sinapse-ai 9.2.0 → 9.4.0

package/squads/squad-commercial/knowledge-base/ai-in-sales.md

@@ -0,0 +1,199 @@
+# AI in Sales — Estado da Arte 2025-2026
+
+## Panorama Geral
+
+A AI em vendas está na fase de mainstream adoption. Dados verificados:
+- **88%** das organizações usam AI em pelo menos uma função de negócio (McKinsey State of AI, 2025 — vs. 78% em 2024)
+- **15-20%** de aumento em produtividade reportado por equipes com AI (tempo gasto em atividades de venda vs. admin)
+- **10-15%** de melhoria em win rates (melhor targeting e personalização)
+- **50-70%** de redução em tempo de research (AI faz em minutos o que levava horas)
+- **20-30%** de melhoria em forecast accuracy (AI multi-signal vs. gut feeling)
+- Organizações com AI estratégica alcançam **43% maior win rate** e **37% ciclos mais rápidos** (Highspot/MarketsandMarkets, 2026)
+
+---
+
+## Conversational Intelligence
+
+Ferramentas que analisam calls de vendas automaticamente e em escala.
+
+### Gong (líder de mercado)
+- Grava e transcreve todas as calls (video, áudio, conferência)
+- Analisa padrões quantitativos:
+  - **Talk-to-listen ratio** — Ideal: rep fala 43%, prospect fala 57%
+  - **Longest monologue** — Ideal: <2.5 min (reps medianos: 4+ min)
+  - **Question rate** — Top performers fazem 12-15 perguntas/call vs. 6-8 da média
+  - **Next steps** — Deals com next steps claros têm 2x mais chance de avançar
+  - **Filler words** — "né", "sabe", "tipo" reduzem credibilidade percebida
+- Compara rep individual vs. padrões de top performers
+- **Deal intelligence:** sinais de risco (menciona competitor, ciclo estendendo, champion saindo)
+- **Coaching:** highlights automáticos de momentos coachable
+- **Forecasting:** multi-signal que combina dados de call com CRM e engagement
+
+### Chorus.ai (adquirido pela ZoomInfo)
+- Similar ao Gong com integração mais profunda com ZoomInfo contact data
+- Relationship intelligence + conversation intelligence
+- Forte em uso junto com ZoomInfo para contexto de conta
+
+### Como Usar Conversation Intelligence para Coaching
+```
+1. Rep faz a call
+2. Sistema gera resumo + transcript + highlights automáticos
+3. Manager recebe notificação de "momento coachable" identificado
+4. 1:1 focado no comportamento específico (não "você foi ruim")
+5. Roleplay do cenário alternativo
+6. Follow-up na próxima sessão: "Como aplicou X que trabalhamos?"
+```
+
+---
+
+## AI Lead Scoring e Forecasting
+
+### Lead Scoring Preditivo
+ML para priorizar leads por probabilidade de conversão, substituindo scoring manual.
+
+**Sinais usados:**
+- **Firmographic:** tamanho, setor, funding, estágio de crescimento
+- **Behavioral:** page views, content downloads, email engagement, pricing page visits
+- **Intent (6sense, Bombora):** buscas de termos relacionados (monitoramento de intenção anônima)
+- **Technographic:** stack tecnológico atual (BuiltWith, HG Insights, LinkedIn Job Posts)
+- **Social:** atividade LinkedIn, hiring patterns, follower growth
+- **Predictive:** padrões de contas que compraram no passado
+
+**Plataformas:** 6sense, Demandbase, MadKudu, Clearbit Reveal, HubSpot Predictive Scoring
+
+### AI Forecasting
+| Plataforma | Diferencial | Sinais Além do CRM |
+|-----------|-------------|-------------------|
+| **Clari** | Multi-signal, best-in-class | Email engagement, call activity, CRM data |
+| **Aviso** | AI forecasting + coaching | Sentiment analysis, deal intelligence |
+| **BoostUp** | CRM integration depth | Stage progression patterns |
+| **People.ai** | Activity capture automático | Captura atividades não logadas no CRM |
+| **InsightSquared** | Analytics profundo | Historical patterns, cohort analysis |
+
+---
+
+## AI SDRs — A Nova Fronteira (com cautela)
