[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"skill:01M6EBH8ZPPAG5151FXJKK6298":3,"skill-same:01M6EBH8ZPPAG5151FXJKK6298":74},{"skillNo":4,"name":5,"nameZh":6,"description":7,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":6,"repositoryNo":12,"starsCount":13,"licenseSpdxId":14,"licenseFileUrl":6,"sourceHtmlUrl":15,"categories":16,"keywords":17,"publishedAt":26,"linkOnly":27,"markdownContent":28,"markdownBody":29,"frontMatter":30,"refName":36,"commitSha":37,"skillDirectory":38,"forksCount":39,"repositoryHtmlUrl":40,"repositoryHomepageUrl":41,"ownerHtmlUrl":42,"ownerBlogUrl":6,"ownerDescription":6,"updatedAt":43,"install":44,"resources":57},"01M6EBH8ZPPAG5151FXJKK6298","feature-launch-playbook",null,"Feature Launch Playbook — Skill especializada para feature launch playbook","kursku\u002Fskills","kursku","https:\u002F\u002Favatars.githubusercontent.com\u002Fu\u002F15705647?v=4","01M6E5VWJKMRJQ1PNFP2P0PYVZ","01M6E5VWSCHN2C3RVE67795NRC",126,"MIT","https:\u002F\u002Fgithub.com\u002Fkursku\u002Fskills\u002Fblob\u002Fmaster\u002Fpacks\u002Fkit-510-ptbr\u002F08-lancamento-growth\u002Ffeature-launch-playbook\u002FSKILL.md",[],[18,19,20,21,22,23,24,25],"launch","playbook","feature","feature launch playbook","safe","code","para","growth","2026-11-10 10:12:30",false,"---\nname: feature-launch-playbook\ndescription: \"Feature Launch Playbook — Skill especializada para feature launch playbook\"\nlicense: MIT\nmetadata:\n  version: 1.0.0\n  author: Cafe Code AI\n  category: 08-lancamento-growth\n  updated: 2026-03-01\nrisk: safe\n---\n\n# Feature Launch Playbook\n\nEsta skill equipa o Claude com um framework pragmático para planejar, executar e otimizar lançamentos de funcionalidades, maximizando ativação e retenção.\n\n---\n\n## Keywords\n\nLançamento de features, Go-to-Market (GTM) de feature, Aceleração de adoção, Ativação de produto, Retenção pós-lançamento, Ciclo de feedback de features, Growth hacking, Experimentação de lançamento, Análise de impacto de feature, Feature adoption.\n\n---\n\n## Quick Start\n\n1.  **Validação Pré-Lançamento com Early Adopters**: Antes de qualquer desenvolvimento, conduza entrevistas de 30 minutos com 5-10 usuários do segmento \"Ideal Customer Profile\" para validar a hipótese de valor da feature e identificar dores críticas não atendidas. Ex: \"Você usaria um painel de automação que reduz a entrada manual de dados em 50%?\"\n2.  **Configuração de Event Tracking**: Implemente eventos de rastreamento no Amplitude ou Mixpanel para `feature_viewed`, `feature_activated` (primeiro uso), e `key_action_within_feature` (ex: `automation_rule_created`) em até 2 dias após a finalização do escopo.\n3.  **Lançamento Segmentado com Feature Flag**: Utilize uma ferramenta como LaunchDarkly para liberar a feature `nova_automacao_email` para 10% da sua base de \"Early Adopters\" (usuários que se inscreveram para betas) nas primeiras 24 horas após o deploy.\n4.  **Monitoramento Imediato da Ativação**: Monitore a taxa de ativação (DAU\u002FMAU que usaram a feature) e o tempo médio para o primeiro uso nas primeiras 72 horas pós-lançamento via dashboard no Looker Studio. Acione alertas se a ativação estiver abaixo de 20%.\n\n---\n\n## Core Workflows\n\n### Workflow 1: Orquestração de Lançamento de Feature Gated (Acesso Exclusivo)\n\nEste workflow detalha o processo de lançamento de uma feature com acesso restrito a um segmento específico de usuários, ideal para features premium ou em fase de teste.\n\n1.  **Segmentação e Habilitação (Pré-lançamento)**:\n    *   **Identificação do Segmento**: No Braze, identifique 500 usuários do segmento \"Clientes Enterprise Ativos\" (ARPU > $1000, logados > 15 dias no mês) que expressaram interesse em automação.\n    *   **Configuração do Gate**: Configure a `feature_automacao_avancada_email` no LaunchDarkly para ser visível e funcional apenas para este segmento de 500 usuários. Defina um \"kill switch\" para desativar instantaneamente em caso de problemas críticos.\n    *   **Exemplo**: Para a feature \"Editor de Fluxos de Automação Visual\", o acesso é restrito a clientes do plano \"Enterprise Growth\" que já utilizam o módulo de \"Campanhas de E-mail\" há pelo menos 3 meses.\n\n2.  **Comunicação Direcionada (Lançamento)**:\n    *   **Criação do Conteúdo**: Redija um e-mail personalizado no Customer.io com o assunto \"Acesso Antecipado: Libere o Poder do Editor de Fluxos de Automação Visual!\" para o segmento pré-selecionado. O e-mail deve focar nos benefícios (ex: \"Crie sequências complexas em minutos, visualize todo o funil do cliente\") e incluir um CTA claro \"Acessar Agora\".