Categoria: <span>Blog</span>

O diretor comercial abriu a planilha de marketing, olhou o custo por lead do trimestre e disse: “está caro, mas é o mercado.” Ninguém perguntou o que “o mercado” significava. Ninguém abriu o Google Ads para ver que o CPC da palavra-chave principal tinha subido 40% em seis meses sem ninguém tocar no lance. A régua continuou medindo o que sempre mediu: custo total dividido por número de clientes, sem separar canal, sem separar segmento, sem separar o lead que veio de uma busca orgânica do que veio de um anúncio pago que custou R$ 12 por clique.

A tese é simples: a maioria das empresas B2B não tem problema de CAC alto. Tem problema de CAC invisível. O número existe na planilha, mas ninguém o desmembra, ninguém o compara com LTV por segmento, e ninguém o acompanha mês a mês. Quando o custo de aquisição sobe, a reação padrão é aumentar o volume de leads para diluir o custo, em vez de perguntar por que cada lead ficou mais caro.

CAC B2B é o custo total de vendas e marketing dividido pelo número de novos clientes adquiridos num período. Inclui salários da equipe comercial, ferramentas, mídia paga, conteúdo, eventos e overhead. O problema é que a maioria das empresas calcula esse número uma vez por ano, no orçamento, e nunca mais olha para ele.

O número que subiu 222% e ninguém notou

O CAC em B2B subiu 222% em oito anos. Não é inflação. É a combinação de três coisas: o custo de mídia digital subindo 5,13% ao ano, o ciclo de vendas B2B alongando de 107 para 134 dias, e a concentração de orçamento em canais pagos que ficam mais caros a cada leilão. O dado é de um levantamento consolidado de mais de 50 empresas SaaS pela First Page Sage e pela GTM 8020.

Em B2B SaaS, o CAC médio em 2026 é de US$ 702 por cliente. Em enterprise, passa de US$ 14.000. Em fintech B2B, chega a US$ 1.450 só em canais pagos. E mesmo assim, 8 em cada 10 empresas que conversamos não sabem qual é o CAC por canal. Sabem o total. Não sabem quanto custa um cliente que veio de SEO versus um que veio de LinkedIn Ads.

Tradução de chão de fábrica: CAC não é “quanto gastamos em marketing”. É quanto custa, em média, trazer um cliente que fecha contrato. Se você gastou R$ 100 mil e fechou 10 clientes, seu CAC é R$ 10 mil. Se o ticket médio é R$ 8 mil/mês, você precisa de mais de um mês de receita só para pagar a aquisição.

O payback que ninguém calcula

O CAC isolado não diz nada. O que importa é o payback: quantos meses até o cliente gerar receita suficiente para cobrir o custo de adquiri-lo. O benchmark saudável em B2B é 12 a 18 meses. O top quartile recupera em 6 meses. O bottom quartile leva 24 meses ou mais.

Aqui está o ponto que pouca gente admite: o payback piorou 12,5% desde 2022. O CAC subiu, mas o ticket médio não acompanhou. O resultado é que empresas que antes recuperavam o investimento em 14 meses agora levam 18. E ninguém ajustou a régua de aprovação de gastos. O comitê de investimentos continua aprovando campanhas com o mesmo critério de três anos atrás, quando o payback era 30% mais rápido.

Em empresas com crescimento acima de 50% ao ano, o payback médio é 10 meses. Em empresas com crescimento de 11 a 20%, sobe para 18 meses. Ou seja: as empresas que mais crescem são as que mais controlam o CAC, não as que mais gastam.

A ilusão do LTV:CAC 3:1

Todo mundo em B2B repete a regra: LTV:CAC tem que ser 3:1. É o número mágico. O problema é que quase ninguém calcula o LTV de verdade. Usam uma projeção de receita anual multiplicada por uma taxa de retenção que ninguém validou. Quando a retenção real é 85% e não 95%, o LTV cai 40% e a relação 3:1 vira 1,8:1.

Em empresas abaixo de US$ 1M de ARR, a relação LTV:CAC saudável é 5:1, porque o risco de churn é maior e cada cliente perdido dói mais. Em empresas entre US$ 50M e US$ 100M, cai para 2,9:1, porque o volume compensa a margem menor. Tratar 3:1 como universal é ~~uma boa prática~~ um número que alguém disse numa palestra e todo mundo repetiu sem contextuar.

O dado real: empresas VC-backed gastam 47% da receita em vendas e marketing. Empresas PE-backed gastam 33%. A diferença não é filosofia. É modelo de negócio. Se o seu investidor exige crescimento a qualquer custo, 47% é o piso. Se exige rentabilidade, 33% é o teto.

Onde o dinheiro escorre

Quando você desmembra o CAC por canal, a diferença é brutal. O CAC de aquisição orgânica (SEO e conteúdo) em B2B SaaS é US$ 205. O CAC de aquisição inorgânica (mídia paga) é US$ 341. Referral programs custam US$ 25 a US$ 65 por lead. LinkedIn Ads custam US$ 982 por lead convertido. A diferença entre o canal mais barato e o mais caro é de 40x.

E mesmo assim, 89% das empresas B2B mantêm o site como principal canal de aquisição, mas só investem em SEO 15% do orçamento de marketing. O resto vai para mídia paga, que é onde o CAC mais cresce. É como saber que a estrada tem pedágio caro e mesmo assim pegar ela todos os dias porque a outra rota “demora mais para dar resultado”.

A régua que ninguém mexeu

O CAC subiu 222% em oito anos. O ciclo de vendas alongou 25%. O payback piorou 12,5%. E a régua de aprovação de investimentos em marketing na maioria das empresas B2B continua idêntica a 2022. Mesmo orçamento, mesmos canais, mesmo critério de ROI.

A pergunta que fica: se o seu CAC subiu 40% no último ano e ninguém mudou a régua de aprovação de gastos, você está controlando o custo de aquisição ou só está pagando mais caro pelo mesmo resultado e chamando isso de “o mercado”?