+
+### O que AI SDRs fazem (quando funcionam)
+- Research automatizado sobre accounts e prospects
+- Email outreach personalizado em escala (personalização real, não spam)
+- Follow-up automático baseado em engagement signals
+- Booking meetings diretamente no calendário
+- Handoff qualificado para AEs humanos
+
+### Ferramentas (2025-2026)
+| Ferramenta | Modelo | Avaliação |
+|-----------|--------|----------|
+| **11x.ai (Alice)** | AI SDR autônomo | USD 74M em funding (a16z, Benchmark), mas perdeu 70-80% dos clientes em meses. ZoomInfo testou e reportou performance "significativamente pior" que SDRs humanos |
+| **Artisan (Ava)** | AI SDR autônomo | G2 score 3.5/5. Entusiasmo inicial que se dissipa em 30-60 dias de uso |
+| **AiSDR** | AI SDR + assistente | Melhor como copilot que como autonomo |
+| **Regie.ai** | AI content + sequences | Forte em geração de conteúdo para sequências |
+| **Amplemarket** | Sales engagement + AI | Copilot model mais maduro |
+| **Coldreach** | AI research + personalization | Forte em research automatizado |
+
+### Realidade do Mercado (2026)
+O segmento de AI SDRs enfrentou forte correção de expectativas:
+- AI SDRs funcionam melhor como **assistentes de SDRs humanos** (copilot model) do que como substitutos autônomos
+- Melhor uso: SMB/mid-market (enterprise requer toque humano indispensável)
+- Limitações reais: "uncanny valley" — prospects percebem que é AI e ignoram
+- Deliverability: volume alto sem gestão = spam filters
+- Regulatório: LGPD/GDPR têm implicações de AI contatando pessoas automaticamente
+
+**Consenso emergente:** Use AI para research, personalização de mensagem e geração de rascunhos. Humano faz a aprovação e contexto. 80/20: AI faz o trabalho pesado, humano adiciona julgamento e calor.
+
+---
+
+## Generative AI para Sales (LLMs no dia a dia)
+
+### Aplicações por Maturidade
+| Aplicação | Impacto | Maturidade | Ferramenta |
+|-----------|---------|-----------|-----------|
+| Email drafting | Alto — economiza 30-60 min/dia | Mainstream | GPT-4o, Claude, Gemini |
+| Call summaries | Alto — elimina notetaking manual | Mainstream | Gong, Otter.ai, Fireflies.ai |
+| Research briefs (pre-call) | Alto — 5 min vs. 30 min | Mainstream | ChatGPT + navegação, Perplexity |
+| Proposal generation | Médio — draft + human review | Crescendo | PandaDoc AI, Seismic |
+| Objection handling | Médio — sugere respostas em real-time | Emergente | Gong AI coach, Second Nature |
+| Roleplay/treinamento | Médio — praticar contra AI | Emergente | Second Nature, Rehearsal |
+| Deal coaching (MEDDPICC) | Alto — análise automatizada | Emergente | Gong Forecast, Clari |
+| Forecasting | Alto — multi-signal prediction | Madurando | Clari, Aviso |
+
+### Prompt Frameworks para Sales (uso diário)
+```
+RESEARCH BRIEF:
+"Você é um analista de inteligência de vendas. Pesquise [Empresa X]:
+(1) Modelo de negócio e como geram receita
+(2) Principais desafios documentados em suas comunicações públicas
+(3) Stack tecnológico visível (site, LinkedIn, job posts)
+(4) Quem são os decisores-chave para [tipo de compra]
+(5) Triggers recentes que podem criar urgência
+Formato: bullet points por categoria, máximo 300 palavras"
+
+EMAIL DRAFT:
+"Escreva um cold email de prospecção B2B:
+Remetente: AE de [empresa] que vende [produto]
+Destinatário: [cargo] em [empresa] no setor [setor]
+Contexto: [trigger event ou observação específica]
+Dor principal: [problema que você resolve]
+CTA desejado: reunião de 20 minutos
+Regras: <120 palavras, sem jargão, uma ideia, um CTA, sem emojis"
+
+OBJECTION RESPONSE:
+"Prospect disse: '[objeção exata]'.
+Contexto: ciclo em [etapa], ACV de [valor], principal dor identificada: [dor].
