Skill · Produto e UX

aberta pra leitura

Análise de Pedidos de Features

Agrupa, interpreta e prioriza pedidos de clientes por problema, evidência, impacto, esforço, risco e alinhamento estratégico.

Antes → Depois · resultado real

O mesmo pedido, com e sem a skill.

SaaS de agendamento para clínicas de estética e salões: 47 pedidos de feature acumulados entre HubSpot, Zendesk e WhatsApp. A maior conta (8% do MRR) exige white-label e ameaça sair; o objetivo do trimestre é reduzir churn das PMEs. Reunião de roadmap na segunda, 1 squad disponível.

Quem manda · PM que precisa defender o roadmap na segunda sem virar refém da conta grande.

Antes · pedido improvisado

prioriza esses 47 pedidos de feature pra mim

O que a IA devolve

Prioridade 1: White-label (pedido pela sua MAIOR conta — não pode perder!). Prioridade 2: Integração com WhatsApp. Prioridade 3: App próprio. Calculei o RICE: white-label = 847 pontos, WhatsApp = 623, app = 590. Recomendo começar o white-label ainda esta semana!

Por que é fraco · Ranqueia pela conta que grita mais alto, inventa score RICE com precisão falsa (847 pontos de quê?), trata cada solução pedida como problema validado e ignora o objetivo do trimestre — churn de PME nem aparece na resposta.

Depois · com a skill

O pedido

Use Análise de Pedidos de Features. Produto: SaaS de agendamento para clínicas de estética e salões. Objetivo do tri: reduzir churn das PMEs. 47 pedidos em CSV (HubSpot + Zendesk + WhatsApp), com segmento, porte, MRR e data — nomes de clientes já mascarados. Contexto: a maior conta (8% do MRR) exige white-label e pressiona. Capacidade: 1 squad. Quero: temas (problema, não solução), matriz com confiança, top 3 com racional, vieses sinalizados, o que NÃO priorizar e testes mínimos antes de codar.

O que a IA devolve

Toca nos 4 pins

Resumo executivo: 47 pedidos viram 7 temas — os 6 principais na tabela. O que mais aparece não é o que mais grita: confirmação/no-show está em 14 pedidos de PMEs, exatamente o perfil que cancela. White-label tem 1 pedido, de 1 conta.

Objetivo e premissas: reduzir churn PME. Premissa: motivo de cancelamento declarado é confiável (confiança média). Lacuna: não há dado de uso por feature — pedir query ao time de dados antes de fechar o ranking.

LGPD:

Temas agrupados (pedido ≠ problema):

TemaPedidosQuem pedeProblema provável
Lembretes/no-show14PMEscliente falta, agenda esvazia
Cobrança de sinal antecipado9PMEsfuro de receita por falta
Relatórios de ocupação8PME + médiasdono não enxerga a semana
Integração WhatsApp7mistoconfirmação manual, retrabalho
Permissões por funcionário5médiasrecepção vê faturamento
White-label11 conta enterpriserevenda com marca própria

Nota: .

Matriz (1-5; esforço P/M/G; confiança declarada, não decorativa):

TemaImpactoEvidênciaEsforçoRiscoAlinhamentoConfiança
Confirmação/no-show54M25alta
Cobrança de sinal43M34média
Relatórios de ocupação33P13média
White-label31G42baixa

Top 3 recomendações:

  1. Confirmação de presença (no-show) — 21 pedidos somados, dor do ICP que cancela, alinhado ao objetivo. Decisão: discovery curto + protótipo. Risco: API oficial do WhatsApp tem custo e aprovação — validar com engenharia antes de prometer canal.
  2. Cobrança de sinal antecipado — 9 pedidos, ataca a mesma dor por outro ângulo. Decisão: entrevistar 5 clientes antes de especificar. Envolve Pix/pagamento → escalar avaliação técnica e de risco financeiro antes de afirmar viabilidade.
  3. Relatórios de ocupação — esforço P, vitória rápida de retenção. Decisão: versão mínima neste tri.

