70 DMs, 0 clientes e um pivô: o que aprendi sobre vender IA para pequenos negócios — parte 2
Faz algumas semanas que publiquei aqui o relato sobre minha tentativa de vender um sistema de previsão de demanda para pequenos negócios.
O post gerou uma discussão muito acima do que eu esperava, e vários de vocês contribuíram com críticas, sugestões e experiências próprias.
Esta é a continuação do que aconteceu desde então.
O que mudou na prática
Depois do primeiro artigo, resolvi testar duas hipóteses que surgiram nos comentários e nas minhas próprias reflexões:
- Talvez o canal de aquisição estivesse errado — cold outreach no Instagram não foi feito para vendas B2B.
- Talvez o público-alvo estivesse errado — pequenos negócios têm dores reais, mas raramente têm dados organizados ou tempo para testar ferramentas novas.
Tentativa 3: contadores como canal
A ideia parecia boa.
Escritórios de contabilidade (CNAE 6920-6/01) atendem dezenas de empresas de varejo. Se um contador indicasse o sistema para seus clientes, a confiança já estaria estabelecida.
Além disso, eu poderia oferecer uma comissão sobre cada indicação convertida.
Montei uma lista com mais de 100 escritórios em seis cidades da minha região.
Adaptei a mensagem para o público contábil.
Disparei.
O resultado foi pior do que as DMs para padarias.
Quase zero respostas.
Analisando depois, percebi o erro:
Contadores não têm estoque.
Eles não sentem diretamente a dor da ruptura ou do desperdício.
Oferecer previsão de demanda para um escritório de contabilidade é como vender ração para cachorro para um dono de peixinho dourado.
O problema não era necessariamente a mensagem.
O ICP estava errado.
Tentativa 4: refinando o ICP
Voltei para a base.
Quem realmente sangra com erro de estoque?
E, mais importante:
Quem tem dados organizados e escala suficiente para justificar uma ferramenta de previsão?
A resposta foi aparecendo aos poucos:
- Redes regionais de food service
- Hortifrútis
- Lojas de conveniência com múltiplas unidades
- Varejistas regionais
- Empresas com dezenas ou centenas de SKUs perecíveis
São negócios onde cada erro de previsão pode significar produto no lixo ou venda perdida.
Mudei o foco das abordagens.
Em vez de:
"Quer testar minha IA?"
Comecei a perguntar:
"Qual o impacto financeiro da ruptura de estoque na sua operação?"
O tom mudou.
As respostas também — lentamente.
Os números atualizados
| Métrica | Valor |
|---|---|
| DMs enviadas (total) | ~120 |
| Respostas | ~9 (7,5%) |
| Leads quentes | 3 |
| Clientes fechados | 0 (ainda) |
| Novos canais testados | Contadores, LinkedIn |
| Canal com mais retorno qualitativo | TabNews |
Ainda não existe um final feliz para essa história.
Continuo com zero clientes.
Mas agora tenho muito mais informação sobre por que isso está acontecendo.
O que aprendi agora
1. ICP é tudo
Você pode ter a melhor mensagem do mundo.
Se estiver falando com a pessoa errada, não vai funcionar.
O teste com contadores deixou isso muito claro: o problema que eu estava tentando resolver simplesmente não fazia parte da realidade deles.
Antes de otimizar a mensagem, valide se você está falando com quem realmente sente a dor.
2. Canal importa
Cada canal tem um contexto diferente.
Instagram funciona muito bem para descoberta e produtos visuais. Para produtos técnicos B2B, LinkedIn e comunidades técnicas como o TabNews parecem ter muito mais aderência.
Não significa que um canal seja universalmente melhor que outro.
Significa que o canal precisa combinar com o produto e com o comprador.
3. Inbound supera outbound — pelo menos no meu caso
O artigo anterior gerou networking com:
- CTOs
- Especialistas em marketing
- Empreendedores
- Desenvolvedores
- Pessoas com experiência em vendas B2B
Isso valeu mais, em termos qualitativos, do que centenas de mensagens frias.
O curioso é que eu estava tentando vender um produto...
...e o que mais me ajudou foi escrever sobre o processo de construí-lo.
4. Iteração é inevitável
Cada tentativa frustrada trouxe dados.
Esses dados me fizeram pivotar.
O pivô trouxe novos dados.
E esse ciclo continua.
Isso não é necessariamente um sinal de fracasso. É o próprio processo de aprendizado.
O momento atual
Estou ajustando a oferta para empresas de médio porte:
Um piloto gratuito de 30 dias, sem integração complexa, usando apenas o CSV de vendas que a empresa já possui.
A ideia é reduzir ao máximo a barreira de entrada.
Nada de:
- Integração complexa
- Grandes mudanças no sistema da empresa
- Implantação demorada
- Compromisso financeiro inicial
O objetivo neste momento é simples:
Gerar o primeiro case de sucesso real.
Aquele que finalmente vai quebrar a barreira do "zero clientes".
Pedido para a comunidade
Se você trabalha com operações, supply chain ou gestão de estoque, ou conhece alguém que gerencia estoque em:
- Redes de food service
- Hortifrútis
- Lojas de conveniência
- Varejo regional
eu adoraria uma introdução.
Não é para vender nada.
É para conversar e aprender com a dor real de quem está na ponta.
Quero entender como essas empresas realmente tomam decisões de compra, quanto custa errar uma previsão e quais dados elas já possuem hoje.
Se dessa conversa surgir um piloto, ótimo.
Se eu descobrir que estou resolvendo o problema errado, melhor ainda.
E o código?
A biblioteca de validação estatística que usei nos experimentos está pública no PyPI.
pip install honest-validation-toolkit
Ela implementa métodos como:
- Block bootstrap
- Gap bootstrap
- Permutation tests
- Walk-forward validation
- WAPE
- MASE
A ideia é tornar mais fácil para outros desenvolvedores avaliarem modelos de séries temporais sem depender apenas de uma única métrica de acurácia.
Links
- 📦 Biblioteca: https://github.com/EventHorizon-ia/honest-validation-toolkit
- 📊 Pesquisa de demanda: https://github.com/EventHorizon-ia/demand-m5
- 📧 Contato: lucasthd08@gmail.com
E para quem acompanhou a primeira parte: obrigado pelas críticas e sugestões.
Ainda estou em 0 clientes.
Mas agora o caminho até o próximo experimento está muito mais claro.