O contrato foi assinado numa sexta-feira. A equipe de implementação foi comunicada na segunda. O cliente recebeu o acesso na terça. Trinta e sete dias depois, ninguém na conta sabia o que fazer com o produto.

Esse não é um caso isolado. É o padrão.

A tese

Onboarding B2B não é treinamento. É a janela entre “assinou” e “viu valor”. Se essa janela fecha sem que o cliente chegue ao primeiro resultado, você não perdeu um onboarding. Perdeu a renovação.

Onboarding B2B é o processo estruturado de levar um cliente desde a assinatura do contrato até a primeira realização de valor com o produto ou serviço, reduzindo o tempo e a fricção entre o “sim” comercial e o “ah, agora entendi” do usuário.

O número que ninguém quer admitir

70% do churn em B2B SaaS acontece nos primeiros 90 dias. Não é um dado de uma startup obscura: é o que estudos de retenção de 2026 mostram consistentemente, cruzando mais de 10.000 empresas (Serpsculpt, 2026).

O detalhe incômodo: a maioria desses clientes não cancela com raiva. Cancela com indiferença. Nunca chegaram ao valor, e o custo de continuar não parece justificado porque o valor prometido no pitch comercial nunca se materializou.

~~Onboarding é sobre o cliente~~ Onboarding é sobre o tempo. Especificamente, sobre o tempo que separa a expectativa criada pelo comercial da realidade entregue pelo produto.

Os dois terços que nunca chegam

A taxa média de ativação em B2B SaaS é 37,5%. Isso significa que quase dois terços dos usuários que assinam nunca chegam ao evento de valor que justificou a compra (Userpilot, 2024; Perspective.ai, 2026).

Tradução de chão de fábrica: para cada três clientes que assinam, dois vão pagar a anuidade inteira sem nunca ter usado o produto direito. O comercial comemora a venda. O financeiro contabiliza a receita. O cliente sai na renovação sem dizer nada, e ninguém entende por quê.

O relógio que começa na assinatura, não no go-live

O tempo médio até o primeiro valor (TTFV) em implementações B2B é de 60 a 90 dias. As melhores equipes entregam em 30 a 45. As piores levam 180 (SPI Research, 2025; Rocketlane, 2026).

Cada 30 dias de atraso no TTFV aumenta o risco de churn em 15 a 20%. E o atraso não é só de retenção: empurra a expansão de receita em aproximadamente três meses para cada 45 dias de delay.

O onboarding era ~~uma etapa do pós-venda~~ a primeira entrega de valor. Se o cliente não sente o produto trabalhando a favor dele nos primeiros 14 dias, a janela começa a fechar. 98% dos usuários que não atingem um marco de valor nas primeiras duas semanas churnam nesse período (Amplitude, 2025, 2.600+ empresas).

Por que o onboarding falha (e não é falta de material)

54% das empresas não medem a eficácia do onboarding de forma nenhuma (Enboarder, 2025). 62% dos líderes de customer success não têm visibilidade em tempo real do progresso de onboarding (OnRamp, 2026). Um em cada três não sabe o status do cliente em nenhum momento.

Onboarding era treinamento em massa. Virou a ponte entre a promessa comercial e a realidade do produto. A diferença entre entregar um manual em PDF e garantir que o cliente complete a primeira tarefa que gera valor é a diferença entre 37% e 61% de ativação (Perspective.ai, 2026: mediana vs. top quartile).

As equipes do top quartile não fazem onboarding melhor. Fazem onboarding diferente: intake conversacional, experiência ramificada por persona, evento de valor na primeira sessão. Não é mais conteúdo. É arquitetura de jornada.

A pergunta que fica

Se o seu cliente assina hoje e leva 60 dias para sentir o produto trabalhando a favor dele, o que exatamente ele está pagando nos primeiros 60 dias?

A diretora comercial entra na reunião de QBR com a explicação de sempre: “Perdemos por preço.” O CFO anota. O VP de vendas anota. Ninguém pergunta o que “preço” quer dizer realmente.

Se o seu CRM diz que você perdeu por preço, provavelmente está errado. E você está otimizando para o problema errado.

Win-loss analysis B2B é a revisão estruturada de negócios fechados (ganhos, perdidos e sem decisão) que produz inteligência acionável sobre por que o comprador escolheu o que escolheu, não o que o vendedor achou que aconteceu.

O número que ninguém quer admitir

Segundo uma análise da Basis Global de 7,2 milhões de conversas gravadas com compradores B2B, 58% dos negócios que falham em estágio avançado morrem por risco de implementação, não por preço. O CRM diz “perdeu por preço”. As gravações dizem “perdeu por medo de rollout quebrado”. São problemas diferentes com soluções diferentes.

A pesquisa da HubSpot, citada em múltiplos relatórios de performance de vendas 2025-2026, mostra que até 37% dos negócios perdidos acontecem porque o comprador não enxerga fit do produto e outros 35% porque não vê valor pelo dinheiro. Isso são 72% das perdas ligadas a falha de comunicação de valor. Não preço. Não orçamento. Não concorrência.

~~Perdemos por preço.~~ Perdemos porque o comprador não entendeu por que valia o que pedíamos.

O alinhamento que não existe

A Corporate Visions analisou mais de 100.000 decisões de compra e encontrou uma divergência média de 54,5% entre como vendedores e compradores descrevem o problema central a resolver. Metade das vezes, vendedor e comprador estão descrevendo negócios diferentes.

Quando você perde alinhamento na prioridade número um do comprador, sua taxa de conversão cai até 10 pontos percentuais. Não é um detalhe. É a diferença entre fechar 25% e fechar 15%.

Tradução de chão de fábrica: o vendedor acha que o comprador quer saber sobre integração API. O comprador quer saber se o CFO vai aprovar o orçamento antes do fim do trimestre. O pitch inteiro foi entregue para a pergunta errada.

A taxa que desabou

Os benchmarks da Ebsta × Pavilion 2025, sobre 655.000 oportunidades e US$ 48 bilhões em pipeline, mostram a taxa de vitória média B2B caindo para 19%, contra 29% no ano anterior. Uma compressão de um terço em doze meses.

