Rep garante que fecha no período | >90% | Sim — base |
+| **Best Case** | Pode fechar se tudo der certo | 50-80% | Sim — upside |
+| **Pipeline** | Em trabalho, sem comprometimento | 20-50% | Com desconto |
+| **Upside** | Possível mas não provável | <20% | Não |
+
+---
+
 ## References
 - SaaStr — SaaS metrics benchmarks
 - Winning by Design — Revenue architecture metrics
 - ChartMogul — Subscription analytics methodology
 - Baremetrics — MRR and churn calculation standards
-- Clari — Revenue operations analytics
+- Clari — Revenue operations analytics (MAPE research)
+- Gong Labs — Conversation intelligence data (gong.io/labs)
+- Jordan, J. — *Cracking the Sales Management Code* (McGraw-Hill, 2011)

package/squads/squad-commercial/knowledge-base/negotiation-frameworks.md

@@ -0,0 +1,166 @@
+# Negotiation Frameworks
+
+## Chris Voss Method — Never Split the Difference
+
+Ex-negociador de reféns do FBI, Chris Voss adaptou técnicas de negociação de alto risco para o ambiente comercial. Fundamento: negociação não é debate racional — é gestão emocional e informação assimétrica.
+
+### Técnicas Principais
+
+**Mirroring**
+Repetir as últimas 1-3 palavras do interlocutor em forma de pergunta. Gera rapport inconsciente e faz o outro lado continuar falando.
+```
+Cliente: "Achamos o preço alto demais."
+Vendedor: "Alto demais?"
+Cliente: "Sim, estamos comparando com outra proposta que..."
+[continua revelando informação]
+```
+
+**Labeling (Rotulação)**
+Nomear a emoção do outro lado sem julgamento. Começa com "Parece que..." ou "Sinto que..."
+```
+"Parece que há preocupação com o prazo de implementação."
+"Sinto que o processo de aprovação interna é mais complexo do que o esperado."
+```
+Efeito: A pessoa confirma ou corrige — em ambos os casos, você obtém informação.
+
+**Calibrated Questions — "How"/"What" Questions**
+Em vez de dizer "não" direto, use perguntas calibradas para devolver o problema:
+- "Como eu deveria fazer isso?" (em vez de "não consigo fazer isso")
+- "O que você precisaria ver para que isso funcionasse?"
+- "Como essa decisão se alinha com as prioridades de Q2?"
+
+**Loss Aversion Framing**
+Enquadrar em termos de PERDA, não de ganho. Psicologicamente, a dor de perder é 2x mais intensa que o prazer de ganhar (Kahneman & Tversky).
+```
+GANHO (menos impactante):
+"Com essa solução, você vai aumentar receita em R$200K."
+
+PERDA (mais impactante):
+"Cada mês sem essa solução, você está deixando R$17K na mesa."
+```
+
+**Ackerman Bargaining Model**
+Modelo de oferta em 4 steps para negociar preço:
+```
+1. Oferta inicial: 65% do preço-alvo
+2. Segunda oferta: 85% do preço-alvo
+3. Terceira oferta: 95% do preço-alvo
+4. Oferta final: 100% com número quebrado (ex: R$97.350, não R$97.000)
+   + Acrescente um "token" não-monetário ("também incluímos X")
+
+Por que número quebrado no final?
+   Transmite que você chegou no limite real (números redondos parecem fabricados)
+```
+
+**Accusation Audit**
+Listar todas as objeções negativas antes que o outro lado as levante. Tira o veneno delas.
+```
+"Provavelmente você está pensando que nosso prazo é longo,
+que o preço é acima do orçamento, e que já tentou algo assim
+antes que não funcionou. Você está certo em considerar isso..."
+```
+
+---
+
+## BATNA Framework (Fisher & Ury — Getting to Yes)
+
+**BATNA = Best Alternative to Negotiated Agreement**
+
+O poder em qualquer negociação vem de ter alternativas sólidas. Quem tem a melhor BATNA tem mais leverage.
+
+### Antes de Qualquer Negociação
+1. **Conheça sua BATNA:** O que acontece se você não fechar este deal?
+   - Tem outro prospect similar no pipeline?
+   - Você pode preencher a capacidade com outro cliente?
+   - O fluxo de caixa permite esperar?
+
+2. **Estime a BATNA do cliente:** Quais alternativas o cliente tem?
+   - Concorrentes disponíveis e competitivos?
+   - Opção de resolver internamente?
+   - Custo de não fazer nada?
