6 meses, 70 DMs e zero clientes: o que aprendi sobre vender IA para pequenos negócios
Eu construí um sistema de IA para previsão de demanda. Ele foi validado com walk-forward, block bootstrap por data, gap bootstrap pareado e teste de permutação. No dataset M5 Walmart, ele apresentou cerca de 30% de melhoria sobre uma baseline sazonal, com significância estatística nas sete lojas utilizadas na validação.
Mas, quando comecei a oferecer o sistema para empresas reais, descobri uma coisa que provavelmente muitos desenvolvedores já aprenderam da forma mais difícil:
Construir um produto e vender um produto são habilidades completamente diferentes.
Este texto é sobre o que aprendi nessa transição.
O produto
O EventHorizon Demand é um modelo baseado em LightGBM, treinado utilizando features de sazonalidade, lags, preços e promoções.
O objetivo é prever quantas unidades de um produto serão vendidas no dia seguinte para reduzir desperdício e evitar ruptura de estoque.
Tecnicamente, o sistema funciona.
Mas um produto que funciona não é necessariamente um produto que vende.
Primeira tentativa: DMs aleatórias no Instagram
Minha primeira estratégia foi simples:
- Procurar padarias, supermercados e docerias no Instagram;
- Enviar mensagens oferecendo um teste gratuito.
O resultado foi decepcionante.
Foram dezenas de mensagens enviadas e quase nenhuma resposta.
Depois percebi alguns motivos:
- muitas empresas utilizam respostas automáticas;
- várias sequer verificam solicitações de mensagem;
- "previsão de demanda com IA" é um conceito abstrato para quem está preocupado em fechar o caixa no fim do dia.
Eu estava falando sobre tecnologia.
O cliente estava pensando em sobreviver ao próximo dia de trabalho.
Segunda tentativa: procurar empresas que já demonstravam uma dor
Resolvi inverter a lógica.
Passei a monitorar avaliações públicas no Google Maps procurando comentários como:
- "nunca tem esse produto";
- "prateleiras vazias";
- "faltou pão";
- "pouca variedade".
Quando encontrava uma empresa com esse tipo de reclamação, enviava uma mensagem personalizada mencionando exatamente aquele problema.
O resultado mudou bastante.
- Uma padaria respondeu.
- Uma loja de bolos pediu meu telefone.
- Um supermercado de médio porte respondeu: "Temos interesse sim."
Percebi que eu não estava mais vendendo IA.
Estava oferecendo uma solução para um problema que o próprio cliente já havia reconhecido publicamente.
Os números até agora
| Métrica | Valor |
|---|---|
| DMs enviadas | ~70 |
| Respostas | ~6 (8,5%) |
| Empresas em negociação | 3 |
| Clientes fechados | 0 (ainda) |
Ainda não fechei meu primeiro contrato.
Mas hoje o funil existe, enquanto antes praticamente não existia.
O que aprendi
1. Pequenos negócios nem sempre são o melhor público
Muitas lojas pequenas não possuem histórico organizado de vendas.
Além disso, o proprietário normalmente está ocupado resolvendo problemas operacionais e dificilmente terá tempo para testar uma ferramenta nova.
Hoje acredito que redes regionais com algumas unidades sejam um público muito mais interessante.
2. Ninguém compra IA
As primeiras mensagens falavam sobre:
- LightGBM;
- Machine Learning;
- previsão de demanda.
As mensagens que funcionaram falavam sobre:
- reduzir desperdício;
- evitar falta de produtos;
- melhorar o abastecimento.
A tecnologia virou detalhe.
O benefício passou a ser o protagonista.
3. Um bom PDF vale mais que muitos argumentos
Quando alguém pergunta:
"Você tem algum exemplo?"
Ter um PDF simples, com métricas reais, gráficos e uma explicação objetiva transmite muito mais confiança do que vários parágrafos tentando convencer alguém.
4. Persuasão pode ser estudada
Li parte do livro As Armas da Persuasão, de Robert Cialdini.
Algumas mudanças pequenas fizeram diferença:
- explicar claramente por que eu estava entrando em contato;
- evitar palavras com conotação negativa;
- deixar a mensagem mais específica e personalizada.
Nada revolucionário.
Mas vários pequenos ajustes acabam somando.
5. Prospecção é um processo estatístico
Hoje enxergo prospecção quase como um experimento.
Se aproximadamente 8,5% respondem, e apenas uma parte desses responderá positivamente, então a variável que eu mais controlo é o volume.
Cada nova mensagem gera mais dados.
E mais dados permitem melhorar o processo.
Conclusão
Passei cerca de seis meses aprendendo a construir um sistema de IA com validação estatística rigorosa.
Agora estou aprendendo a vendê-lo.
São habilidades completamente diferentes.
Como desenvolvedor, sempre achei que o maior desafio seria criar um modelo melhor.
Hoje acredito que entender o cliente seja um desafio ainda maior.
Se você também está tentando transformar um projeto técnico em um negócio, talvez esta seja a principal lição que aprendi até agora:
Não trate prospecção como uma etapa secundária. Ela pode ser medida, testada e otimizada da mesma forma que o código.
PS: Se alguém aqui já passou pela fase de conseguir os primeiros clientes B2B, ficarei feliz em ouvir como foi essa experiência. Acho que ainda tenho muito mais para aprender sobre vendas do que sobre modelos de IA.
Links:
· Biblioteca de validação: https://github.com/EventHorizon-ia/honest-validation-toolkit
· Notebook de pesquisa: https://github.com/EventHorizon-ia/demand-m5
· Contato: lucasthd08@gmail.com