📈 Resultados e impacto

• Eficiência: redução de 5–7 dias para 2–6 horas no tempo de criação de segmentos (–90%).

• Autonomia: 80% das segmentações feitas pela equipe de marketing sem suporte da TI.

• Performance de campanhas: +25% na taxa de abertura de emails, +35% de cliques e +18% de conversão.

• Adoção: 100% da equipe de marketing usando a ferramenta em até 3 meses após o lançamento.

• Satisfação: feedback unânime de que a plataforma “devolve tempo para o trabalho estratégico”.

Papel: Senior Product Designer — liderança end-to-end (pesquisa, IA, prototipagem, validação e handoff).
Escopo: Produto de dados B2B2C, integrando múltiplas fontes (CRM, e-commerce, marketing e analytics) para equipes de marketing.
Colaboração: Marketing, TI, BI, engenharia de dados e stakeholders executivos.

1) Contexto do Desafio

Sobre o quê é o projeto?

Uma plataforma de inteligência de cliente que consolida dados de múltiplas fontes (CRM, e-commerce, automação de marketing, analytics) e permite segmentação inteligente, insights contextuais e ativação rápida de campanhas — tudo em um só lugar, com feedback em tempo real.

Quem é o cliente?

Arezzo (varejo de moda/calçados). Ecossistema omnichannel de alta complexidade, grande volume de dados e operações multicanal (lojas físicas, e-commerce, marketplaces, redes sociais).

Quem é o usuário?

Equipes de Marketing/CRM/BI, com persona principal: Ana, analista sênior de marketing que antes dependia de TI para extrair, higienizar e cruzar dados em planilhas, num ciclo lento e sujeito a erros.

Qual é o objetivo do usuário?

• Criar segmentos precisos rapidamente.

• Testar hipóteses em tempo real (tamanho, perfil, propensão).

• Ativar e monitorar campanhas sem retrabalho.

• Colaborar e compartilhar aprendizados com o time.

Qual é o papel e seu plano?

Papel: Senior Product & UX/UI Designer (end-to-end).
Plano em 4 frentes:

1. Descoberta e alinhamento: entrevistas, jornada negativa, requisitos de negócio, riscos de dados.

2. Arquitetura da informação & sistema de design: estrutura por níveis (Dashboard → Segmentação → Análise → Ativação → Monitoramento) + design system escalável.

3. Prototipação e validação: wireframes → protótipos de alta fidelidade → testes moderados e não-moderados → iterações (templates inteligentes, painéis flexíveis, glossário).

4. Entrega & escala: handoff detalhado, governança de componentes, integração com stack (CRM/automação/BI), métricas e roadmap (IA/automação).

2) Racional do Processo

Why (por que)

• Dores-chave: silos de dados, dependência de TI, segmentação lenta (5–7 dias), perda de timing em campanhas sazonais.

• Tese de produto: colocar o poder analítico nas mãos do Marketing, reduzindo o custo cognitivo e o tempo de decisão com feedback imediato e insights contextuais.

Who (para quem)

• Analistas e gestores de Marketing/CRM.

• Necessidades distintas de profundidade: de usuários ocasionais (templates) a power users (lógica booleana avançada, painéis customizáveis).

When/Where (quando/onde)

• Uso diário para campanhas recorrentes, janelas promocionais e análises ad-hoc.

• Desktop como principal; suporte simplificado em tablet para reuniões.

What (o que foi projetado)

• Segmentação visual (drag-and-drop) com conectores AND/OR e impacto do filtro em tempo real (tamanho e perfil).

• Templates inteligentes (Clientes de Alto Valor, Inativos, Recentes etc.).

• Insights contextuais automáticos (tendências, YoY, afinidade por categoria/canal).

• Visualizações: jornadas, mapas de calor geográficos, distribuição demográfica/comportamental.

• Colaboração: compartilhar segmentações, comentar análises, versionar.

• Ativação & monitoramento: exportação compatível com ferramentas de campanha + fechamento de loop (performance).

How (como foi concebido)

• Pesquisa e co-design: entrevistas em profundidade, card sorting para validar IA (Information Architecture), benchmark de BI/CRM.

• IA & UI: metáfora de “receita” (ingredientes = filtros), estados de sistema claros (hover/focus/loading/error), tipografia Roboto, paleta com hierarquia de ações (navy/azul médio/verde para sucesso).

• Painéis flexíveis: o usuário escolhe as visualizações e as organiza lado a lado; reduz “page switching”.

• Linguagem de negócio: glossário substitui jargões técnicos (“consulta/segmento/afinidade” no lugar de termos de banco de dados).

• Desempenho: pré-agregações, cache e estimativas para queries complexas; distinção visual entre valores estimados e exatos.

• Acessibilidade produtiva: foco de teclado, contraste e escalabilidade responsiva mínima para reuniões em tablets.

3) Resultado dos Testes

Como foram os testes do protótipo

• Moderados com analistas da Arezzo (tarefas: criar segmento, comparar períodos, exportar e ativar).

• Não-moderados com usuários de empresas similares (fluência na metáfora de “receita” e entendimento de lógica booleana).

• Sessões de co-design com stakeholders para alinhar semântica de negócios e rituais de colaboração.

Nota: O texto original não traz o n exato de participantes por método. Não tenho informações suficientes para concluir essa tarefa com segurança quanto ao tamanho de amostra. Mantive a análise focada em achados qualitativos e métricas pós-lançamento.

Há melhorias detectadas?

Sim, três frentes principais:

1. Onboarding de complexidade: usuários pediam “por onde começo?”.

   • Solução: Templates inteligentes, exemplos guiados e “ações rápidas” no dashboard.

2. Contexto do dado: números sem referência eram pouco acionáveis.

   • Solução: Insights contextuais (YoY, variações, benchmarks internos, afinidades).

3. Ruptura cognitiva entre visualizações: alternância de páginas quebrava o raciocínio comparativo.

   • Solução: Painéis flexíveis e layout side-by-side de análises demográficas, comportamentais e geográficas.

Como vocês resolveram?

• Iteração rápida (wireframe → protótipo → teste → ajuste).

• Design tokens e componentes versionados para acelerar ajustes.

• Alinhamento cross-funcional (Marketing/BI/Eng. de Dados) para fechar o loop de ativação e mensuração.

Quais são as métricas de sucesso?

• Eficiência operacional: criação de segmentos de 5–7 dias → 2–6 horas (–90%).

• Autonomia do Marketing: 80% das segmentações sem dependência de TI.

• Performance de campanhas: +25% open rate, +35% CTR, +18% conversão.

• Adoção: 100% do time de marketing em até 3 meses.

• Satisfação qualitativa: percepção de “tempo devolvido” ao trabalho estratégico e confiança nos insights.

Conclusão executiva

Ao reduzir complexidade visível e aumentar contexto e feedback imediato, a Central elevou a maturidade analítica do Marketing e converteu dados em decisões. O resultado foi uma combinação rara de velocidade, autonomia e relevância de campanha — com impacto direto em receita e eficiência.