+
+3. **Melhore sua BATNA antes de negociar:**
+   - Pipeline saudável = BATNA forte = você não precisa de desconto
+   - Pipeline fraco = BATNA fraca = você concede mais do que deveria
+
+### ZOPA (Zone of Possible Agreement)
+```
+ZOPA = sobreposição entre o máximo que o comprador pagaria
+       e o mínimo que o vendedor aceitaria
+
+Se não há ZOPA → não há deal possível (e tudo bem)
+Se há ZOPA → a negociação é sobre onde dentro da ZOPA se chega
+```
+
+---
+
+## Principled Negotiation (Harvard Method)
+
+4 princípios de Fisher & Ury para negociações de longo prazo (clientes recorrentes, parcerias):
+
+1. **Separar pessoas do problema** — Ataque o problema, não a pessoa
+2. **Focar em interesses, não posições** — "Preciso de 30% de desconto" é posição; "preciso reduzir custo total" é interesse
+3. **Gerar opções de ganho mútuo** — Propor múltiplas alternativas antes de negociar
+4. **Usar critérios objetivos** — Basear decisões em benchmarks, não vontade ("empresas similares pagam X")
+
+---
+
+## Negociação em Contexto Brasileiro
+
+### Peculiaridades Culturais
+- **Relacionamento primeiro** — No Brasil, a negociação "de verdade" começa depois que há confiança pessoal. Investir em rapport não é perda de tempo — é prerequisito
+- **Hierarquia importa** — Quem negocia e quem decide podem ser pessoas diferentes. Mapear quem tem poder real
+- **Flexibilidade esperada** — "Jogo de cintura" é virtude no contexto BR. Rigidez excessiva queima relacionamento
+- **Prazo é relativo** — Acordar "próxima semana" no Brasil pode significar 2-3 semanas. Confirmar com data específica
+- **WhatsApp para follow-up** — Seguimento pós-negociação por WhatsApp é cultural e aceito. Não espere só email
+
+### Táticas que Funcionam no Brasil
+- **Concessão gradual** — Brasileiros valorizam o processo de negociação. Dar tudo de imediato parece ingenuidade
+- **"Para fechar com vocês"** — A frase mágica para concessão final: "Para fechar esse mês, posso..."
+- **Referência a quem indicou** — "Como o [nome] me indicou..." é passaporte de confiança
+- **Urgência real** — "Preço fechado até sexta" funciona se a razão for real (capaci dade, preço que sobe)
+
+### Táticas que NÃO Funcionam no Brasil
+- Pressão agressiva e direta (estilo americano "take-it-or-leave-it") — gera resistência
+- Email frio em inglês — mesmo em empresas multinacionais BR, resposta muito menor
+- Ultimatos sem relacionamento prévio — queima a relação de forma irreversível
+
+---
+
+## Objeção Handling — Framework ABC
+
+**Acknowledge → Bridge → Counter**
+
+```
+1. ACKNOWLEDGE (reconhecer)
+   "Entendo por que isso é uma preocupação..."
+   "Faz sentido considerar isso dado seu contexto..."
+
+2. BRIDGE (criar a ponte)
+   "O que descobrimos com clientes em situação similar é..."
+   "A razão pela qual outros tomaram decisão diferente foi..."
+
+3. COUNTER (contrapor com prova)
+   [caso específico, dado, garantia, testemunho]
+```
+
+### Objeções Comuns e Respostas
+
+| Objeção | Tipo | Resposta Estratégica |
+|---------|------|---------------------|
+| "Está muito caro" | Preço | Reframe para ROI. "Caro comparado a quê?" → Gap Selling |
+| "Deixa eu pensar" | Evasão | "Claro. O que especificamente precisa de mais tempo?" |
+| "Vou falar com meu chefe" | Acesso | "Posso apresentar para ele diretamente? Quais são as prioridades dele?" |
+| "Já temos solução" | Status quo | Challenger reframe. "O que aconteceria se conseguissem [resultado superior]?" |
+| "Preciso de desconto" | Preço | "Posso fazer isso. O que você oferece em troca?" (multi-year, referral, prepay) |
+| "Sem orçamento agora" | Budget | "Quando se abre o próximo ciclo?" + Quantify custo de esperar |
+| "Mandei para compras" | Procurement | Ative o Champion para ser sponsor interno. Envie kit de segurança proativamente |
+
+---
+
+## References
+- Voss, C. — *Never Split the Difference* (Harper Business, 2016)
+- Fisher, R. & Ury, W. — *Getting to Yes* (Penguin, 1981)
+- Kahneman, D. — *Thinking, Fast and Slow* (loss aversion research)
+- Cialdini, R. — *Influence: The Psychology of Persuasion* (1984)
+- Blount, J. — *Objections* (Wiley, 2018)

package/squads/squad-commercial/knowledge-base/plg-pls-framework.md

@@ -0,0 +1,160 @@
+# PLG & PLS — Product-Led Growth and Product-Led Sales
+
+## Product-Led Growth (PLG)
+
+### O que é PLG
+PLG é o modelo onde o PRODUTO é o principal veículo de aquisição, conversão e expansão — não o time de vendas ou marketing. O produto "vende a si mesmo" através de valor imediato e viralidade.