O dado mais revelador: negócios fechados em menos de 50 dias ganham a 47%. Os que passam disso, a 20%. Velocidade não é métrica de higiene. É alavanca de conversão.

O comitê que ninguém mapeia

A Gartner encontra de 6 a 10 decisores em cada compra B2B complexa. A 6Sense eleva isso para 10 ou mais stakeholders. A Forrester dobra para 20 quando a compra envolve IA. E 79% das compras precisam de aprovação do CFO.

A sua proposta foi escrita para uma pessoa. O comitê que vai decidir tem dez. E nenhuma delas leu o documento inteiro.

O programa que muda comportamento

A Arkaro reporta que 63% das empresas com programas estruturados de win-loss veem melhoria na taxa de conversão. Esse número sobe para 84% quando o programa roda há mais de dois anos. O benefício composto aparece quando vira ritmo operacional, não projeto.

Mas a maioria dos programas falha por motivos estruturais, não de esforço. Entrevistar 8 a 12 compradores por trimestre dá cor direcional, não detecta mudança de padrão. Fazer relatório trimestral num mercado que muda mensalmente deixa a inteligência sempre três meses atrás. Entregar achados ao product marketing que vira PDF numa shared drive não muda o que o vendedor faz na próxima call.

O programa que funciona captura dado de todo negócio fechado, não só de uma amostra. Triangula a razão da perda com pelo menos três fontes: o que o vendedor disse, o que o comprador disse, o que as gravações mostram. E atualiza mensalmente três artefatos: battlecards, perguntas de discovery e frameworks de objeção.

De relatório trimestral a loop contínuo

Marketing B2B era catálogo bonito. Virou motor de confiança antes da primeira ligação de vendas. Win-loss analysis era relatório pós-mortem. Virou sistema de inteligência que muda a próxima call, não a próxima retrospectiva.

A Clozd estudou 1.000 oportunidades perdidas e descobriu que o concorrente marcado no CRM estava errado em 70% dos casos. A Salesforce encontrou 50% de inacurácia nos dados de CRM. O aparelho inteiro de go-to-market de muitas empresas está construído sobre ficção.

Se o seu programa de win-loss produz um PDF trimestral que ninguém abre, não é um programa. É um ritual. E rituais não aumentam conversão.

A pergunta que fica: quando foi a última vez que você triangulou a razão real de uma perda contra o que o vendedor escreveu no CRM, o que o comprador disse numa entrevista, e o que as gravações das calls mostram? Se as três fontes não concordam, o gap entre elas é a sua inteligência.

O diretor comercial chega na reunião de planejamento com um slide: “Vamos fazer ABM este ano.” Ninguém pergunta o que isso significa na prática. Todos assentem. O orçamento é aprovado. E seis meses depois, o que mudou foi que marketing passou a chamar de “ABM” a mesma campanha de e-mail que já fazia antes.

Account-based marketing B2B é a estratégia de tratar contas individuais como mercados próprios, com mensagem, conteúdo e cadência desenhados para cada conta — não para um segmento. A diferença entre ABM e “campanha B2B bem segmentada” é que no ABM a unidade de planejamento é a conta, não o lead.

Aqui está o dado que ninguém quer olhar: 94% dos marketers B2B dizem fazer ABM em alguma forma. Só 52% reportam ROI positivo. Ou seja, quase metade do mercado adotou a sigla sem colher o resultado. E o motivo não é a tática. É a ~~implementação~~ lista de contas.

O slide que aprova e a planilha que esvazia

Toda empresa que “faz ABM” tem uma lista de contas-alvo. A pergunta que ninguém faz é: quem escolheu essas contas? Em 8 em cada 10 empresas que auditamos, a lista foi montada pelo marketing sozinho, com base em firmográficos (faturamento, setor, número de funcionários) comprados de um provedor de dados. O comercial não foi consultado. O resultado é uma lista de 500 contas que parecem certas no Excel e não significam nada para o vendedor que precisa abrir a porta.

Lista de ABM que não passa pelo comercial é ~~estratégia~~ exercício de PowerPoint. O vendedor olha a lista, não reconhece nenhuma conta, e segue trabalhando as dele. Marketing manda conteúdo “personalizado” para 500 empresas que nunca ouviram falar da sua marca. É campanha de e-mail com um nome novo.

Tradução de chão de fábrica: ABM não é “segmentar melhor”. É pegar 25 contas que o seu melhor vendedor mataria para entrar e desenhar uma campanha que faz ele chegar lá. Se a lista tem 500 contas, não é ABM. É prospecção com orçamento de marketing.

O número que separa ABM de campanha segmentada

Os dados são claros sobre o que funciona. Empresas que alinham ABM com account-based advertising veem 60% mais win rate (ABM Agency, 2026). Programas maduros de ABM reportam 91% das empresas com aumento no tamanho do deal e 33% de win rate em contas Tier-1, contra 22% sem ABM (Usama Khan, 2026). Deal size cresce, ciclo de vendas comprime — mediana de 32 dias em contas Tier-1. O ROI dos programas top-performing chega a 97% acima de outros canais.

Mas esses números vêm de empresas que fizeram uma coisa que a metade que não vê ROI não fez: tiering. Contas Tier-1 (5 a 25 contas por vendedor) recebem campanha 1:1 — microsite, conteúdo customizado, SDR dedicado. Contas Tier-2 (150 a 500) recebem campanhas semi-personalizadas com intent data. Contas Tier-3 ficam em nurturing. A maioria que falha trata as 500 contas da lista com o mesmo nível de personalização: um e-mail com o nome da empresa no campo de mesclagem.

Onde o ABM vira ~~personalização~~ automação de e-mail

O sinal mais claro de que o ABM não é ABM é quando a única personalização é o nome da empresa no assunto do e-mail. Dados de 2026 mostram que os programas que funcionam usam: intent data (91% dos casos), IA combinada com intent data (84%), e-mails personalizados com base em comportamento (79%), microsites (58%) e case studies customizados (56%). Ou seja, a personalização que move o ponteiro não é “Olá, [Empresa]”. É “vimos que sua empresa pesquisou preço de frete três vezes esta semana — aqui está um benchmark de custo logístico para o seu setor.”