Viés sinalizado: Recomendação: negociar horizonte com a conta — e comparar custo de perder vs. custo de construir — em vez de furar a fila por ameaça.

Não priorizados e por quê: app próprio (3 pedidos, esforço G, hipótese não validada); permissões por funcionário (relevante, mas dor de porte médio — reavaliar no próximo tri).

Testes mínimos antes de codar: 5 entrevistas com clientes que cancelaram citando falta de cliente; query cancelamento × segmento; protótipo Figma do fluxo de confirmação.

Hipótese crítica: .

Por que ganha · Separa pedido de problema (WhatsApp + lembretes = a mesma dor, 21 pedidos), pontua com confiança declarada em vez de RICE decorativo, nomeia o viés da conta grande por escrito e condiciona o roadmap a testes baratos — defensável na segunda de manhã.

47 pedidos e uma conta gritando white-label viraram 7 temas, um top 3 com evidência — e o viés da conta grande sinalizado por escrito.

antes ~1 semana adiando a planilha de pedidos → depois ~25min ajustando a matriz pra reunião de roadmap

Essa skill faz parte da Academia pensa ia.

Domínio

Produto e UX

Para quem

PMHead de ProdutoFounderLider de CSGerente de ProdutoExecutivo de SaaS

Fluxos

Analisar

Softwares

Microsoft ExcelGoogle SheetsNotionJiraLinearTrelloHubSpotSalesforce

Uso

Pronto para usarUso leve

O que você leva

  • Relatório priorizado com temas, matriz de pontuação, top recomendações, premissas, lacunas, hipóteses críticas e testes mínimos.
  • Pare de priorizar pelo cliente que grita mais alto: converta pedidos soltos em oportunidades, riscos e próximos passos claros.
  • Problema: Times recebem pedidos de clientes, vendas e suporte, mas não sabem diferenciar solicitação pontual, problema recorrente e prioridade estratégica.
  • Fluxo: Analisar

Exemplo de pedido pronto

Analise estes 12 pedidos de clientes para um SaaS B2B de cobrança recorrente no Brasil e priorize os top 3 considerando o objetivo de reduzir churn em PMEs. Inclua temas, matriz de priorização, riscos, hipóteses e testes mínimos.

⦿ A receita inteira · aberta

sem cadastro · sem pagar

Esta é uma das skills que a gente deixa aberta pra leitura. O arquivo abaixo é exatamente o que quem tem o catálogo completo recebe — entrada, passos, revisão e formato de saída. Use no seu assistente e adapte ao seu contexto.

---
name: "analise-pedidos-features"
description: "Agrupa, interpreta e prioriza pedidos de clientes por problema, evidência, impacto, esforço, risco e alinhamento estratégico."
domain: "PRD"
function_verb: "ANALISAR"
difficulty: "plug"
cost_profile: "xs"
---

# Análise de Pedidos de Features

Use esta skill para transformar pedidos soltos de clientes, vendas, CS, suporte e backlog em uma priorização clara para produto. O foco não é obedecer à lista de soluções pedidas, e sim descobrir problemas recorrentes, oportunidades de negócio, riscos e próximos testes antes de colocar desenvolvimento no roadmap.

## Quando Usar

- Antes de reunião de roadmap, planejamento trimestral ou revisão de backlog.
- Quando há CSV, planilha, tickets, CRM, WhatsApp, Notion, Jira, Linear ou Trello com pedidos misturados.
- Para comparar pedidos de grandes contas com necessidades recorrentes da base de clientes.
- Para decidir quais problemas merecem discovery, PRD, protótipo, experimento ou recusa bem explicada.
- Para alinhar Produto, Vendas, CS e liderança com uma recomendação defendável.