\n    *   **In-App Message Contextual**: Configure uma mensagem in-app via Intercom para aparecer quando um usuário do segmento visitar a página de \"Automações\" pela primeira vez, informando sobre a nova funcionalidade.\n    *   **Exemplo**: O e-mail terá um link direto para `app.empresa.com\u002Fautomacao\u002Feditor-visual` e um vídeo-tutorial de 60 segundos incorporado, demonstrando a criação de um fluxo de boas-vindas.\n\n3.  **Monitoramento de Ativação e Engajamento (Pós-lançamento)**:\n    *   **Dashboard de Ativação**: Utilize um dashboard no Power BI para monitorar em tempo real a `taxa_de_ativacao_editor_visual` (usuários que acessaram o editor e criaram seu primeiro fluxo) e o `tempo_medio_primeiro_fluxo_criado`.\n    *   **Métrica Chave**: A meta de ativação para este segmento de elite é de 45% em 7 dias. Se a taxa cair abaixo de 30%, acionar o time de Sucesso do Cliente para follow-up proativo.\n    *   **Exemplo**: Se a `taxa_de_ativacao_editor_visual` estiver em 38% no terceiro dia, o time de Growth iniciará uma campanha de retargeting via push notification para os usuários que visualizaram o e-mail mas não ativaram, oferecendo um template de fluxo pronto.\n\n4.  **Coleta de Feedback e Iteração (Pós-lançamento)**:\n    *   **Pesquisa In-App Segmentada**: Após o usuário criar seu terceiro fluxo no editor, exiba um formulário de feedback NPS no Typeform perguntando \"Qual a probabilidade de você recomendar o Editor de Fluxos de Automação Visual a um colega?\"\n    *   **Entrevistas Qualitativas**: Agende 10 entrevistas de 45 minutos com usuários que ativaram e deram feedback negativo (NPS 0-6) para entender os pontos de fricção e \"jobs-to-be-done\" não atendidos.\n    *   **Exemplo**: Use mapas de calor e gravações de sessão do Hotjar na página do editor para identificar áreas de confusão ou elementos não clicados, direcionando melhorias de UX para a próxima sprint.\n\n### Workflow 2: Otimização Contínua de Adoção de Feature via Experimentação A\u002FB\n\nEste workflow foca em refinar a experiência de adoção de uma feature já lançada, utilizando testes A\u002FB para maximizar seu uso.\n\n1.  **Identificação de Gargalo (Análise)**:\n    *   **Análise do Funil**: No Google Analytics 4, observe o funil de adoção da feature \"Relatórios Personalizados\". Identifique que 55% dos usuários que clicam em \"Criar Novo Relatório\" abandonam o processo antes de selecionar as dimensões.\n    *   **Hipótese**: A interface inicial de seleção de dimensões é confusa ou exige muitos passos.\n    *   **Exemplo**: O funil mostra que de 1000 cliques em \"Criar Novo Relatório\", apenas 450 chegam à tela de \"Visualizar Relatório\", indicando uma queda significativa na etapa de configuração.\n\n2.  **Criação de Variações para Teste A\u002FB (Design)**:\n    *   **Variante A (Controle)**: Manter o fluxo atual de seleção de dimensões (lista de 50 opções com barra de busca simples).\n    *   **Variante B (Teste)**: Implementar um assistente de \"Quick Start\" que sugere 5 templates de relatórios pré-definidos (ex: \"Vendas Semanais\", \"Churn por Segmento\") e um filtro de categoria para dimensões (ex: \"Dados de Cliente\", \"Dados de Vendas\").\n    *   **Implementação**: Configure o A\u002FB test via Optimizely, direcionando 50% do tráfego de novos usuários para a Variante B.\n\n3.  **Execução do Teste e Coleta de Dados (Lançamento Controlado)**:\n    *   **Duração do Teste**: Rode o teste por 21 dias ou até atingir significância estatística (p-value \u003C 0.05 e intervalo de confiança de 95% para a métrica primária).\n    *   **Métricas Primárias**: `relatorio_criado_completamente_rate` (usuários que criaram e salvaram um relatório) e `tempo_para_primeiro_relatorio_salvo`.\n    *   **Métricas Secundárias**: `nps_feature_relatorios` e `uso_recorrente_relatorios_semanal`.\n    *   **Exemplo**: O teste é monitorado diariamente. Se a `relatorio_criado_completamente_rate` da Variante B atingir 35% contra 28% da Variante A após 15 dias, e o p-value for 0.02, a Variante B será considerada vencedora.\n\n4.  **Análise e Implementação (Pós-teste)**:\n    *   **Tomada de Decisão**: Se a Variante B demonstrar uma melhoria estatisticamente significativa, implemente-a para 100% dos usuários.\n    *   **Documentação dos Aprendizados**: Crie um documento no Confluence intitulado \"A\u002FB Test: Otimização Onboarding Relatórios Personalizados - Lições Aprendidas\" detalhando a hipótese, variações, resultados e próximos passos.