Isso exige algo que a maioria das empresas não tem: dados de intenção. Sem intent data, o ABM é uma campanha de outbound com um nome bonito. Com intent data, o ABM é a capacidade de chegar na conta certa, na semana certa, com a mensagem certa. A diferença não é tática. É infraestrutura.

O custo de fazer ABM sem fazer ABM

Empresas dedicam em média 29% do budget de marketing a ABM (Usama Khan, 2026). Quase um terço do orçamento. Quando esse investimento vai para uma lista de 500 contas com e-mail genérico, o custo por oportunidade gerada é maior do que se a mesma verba fosse gasta em demand gen tradicional. O problema não é que ABM não funciona. É que “ABM” sem tiering, sem intent data e sem alinhamento comercial é a coisa mais cara de fazer errado.

Em auditoria de funil, 4 em cada 10 empresas que atendemos não conseguem provar ROI do ABM — não porque não mediram, mas porque não tieraram as contas. E sem tiering, não há como atribuir resultado a nível de conta, que é a única métrica que importa em ABM. Impressões e cliques em campanhas de ABM são ~~métricas~~ ruído. A métrica é pipeline gerado por conta Tier-1.

Antes e depois: o que muda quando ABM vira ABM

Antes: marketing monta lista de 500 contas, envia e-mail “personalizado” com nome da empresa, mede open rate, reporta para diretoria como “ABM ativo”.

Depois: comercial e marketing juntos selecionam 25 contas Tier-1. Cada conta tem um plano individual: quem é o decisor, o que ele já pesquisou, qual conteúdo faz sentido para a fase dele, qual evento ele vai comparecer. SDR dedica 40% do tempo a essas 25 contas. Marketing cria microsite para as 5 maiores. A métrica não é open rate. É reuniões marcadas com decisor na conta X.

Esse é o ABM que entrega 208% de aumento em receita gerada por marketing quando alinhado (Usama Khan, 2026). Não é barato. Não é simples. Mas é o que a sigla promete.

A pergunta que fica

Se o seu ABM tem 500 contas na lista, nenhuma com tiering, e a única personalização é o nome da empresa no assunto do e-mail — isso é ABM de quê?

Na I am B2B, escrevemos sobre o que acontece quando marketing e vendas B2B param de fingir que estão alinhados. Se esse artigo tocou uma ferida, é porque deveria.

A diretora comercial chega na reunião de pipeline com um número: “Temos 340 oportunidades abertas.” O CFO olha e pergunta: “E quantas fecham por mês?” Silêncio. Ninguém sabe. O funil é ~~grande~~ inflado. O que ninguém mede é a velocidade com que essas oportunidades se transformam em receita.

Sales velocity é a métrica que mede quanto dinheiro o seu processo comercial gera por dia. Não é sobre quantos leads entram no topo. É sobre quão rápido eles saem pelo fundo como receita.

A fórmula que ninguém usa

A fórmula da sales velocity é simples: (Número de oportunidades × Tamanho médio do negócio × Taxa de conversão) ÷ Ciclo de vendas em dias. O resultado é quanto receita você gera por dia de ciclo comercial.

O problema é que 8 em cada 10 empresas que auditamos conseguem reportar o número de oportunidades e o tamanho médio do negócio. Mas quando você pergunta a taxa de conversão real e o ciclo médio em dias, a resposta é sempre “mais ou menos”. Sem esses dois números, a fórmula é inútil.

Tradução de chão de fábrica: ter 340 oportunidades no CRM não é pipeline. É um cemitério de deals que ninguém toca. Pipeline é oportunidade com data prevista de fechamento, valor confirmado e próximo passo agendado. O resto é ruído.

Onde o tempo vaza

Um ciclo de vendas B2B médio dura 84 dias no mid-market e 218 dias no enterprise, segundo dados agregados de 2025-2026. Mas esses números escondem o problema real: a maior parte do tempo não é gasta em negociação. É gasta em espera.

Espera o lead responder. Espera o decisor entrar na call. Espera o jurídico revisar o contrato. Espera a procurement abrir o processo de compra. Uma análise de pipeline feita pela Gong com mais de 5 mil deals B2B mostrou que o tempo médio entre o primeiro contato e a primeira reunião de descoberta é de 12 dias. Doze dias para algo que deveria levar 48 horas.

Reduzir o ciclo em 10 dias, numa operação com 85 oportunidades e ticket médio de R$ 12.500, aumenta a velocity em 29%. Não é magia. É menos atrito no ponto onde ninguém está olhando.

O número que ninguém quer admitir

A taxa de conversão média de MQL para closed-won em B2B é de 2,4%. Isso significa que para cada 100 leads que o marketing entrega, 2 viram cliente. As empresas que reportam 15% ou 20% geralmente estão medindo algo diferente: MQL para SQL, ou SQL para closed-won, ou pior, “leads que entraram no funil” sem qualificação nenhuma.

Quando você separa as métricas e mede cada etapa honestamente, descobre que o problema não está no volume de leads. Está na qualidade da qualificação e na velocidade do follow-up. Dados do InsideSales mostram que leads contatados em menos de 5 minutos têm 21x mais chance de converter do que os contatados em 30 minutos. Apenas 7% das empresas B2B respondem nesse tempo. A média de resposta é de 42 horas.

~~O problema é o funil~~ O problema é o tempo entre as etapas.

Os quatro alavancas (e qual puxar primeiro)

Sales velocity tem quatro variáveis. A maioria dos gestores puxa a alavanca errada primeiro: aumentar o número de oportunidades. Contrata mais SDR, gera mais leads, enche o CRM. Mas se a taxa de conversão é 2,4% e o ciclo é de 84 dias, adicionar mais oportunidades só aumenta o problema. Mais deals parados, mais previsões erradas, mais frustração.