Não use para prometer entrega, declarar conformidade regulatória, substituir decisão executiva ou ranquear com precisão quando faltam dados críticos.

## Resultado Esperado

Entregar um relatório curto e acionável com:

1. resumo executivo;
2. objetivo informado e premissas;
3. lacunas de informação;
4. temas/problemas agrupados;
5. matriz de priorização;
6. top 3 a 5 recomendações;
7. itens não priorizados e motivo;
8. riscos, hipóteses críticas e testes mínimos;
9. próximos passos para Produto, CS, Vendas ou Engenharia.

## Entradas Necessarias

Peça ou extraia, quando disponível:

- Objetivo de negócio/produto: reduzir churn, aumentar conversão, destravar enterprise, diminuir custo de suporte, melhorar ativação etc.
- Segmentos afetados: PME, enterprise, ecommerce, contabilidade, indústria, saúde, educação, financeiro.
- Lista de pedidos: texto, CSV, .xlsx, tickets, backlog ou exportação de CRM/suporte.
- Fonte: HubSpot, Salesforce, RD Station CRM, Zendesk, Intercom, Freshdesk, WhatsApp Business, Jira, Linear, Notion, Google Sheets.
- Frequência/volume: quantos clientes pediram, recorrência, datas.
- Impacto: MRR/ARR aproximado, churn em risco, receita potencial em R$, custo operacional, NPS, SLA ou tickets.
- Porte e tipo de cliente, sem expor dados pessoais quando não necessário.
- Restrições: capacidade de engenharia, dependências, prazo, risco técnico, regulatório ou comercial.
- Estratégia atual: ICP, posicionamento, mercado-alvo, metas do trimestre.

Se faltarem dados, não invente. Declare lacunas e use nível de confiança: alto, médio ou baixo.

## Processo

1. **Checagem inicial e LGPD**: identifique dados pessoais/sensíveis. Sugira mascarar nomes, emails, telefones, CPF e detalhes contratuais. Use Cliente A, segmento, porte ou receita agregada.
2. **Normalização**: transforme pedidos em linhas comparáveis: pedido original, fonte, cliente/segmento, data, evidência, problema provável, solução pedida, impacto citado.
3. **Separar solução de problema**: exemplo: “quero botão de Pix automático” pode ser problema de redução de inadimplência, conciliação manual ou fricção de pagamento.
4. **Agrupar temas**: una duplicidades e variações em temas como cobrança, onboarding, relatórios, integrações, permissões, fiscal, frete, suporte, performance.
5. **Avaliar evidência**: considere quantidade de pedidos, qualidade do relato, segmento estratégico, dados de uso, tickets, churn, receita e entrevistas. Diferencie evidência forte de anedota.
6. **Pontuar com transparência**: use escala 1-5 para impacto, alinhamento, evidência e risco invertido; esforço pode ser P/M/G ou 1-5. Inclua confiança. Exemplo de score simples: (Impacto + Alinhamento + Evidência) - (Esforço + Risco). Não apresente como verdade matemática.
7. **Detectar vieses**: sinalize quando a prioridade vem de uma grande conta, pressão comercial, opinião interna ou amostra pequena.
8. **Recomendar top prioridades**: para cada uma, informe racional, público afetado, por que agora, riscos, dependências e decisão sugerida: descobrir, prototipar, implementar, recusar, aguardar ou escalar.
9. **Definir testes mínimos**: entrevista com 5 clientes, análise de funil, concierge, landing page, protótipo no Figma, query em analytics, experimento operacional, ajuste de comunicação ou spike técnico.
10. **Escalonar quando necessário**: fiscal, BACEN, crédito, saúde, segurança, LGPD, contratos ou arquitetura crítica exigem revisão humana especializada.

## Ferramentas E Artefatos

Softwares comuns: Microsoft Excel, Google Sheets, Notion, Jira, Linear, Trello, HubSpot, Salesforce, RD Station CRM, Zendesk, Intercom, Freshdesk, Slack, WhatsApp Business, Looker Studio e Power BI.