+Gere 3 opções de resposta usando:
+1. Chris Voss labeling + calibrated question
+2. Gap Selling (amplificar o custo de inação)
+3. Challenger reframe com social proof"
+```
+
+---
+
+## AI na Stack Comercial — Visão Integrada
+
+```
+CAMADAS DE AI NO CICLO COMERCIAL:
+
+GERAÇÃO DE PIPELINE:
+  6sense / Bombora → Intent data (quem está pronto para comprar?)
+  Apollo AI / LinkedIn Sales Insights → Enrichment automatizado
+  Regie.ai / AI tools → Conteúdo de outreach personalizado
+
+QUALIFICAÇÃO E DISCOVERY:
+  Gong / Chorus → Análise de calls em tempo real
+  AI research tools → Brief de conta pré-discovery
+  CRM AI (Salesforce Einstein, HubSpot AI) → Scoring preditivo
+
+PROPOSTA E NEGOCIAÇÃO:
+  PandaDoc AI / Seismic → Geração de propostas
+  Gong Deal Intelligence → Risk signals em deals ativos
+  Clari / Aviso → Forecast multi-signal
+
+CUSTOMER SUCCESS E EXPANSÃO:
+  Gainsight AI → Health score preditivo
+  Product analytics (Mixpanel, Amplitude) → PQL scoring
+  ChurnZero → Alertas de churn antecipados
+```
+
+---
+
+## Riscos e Ética da AI em Sales
+
+| Risco | Descrição | Mitigação |
+|-------|-----------|----------|
+| **Bias algorítmico** | Modelos treinados em dados históricos perpetuam discriminação (perfis demográficos) | Auditar modelos, diversificar dados de treino |
+| **Privacidade (LGPD)** | Gravação de calls requer consentimento. Art. 7 LGPD se aplica | Avisos de gravação, opt-out, DPA com vendors |
+| **Autenticidade** | Prospects que descobrem que falam com AI perdem confiança | Transparência sobre uso de AI, human-in-loop |
+| **Dependência** | Reps param de desenvolver skills porque "AI faz" | Coaching focado em skills humanas insubstituíveis |
+| **Deliverability** | Volume AI de emails = spam filters | Warm-up domains, limites de volume, monitoring |
+| **Regulatório** | LGPD, GDPR, CAN-SPAM — AI não isenta de compliance | Revisar com jurídico antes de deployar AI SDRs |
+
+---
+
+## References
+- McKinsey & Company — *The State of AI in Sales* (2025)
+- Gong Labs — *gong.io/labs* (conversation intelligence research)
+- Highspot / MarketsandMarkets — AI in Sales Impact Study (2026)
+- The Bridge Group — SDR benchmark report (2025)
+- MarketBetter.ai — AI SDR tools review (marketbetter.ai/blog)
+- 11x.ai case analysis — ZoomInfo test results (2025-2026)
+- G2 — Artisan/Ava reviews (G2 Crowd, 2025-2026)

package/squads/squad-commercial/knowledge-base/brazilian-sales-context.md

@@ -0,0 +1,195 @@
+# Brazilian Sales Context — Vendas no Brasil
+
+## Inside Sales no Brasil
+
+O Brasil adotou inside sales de forma mais rápida e profunda que a maioria dos países:
+
+**Por que inside sales domina no BR:**
+- **Geografia continental** — Custo e tempo de deslocamento são proibitivos (SP para Manaus = 4h de voo)
+- **Custo de viagem alto** — Passagens, hospedagem, alimentação tornam field sales enterprise-only
+- **Infraestrutura digital robusta** — WhatsApp, Zoom, Google Meet substituíram reuniões presenciais mesmo pós-Covid
+- **Aceleração Covid** — Pandemia adiantou adoção de inside sales em 5-10 anos
+- **Concentração de talento** — SP, BH, Curitiba, Floripa, POA concentram os melhores profissionais de vendas
+
+**Dados:** 85%+ dos vendedores B2B no Brasil trabalham em modelo inside sales (Meetime Relatório Inside Sales Brasil, 2024).
+
+---
+
+## WhatsApp como Canal Comercial
+
+No Brasil, WhatsApp não é canal "informal" — é canal oficial de negócios com taxa de resposta 3-5x maior que email.