\n    *   **Exemplo**: Após a implementação da Variante B, observe um aumento de 18% na criação de relatórios e uma redução de 1 minuto no `tempo_para_primeiro_relatorio_salvo`. Os próximos passos incluem testar a ordem dos templates pré-definidos.\n\n---\n\n## Templates\n\n### Template de Email de Lançamento de Feature Gated (Acesso Antecipado)\n\n```\nAssunto: ? Exclusivo para Você: Sua Nova Análise Preditiva de Churn está Liberada!\n\nOlá [Nome do Usuário],\n\nTemos uma excelente notícia para você! Como um de nossos clientes Enterprise mais valiosos, você foi selecionado para ter acesso antecipado à nossa mais revolucionária funcionalidade: a **Análise Preditiva de Churn**.\n\nCom a Análise Preditiva de Churn, você poderá:\n- **Identificar Clientes em Risco com 90% de Precisão**: Receba alertas proativos e intervenha antes que seja tarde.\n- **Visualizar Fatores de Risco Chave**: Entenda os motivos por trás do churn através de gráficos intuitivos e recomendações acionáveis.\n- **Otimizar Estratégias de Retenção**: Crie campanhas segmentadas e personalizadas baseadas em dados preditivos para maximizar o LTV.\n\nSabemos que você valoriza a **retenção de clientes e a receita recorrente**, e essa feature foi criada pensando exatamente em como podemos te ajudar a superar suas metas.\n\n**Como Começar:**\n1.  Acesse sua conta agora: [Link Direto para a Feature na Plataforma]\n2.  Assista ao nosso rápido tutorial de 90 segundos para aproveitar ao máximo o poder da predição: [Link para Vídeo Tutorial no YouTube\u002FVimeo]\n\nSua opinião é fundamental para nós. Se tiver qualquer dúvida ou feedback inicial, nossa equipe de Sucesso do Cliente está à disposição para ajudar.\n\nAproveite a novidade e prepare-se para transformar sua estratégia de retenção!\n\nAtenciosamente,\n\nA Equipe [Nome da Empresa]\n```\n\n### Template de Relatório Pós-Lançamento de Feature\n\n```\n**Relatório Pós-Lançamento: Recomendações de Conteúdo A.I.**\n\n**Data do Lançamento:** 2024-05-15\n**Período de Análise:** 2024-05-15 a 2024-05-29 (14 dias)\n**Equipe Responsável:** Produto (João Silva), Growth (Maria Souza), Marketing (Carlos Ribeiro)\n\n**1. Objetivo do Lançamento:**\nAumentar a taxa de cliques (CTR) em conteúdos recomendados em 15% para usuários de planos Pro e Enterprise, com meta de 40% de ativação da feature em 7 dias (usuários que visualizaram e interagiram com 3+ recomendações).\n\n**2. Métricas Chave e Resultados:**\n-   **Usuários Alcançados (Total):** 15.000 (Segmento: Pro\u002FEnterprise)\n-   **Taxa de Ativação (7 dias):** 38% (Meta: 40%) - *Resultado: Ligeiramente abaixo da meta (2% de delta).*\n-   **CTR em Conteúdo Recomendado:** 18% (Benchmark: 15%; Meta: 20%) - *Resultado: Acima do benchmark, mas abaixo da meta.*\n-   **Uso Recorrente (DAU\u002FMAU após 7 dias):** 12% (Meta: 15%) - *Resultado: Abaixo da meta.*\n-   **Tempo Médio de Sessão com Feature:** 3 min 45 seg (Benchmark: 2 min) - *Resultado: Acima do benchmark, indicando engajamento inicial para quem ativa.*\n-   **NPS da Feature (Coletado via Intercom):** +28 (Benchmark: +35) - *Resultado: Abaixo do benchmark, sugere oportunidades de melhoria.*\n\n**3. Análise de Performance:**\n-   **Pontos Positivos:** O e-mail de lançamento teve uma taxa de abertura de 35% e um CTR de 10%, indicando bom interesse inicial. Usuários que ativaram a feature demonstraram engajamento considerável (tempo de sessão). O aumento do CTR em relação ao benchmark é promissor.\n-   **Pontos de Atenção:** A taxa de ativação ficou ligeiramente abaixo da meta. Observamos que 25% dos usuários que clicam no link do e-mail não chegam à página da feature devido a um problema de carregamento lento em navegadores mais antigos (identificado via Sentry). O NPS da feature sugere que a clareza da proposta de valor ou a qualidade das recomendações para alguns usuários ainda precisa ser otimizada. A retenção da feature também é um ponto de preocupação.\n\n**4. Ações Recomendadas (Próximos 7-14 dias):**\n1.  **Prioridade 1 (Engenharia):** Corrigir bug de carregamento lento em navegadores antigos (P0, ETA: 24h).\n2.  **Prioridade 2 (Produto\u002FUX):** Implementar um tour guiado de 3 passos na primeira ativação da feature para reforçar os benefícios e um botão \"O que é isso?\" para contextualizar as recomendações (Sprint atual).\n3.  **Prioridade 3 (Marketing\u002FGrowth):** Criar campanha de retargeting (push notification e e-mail) para usuários que clicaram mas não ativaram, com foco em um caso de uso específico (ex: \"Descubra conteúdos que seus concorrentes estão usando\").\n4.  **Prioridade 4 (Produto\u002FDados):** Realizar 5 entrevistas de 30 minutos com usuários com NPS baixo para entender os pontos de fricção específicos nas recomendações (ex: relevância, diversidade). Analisar logs de interação para otimizar o algoritmo de recomendação.\n\n**5. Próximos Passos:**\n-   Reavaliar métricas em 7 dias após a implementação das ações.\n-   Planejar A\u002FB test para o título do e-mail de retargeting e para a posição das recomendações na interface.\n-   Investigar a correlação entre a ativação da feature e o churn geral do cliente.\n```\n\n---\n\n## Checklist\n\n- [x] Validação da hipótese de valor da feature com 5-10 usuários-alvo através de entrevistas de problema\u002Fsolução.\n- [x] Definição clara das métricas de sucesso (ex: `activation_rate`, `churn_reduction`) e benchmarks para a feature.\n- [x] Configuração de Feature Flag (ex: LaunchDarkly) para controle de visibilidade e lançamento gradual.\n- [x] Implementação de eventos de rastreamento de ativação (`feature_viewed`, `feature_used_first_time`, `key_action_within_feature`) no Amplitude\u002FMixpanel.\n- [x] Criação de segmento de \"Early Adopters\" ou \"Beta Testers\" para o primeiro grupo de lançamento.\n- [x] Redação e agendamento de comunicação de lançamento (email, in-app message, push notification) com CTAs claros e focados em benefício.\n- [x] Preparação de dashboard de monitoramento em tempo real (ex: Looker Studio, Power BI) para as métricas da feature, com alertas configurados.\n- [x] Planejamento de canais de feedback (NPS in-app, Typeform, entrevistas) pós-lançamento.\n- [x] Treinamento da equipe de Suporte ao Cliente sobre a nova feature, incluindo FAQs e cenários de uso.\n- [x] Documentação interna (Confluence\u002FNotion) com roadmap pós-lançamento, próximos experimentos e lições aprendidas.\n- [x] Garantia de que a feature tem um \"kill switch\" funcional para revers","# Feature Launch Playbook\n\nEsta skill equipa o Claude com um framework pragmático para planejar, executar e otimizar lançamentos de funcionalidades, maximizando ativação e retenção.\n\n---\n\n## Keywords\n\nLançamento de features, Go-to-Market (GTM) de feature, Aceleração de adoção, Ativação de produto, Retenção pós-lançamento, Ciclo de feedback de features, Growth hacking, Experimentação de lançamento, Análise de impacto de feature, Feature adoption.\n\n---\n\n## Quick Start\n\n1.  **Validação Pré-Lançamento com Early Adopters**: Antes de qualquer desenvolvimento, conduza entrevistas de 30 minutos com 5-10 usuários do segmento \"Ideal Customer Profile\" para validar a hipótese de valor da feature e identificar dores críticas não atendidas. Ex: \"Você usaria um painel de automação que reduz a entrada manual de dados em 50%?\"\n2.  **Configuração de Event Tracking**: Implemente eventos de rastreamento no Amplitude ou Mixpanel para `feature_viewed`, `feature_activated` (primeiro uso), e `key_action_within_feature` (ex: `automation_rule_created`) em até 2 dias após a finalização do escopo.\n3.  **Lançamento Segmentado com Feature Flag**: Utilize uma ferramenta como LaunchDarkly para liberar a feature `nova_automacao_email` para 10% da sua base de \"Early Adopters\" (usuários que se inscreveram para betas) nas primeiras 24 horas após o deploy.\n4.  **Monitoramento Imediato da Ativação**: Monitore a taxa de ativação (DAU\u002FMAU que usaram a feature) e o tempo médio para o primeiro uso nas primeiras 72 horas pós-lançamento via dashboard no Looker Studio. Acione alertas se a ativação estiver abaixo de 20%.\n\n---\n\n## Core Workflows\n\n### Workflow 1: Orquestração de Lançamento de Feature Gated (Acesso Exclusivo)\n\nEste workflow detalha o processo de lançamento de uma feature com acesso restrito a um segmento específico de usuários, ideal para features premium ou em fase de teste.\n\n1.  **Segmentação e Habilitação (Pré-lançamento)**:\n    *   **Identificação do Segmento**: No Braze, identifique 500 usuários do segmento \"Clientes Enterprise Ativos\" (ARPU > $1000, logados > 15 dias no mês) que expressaram interesse em automação.\n    *   **Configuração do Gate**: Configure a `feature_automacao_avancada_email` no LaunchDarkly para ser visível e funcional apenas para este segmento de 500 usuários. Defina um \"kill switch\" para desativar instantaneamente em caso de problemas críticos.\n    *   **Exemplo**: Para a feature \"Editor de Fluxos de Automação Visual\", o acesso é restrito a clientes do plano \"Enterprise Growth\" que já utilizam o módulo de \"Campanhas de E-mail\" há pelo menos 3 meses.\n\n2.  **Comunicação Direcionada (Lançamento)**:\n    *   **Criação do Conteúdo**: Redija um e-mail personalizado no Customer.io com o assunto \"Acesso Antecipado: Libere o Poder do Editor de Fluxos de Automação Visual!\" para o segmento pré-selecionado. O e-mail deve focar nos benefícios (ex: \"Crie sequências complexas em minutos, visualize todo o funil do cliente\") e incluir um CTA claro \"Acessar Agora\".\n    *   **In-App Message Contextual**: Configure uma mensagem in-app via Intercom para aparecer quando um usuário do segmento visitar a página de \"Automações\" pela primeira vez, informando sobre a nova funcionalidade.\n    *   **Exemplo**: O e-mail terá um link direto para `app.empresa.com\u002Fautomacao\u002Feditor-visual` e um vídeo-tutorial de 60 segundos incorporado, demonstrando a criação de um fluxo de boas-vindas.\n\n3.  **Monitoramento de Ativação e Engajamento (Pós-lançamento)**:\n    *   **Dashboard de Ativação**: Utilize um dashboard no Power BI para monitorar em tempo real a `taxa_de_ativacao_editor_visual` (usuários que acessaram o editor e criaram seu primeiro fluxo) e o `tempo_medio_primeiro_fluxo_criado`.\n    *   **Métrica Chave**: A meta de ativação para este segmento de elite é de 45% em 7 dias. Se a taxa cair abaixo de 30%, acionar o time de Sucesso do Cliente para follow-up proativo.\n    *   **Exemplo**: Se a `taxa_de_ativacao_editor_visual` estiver em 38% no terceiro dia, o time de Growth iniciará uma campanha de retargeting via push notification para os usuários que visualizaram o e-mail mas não ativaram, oferecendo um template de fluxo pronto.\n\n4.  **Coleta de Feedback e Iteração (Pós-lançamento)**:\n    *   **Pesquisa In-App Segmentada**: Após o usuário criar seu terceiro fluxo no editor, exiba um formulário de feedback NPS no Typeform perguntando \"Qual a probabilidade de você recomendar o Editor de Fluxos de Automação Visual a um colega?\"\n    *   **Entrevistas Qualitativas**: Agende 10 entrevistas de 45 minutos com usuários que ativaram e deram feedback negativo (NPS 0-6) para entender os pontos de fricção e \"jobs-to-be-done\" não atendidos.\n    *   **Exemplo**: Use mapas de calor e gravações de sessão do Hotjar na página do editor para identificar áreas de confusão ou elementos não clicados, direcionando melhorias de UX para a próxima sprint.\n\n### Workflow 2: Otimização Contínua de Adoção de Feature via Experimentação A\u002FB\n\nEste workflow foca em refinar a experiência de adoção de uma feature já lançada, utilizando testes A\u002FB para maximizar seu uso.\n\n1.  **Identificação de Gargalo (Análise)**:\n    *   **Análise do Funil**: No Google Analytics 4, observe o funil de adoção da feature \"Relatórios Personalizados\". Identifique que 55% dos usuários que clicam em \"Criar Novo Relatório\" abandonam o processo antes de selecionar as dimensões.\n    *   **Hipótese**: A interface inicial de seleção de dimensões é confusa ou exige muitos passos.\n    *   **Exemplo**: O funil mostra que de 1000 cliques em \"Criar Novo Relatório\", apenas 450 chegam à tela de \"Visualizar Relatório\", indicando uma queda significativa na etapa de configuração.\n\n2.  **Criação de Variações para Teste A\u002FB (Design)**:\n    *   **Variante A (Controle)**: Manter o fluxo atual de seleção de dimensões (lista de 50 opções com barra de busca simples).\n    *   **Variante B (Teste)**: Implementar um assistente de \"Quick Start\" que sugere 5 templates de relatórios pré-definidos (ex: \"Vendas Semanais\", \"Churn por Segmento\") e um filtro de categoria para dimensões (ex: \"Dados de Cliente\", \"Dados de Vendas\").\n    *   **Implementação**: Configure o A\u002FB test via Optimizely, direcionando 50% do tráfego de novos usuários para a Variante B.\n\n3.  **Execução do Teste e Coleta de Dados (Lançamento Controlado)**:\n    *   **Duração do Teste**: Rode o teste por 21 dias ou até atingir significância estatística (p-value \u003C 0.05 e intervalo de confiança de 95% para a métrica primária).\n    *   **Métricas Primárias**: `relatorio_criado_completamente_rate` (usuários que criaram e salvaram um relatório) e `tempo_para_primeiro_relatorio_salvo`.\n    *   **Métricas Secundárias**: `nps_feature_relatorios` e `uso_recorrente_relatorios_semanal`.\n    *   **Exemplo**: O teste é monitorado diariamente. Se a `relatorio_criado_completamente_rate` da Variante B atingir 35% contra 28% da Variante A após 15 dias, e o p-value for 0.02, a Variante B será considerada vencedora.\n\n4.  **Análise e Implementação (Pós-teste)**:\n    *   **Tomada de Decisão**: Se a Variante B demonstrar uma melhoria estatisticamente significativa, implemente-a para 100% dos usuários.