A alavanca com maior ROI é reduzir o ciclo de vendas. Cortar 10 dias de ciclo tem o mesmo efeito que aumentar a taxa de conversão em 12% ou aumentar o ticket médio em 15%. E é mais rápido de implementar: mapear gargalos de processo, automatizar follow-ups, encurtar a etapa de proposta com templates pré-aprovados.

A segunda alavanca é a taxa de conversão. Não por gerar mais leads, mas por qualificar melhor os que já estão no funil. Um ICP bem definido, com critérios objetivos de desqualificação, corta o ciclo pela metade porque o vendedor para de perseguir deals que nunca vão fechar.

Velocity era tamanho de funil. Virou velocidade de receita.

Antes, medir vendas era contar oportunidades e ticket médio. Agora, é medir quanto de receita cada dia de ciclo comercial gera. É a diferença entre olhar para o espelho e olhar para a estrada.

As empresas que mais crescem em B2B não são as com o maior funil. São as que transformam oportunidade em receita no menor tempo possível. A pergunta que fica: se o seu time de vendas fechasse 10 dias mais rápido em cada deal, quanto de receita adicional entraria por mês?

A cena é clássica. O vendedor fecha a call, olha para a planilha de preços, respira fundo e aplica 15% de desconto porque “o cliente pediu”. Ninguém aprova, ninguém questiona, ninguém mede o impacto. No fim do trimestre, a margem encolheu e todo mundo procura culpado.

Segundo a Simon-Kucher & Partners, quase 80% das empresas deixam as decisões de preço nas mãos dos vendedores. O resultado é previsível: descontos inconsistentes, margem que vaza silenciosamente e uma estratégia de pricing que existe no PowerPoint mas não na prática.

B2B pricing strategy é o conjunto de decisões estruturadas que define quanto uma empresa cobra pelos seus produtos ou serviços, baseando-se no valor entregue ao cliente e não apenas no custo de produção ou no que o concorrente pratica.

O acordo que ninguém assina

Em B2B, o preço não é um número. É um contrato de valor. O problema é que esse contrato raramente está escrito.

O vendedor tem uma tabela. O financeiro tem outra. O cliente tem uma terceira, que descobriu num RFP do concorrente. Quando alguém pergunta “qual é o nosso preço real?”, três pessoas dão três respostas diferentes. E nenhuma delas é a que o cliente acabou pagando.

A McKinsey mostrou que um aumento de 1% no preço, mantendo o volume constante, gera um aumento de ~11% no lucro operacional. Para comparação: 1% de redução de custo gera ~6,7%, e 1% de aumento de volume gera ~3,6%. Pricing é, de longe, a alavanca de maior ROI. E é a que menos gente toca.

Onde a margem vaza

A EY calcula que ineficiências de pricing podem reduzir o EBIT em 2 a 5% das vendas. Para uma empresa com 200 milhões de faturamento, isso são 4 a 10 milhões por ano. Não é um detalhe. É um buraco no casco.

Os pontos de fuga mais comuns:

• Desconto reativo: 70% dos descontos concedidos em B2B são desnecessários, segundo análise da Sumendit. O cliente pede porque sempre pede. O vendedor concede porque sempre concede.
• Cost-plus pricing em produtos de alto valor: calcular custo e adicionar markup é simples e transparente. Também é a forma mais eficiente de deixar dinheiro na mesa. Se o seu produto economiza 500 mil por ano do cliente e você cobra 50 mil porque “é o dobro do custo”, o cliente está levando 450 mil de valor de graça.
• Tabela estática: 43% das empresas de SaaS acreditam estar cobrando abaixo do mercado. Apenas 24% fazem testes de preço com regularidade. O resto usa a mesma tabela há dois anos e chama isso de “consistência”.

Tradução de chão de fábrica: “preço dinâmico” não é um algoritmo de IA ajustando centenas em tempo real. É o comercial saber que a conta que usa o produto 8 horas por dia pode pagar mais do que a que usa 2 horas, e ter coragem de cobrar diferente.

Antes e depois: de tabela para arquitetura

Pricing em B2B era tabela de Excel. Virou arquitetura de valor.

A diferença não é semântica. Uma tabela é um número que você defende. Uma arquitetura é um sistema que segmenta por perfil de cliente, alinha métrica de cobrança com valor entregue e dá ao vendedor uma estrutura de desconto com limites claros, não um campo livre no CRM.

O estudo da Simon-Kucher de 2025 é direto: 86% das empresas com crescimento de receita viram expansão de margem material vinda de pricing. Mas a realização de preço caiu para 43%. Ou seja, as empresas sabem que pricing é estratégico. A maioria não consegue executar.

O preço de não ter pricing

Uma empresa B2B sem função de pricing dedicada não tem estratégia de preço. Tem uma coleção de decisões individuais que ninguém consolida. Mais de 60% das empresas mid-market não têm ninguém responsável por pricing, segundo a Jennings Executive.

O custo disso não aparece no P&L como “perda por mau pricing”. Aparece como “margem abaixo do esperado”, “ciclo de vendas longo” ou “churn de clientes que compraram barato e não veem valor”. É um custo invisível até alguém ir comparar com o concorrente que cobra 30% mais e tem NRR maior.

Empresas que contratam um líder de pricing veem, em média, melhoria de 4,2% na margem e aumento de 9% na taxa de fechamento de deals, segundo um case reportado pela Jennings. Não é magia. É alguém olhando para os números que já estavam lá.

A pergunta que fica

Se o seu vendedor pode dar 15% de desconto sem pedir aprovação para ninguém, você tem uma estratégia de pricing ou uma sugestão de preço?

A diretora comercial fecha a reunião de forecast na sexta-feira com um número: R$ 2,3 milhões para o próximo trimestre. O CFO anota, ajusta o fluxo de caixa e segue. Três meses depois, fecharam R$ 1,4 milhão. Ninguém é demitido. Ninguém perde o bônus. O número simplesmente desaparece como se nunca tivesse existido.