+
+### Como Funciona na Prática
+| Etapa | Uso Recomendado | Regras |
+|-------|----------------|--------|
+| Prospecção inicial | Referência pessoal + WhatsApp | Sempre a partir de indicação ou conexão. Cold WhatsApp tem resultado ruim |
+| Follow-up pós-email | Mensagem curta após email ignorado | "Oi [Nome], mandei um email sobre X — chegou para você?" |
+| Confirmação de reunião | 24h antes da call | "Confirmando nossa conversa amanhã às 14h. Até lá!" |
+| Follow-up pós-reunião | Síntese e próximos passos | Enviar within 2-4h após a reunião |
+| Suporte ao cliente (CS) | Canal primário de atendimento | Mais rápido que email para urgências |
+| Negociação informal | Antes de formalizar no email | Testar reação a termos antes de documentar |
+
+### WhatsApp Business para Vendas
+- **Catálogo de produtos/serviços** — vitrine diretamente no WhatsApp
+- **Etiquetas** — organizar contatos por etapa do pipeline
+- **Mensagens automáticas** — saudação, ausência, horário de funcionamento
+- **Integrações:** Whatsapp com CRM (HubSpot, RD Station, Moskit) via API oficial (WhatsApp Business API)
+- **WhatsApp API + sequências:** Ramper, Meets.io, Kommo permitem sequências parcialmente automatizadas
+
+### Boas Práticas
+- Usar linguagem informal mas profissional (não gírias excessivas)
+- Evitar mensagens longas — usar áudio se precisar de contexto
+- Não enviar às 22h+ ou antes das 8h (mesmo para executivos)
+- Reconfirmar por WhatsApp o que foi acordado por email
+- Nunca enviar proposta comercial completa pelo WhatsApp sem contexto (manda por email + avisa no WhatsApp)
+
+---
+
+## Cultura de Vendas Brasileira
+
+### O que funciona no Brasil
+- **Rapport ANTES de negócios** — Perguntar sobre a família, o futebol, o fim de semana não é perda de tempo — é prerequisito cultural para abrir a conversa comercial
+- **Indicação (referral) como passaporte** — "Quem te indicou?" abre portas que frios nunca abrem. O networking brasileiro é moeda forte
+- **Flexibilidade** — "Jogo de cintura" é virtude. Rígidez excessiva queima relacionamento
+- **Paciência com burocracia** — Processos de compra em empresas brasileiras, especialmente médias e grandes, são lentos. Demonstrar frustração é contraproducente
+- **Presença em eventos** — RD Summit, Vendas B2B Summit, eventos de setor criam relações que aceleram ciclos
+- **Whatsapp primeiro, email depois** — Em dúvida sobre canal, WhatsApp tem mais resposta
+
+### O que NÃO funciona no Brasil
+- **Cold emails em inglês** — Mesmo para empresas multinacionais no Brasil, a resposta cai drasticamente
+- **Agressividade estilo americano** — "Take-it-or-leave-it" e pressão excessiva queima o relacionamento de forma irreversível no contexto brasileiro
+- **Ignorar hierarquia** — Em empresas tradicionais, falar com subordinado antes do chefe pode ofender
+- **Prazos rígidos sem margem** — A cultura opera com "margem de segurança" em timelines. "Até sexta" frequentemente significa "começo da próxima semana"
+- **Contato apenas por email** — Brasil tem taxa de resposta a email B2B muito abaixo da média global
+
+### Particularidades do Ciclo de Vendas BR
+- **Ciclos 20-40% mais longos** que equivalentes americanos — processo decisório envolve mais stakeholders e maior aversão a risco
+- **Dezembro é morto** — De 15/12 a 15/01, decisões corporativas praticamente param
+- **Julho pode ser lento** — Recesso escolar afeta disponibilidade de decisores com família
+- **Q4 é crucial** — Orçamentos terminam, decisões se aceleram. Deals que arrastam o ano fecham em Outubro-Novembro
+- **Feriados BR impactam pipeline** — Carnaval, Semana Santa, Corpus Christi, Dia do Trabalho: planejar forecast com esses gaps
+
+---
+
+## Aspectos Fiscais que Impactam Vendas
+
