Como montar um dashboard no Google Sheets para validar seu MVP local em 30 dias

Uma planilha eficiente separa entrada de dados, cálculos e visualizações. Isso evita que uma alteração acidental em uma fórmula comprometa o histórico e permite que outra pessoa revise o raciocínio sem precisar reconstruir o arquivo.

Na planilha-template usada pela Tresete, a primeira aba é chamada de “Configuração”. Ela contém período do experimento, nome do MVP, segmento, orçamento, meta de usuários, definição de ativação e limiares de decisão. Também inclui a fonte de cada dado e a pessoa responsável pela atualização.

A aba “Hipóteses” liga o roadmap ao comportamento esperado. Use colunas como ID da hipótese, problema, público, promessa, experimento, canal, métrica principal, métrica de proteção, meta, prazo e decisão. Um exemplo: “Profissionais autônomos pagarão R$ 29 por mês para receber pedidos qualificados pelo WhatsApp”.

Na aba “Eventos”, registre uma linha por ocorrência. As colunas mínimas são data, identificador anônimo do usuário, origem, campanha, dispositivo, evento, valor da receita, custo atribuído e observação. Eventos recomendados: visita, clique, cadastro, conversa iniciada, ativação, compra, cancelamento e resposta de pesquisa.

A aba “Resumo semanal” consolida os dados por semana. Ela deve mostrar investimento, alcance ou visitas, leads, usuários ativados, clientes pagantes, receita, CAC, taxa de ativação, conversão para pagamento e retenção inicial. Já a aba “Decisões” registra data, evidência, interpretação, ação, responsável e prazo da próxima revisão.

Para quem está começando, cinco métricas costumam ser suficientes: visitantes qualificados, taxa de ativação, custo por lead, clientes pagantes e receita líquida. O checklist de métricas do primeiro MVP ajuda a evitar uma coleção de indicadores que parece sofisticada, mas não orienta a próxima ação.

Use cores com moderação. Verde pode indicar que o critério foi atingido, amarelo que há evidência insuficiente e vermelho que o limite de risco foi ultrapassado. O objetivo não é decorar a planilha, e sim permitir que você entenda o estado do experimento em menos de cinco minutos.

O dashboard deve calcular métricas com definições explícitas. No Google Sheets, a função SOMASES ajuda a consolidar custos e receitas por período, campanha ou experimento. Consulte a documentação oficial das funções do Google Sheets para adaptar as fórmulas à configuração regional da sua conta.

Para calcular a taxa de ativação, divida usuários ativados por usuários cadastrados no mesmo período. Se 18 de 60 pessoas completaram a ação que representa o primeiro valor do produto, a taxa é de 30%. Não use visita como denominador se o evento analisado começa depois do cadastro.

Uma fórmula conceitual para CAC inicial é: investimento de aquisição dividido pelo número de novos clientes pagantes atribuídos ao experimento. Com R$ 900 de mídia e operação comercial e 15 compradores, o CAC é de R$ 60. Registre também a janela de atribuição, porque uma compra pode acontecer dias depois do primeiro clique.

Para uma estimativa inicial de LTV, use receita média mensal por cliente multiplicada pela margem bruta e pela duração estimada em meses. Se a mensalidade é R$ 50, a margem é 70% e a permanência observada ainda é de quatro meses, o LTV preliminar é R$ 140. Com uma amostra pequena, trate esse valor como hipótese financeira, não como previsão garantida.

A relação LTV/CAC pode ajudar a comparar cenários, mas não deve justificar escala sozinha. Um LTV de R$ 140 e CAC de R$ 60 produzem uma relação de 2,33, porém o resultado ainda pode piorar quando a mídia aumenta, o atendimento fica mais caro ou a retenção cai.

Inclua uma coluna de confiança ou maturidade da evidência. “Observado” significa que o comportamento aconteceu; “declarado” significa que a pessoa disse que faria; “inferido” significa que você projetou a partir de dados incompletos. Essa distinção reduz o risco de transformar intenção em receita.

Use filtros por canal, campanha, público e semana. Uma média geral pode esconder que a taxa de ativação é 42% em um segmento e apenas 8% em outro. A análise por coorte é particularmente útil quando os usuários entram em dias diferentes e têm tempos distintos para experimentar o MVP.

Em um MVP de agendamento para profissionais autônomos, a hipótese era que uma página de oferta com demonstração curta geraria conversas qualificadas. Em 30 dias, o dashboard registrou 410 visitas, 74 formulários, 31 conversas e 9 pagamentos iniciais. O aprendizado não foi apenas a conversão de 12,2% dos leads em clientes, mas a descoberta de que os usuários que assistiam à demonstração tinham ativação quase duas vezes maior.

Em outro experimento, uma solução de pedidos recorrentes para pequenos estabelecimentos atraiu muitos cliques por QR Code, mas poucos cadastros. A taxa de clique parecia promissora, porém o funil mostrou que a promessa da página não explicava o esforço necessário para começar. A decisão foi iterar o onboarding antes de aumentar o orçamento de aquisição.

Um terceiro caso envolveu uma comunidade paga de serviços especializados. O CAC dos primeiros clientes ficou abaixo da meta, mas o LTV estimado caiu porque parte dos compradores cancelou no primeiro mês. O dashboard evitou uma conclusão precipitada de escala e levou a um teste de ativação, com acompanhamento de uso e entrevistas na primeira semana.

Esses exemplos mostram por que o painel precisa registrar métricas de resultado e sinais intermediários. Um clique não confirma valor, um cadastro não confirma uso e uma venda isolada não confirma retenção. Para organizar hipóteses, amostra e decisões em uma única visão, consulte o painel de experimentos de mercado.

Os números acima devem ser lidos como padrões de análise, não como promessa de desempenho. Resultados variam conforme oferta, público, canal, preço, ciclo de compra e capacidade de atendimento. A utilidade do dashboard está em tornar essas diferenças visíveis e comparáveis ao longo do experimento.

O primeiro erro é acompanhar tudo. Impressões, curtidas, visualizações, cliques, leads, conversas e vendas podem ocupar várias colunas, mas o fundador continua sem saber qual ação tomar. Comece com uma métrica decisória e duas ou três métricas de diagnóstico.

Outro problema frequente é alterar a definição de usuário ativo depois de ver o resultado. Se ativação significava “concluiu o primeiro pedido” na semana 1, não transforme o conceito em “abriu o aplicativo” na semana 3 para melhorar o indicador. Registre uma nova definição e preserve a anterior.

Também evite misturar períodos e bases. Dividir o investimento de 30 dias por clientes gerados em apenas uma semana distorce o CAC. A aba Resumo semanal deve deixar claro o intervalo, a janela de atribuição e o status dos dados.

A atualização precisa ter um dono. Uma rotina de 20 minutos duas vezes por semana costuma ser suficiente para revisar eventos, corrigir inconsistências e registrar mudanças no experimento. A reunião decisória deve acontecer separada da tarefa operacional de preencher a planilha.

Quando o volume cresce, o Google Sheets pode deixar de ser suficiente para governar permissões, histórico ou processamento. Antes de migrar, avalie se o problema é realmente a ferramenta ou se faltam definições, instrumentação e disciplina de registro. A maturidade analítica de um laboratório de startups oferece uma forma de pensar sobre processos, qualidade e governança de dados.

Na Tresete, o dashboard é construído junto com o roadmap, os experimentos de mercado e os ciclos de engenharia. Isso permite transformar um sinal observado em uma decisão de produto, em vez de apenas produzir um relatório depois que o mês terminou. O próximo passo pode ser uma planilha simples, desde que ela esteja conectada a uma hipótese clara.