\n    *   **Documentação dos Aprendizados**: Crie um documento no Confluence intitulado \"A\u002FB Test: Otimização Onboarding Relatórios Personalizados - Lições Aprendidas\" detalhando a hipótese, variações, resultados e próximos passos.\n    *   **Exemplo**: Após a implementação da Variante B, observe um aumento de 18% na criação de relatórios e uma redução de 1 minuto no `tempo_para_primeiro_relatorio_salvo`. Os próximos passos incluem testar a ordem dos templates pré-definidos.\n\n---\n\n## Templates\n\n### Template de Email de Lançamento de Feature Gated (Acesso Antecipado)\n\n```\nAssunto: ? Exclusivo para Você: Sua Nova Análise Preditiva de Churn está Liberada!\n\nOlá [Nome do Usuário],\n\nTemos uma excelente notícia para você! Como um de nossos clientes Enterprise mais valiosos, você foi selecionado para ter acesso antecipado à nossa mais revolucionária funcionalidade: a **Análise Preditiva de Churn**.\n\nCom a Análise Preditiva de Churn, você poderá:\n- **Identificar Clientes em Risco com 90% de Precisão**: Receba alertas proativos e intervenha antes que seja tarde.\n- **Visualizar Fatores de Risco Chave**: Entenda os motivos por trás do churn através de gráficos intuitivos e recomendações acionáveis.\n- **Otimizar Estratégias de Retenção**: Crie campanhas segmentadas e personalizadas baseadas em dados preditivos para maximizar o LTV.\n\nSabemos que você valoriza a **retenção de clientes e a receita recorrente**, e essa feature foi criada pensando exatamente em como podemos te ajudar a superar suas metas.\n\n**Como Começar:**\n1.  Acesse sua conta agora: [Link Direto para a Feature na Plataforma]\n2.  Assista ao nosso rápido tutorial de 90 segundos para aproveitar ao máximo o poder da predição: [Link para Vídeo Tutorial no YouTube\u002FVimeo]\n\nSua opinião é fundamental para nós. Se tiver qualquer dúvida ou feedback inicial, nossa equipe de Sucesso do Cliente está à disposição para ajudar.\n\nAproveite a novidade e prepare-se para transformar sua estratégia de retenção!\n\nAtenciosamente,\n\nA Equipe [Nome da Empresa]\n```\n\n### Template de Relatório Pós-Lançamento de Feature\n\n```\n**Relatório Pós-Lançamento: Recomendações de Conteúdo A.I.**\n\n**Data do Lançamento:** 2024-05-15\n**Período de Análise:** 2024-05-15 a 2024-05-29 (14 dias)\n**Equipe Responsável:** Produto (João Silva), Growth (Maria Souza), Marketing (Carlos Ribeiro)\n\n**1. Objetivo do Lançamento:**\nAumentar a taxa de cliques (CTR) em conteúdos recomendados em 15% para usuários de planos Pro e Enterprise, com meta de 40% de ativação da feature em 7 dias (usuários que visualizaram e interagiram com 3+ recomendações).\n\n**2. Métricas Chave e Resultados:**\n-   **Usuários Alcançados (Total):** 15.000 (Segmento: Pro\u002FEnterprise)\n-   **Taxa de Ativação (7 dias):** 38% (Meta: 40%) - *Resultado: Ligeiramente abaixo da meta (2% de delta).*\n-   **CTR em Conteúdo Recomendado:** 18% (Benchmark: 15%; Meta: 20%) - *Resultado: Acima do benchmark, mas abaixo da meta.*\n-   **Uso Recorrente (DAU\u002FMAU após 7 dias):** 12% (Meta: 15%) - *Resultado: Abaixo da meta.*\n-   **Tempo Médio de Sessão com Feature:** 3 min 45 seg (Benchmark: 2 min) - *Resultado: Acima do benchmark, indicando engajamento inicial para quem ativa.*\n-   **NPS da Feature (Coletado via Intercom):** +28 (Benchmark: +35) - *Resultado: Abaixo do benchmark, sugere oportunidades de melhoria.*\n\n**3. Análise de Performance:**\n-   **Pontos Positivos:** O e-mail de lançamento teve uma taxa de abertura de 35% e um CTR de 10%, indicando bom interesse inicial. Usuários que ativaram a feature demonstraram engajamento considerável (tempo de sessão). O aumento do CTR em relação ao benchmark é promissor.\n-   **Pontos de Atenção:** A taxa de ativação ficou ligeiramente abaixo da meta. Observamos que 25% dos usuários que clicam no link do e-mail não chegam à página da feature devido a um problema de carregamento lento em navegadores mais antigos (identificado via Sentry). O NPS da feature sugere que a clareza da proposta de valor ou a qualidade das recomendações para alguns usuários ainda precisa ser otimizada. A retenção da feature também é um ponto de preocupação.\n\n**4. Ações Recomendadas (Próximos 7-14 dias):**\n1.  **Prioridade 1 (Engenharia):** Corrigir bug de carregamento lento em navegadores antigos (P0, ETA: 24h).\n2.  **Prioridade 2 (Produto\u002FUX):** Implementar um tour guiado de 3 passos na primeira ativação da feature para reforçar os benefícios e um botão \"O que é isso?