Sales forecasting B2B é o processo de prever qual receita vai efetivamente fechar num período, mas na maioria das empresas opera como uma narrativa de conveniência: sobe quando o trimestre aperta, cai quando ninguém está olhando.

A tese aqui é direta: o problema não é o modelo, nem a ferramenta, nem o vendedor. É a cultura de tratar forecast como meta em vez de projeção. Enquanto o número servir para agradar o board em vez de informar o fluxo de caixa, nenhuma IA do mundo vai consertar isso.

O número que ninguém quer admitir

O time médio de vendas B2B erra o forecast trimestral por 13 a 17 pontos percentuais (Gartner, 2025). Isso significa que se você previu R$ 10 milhões, fechou entre R$ 8,3 e R$ 8,7 milhões. Menos de 25% das empresas acertam o forecast dentro de uma margem de 5% (Gartner, 2025). E 66% dos CROs não confiam no próprio pipeline forecast sem validação externa.

Mas o dado mais desconfortável vem da Gong: deals marcados como “commit” no CRM fecham a 38% do valor previsto. Ou seja, quando o vendedor diz “esse é seguro”, ele está certo só em 38% do valor. É quase um lançamento de moeda.

Onde o forecast vira ~~previsão~~~~ ficção

Existem três mecanismos que transformam um forecast legítimo em fantasia corporativa:

1. Inflação defensiva. O vendedor sabe que o gerente vai cortar 20% do pipeline na revisão. Então infla 30% para sobrar 10%. O gerente sabe que os vendedores inflaram, então corta 25%. O diretor sabe que o gerente cortou demais, então adiciona 15% de “buffer de confiança”. No fim, ninguém sabe qual número é real.

2. O champion fantasma. 40% dos deals que slip de trimestre acontecem porque o champion mudou de cargo ou saiu da empresa (Salesforce, 2025). O vendedor tinha um contato que prometia defender a compra internamente, mas esse contato não está mais lá. O CRM não atualiza, o forecast não ajusta, e o deal morre sozinho sem aviso.

3. A compressão silenciosa. Deals de fim de trimestre fecham a US$ 0,87 por dólar previsto (Gartner, 2025). O cliente sabe que o vendedor precisa fechar, e negocia. O desconto não entra no forecast porque foi dado na última hora, mas o impacto entra no resultado.

Tradução de chão de fábrica: forecast não é “quanto a gente quer vender”. É “quanto a gente consegue fechar se nada mudar”. A diferença entre essas duas frases é onde 75% das empresas perdem dinheiro.

O custo de errar para cima

Quando o forecast é otimista demais, o efeito cascata é brutal. O CFO aprova contratações baseadas em receita que não vem. O marketing compra mídia para um pipeline que não converte. O produto acelera features para um cliente que não fecha. Dados do Gartner (2024) mostram que dados ruins de CRM custam em média 12% da receita anual da empresa.

E quando o forecast é conservador demais? O board corta investimento no momento em que o pipeline mais precisava de combustível. É um pêndulo: ninguém acerta porque ninguém está tentando acertar, está tentando se proteger.

O que muda quando você para de mentir

Times que implementam revisões semanais de pipeline com critérios objetivos de saída de estágio melhoram a acurácia do forecast em ~8 pontos percentuais (Salesforce, 2025). Times com mais de 90% de completude de campos no CRM têm erro de forecast de 8%, contra 22% dos times com menos de 70% de completude (Gangly, 2026).

A diferença não é tecnologia. É disciplina. O time que pergunta “qual é o próximo passo documentado e quando?” em cada deal tem 60% menos chance de ver um deal parado por mais de 30 dias, que é onde 60% das oportunidades morrem (Gong, 2025).

AI-driven forecasting, quando bem implementado, chega a 85-90% de acurácia. Mas “bem implementado” significa: CRM limpo, campos obrigatórios preenchidos, champion confirmado com cargo e data de última conversa. Sem isso, a IA está prevendo com os mesmos dados mentirosos que o vendedor usava.

A pergunta que fica

Se o seu forecast do próximo trimestre fosse lido em voz alta para o CFO, o board e todos os investidores, você mudaria o número? Se a resposta é sim, o número que você tem hoje não é um forecast. É uma ~~estratégia~~ história que você está contando para si mesmo.

O VP de vendas abriu a reunião com um slide bonito: “Nosso ICP é empresas de médio e grande porte, do setor industrial, com faturamento acima de 10 milhões.” A sala assentiu. Ninguém perguntou quais dessas empresas já tinham comprado. Ninguém perguntou quais churnaram em 90 dias. O ICP daquela empresa era uma lista de adjetivos, não um perfil de cliente.

A maioria dos ICPs que vejo em empresas B2B não é um perfil de cliente ideal. É um desejo disfarçado de análise. “Queremos vender para empresas maiores” não é ICP. É ambição.

ICP B2B (Ideal Customer Profile) é a descrição data-driven da empresa que tira o máximo de valor do seu produto, fecha mais rápido, churna menos e ainda recomenda você para outras contas parecidas. Não é uma lista de firmográficos genéricos. É o padrão observado nos clientes que deram certo de verdade.

O ICP de PowerPoint não sobrevive ao CRM

Em auditoria de funil de uma empresa de software industrial que atendemos, o ICP dizia “indústria de transformação, 200+ funcionários, Sul e Sudeste.” Quando cruzamos com os dados reais de closed-won dos últimos 18 meses, o padrão era outro: empresas com entre 80 e 150 funcionários, que já usavam ERP da SAP e tinham contratado um gerente de operações nos últimos 6 meses. O ICP real não tinha nada a ver com o ICP do slide. Os deals que fecharam com empresas de 200+ funcionários? 60% churnaram no primeiro ano.

O problema não é que o ICP estava errado. É que foi construído por intuição, não por dados. E intuição, em B2B, é só viés com confiança.

O número que ninguém quer admitir

Pesquisa da SiriusDecisions (agora Forrester) mostrou que empresas com um ICP bem definido têm 68% mais win rate do que aquelas que abordam o mercado sem foco. O dado é citado em todo lugar. O que ninguém cita é o corolário: se 68% das empresas com ICP ganham mais, as que não têm estão queimando pipeline em contas que nunca iam comprar.