+### Tributos sobre Vendas (Regime atual, pré-transição completa)
+| Tributo | Incidência | Alíquota Típica | Impacto nas Vendas |
+|---------|-----------|-----------------|-------------------|
+| ISS | Prestação de serviços | 2-5% (varia por município) | Preço de serviços varia por cidade do prestador |
+| ICMS | Venda de mercadorias | 7-18% (varia por estado) | Preço de produtos varia por estado de origem |
+| PIS | Faturamento | 0.65% (cumul.) ou 1.65% (não-cumul.) | Componente do preço final |
+| COFINS | Faturamento | 3% (cumul.) ou 7.6% (não-cumul.) | Componente do preço final |
+| IPI | Produtos industrializados | 0-300% (varia por NCM) | Impacta hardware, equipamentos |
+
+### Reforma Tributária (2026-2033) — Lei Complementar 214
+**Cronograma confirmado:**
+- **2026 (ano de teste):** CBS (0.9%) e IBS (0.1%) entram em vigor com alíquotas simbólicas. Contribuintes devem calcular e reportar como se houvesse cobrança, mas não há pagamento efetivo
+- **2027:** CBS começa a substituir PIS/COFINS com alíquota crescente
+- **2033:** IBS substitui completamente ICMS/ISS
+
+**Impacto prático nos contratos:**
+- Alíquota-referência estimada: ~28% (CBS ~9.3% + IBS ~18.7%) — entre as mais altas do mundo
+- Contratos vigentes podem precisar de aditivos para refletir nova carga tributária
+- Empresas precisarão recalcular preços conforme o regime avança (2027, 2029, 2033)
+- Cashback para baixa renda pode afetar volume de mercado em certos segmentos B2C
+
+**Para vendas B2B:**
+- Clareza sobre regime tributário do cliente é necessária para precificação correta
+- Contratos de longo prazo devem incluir cláusula de reajuste para mudança tributária
+- CRMs brasileiros (RD Station, Ploomes) já estão se adaptando para nova realidade fiscal
+
+### Nota Fiscal (NF-e / NFS-e)
+Todo faturamento no Brasil requer emissão de Nota Fiscal:
+- **NF-e:** Nota Fiscal Eletrônica para produtos
+- **NFS-e:** Nota Fiscal de Serviço Eletrônico para serviços (emitida pelo município)
+- CRMs brasileiros têm integração nativa com sistemas de emissão de NF
+- CRMs internacionais precisam de integração via API com ERPs locais (TOTVS, Omie, Bling, Conta Azul)
+
+---
+
+## Vendas para Governo (B2G)
+
+Vender para governo no Brasil tem regras específicas e ciclos muito distintos do B2B privado.
+
+### Framework B2G
+| Etapa | Processo | Timing |
+|-------|---------|--------|
+| **Licitação** | Lei 14.133/2021 (Nova Lei de Licitações) rege todas as compras públicas | Processo de semanas a meses |
+| **Pregão Eletrônico** | Modalidade mais comum para bens e serviços comuns | 3-8 semanas |
+| **Dispensa/Inexigibilidade** | Contratação direta em casos específicos | Mais rápido, mas restrições severas |
+| **Portais** | ComprasNet, PNCP (Portal Nacional de Contratações Públicas), BECsp (SP) | Monitorar diariamente |
+| **Nota de Empenho** | Documento que compromete orçamento (equivalente a PO) | Após aprovação da licitação |
+| **Pagamento** | Tipicamente 30-90 dias após entrega + burocracia adicional | Planejar fluxo de caixa |
+
+**Estratégias B2G:**
+- Construir relacionamento com gestores públicos ANTES do início do processo licitatório
+- Participar de processos de elaboração de edital quando possível (influência legítima)
+- Ter equipe ou parceiro especializado em compliance de licitações
+- Previsão de fluxo de caixa: pagamentos governamentais são lentos e, às vezes, atrasam
+
+---
+
+## Ecossistema de Sales Tech Brasileiro
+
+### CRMs com Localização Brasil
+| Plataforma | Diferencial BR | Melhor Para |
+|-----------|---------------|-------------|
+| **RD Station CRM** | Integração nativa com RD Station Marketing, empresa TOTVS | Inbound B2B, startups |
+| **Ploomes** | Propostas automatizadas, integração ERP BR, ciclo de vendas visual | Mid-market B2B |