\" para contextualizar as recomendações (Sprint atual).\n3.  **Prioridade 3 (Marketing\u002FGrowth):** Criar campanha de retargeting (push notification e e-mail) para usuários que clicaram mas não ativaram, com foco em um caso de uso específico (ex: \"Descubra conteúdos que seus concorrentes estão usando\").\n4.  **Prioridade 4 (Produto\u002FDados):** Realizar 5 entrevistas de 30 minutos com usuários com NPS baixo para entender os pontos de fricção específicos nas recomendações (ex: relevância, diversidade). Analisar logs de interação para otimizar o algoritmo de recomendação.\n\n**5. Próximos Passos:**\n-   Reavaliar métricas em 7 dias após a implementação das ações.\n-   Planejar A\u002FB test para o título do e-mail de retargeting e para a posição das recomendações na interface.\n-   Investigar a correlação entre a ativação da feature e o churn geral do cliente.\n```\n\n---\n\n## Checklist\n\n- [x] Validação da hipótese de valor da feature com 5-10 usuários-alvo através de entrevistas de problema\u002Fsolução.\n- [x] Definição clara das métricas de sucesso (ex: `activation_rate`, `churn_reduction`) e benchmarks para a feature.\n- [x] Configuração de Feature Flag (ex: LaunchDarkly) para controle de visibilidade e lançamento gradual.\n- [x] Implementação de eventos de rastreamento de ativação (`feature_viewed`, `feature_used_first_time`, `key_action_within_feature`) no Amplitude\u002FMixpanel.\n- [x] Criação de segmento de \"Early Adopters\" ou \"Beta Testers\" para o primeiro grupo de lançamento.\n- [x] Redação e agendamento de comunicação de lançamento (email, in-app message, push notification) com CTAs claros e focados em benefício.\n- [x] Preparação de dashboard de monitoramento em tempo real (ex: Looker Studio, Power BI) para as métricas da feature, com alertas configurados.\n- [x] Planejamento de canais de feedback (NPS in-app, Typeform, entrevistas) pós-lançamento.\n- [x] Treinamento da equipe de Suporte ao Cliente sobre a nova feature, incluindo FAQs e cenários de uso.\n- [x] Documentação interna (Confluence\u002FNotion) com roadmap pós-lançamento, próximos experimentos e lições aprendidas.\n- [x] Garantia de que a feature tem um \"kill switch\" funcional para revers",{"name":5,"risk":22,"license":14,"metadata":31,"description":7},{"author":32,"updated":33,"version":34,"category":35},"Cafe Code AI",1772323200000,"1.0.0","08-lancamento-growth","master","346c313fd2ec241a088c68274da26c538422568b","packs\u002Fkit-510-ptbr\u002F08-lancamento-growth\u002Ffeature-launch-playbook",35,"https:\u002F\u002Fgithub.com\u002Fkursku\u002Fskills","https:\u002F\u002Fclaude.ai","https:\u002F\u002Fgithub.com\u002Fkursku","2026-03-27 22:43:37",{"source":8,"skillName":5,"commands":45,"prompt":55,"zipAvailable":56},[46,49,52],{"tool":47,"command":48},"npx","npx skills add kursku\u002Fskills --skill feature-launch-playbook",{"tool":50,"command":51},"bunx","bunx skills add kursku\u002Fskills --skill feature-launch-playbook",{"tool":53,"command":54},"pnpm","pnpm dlx skills add kursku\u002Fskills --skill feature-launch-playbook","安装技能，技能地址：https:\u002F\u002Fgithub.com\u002Fkursku\u002Fskills\u002Fblob\u002Fmaster\u002Fpacks\u002Fkit-510-ptbr\u002F08-lancamento-growth\u002Ffeature-launch-playbook\u002FSKILL.md",true,[58,64,70],{"path":59,"resourceType":60,"resourceTypeDesc":61,"sizeBytes":62,"sourceHtmlUrl":63},"checklist.md","REFERENCE","参考文档",1792,"https:\u002F\u002Fgithub.com\u002FdevelopAgent\u002Fbmad-start\u002Fblob\u002Fmain\u002F.iflow\u002Fskills\u002Fgds-performance-test\u002Fchecklist.md",{"path":65,"resourceType":66,"resourceTypeDesc":67,"sizeBytes":68,"sourceHtmlUrl":69},"customize.toml","OTHER","其他",1638,"https:\u002F\u002Fgithub.com\u002FdevelopAgent\u002Fbmad-start\u002Fblob\u002Fmain\u002F.iflow\u002Fskills\u002Fgds-performance-test\u002Fcustomize.toml",{"path":71,"resourceType":60,"resourceTypeDesc":61,"sizeBytes":72,"sourceHtmlUrl":73},"performance-template.md",5859,"https:\u002F\u002Fgithub.com\u002FdevelopAgent\u002Fbmad-start\u002Fblob\u002Fmain\u002F.iflow\u002Fskills\u002Fgds-performance-test\u002Fperformance-template.md",[75,96,107,119,130,140],{"skillNo":76,"name":77,"nameZh":6,"description":78,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":6,"repositoryNo":12,"starsCount":13,"licenseSpdxId":14,"licenseFileUrl":6,"sourceHtmlUrl":79,"categories":80,"keywords":91,"publishedAt":26},"01M6ECKM7725267ZM3XNYWH608","wedding-marketing","Wedding Marketing — Skill especializada para criar e executar estratégias de marketing digital para o mercado