Aprenda SQL pensando no objetivo:
1) Pergunta de Aquisição - Qual canal traz lead qualificado?
SQL: SELECT, FROM, WHERE, IN, GROUP BY, COUNT.
Selecione todos os usuários (SELECT) filtrando apenas quem veio de Ads (WHERE) e agrupe pela campanha (GROUP BY), contando quantos leads cada uma trouxe (COUNT).
KPIs monitorados:
1. Volume total de leads por canal
2. Custo por Lead (cruzando o COUNT do SQL com o gasto de mídia).
Exemplo de tese gerada:
- Leads que vêm do LinkedIn (filtrados via IN) convertem 2x mais rápido que os do Google, justificando um CAC mais alto.
- Campanhas focadas em mobile (WHERE device = 'mobile') trazem leads com menor intenção de compra B2B."
2) Pergunta de Ativação – Onde o usuário trava no onboarding?
SQL: LEFT JOIN, ROW_NUMBER, CASE WHEN.
Cole a tabela de Signups com a tabela de Eventos (LEFT JOIN) para ver quem não agiu. Use ROW_NUMBER para isolar a primeira ação crítica e classifique como “Ativado” ou “Desativado” (CASE WHEN).
KPIs monitorados:
1. Activation Rate (% de usuários que completaram o setup).
2. Drop-off Rate (ponto exato de desistência no funil).
Exemplo de tese gerada:
- Usuários que integram o Slack (LEFT JOIN integrations) na primeira sessão têm 40% mais chance de virar pagantes.
- O onboarding é longo demais; a maioria desiste na etapa 3 (ROW_NUMBER = 3), exigindo simplificação.
3) Pergunta de Retenção – A nova safra de clientes está ficando?
SQL: DATE_TRUNC, DATEDIFF, COUNT.
Ignore o dia exato (DATE_TRUNC) para agrupar usuários pela safra de entrada (mês). Use DATEDIFF para calcular quantos dias eles continuaram logando após o cadastro.
KPIs monitorados:
1. Cohort Retention (M1, M3, M6 - sobrevivência da safra).
2. Average Customer Lifespan (tempo de vida antes do churn).
Exemplo de tese gerada:
- A safra de Black Friday (DATE_TRUNC = 'Nov') tem retenção 30% menor que a safra orgânica de Janeiro.
- Usuários que não logaram nos últimos 30 dias (DATEDIFF > 30) têm 90% de chance de churnar na renovação.
4) Pergunta de Recomendação – Quem são meus melhores divulgadores?
SQL: GROUP BY, COUNT, IN.
Agrupe usuários pelo ID de quem indicou (GROUP BY referrer_id). Conte quantos convites cada um enviou (COUNT) e filtre apenas os que trouxeram leads qualificados (IN “qualified_leads”).
KPIs monitorados:
1. K-Factor (Coeficiente Viral).
2. % de Aquisição Orgânica (Leads via Referral).
Exemplo de tese gerada:
• Clientes do plano X (IN “x”) indicam 3x mais amigos do que clientes do plano Y.
• O volume de indicações não aumentou/ aumentou após a campanha de bônus.
5) Pergunta de Receita – O cliente está pagando mais ou menos?
SQL: SUM, LEAD / LAG, CASE WHEN.
Some todas as faturas pagas (SUM). Use LAG para olhar o valor pago no mês passado. Se o valor atual for maior que o anterior, marque como “Expansion/Upsell” (CASE WHEN).
KPIs monitorados:
1. ARPU (Receita Média por Usuário).
2. Expansion MRR (Receita nova vinda de clientes antigos).
Exemplo de tese gerada:
- Clientes que usam a feature X tendem a fazer upgrade para o plano Enterprise em Y meses.
- LAG mostra que x% da base reduziu o plano no último trimestre sem cancelar.
bolas de ouro roubadas para o merdessi:
2010 - sneijder jogou mais que ele, levou holanda pra final e ganhou champions na inter
2023 - era do haaland, eles deram essa bola de ouro so pq ele ganhou a copa (que foi roubada)
copas do mundo roubadas pela nojentina:
1978: roubada pela ditadura, interferiram na goleada contra o peru, se nao a argentina caía
1986: roubada com gol de mao do maradona
2022: roubada com vários penaltis marcados, nao expulsao do messi contra holanda, penalti na final inexistente marcado para o di maria que literalmente tropeçou na propria perna
2026: assaltaram a Argélia com não expulsão do messi AND counting
@Thurblackbus Inexplicavelmente eu não sigo NENHUMA lógica. Ao mesmo tempo que eu falo que vou pegar o Santa Efigênia (9408), eu falo que vou pegar o 4110, 4150, 9407…
Acabei com a ansiedade de querer aprender tudo quando apliquei o Princípio de Pareto na minha vida.
Hoje meu foco não é masterizar conhecimento.
Meu foco é dominar os 20% responsáveis pela maior parte dos resultados.
@GabrielNiesp acho que nem é discutir carga tributária, é discutir o tamanho da máquina, pq nem se compara o tanto que custa administrar o paraguai vs brasil