+| **Moskit** | Simplicidade, WhatsApp nativo, preço acessível | SMB, equipes pequenas |
+| **Agendor** | Interface limpa, foco em usabilidade | SMB, vendedores individuais |
+| **NectarCRM** | Especializado em energia solar e mercados verticais | Nichos específicos |
+| **Meets.io** | WhatsApp integration forte | SMB focado em conversão via chat |
+
+### Ferramentas BR de Sales Engagement
+| Empresa | Produto | Categoria |
+|---------|---------|-----------|
+| **Meetime** | Sales engagement + intelligence + coaching | Plataforma completa |
+| **Exact Sales** (RD Station) | Pré-vendas e qualificação | SDR tooling |
+| **Econodata** | Data enrichment e prospecção BR | Intelligence |
+| **Ramper** | Outbound automation | Sales engagement |
+| **Reev** (Meetime) | Cold email automation | Email sequences |
+| **Leadster** | Chatbot de conversão | Lead gen |
+
+### Referência de Benchmark BR
+- **RD Summit** — Principal evento de marketing e vendas do Brasil (Florianópolis/SP, anual)
+- **Vendas B2B Summit** (Meetime) — Inside sales BR (Florianópolis, anual)
+- **Meetime Relatório de Inside Sales BR** — Benchmark anual de métricas de vendas no Brasil
+- **RD Station Pesquisa de Marketing e Vendas** — Anual, dados do mercado brasileiro
+
+---
+
+## SDR/BDR no Brasil — Especificidades
+
+### Diferenças vs. Modelo Americano
+| Aspecto | EUA | Brasil |
+|---------|-----|--------|
+| Canal primário de prospecção | Email + Phone | WhatsApp + Email + LinkedIn |
+| Cold call | Ainda relevante (connect rate 3-7%) | Menor aceitação — WhatsApp preferido |
+| Ferramentas de dados | ZoomInfo, Apollo (dados ricos) | Econodata, Snov.io (dados mais limitados) |
+| Email de trabalho | Fácil de encontrar via Apollo, Hunter | Mais difícil — emails com @gmail/@hotmail no B2B |
+| Horário de prospecção | 8h-18h EST | 9h-18h BRT (cuidado com feriados regionais) |
+
+### Cadência Adaptada para Brasil
+```
+Dia 1: LinkedIn — Conexão com mensagem personalizada
+Dia 2: Email — Observação sobre a empresa + pergunta
+Dia 4: WhatsApp — Follow-up APENAS se tem conexão/referência
+Dia 6: LinkedIn — Engajar com conteúdo do prospect
+Dia 8: Email — Insight ou case study relevante para o setor
+Dia 10: WhatsApp — Segunda tentativa
+Dia 13: Email — Mensagem de "fechando o arquivo"
+Dia 21: LinkedIn — Conteúdo de nurture de longo prazo
+```
+
+---
+
+## References
+- Meetime — *Relatório Inside Sales Brasil* (anual, meetime.com.br)
+- Resultados Digitais — *Pesquisa de Marketing e Vendas* (anual, resultadosdigitais.com.br)
+- Senado Brasileiro — Lei Complementar 214/2023 (Reforma Tributária)
+- Receita Federal — Orientações CBS/IBS 2026 (gov.br)
+- Lei 14.133/2021 — Nova Lei de Licitações e Contratos Administrativos
+- Portal Nacional de Contratações Públicas — pncp.gov.br
+- Grupos Fiscais BR — Alíquotas-teste CBS/IBS 2026

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/customer-success-operations.md

@@ -297,10 +297,91 @@ TIER 4: SAVE PLAY (Active churn request)
   Goal: 30-40% save rate on activated save plays
 ```
 
+---
+
+## Expansion Revenue Playbook
+
+### Upsell vs. Cross-Sell
+- **Upsell** — Vender mais do mesmo (mais seats, tier superior, features premium)
+- **Cross-Sell** — Vender produtos complementares (módulo adicional, serviço adjacente)
+
+### Trigger-Based Expansion (quando agir)
+| Trigger | Sinal | Ação |
+|---------|-------|------|
+| **Uso atingiu 80%** do limite contratado | Alert automático do CS platform | Proor upgrade com desconto de antecipação |
+| **ROI forte documentado** no QBR | Métricas de sucesso cumpridas | Proposta de expansão de escopo |
+| **Evento de crescimento** do cliente | Funding, contratação massiva, nova unidade | Contato proativo com proposta de expansão |