de casamentos, focando em noivos e fornecedores.","https:\u002F\u002Fgithub.com\u002Fkursku\u002Fskills\u002Fblob\u002Fmaster\u002Fpacks\u002Fkit-510-ptbr\u002F16-nichos-especificos\u002Fwedding-marketing\u002FSKILL.md",[81,86],{"categoryNo":82,"categoryName":83,"taxonomyType":84,"taxonomyTypeDesc":85},"01JBSEEDCAT000000000000019","营销推广","SCENARIO","使用场景",{"categoryNo":87,"categoryName":88,"taxonomyType":89,"taxonomyTypeDesc":90},"01JBSEEDCAT000000000000035","市场营销","PROFESSION","适用职业",[92,93,94,95,24,23],"wedding marketing","marketing","marketing digital","de",{"skillNo":97,"name":98,"nameZh":6,"description":99,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":6,"repositoryNo":12,"starsCount":13,"licenseSpdxId":14,"licenseFileUrl":6,"sourceHtmlUrl":100,"categories":101,"keywords":104,"publishedAt":26},"01M6ECKGP656JQC2C6CK5JH3ZG","travel-marketing","Travel Marketing — Skill especializada para travel marketing","https:\u002F\u002Fgithub.com\u002Fkursku\u002Fskills\u002Fblob\u002Fmaster\u002Fpacks\u002Fkit-510-ptbr\u002F16-nichos-especificos\u002Ftravel-marketing\u002FSKILL.md",[102,103],{"categoryNo":82,"categoryName":83,"taxonomyType":84,"taxonomyTypeDesc":85},{"categoryNo":87,"categoryName":88,"taxonomyType":89,"taxonomyTypeDesc":90},[105,106,93,24,23,22],"travel marketing","travel",{"skillNo":108,"name":109,"nameZh":6,"description":110,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":6,"repositoryNo":12,"starsCount":13,"licenseSpdxId":14,"licenseFileUrl":6,"sourceHtmlUrl":111,"categories":112,"keywords":115,"publishedAt":26},"01M6ECKBY53SJ7E167D6BXTMRK","tech-startup-marketing","Tech Startup Marketing — Skill especializada para tech startup marketing","https:\u002F\u002Fgithub.com\u002Fkursku\u002Fskills\u002Fblob\u002Fmaster\u002Fpacks\u002Fkit-510-ptbr\u002F16-nichos-especificos\u002Ftech-startup-marketing\u002FSKILL.md",[113,114],{"categoryNo":82,"categoryName":83,"taxonomyType":84,"taxonomyTypeDesc":85},{"categoryNo":87,"categoryName":88,"taxonomyType":89,"taxonomyTypeDesc":90},[116,117,93,118,24,23,22],"tech startup marketing","tech","startup",{"skillNo":120,"name":121,"nameZh":6,"description":122,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":6,"repositoryNo":12,"starsCount":13,"licenseSpdxId":14,"licenseFileUrl":6,"sourceHtmlUrl":123,"categories":124,"keywords":127,"publishedAt":26},"01M6ECK7W2W0J5MZ8BZHFM516P","saas-marketing","Saas Marketing — Skill especializada para desenvolver e executar estratégias de marketing digital focadas no crescimento de produtos SaaS.","https:\u002F\u002Fgithub.com\u002Fkursku\u002Fskills\u002Fblob\u002Fmaster\u002Fpacks\u002Fkit-510-ptbr\u002F16-nichos-especificos\u002Fsaas-marketing\u002FSKILL.md",[125,126],{"categoryNo":82,"categoryName":83,"taxonomyType":84,"taxonomyTypeDesc":85},{"categoryNo":87,"categoryName":88,"taxonomyType":89,"taxonomyTypeDesc":90},[128,93,129,22,94,95,24,23],"saas marketing","saas",{"skillNo":131,"name":132,"nameZh":6,"description":133,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":6,"repositoryNo":12,"starsCount":13,"licenseSpdxId":14,"licenseFileUrl":6,"sourceHtmlUrl":134,"categories":135,"keywords":138,"publishedAt":26},"01M6ECK42ZSX5ND0SCTRKD7XKB","restaurant-marketing","Restaurant Marketing — Skill especializada para otimizar a presença digital, atrair e reter clientes em restaurantes.","https:\u002F\u002Fgithub.com\u002Fkursku\u002Fskills\u002Fblob\u002Fmaster\u002Fpacks\u002Fkit-510-ptbr\u002F16-nichos-especificos\u002Frestaurant-marketing\u002FSKILL.md",[136,137],{"categoryNo":82,"categoryName":83,"taxonomyType":84,"taxonomyTypeDesc":85},{"categoryNo":87,"categoryName":88,"taxonomyType":89,"taxonomyTypeDesc":90},[139,93,23,24],"restaurant marketing",{"skillNo":141,"name":142,"nameZh":6,"description":143,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":6,"repositoryNo":12,"starsCount":13,"licenseSpdxId":14,"licenseFileUrl":6,"sourceHtmlUrl":144,"categories":145,"keywords":148,"publishedAt":26},"01M6ECK0S48CPYE9P7PRAG9R3T","real-estate-marketing","Real Estate Marketing — Skill especializada para criação e execução de estratégias de marketing digital para o setor imobiliário.","https:\u002F\u002Fgithub.com\u002Fkursku\u002Fskills\u002Fblob\u002Fmaster\u002Fpacks\u002Fkit-510-ptbr\u002F16-nichos-especificos\u002Freal-estate-marketing\u002FSKILL.md",[146,147],{"categoryNo":82,"categoryName":83,"taxonomyType":84,"taxonomyTypeDesc":85},{"categoryNo":87,"categoryName":88,"taxonomyType":89,"taxonomyTypeDesc":90},[93,149,150,23,24,95,94,22],"real estate","real estate marketing"]