+
+**Empresas que definiram o modelo:**
+- **Slack** — freemium → adoção em equipe → deal enterprise (via "Slack-ifcation" da empresa)
+- **Dropbox** — free 2GB → viral sharing → Business plan
+- **Zoom** — free meetings → departamento → company-wide
+- **Notion** — free personal → team → enterprise
+- **Figma** — free → team → enterprise (vendido por USD 20bi para Adobe)
+- **Miro, Loom, Linear** — todos seguem padrão similar
+
+### O Funil PLG
+```
+Free Signup → Activation → Engagement → Conversion → Expansion
+
+Cada etapa tem uma ação crítica ("aha moment"):
+  Slack: Primeira mensagem enviada em equipe
+  Dropbox: Primeiro arquivo compartilhado
+  Zoom: Primeira meeting com múltiplos participantes
+  Notion: Primeira página criada e compartilhada
+```
+
+### Métricas PLG
+
+| Métrica | Fórmula | Benchmark | O que Revela |
+|---------|---------|-----------|-------------|
+| **Time-to-Value (TTV)** | Dias até o usuário atingir "aha moment" | <7 dias (ideal <3) | Fricção na ativação |
+| **Activation Rate** | % signups que completam ações-chave | 20-40% (varia por produto) | Qualidade do onboarding |
+| **PQL (Product-Qualified Lead)** | Usuário que atingiu threshold de uso | Definido por produto | Sinal de compra real |
+| **Free-to-Paid Conversion** | % free users que viram pagantes | 2-5% (freemium) / 15-25% (trial) | Monetização |
+| **Viral Coefficient (K)** | Cada usuário traz quantos novos | >1 = crescimento orgânico | Produto se auto-distribui |
+| **Expansion Revenue** | Receita de upgrades/expansão | >30% do total | Motor de crescimento |
+| **DAU/MAU Ratio** | Usuários diários / mensais | >25% = alta engagement | Stickiness do produto |
+
+### Freemium vs. Free Trial
+| Modelo | Freemium | Free Trial |
+|--------|---------|-----------|
+| Acesso | Ilimitado (features reduzidas) | Completo por período limitado |
+| Conversão | 2-5% | 15-25% |
+| Awareness | Alta (mais usuários) | Menor |
+| Melhor para | Produtos sociais/colaborativos (Slack, Figma) | Produtos de produtividade (HubSpot, Salesforce) |
+
+---
+
+## Product-Led Sales (PLS)
+
+### O que é PLS
+PLS combina PLG com sales-assist — o produto gera leads qualificados pelo uso, e vendedores entram estrategicamente para converter e expandir. Não é escolher entre PLG OU Vendas — é combinar os dois para maximizar.
+
+**Diferença PLG vs. PLS:**
+```
+PLG puro: Produto → usuário → conversão automática → expansão automática
+PLS: Produto → usuário ativo → sinal de PQL → vendedor entra → expansão dirigida
+```
+
+### Quando PLG precisa de Sales (triggers para PLS)
+- Free tier atinge limite de uso → Sales ajuda no upgrade
+- Single user → Sales identifica oportunidade de expandir para team/company
+- **PQL score alto** → Sales faz outreach proativo no momento certo
+- Enterprise features necessárias (SSO, admin controls, compliance, SLAs) → Sales obrigatório
+- Deal > $XX K → ROI de um AE se justifica
+
+### PQL (Product-Qualified Lead)
+O PQL substitui o MQL em modelos PLG. É um sinal de comportamento no produto que indica prontidão para conversão.