+| **Champion promovido** | LinkedIn, anúncio interno | Reativar conversa, nova proposta para o novo cargo |
+| **Novo stakeholder** relevante | Novo VP Marketing, novo CTO | Introdução + apresentação de valor |
+| **Renovação em 90 dias** | Lembrete automático | Proposta de multi-year com incentivo |
+| **Produto atingiu limite** | Product analytics | PQL → PLS motion (se PLG aplicável) |
+
+### Expansion Motion Framework
+```
+1. Identificar trigger (automático via CS platform ou product analytics)
+2. Verificar health score (só prospectar expansão em contas Green/Yellow)
+3. Construir business case baseado nos resultados já entregues
+4. Levar na QBR ou agendar reunião específica de expansão
+5. Proposta de 3 opções (crescimento incremental, médio, transformacional)
+6. Fechar com urgência real (incentivo por Q ou capacidade limitada)
+```
+
+---
+
+## Churn Prediction — Sinais e Modelos
+
+### Sinais Precoces de Churn (detectar com antecedência de 30-90 dias)
+| Sinal | Peso | Como Detectar |
+|-------|------|--------------|
+| Login frequency caiu >30% MoM | Alto | Product analytics (Mixpanel, Amplitude, Gainsight) |
+| **Champion saiu** da empresa | Crítico | LinkedIn, email bounce, sem resposta a CSM |
+| Support tickets críticos abertos >7 dias | Alto | CRM / helpdesk (Zendesk, Intercom) |
+| Não responde CSM há >2 semanas | Alto | CRM activity tracking |
+| Não participou da última QBR | Médio | Calendar records |
+| **Downgrade request** ou redução de seats | Crítico | CRM deal record |
+| Concorrente mencionado em calls | Alto | Gong/Chorus — competitive mention alerts |
+| Pagamento atrasado | Médio | Finance / ERP integration |
+| NPS caiu para <7 na última pesquisa | Alto | NPS tool (Delighted, Medallia) |
+| Feature adoption caiu para <50% | Médio | Product analytics |
+
+### Modelo de ML para Churn Prediction
+```
+Features tipicamente usadas:
+  Comportamentais: usage patterns, login frequency, feature adoption, session duration
+  Relacionamento: CSM interaction frequency, meeting attendance, email response time
+  Financeiro: billing history, payment delays, contract value changes
+  Engajamento: NPS trends, support ticket volume/sentiment
+  Firmográfico: company size changes, funding events, leadership changes
+
+Modelos comuns:
+  Logistic Regression — baseline interpretável
+  Random Forest — bom com features mistas
+  Gradient Boosting (XGBoost) — melhor performance geralmente
+  
+Horizonte de predição: 30-90 dias de antecedência é o sweet spot
+  (>90 dias: muita incerteza | <30 dias: tarde demais para salvar)
+
+Threshold de ativação: Probabilidade >40% de churn → trigger save play
+```
+
+---
+
+## Customer Success Maturity — Métricas por Nível
+| Nível | NRR Típico | Logo Retention | NPS | Ratio CSM:Contas |
+|-------|-----------|---------------|-----|-----------------|
+| L1 Reactive | <85% | <80% | <20 | 1:50-100 |
+| L2 Proactive | 85-100% | 80-90% | 20-40 | 1:30-50 |
+| L3 Strategic | 100-115% | 90-95% | 40-55 | 1:15-30 |
+| L4 Transformational | 115-130% | 95-98% | 55-70 | 1:10-20 (high-touch) |
+| L5 Product-Led CS | >130% | >98% | >70 | 1:100+ (tech-touch) |
+
+---
+
 ## References
 - Murphy, L. — *Customer Success: How Innovative Companies Are Reducing Churn* (2016)
 - Mehta, N., Steinman, D., Murphy, L. — *Customer Success* (2016)
 - Maister, D. — *The Trusted Advisor* (2000)
 - Reichheld, F. — *The Ultimate Question 2.0* (NPS)
-- Gainsight — Health Score methodology
-- Winning by Design — CS operating model
+- Gainsight — Health Score methodology e CS platform benchmarks
+- Winning by Design — CS operating model (Bow Tie right side)
+- Bain & Company — 5% retention uplift → 25-95% profit increase research