PM Forge · jornada hands-on para Staff/Principal PM
Mapa da jornada
Praticar

Biblioteca de Plays

Playbooks práticos do dia a dia de PM. Cada play tem objetivo, passos e o artefato que sai.

Play

Rodar uma semana de Continuous Discovery

Objetivo: Aprender com 5 clientes em 5 dias sem virar refém de agenda. · Quando: Antes de definir o que construir no próximo ciclo.

  1. Defina o outcome que precisa entender (ex.: por que ativação caiu).
  2. Recrute 5 clientes do segmento certo (não os mais simpáticos).
  3. Escreva um roteiro de 8-10 perguntas comportamentais (passado, não opinião).
  4. Rode 1 entrevista por dia, anote em até 2h depois.
  5. Toda sexta: extraia 3 oportunidades e adicione na OST.
Artefato final: Roteiro + 5 entrevistas + 3 oportunidades novas na OST
Abrir Roteiro de Discovery
Play

Escrever um PRD que não vira fan-fiction

Objetivo: Specs que time entende e ninguém precisa adivinhar. · Quando: Quando uma oportunidade vira commit de roadmap.

  1. Comece pelo problema, não pela solução.
  2. Defina a métrica de sucesso ANTES de descrever escopo.
  3. Liste explicitamente o que está fora do escopo.
  4. Adicione riscos e perguntas abertas — não esconda.
  5. Compartilhe com eng/design ANTES de finalizar.
Artefato final: PRD com problema, métrica, escopo in/out, riscos
Abrir Editor de PRD
Play

Conduzir uma entrevista de usuário (sem enviesar)

Objetivo: Sair com dados, não validação. · Quando: Toda vez que precisar entender comportamento, não opinião.

  1. Não mostre seu produto nos primeiros 20 minutos.
  2. Pergunte sobre a última vez que aconteceu, não sobre o que ele faria.
  3. Quando o cliente disser "adoraria uma feature X", pergunte por que ele ainda não resolveu sem ela.
  4. Fique em silêncio depois das respostas — o ouro vem depois da pausa.
  5. Anote literalmente as palavras dele, não a sua paráfrase.
Artefato final: Notas literais + 2 insights destacados
Abrir Discovery
Play

Definir uma North Star metric honesta

Objetivo: Métrica que mede valor real entregue ao cliente. · Quando: Quando o time não sabe pelo que está otimizando.

  1. Pergunte: "se essa métrica subir, o cliente está melhor?". Se a resposta é "depende", reescreva.
  2. Não escolha receita ou DAU como North Star — são lagging.
  3. Quebre em 3-4 input metrics que o time controla.
  4. Defina 1-2 guardrails (CSAT, latência, churn).
  5. Publique. Repita em toda reunião por 4 semanas.
Artefato final: North Star + inputs + guardrails publicados
Abrir North Star Canvas
Play

Priorizar um backlog sob pressão

Objetivo: Sair de uma reunião com top 3 e justificativa. · Quando: Quando todos querem tudo para ontem.

  1. Liste 8-10 candidatas, não mais.
  2. Atribua RICE com calma, principalmente Confidence (é o C que mente).
  3. Imprima o ranking e pergunte "o que cai do top 3?" — não "o que entra".
  4. Documente o que NÃO vai ser feito e o porquê.
  5. Comunique a decisão e o critério, não só o resultado.
Artefato final: Backlog RICE + lista de "não-faremos"
Play

Rodar um pre-mortem

Objetivo: Achar riscos antes que eles te achem. · Quando: Antes de qualquer iniciativa grande.

  1. Reúna o time. Diga: "é daqui a 6 meses. Esse projeto fracassou".
  2. Cada pessoa escreve 3 razões do fracasso em silêncio (5 min).
  3. Agrupe e vote nos top 5.
  4. Para cada um, defina mitigação ou sinal de alerta.
  5. Adicione os top 3 riscos ao PRD.
Artefato final: Lista de riscos + mitigações no PRD
Play

Lançar um MVP de verdade

Objetivo: Aprender o máximo com o mínimo de código. · Quando: Quando ainda há dúvida sobre desejo/valor.

  1. Pergunte: "qual a hipótese mais arriscada?". Comece por ela.
  2. Se possível, valide sem código (Wizard of Oz, concierge, landing page).
  3. Defina o critério de sucesso/fracasso antes de lançar.
  4. Limite a 5-15% da audiência.
  5. Decida em 2 semanas: dobrar, pivotar, matar.
Artefato final: MVP com critério de decisão escrito
Play

Desenhar e rodar um experimento A/B

Objetivo: Decidir com dados, não com p-valor após o fato. · Quando: Quando há volume suficiente e hipótese clara.

  1. Escreva a hipótese: "Acreditamos que X causa Y porque Z, medido por W".
  2. Defina métrica primária e guardrails.
  3. Calcule MDE e tamanho de amostra ANTES.
  4. Não olhe o resultado antes do tamanho mínimo.
  5. Documente: ganhou, perdeu ou inconclusivo — e o que aprendeu.
Artefato final: Plano + resultado + aprendizado documentado
Abrir Designer de Experimento
Play

Lançar uma feature de IA do zero (com evals)

Objetivo: Não confundir demo bonita com produto. · Quando: Toda vez que LLM/IA entrar no caminho crítico.

  1. Defina os casos de uso e os critérios de "bom".
  2. Construa Eval Suite com happy path, edge cases e adversariais.
  3. Implemente LLM-as-Judge para medir consistência.
  4. Lance para 5% e compare evals em produção vs. dev.
  5. Defina gatilho de regressão: se evals caírem X%, reverte.
Artefato final: Eval Suite + plano de rollout/rollback
Abrir Eval Suite
Play

Fazer GTM de um lançamento

Objetivo: Lançar não é deploy — é posicionamento, enablement e comms. · Quando: Antes de qualquer feature pública relevante.

  1. Escreva o PR-FAQ antes de qualquer pixel.
  2. Defina posicionamento e mensagem-chave em 1 frase.
  3. Enable vendas/suporte com FAQ e demos.
  4. Plano de comms: interno → beta → público.
  5. Defina métricas de sucesso e plano de rollback.
Artefato final: PR-FAQ + Checklist GTM verde
Abrir Checklist GTM