+
+**Framework para definir PQLs:**
+```
+PQL Threshold = Combinação de:
+  1. Profundidade de uso (features críticas ativadas)
+  2. Frequência (DAU/WAU nas últimas 2 semanas)
+  3. Breadth (número de usuários na mesma conta)
+  4. Recency (atividade nos últimos X dias)
+  5. Intent signals (visitou página de pricing, convidou usuários, criou workspace)
+
+Exemplo Figma:
+  PQL = (Criou 5+ arquivos) AND (Compartilhou com 3+ pessoas) AND (Sessão >3 dias/semana)
+  → Sinal de que o produto virou ferramenta de trabalho real
+```
+
+**PQL scoring típico:**
+| Sinal | Peso |
+|-------|------|
+| Atingiu 80% do limite free | Alto (+5) |
+| Convidou usuários externos | Alto (+4) |
+| Usou features premium (trial) | Alto (+4) |
+| Visitou página de preços | Alto (+5) |
+| Utilizou produto >5 dias nos últimos 7 | Médio (+3) |
+| Mais de 3 usuários na mesma conta | Médio (+3) |
+| Inativo por 7+ dias | Negativo (-3) |
+
+### PLS Motion — Como Funciona
+```
+1. Produto captura sinal de PQL
+2. Sistema notifica Sales (CRM, Slack, email)
+3. AE pesquisa conta (quem são? tamanho? fit?)
+4. Outreach personalizado ("Vi que X usuários do seu time estão usando...")
+5. Sales conversa de upgrade/expansion (não cold call — warm call)
+6. AE fecha upgrade ou expande para enterprise
+```
+
+**Taxa de conversão PLS vs. Cold Outbound:**
+- PQL → Customer: 20-35% (produto já prova valor)
+- Cold outbound → Customer: 5-15%
+- PLG + PLS: ~3x mais eficiente por deal do que sales-only
+
+---
+
+## PLG Maturity Model
+
+| Nível | Descrição | Características |
+|-------|-----------|----------------|
+| **L1 — Trial** | Free trial básico, conversão manual | CTAs no produto, vendas reagem |
+| **L2 — Freemium** | Tier free real com value contínuo | Viral loop, growth via produto |
+| **L3 — PLG** | Produto como canal principal | PQL definidos, analytics de produto, automação |
+| **L4 — PLS** | Produto + Sales coordenados | PQL → AE automático, expansion playbooks |
+| **L5 — Growth OS** | Produto + Sales + CS integrados | Predictive expansion, community, ecosystem |
+
+---
+
+## PLG para Agências e Serviços
+
+Agências e empresas de serviços podem aplicar princípios PLG:
+
+**Equivalentes de PLG em serviços:**
+- **Free audit / diagnóstico** = freemium (entrega valor antes de cobrar)
+- **Template/ferramenta gratuita** = produto gratuito que gera leads
+- **Relatório automatizado** = produto que escala sem headcount
+- **Portal do cliente** = produto que aumenta stickiness e reduz churn
+
+**Métricas adaptadas:**
+- TTV → Tempo até o cliente ver primeiro resultado mensurável
+- Activation → % de clientes que concluem onboarding e usam o serviço ativamente
+- PQL → Cliente que usou X relatórios, participou de Y sessões, atingiu Z resultado
+
+---
+
+## Empresas PLS Bem-Sucedidas
+
+| Empresa | Modelo | Como Funciona |
+|---------|--------|--------------|
+| **Slack** | Freemium + Enterprise Sales | Equipes adotam grátis → AE fecha enterprise |
+| **Atlassian** | Low-touch self-serve + Enterprise | Jira/Confluence viral → deal enterprise depois |
+| **MongoDB** | Community + Enterprise | Dev adota open-source → cloud e enterprise seguem |
+| **Twilio** | Usage-based + Sales | Dev experimenta API → empresa escala → Sales expande |
+| **Datadog** | Trial + Sales | Ops usa free tier → AE fecha enterprise (~NRR 130%) |
+| **HubSpot** | Free CRM + Sales | SMB começa grátis → Sales sobe no tier |
+
+---
+
+## References
+- OpenView Partners — *Product-Led Growth* research (openviewpartners.com)
+- Wes Bush — *Product-Led Growth: How to Build a Product That Sells Itself* (2019)
+- Elena Verna — PLG + PLS frameworks (elenaverna.com)
+- Dixon, M. — PLG motions (Winning by Design)
+- SaaStr Annual — PLG case studies
+- Salesforce State of Sales (PLG adoption trends, 2025)

package/squads/squad-commercial/knowledge-base/revenue-architecture-models.md

@@ -269,10 +269,162 @@ Optimistic (30% confidence):
 Report all three. Manage to base, plan resources for conservative.