Outro dado, da HubSpot/RollWorks: apenas 1% das contas-alvo no pipeline de empresas B2B se convertem em oportunidades aceitas por vendas. 1%. O resto é ruído, é SDR batendo em porta errada, é marketing gerando MQL de empresa que não tem orçamento, não tem urgência e não tem fit.

O anti-ICP: a lista que você deveria ter mas não tem

Toda empresa sabe descrever o cliente que quer. Quase nenhuma descreve o cliente que não quer. E é aí que o dinheiro escorre.

Em outra empresa que analisamos, 30% do budget de mídia paga estava indo para contas que o time de customer success já tinha marcado como “risco de churn” no trimestre anterior. Marketing não sabia. Vendas não sabia. O CRM sabia, mas ninguém perguntou.

Um anti-ICP bem construído responde a três perguntas: quais empresas sempre churnam nos primeiros 90 dias? Quais nunca passam do primeiro call? Quais usam o produto de forma tão diferente do esperado que o suporte vira incêndio diário? Se você não tem essas respostas, está gastando dinheiro para atrair exatamente os clientes que vão te custar mais do que trazer.

Tradução de chão de fábrica

Tradução de chão de fábrica: ICP não é “empresa grande de indústria”. É a empresa que comprou, usou, renovou e indicou. O resto é wishful thinking com gráfico de barras.

ICP era lista de atributos. Virou sistema de triagem.

Antes, ICP era um documento estático no Notion que ninguém abria. Hoje, deveria ser um scoring vivo no CRM: cada conta recebe pontos por firmográfico (indústria, porte, receita), technográfico (stack de tecnologia), comportamental (sinais de intenção, contratação, funding) e negativo (red flags do anti-ICP). Conta abaixo do limiar? Não entra no pipeline. Acima? Prioriza.

Uma empresa que implementou scoring de ICP com IA retroativa nos próprios deals históricos viu o close rate saltar de 18% para 34% em 180 dias. O tamanho médio do deal subiu 21%. O ciclo de vendas caiu 52 dias. Não foi mágica. Foi parar de gastar tempo com conta que nunca ia comprar.

O custo do ICP genérico

Empresas com ICP claro veem até 36% mais conversão e 68% mais ROI em campanhas direcionadas, segundo dados da CXL. Mas o dado que importa é o que não está no relatório: quanto do seu budget de marketing está sendo gasto em contas que não se encaixam no ICP real? Em média, nas empresas que audito, é entre 25% e 40%. Isso não é otimização. É vazamento.

O ICP amplo genérico é o ICP mais caro que existe. Ele custa o dobro: gasta-se para atrair a conta errada e gasta-se de novo para tentar retê-la.

A pergunta que fica

Se você tirar o nome da sua empresa do ICP e ele servir para qualquer concorrente, ele não é um ICP. É uma lista de adjetivos com logo em cima. A pergunta que você precisa levar para a próxima reunião de planejamento é: dos últimos 20 deals que fecharam, quantos se encaixavam no ICP que está escrito no seu deck? E dos 20 que churnaram, quantos também se encaixavam?

O lead entrou com score 87. Marketing comemorou. Vendas olhou, ligou, e descobriu que o cara era estudante de MBA pesquisando trabalho de conclusão de curso.

Esse cenário se repete em 73% dos leads que marketing classifica como qualificados para vendas. Apenas 27% dos leads enviados ao comercial atendem a critérios mínimos de qualificação real, segundo dados compilados pela LLCBuddy em estudo sobre lead scoring.

Lead scoring B2B é o sistema de atribuir pontuação numérica a cada prospect com base em quão bem ele se encaixa no perfil ideal de cliente e quanta intenção de compra demonstra, para priorizar quem vendas deve contatar primeiro.

A tese aqui é simples: a maioria dos modelos de lead scoring B2B não mede intenção de compra. Mede atividade digital. E atividade digital não é compra.

O problema de pontuar abertura de email como se fosse intenção

O modelo clássico de lead scoring funciona assim: baixou um e-book, ganha 15 pontos. Abriu três emails, ganha 10 pontos. Visitou a página de preços, ganha 25 pontos. Soma passou de 50, vira MQL, vai para vendas.

O problema é que em 2026, abertura de email não significa nada. Clientes de email como Apple Mail e Gmail pré-carregam imagens automaticamente, registrando “abertura” mesmo quando ninguém leu. Page view na página de preços pode ser um concorrente, um estagiário, ou o primo do dono pesquisando por curiosidade.

Segundo dados do Small Business Expo, 98% dos MQLs nunca convertem em negócios fechados. Oitenta e quatro por cento das empresas B2B relatam dificuldade em converter MQLs em SQLs, segundo pesquisa da Warmly.ai. A taxa mediana de conversão MQL para SQL fica entre 13% e 18%.

Tradução de chão de fábrica: MQL não é “lead quente”. É alguém que baixou um PDF e abriu dois emails sem ler. SQL é quando esse alguém pergunta prazo de entrega. A diferença entre os dois é a diferença entre curiosidade e dinheiro na mesa.

O modelo que ninguém revisa

Outro problema estrutural: a maioria dos modelos de lead scoring é ~~dinâmico~~ estático. Foi configurado uma vez, no início, baseado em suposições do time de marketing sobre o que importa, e nunca mais foi atualizado.

Empresas que implementam lead scoring veem 77% mais ROI em geração de leads do que as que não usam, segundo a Landbase. Mas esse número pressupõe que o modelo é revisado. Na prática, poucas empresas fazem auditoria trimestral dos pesos e critérios. O resultado é um sistema que pontua sinais de 2023 para vender em 2026.

O modelo ideal usa no máximo 5 a 7 variáveis, combina fit demográfico com comportamento real de compra, e tem score de decaimento: se o lead parou de interagir há 30 dias, a pontuação cai. Sem decaimento, um lead que visitou o site em janeiro e sumiu continua pontuando alto em julho.