Artefatos de entrada: CSV, .xlsx, backlog, tickets, exportação de CRM, transcrições de CS, comentários de vendas, formulários, notas de entrevista.

Artefatos de saída: relatório em Markdown, matriz de priorização, tabela RICE adaptada, lista de temas, resumo executivo, insumo para PRD, pauta de discovery e próximos passos por área.

## Exemplo Brasileiro

Contexto: SaaS B2B brasileiro de cobrança recorrente quer reduzir churn em PMEs. Chegam 18 pedidos via HubSpot, Zendesk e WhatsApp Business: Pix automático, boleto com multa, conciliação bancária, relatório de inadimplência, integração com Bling, envio de nota fiscal e permissões por usuário.

Boa análise: agrupa “Pix, boleto e conciliação” no tema **redução de falhas de cobrança**; identifica que aparece em 9 pedidos, afeta PMEs com inadimplência e se alinha ao objetivo de churn. Recomenda discovery + protótipo de conciliação antes de construir tudo. Escala nota fiscal para validação fiscal e integração bancária para avaliação técnica/segurança.

Má análise: “faça Pix, nota fiscal e integração Bling porque foram pedidos”. Isso prioriza soluções soltas, ignora objetivo, risco e evidência.

## Criterios De Qualidade

A resposta deve passar nestes critérios:

- Declara objetivo, premissas e lacunas antes do ranking.
- Não inventa volume, receita, esforço ou impacto ausente.
- Separa pedido de feature do problema/oportunidade.
- Agrupa duplicidades em temas úteis para roadmap.
- Mostra matriz com impacto, evidência, esforço, risco, alinhamento e confiança.
- Explica o racional do top 3 a 5.
- Inclui hipóteses críticas e testes mínimos antes de desenvolvimento caro.
- Indica itens não priorizados e por quê.
- Considera viés de grandes contas e pressão comercial.
- Evita dados pessoais desnecessários na saída.

Casos adversariais a tratar: pedidos contraditórios entre áreas; lista pequena pedindo precisão falsa; demanda fiscal/regulatória tratada como feature simples; pedido para expor CPF/email; priorização baseada apenas no maior contrato.

## Cuidados, LGPD E Escalacao Humana

- A análise é recomendação de produto, não decisão final nem garantia de resultado.
- Aplique minimização de dados: não reproduza CPF, email, telefone, endereço, contrato ou conversa sensível se não forem necessários.
- Prefira agregados: segmento, porte, MRR aproximado, região ou tipo de cliente.
- Se houver dados pessoais sensíveis, incidente, base legal duvidosa ou pedido de tratamento de dados, escale para DPO/jurídico.
- Se a feature envolver NF-e, SPED, Pix, BACEN, crédito, cobrança, saúde, trabalhista, seguros ou obrigação regulatória, escale para especialista antes de afirmar viabilidade ou conformidade.
- Se envolver autenticação, permissões, logs, integrações críticas ou exposição de dados, escale para Segurança/Engenharia.
- Se faltar estratégia, peça esclarecimento ou apresente cenários, não um ranking definitivo.

## Smoke Test

Prompt de teste: “Analise estes 12 pedidos de clientes para um SaaS B2B de cobrança recorrente no Brasil e priorize os top 3 considerando o objetivo de reduzir churn em PMEs. Inclua temas, matriz de priorização, riscos, hipóteses e testes mínimos.”

Para passar, a resposta deve: confirmar objetivo; agrupar pedidos por problemas; declarar lacunas; evitar dados pessoais; pontuar com confiança; recomendar top 3 com racional; sugerir validações baratas; escalar temas fiscais, financeiros, LGPD ou segurança quando aparecerem; e não inventar métricas ausentes.
ACESSO IMEDIATOACESSO POR E-MAIL · STRIPE BR