 ```
 
+---
+
+## Pipeline Velocity Formula (Completa)
+
+### Formula e Componentes
+```
+Pipeline Velocity = (# Oportunidades × Win Rate × Deal Size Médio) / Ciclo de Venda (dias)
+
+Resultado: R$ gerados por dia
+
+Exemplo:
+  100 oportunidades × 25% win rate × R$50.000 ACV / 60 dias = R$20.833/dia
+
+Para atingir R$1M/mês (R$33.333/dia):
+  Com 100 opps, 25% win rate → precisa de ACV R$80K ou ciclo de 40 dias
+  Com R$50K ACV, 25% win rate → precisa de 160 opps ou ciclo de 37 dias
+```
+
+### Os 4 Alavancas da Pipeline Velocity
+| Alavanca | Impacto | Dificuldade | Tática |
+|---------|---------|-------------|--------|
+| # Oportunidades | +20% pipeline = +20% receita | Média | Pipeline generation, outbound, inbound |
+| Win Rate | +5pp win rate ≠ +5% receita (multiplicativo) | Alta | Sales methodology, enablement, qualification |
+| Deal Size (ACV) | Mais impacto que parece | Alta | Upsell strategy, offer design, value selling |
+| Ciclo de Venda | Redução de 30 dias = aceleração de caixa | Média | Process optimization, champion activation, urgency |
+
+### Diagnóstico de Gargalo
+```
+Se pipeline baixo → problema de GERAÇÃO (outbound, inbound, referral)
+Se win rate baixo → problema de QUALIFICATION ou METODOLOGIA
+Se ACV baixo → problema de OFERTA ou VALUE SELLING
+Se ciclo longo → problema de PROCESSO ou CHAMPION
+```
+
+---
+
+## RevOps Framework
+
+### O que é RevOps
+Revenue Operations é a função que alinha processos, sistemas e dados de Sales, Marketing e Customer Success sob uma estrutura operacional única. Empresas com RevOps formalizado reportam **36% maior crescimento de receita** (Forrester/UnifyGTM 2025). Em 2025, 79% das organizações B2B possuem alguma forma de RevOps (84% em enterprise, 52% em mid-market). O título "VP of Revenue Operations" cresceu 300% nos últimos 18 meses.
+
+### Os 3 Pilares do RevOps
+
+**Pilar 1 — Process**
+Padronizar e otimizar o revenue cycle completo:
+- Lead-to-Close (Marketing → Sales)
+- Close-to-Onboard (Sales → CS)
+- Onboard-to-Expand (CS → Sales/Marketing)
+- Churn-to-Winback (CS → Marketing)
+
+**Pilar 2 — Platform (Tech Stack)**
+Unificar ou integrar as ferramentas:
+- CRM como single source of truth (Salesforce, HubSpot)
+- Marketing automation (HubSpot, Marketo, Pardot)
+- Sales engagement (Outreach, Salesloft, Apollo)
+- CS platform (Gainsight, Totango, ChurnZero)
+- Revenue intelligence (Gong, Clari, 6sense)
+- Data warehouse (Snowflake, BigQuery) para analytics unificado
+
+**Pilar 3 — People**
+Estrutura organizacional:
+- **VP/Head of RevOps** — Reports para CRO ou CEO
+- **Sales Ops** — CRM admin, territory planning, comp plans, forecasting
+- **Marketing Ops** — Campaign ops, lead scoring, attribution, tech stack
+- **CS Ops** — Health scoring, renewals ops, expansion ops
+- **Revenue Analytics** — Cross-functional analytics, dashboards, BI
+
+### Data Model Unificado — Definições Críticas
+| Definição | Exemplo | Quem Define |
+|-----------|---------|-------------|
+| Lead | Indivíduo que demonstrou interesse | Marketing + Sales conjuntamente |
+| MQL | Lead com score >= X e fit >= Y | Marketing Ops com validação de Sales |
+| SQL | MQL aceito por Sales + qualificado via MEDDIC | Sales com critérios de RevOps |
+| Opportunity | Deal com Champion + Budget + Timeline mapeados | Sales Ops |
+| Customer | Contrato assinado, onboarding iniciado | CS Ops |
+| Expansion | Upsell/cross-sell de cliente ativo | CS + Sales |
+| Churn | Contrato não renovado ou cancelado | CS Ops |
+
+### RevOps Maturity Model (5 Níveis)
+| Nível | Descrição | Sinais Reconhecíveis |
+|-------|-----------|---------------------|