O número que ninguém quer admitir

Aqui está o dado desconfortável: apenas 27% dos leads que marketing envia para vendas são realmente qualificados. Isso significa que 73% do tempo do seu time comercial está sendo gasto em pessoas que nunca iam comprar.

Em uma operação SDR com 100 leads por semana, são 73 ligações para o vazio. Se cada ligação custa 15 minutos entre pesquisa, tentativa e follow-up, são quase 18 horas semanais de produtividade queimada em lead que não converte.

Empresas que adotaram scoring baseado em IA e machine learning reportam 75% mais conversão do que métodos tradicionais, segundo a Landbase. As de alto desempenho chegam a 6% de conversão contra 3,2% da média do mercado. A diferença não está na tecnologia, está em parar de mentir sobre o que conta como sinal de compra.

De atividade para intenção

O salto não é trocar planilha por IA. É trocar o que se mede. Antes, lead scoring era volume de interação digital. Agora precisa ser intenção de compra real.

Sinais que importam: o prospect pesquisou preço de frete três vezes na mesma semana. Pediu demonstração técnica com engenheiro, não com comercial. Perguntou sobre prazo de implementação. Esses são sinais de quem está comparando fornecedores, não de quem está coletando material para um TCC.

Product-Qualified Leads (PQLs), baseados em uso real do produto, convertem a 20-30%, duas a três vezes mais que leads tradicionais, segundo dados do Small Business Expo. A diferença é simples: PQL prova que a pessoa usou, não apenas navegou.

A pergunta que fica: se 73% dos seus leads qualificados não servem para nada, o seu modelo de scoring está pontuando intenção de compra ou está pontuando ~~engagement~~ barulho digital?

O diretor comercial entrou na reunião de planejamento com um número: “Precisamos de 3 mil leads no próximo trimestre.” Ninguém perguntou de onde vinham. Ninguém perguntou se o mercado sabia que a empresa existia. A meta foi aprovada, o funil foi montado e seis meses depois o time de vendas estava exausto perseguindo contas que nunca tinham ouvido falar do produto.

Essa cena se repete em 8 em cada 10 empresas B2B que atendemos. O time gasta o orçamento inteiro capturando interesse que nunca foi criado.

Demand generation B2B é o trabalho de construir consciência de mercado e intenção de compra antes que o prospect chegue ao funil de captura. Sem isso, lead generation veste o papel de encher um balde debaixo de uma torneira que não foi aberta.

A tese aqui é simples: a maioria das empresas B2B investe 63% do orçamento em capturar demanda e apenas 37% em criá-la. O resultado é um funil que parece cheio mas produz pipeline de baixa qualidade, ciclos longos e taxas de conversão que envergonham.

A torneira que ninguém abre

Segundo o Edelman/LinkedIn B2B Thought Leadership Study, 95% dos compradores B2B não estão ativamente no mercado em nenhum momento. Ou seja: em cada 100 contas do seu ICP, apenas 5 estão prontas para conversar com vendas hoje. As outras 95 nem sabem que têm o problema que você resolve.

Quando você coloca todo o orçamento em gated content, landing pages e formulários, está falando com os 5%. Os 95% continuam invisíveis. E pior: quando esses 5% finalmente chegam ao mercado, pesquisam no Google e no ChatGPT, encontram o concorrente que investiu em conteúdo ungated, pensou em SEO e construiu presença de marca. Você gastou mais e capturou menos.

~~Gated content gera leads qualificados~~ Gated content gera uma lista de e-mails que pode ou não se tornar algo.

O número que ninguém quer admitir

79% dos leads B2B nunca convertem em vendas. O dado é da HubSpot, mas qualquer gestor comercial que olhar para o CRM com honestidade vai reconhecer o número. A questão não é qualidade do lead. É que não existe demanda suficiente alimentando o topo do funil.

Uma empresa que gera 500 leads por mês com taxa de conversão de 2,4% (a mediana B2B) fecha 12 deals. Se a mesma empresa dobrasse a demanda de mercado, a taxa de conversão sobe não porque o time de vendas melhorou, mas porque os leads que chegam já foram educados pelo conteúdo, já entenderam o problema e já sabem quem é você.

Tradução de chão de fábrica: demand generation não é “fazer marketing bonito”. É o trabalho sujo de garantir que, quando o comprador pesquisar “como resolver [problema]”, o seu nome apareça antes do concorrente. Sem isso, o SDR está ligando para quem nunca ouviu falar de você e tentando marcar reunião com quem ainda não sabe que tem o problema.

Onde o orçamento deveria estar

Dados do Starr Conspiracy mostram que conteúdo ungated tem taxa de engajamento de 8,7%, contra 2,4% do gated. Isso não significa que gated não funciona. Significa que gated sem ungated é como cobrar entrada numa festa que ninguém sabe que existe.

A divisão saudável não é 37/63 (criação/captura). É mais perto de 50/50, com o lado de criação incluindo:

• Conteúdo educativo ungated que responde às perguntas que o comprador faz no Google e no ChatGPT antes de saber que precisa de você.
• Presença em canais onde o comprador pesquisa (SEO, AEO, LinkedIn, comunidades).
• Brand awareness que faz o nome da empresa aparecer quando o comprador pergunta a um colega “quem resolve isso?”.

O lado de captura continua importante. Mas funciona muito melhor quando a torneira está aberta.

Antes e depois

Antes: marketing era a máquina de gerar leads. Quantidade era a métrica. MQLs no dashboard, CPL no slide, ninguém perguntava se os 95% que não estavam no mercado conheciam a marca.

Depois: marketing é a máquina de gerar demanda. Qualidade é a métrica. Pipeline influenciado, brand search volume e inbound orgânico no dashboard. Os leads que chegam ao funil de captura já foram aquecidos por conteúdo que encontraram sozinhos.

A pergunta que fica

Se 95% do seu mercado não sabe que você existe, quantos leads você acha que consegue capturar deles? E quanto do seu orçamento está sendo gasto tentando?