+| **1 — Ad Hoc** | Sem estrutura. Cada time opera independente | Planilhas, CRM subutilizado, dados conflitantes |
+| **2 — Defined** | Processos básicos, CRM implementado | SLA Marketing-Sales existe mas não é medido |
+| **3 — Managed** | RevOps formalizado, métricas consistentes | Dashboards compartilhados, forecast regular |
+| **4 — Optimized** | Data-driven, automation avançada | Propensity scoring, automated routing, alertas |
+| **5 — Predictive** | AI-powered revenue engine | Predictive forecasting, dynamic territories, AI coaching |
+
+### Métricas RevOps — Leading vs. Lagging
+**Leading Indicators (controle agora = impacto em 3-6 meses):**
+- Pipeline Generation Rate (valor novo de pipeline/semana)
+- Pipeline Coverage Ratio (pipeline/quota — meta: 3-4x)
+- Lead Velocity Rate (crescimento MoM de leads qualificados)
+- Activity Metrics (calls, emails, meetings — por rep)
+- Discovery Meetings Booked (proxy de pipeline futuro)
+
+**Lagging Indicators (resultado do trabalho passado):**
+- Win Rate
+- Average Deal Size (ACV)
+- Sales Cycle Length
+- Net Revenue Retention (NRR) — meta: >110% (idealmente 110-130%)
+- CAC Payback Period — meta: <18 meses
+- LTV:CAC Ratio — meta: >3:1
+
+**Princípio:** Gerencie leading indicators. Celebre (ou lamente) lagging indicators.
+
+---
+
+## CPQ & Discount Governance
+
+### O que é CPQ
+Configure, Price, Quote — processo/sistema que automatiza a geração de propostas e contratos.
+
+**Quando implementar CPQ:**
+- Produto tem muitas opções/configurações (bundles, tiers, add-ons)
+- Pricing é complexo (volumes, descontos por volume, contratos multi-year)
+- Aprovações de desconto precisam de workflow auditável
+- Contratos precisam de termos padronizados
+- Quando contratos customizados > 30% dos deals
+- Quando o processo de aprovação atrasa deals em dias
+
+**Ferramentas CPQ:** Salesforce CPQ, DealHub, PandaDoc, Proposify, Qwilr
+
+### Discount Governance Framework
+Descontos destroem margem se não governados. A regra de ouro: **nunca dar desconto sem pedir algo em troca**.
+
+| Desconto | Autoridade | Requer | Em Troca (exigir) |
+|----------|-----------|--------|-------------------|
+| 0-10% | AE pode aprovar | Justificativa no CRM | Assinatura rápida, referral |
+| 11-20% | Sales Manager deve aprovar | Business case escrito | Multi-year, case study |
+| 21-30% | VP Sales deve aprovar | CFO awareness | Prepayment, co-marketing |
+| >30% | CRO/CEO deve aprovar | Exceção documentada, precedente | Referência estratégica, exclusividade |
+
+**Regras adicionais:**
+- Primeiro desconto define o "piso" para todas as renovações futuras — cuidado
+- Medir "Discount Rate" médio por rep, por segmento, por trimestre
+- Desconto não é estratégia — é falha de Value Selling
+- Análise de impacto: 10% de desconto em deal de R$100K = R$10K de margem destruída
+
+### Deal Desk
+Função centralizada que revisa e aprova deals complexos.
+
+**Funções do Deal Desk:**
+- Aprovação de pricing não-standard
+- Estruturação de contratos complexos (multi-year, ramp deals, custom terms)
+- Alinhamento entre Sales, Finance, Legal e Product
+- Manter consistência de termos e precedentes
+- Analytics de deal profitability
+
+---
+
 ## References
-- Van der Kooij, J. — *Revenue Architecture* (Winning by Design)
+- Van der Kooij, J. — *Revenue Architecture* (Winning by Design, 2024)
 - Ross, A. — *Predictable Revenue* (2011)
 - Roberge, M. — *The Sales Acceleration Formula* (2015)
 - Clari — Revenue Leak research (2023)
+- Diorio, S. & Hummel, C. — *Revenue Operations* (Wiley, 2022)
+- Forrester/UnifyGTM — RevOps Revenue Impact Study (2025)
 - Tunguz, T. & Blossom, F. — *Winning with Data* (SaaS benchmarks)
 - SaaStr — Industry benchmark data