GROWTH OPS COM METODOLOGIA · BETA PRIVADO

Hipóteses com retorno financeiro,
para mexer no LTV/CAC.

Você roda /hypotheses e recebe ~6 ações priorizadas por metodologia ICE, com impacto financeiro estimado, métricas de sucesso e SQL auditável. Calibradas com princípios do Reforge, artigos do Lenny e vida profissional de heads de growth — que filtram intuições rasas (tipo "auditar Google Ads") antes mesmo da análise rodar.

Começar trial 14 dias → Ver um hypotheses.md real
claude-code · trailkit/
$ claude
connected to growth-brain · 25 knowledge files · 7 tools
connected to bigquery · trailkit-analytics.trailkit_marts
 
❯ /hypotheses
⠋ skill before-analysis · principles → learnings → temporal
⠋ reading growth-brain:get_principles()
⠋ reading growth-brain:get_skill_template("hypothesisGenerator")
⠋ reading _initiatives/trailkit/learnings.md · 14 ativos
⠋ running 6 drill-downs on b_shopify_orders, b_shopify_customers
✓ 6 hipóteses · top: NURR D7-D60 · +$11k/ano · ICE 12
ambiente de exemplo · BigQuery é só um dos suportados. Postgres, Snowflake, Redshift e CSVs também.
COMO FUNCIONA

Três passos entre você
e uma hipótese com dados.

01 · CONECTAR
Plug no Claude Code

Adicione o Growth Brain ao seu .mcp.json. Conecte seu warehouse — BigQuery, Postgres, Snowflake ou CSVs. O /setup do pacote guia a configuração em 2 minutos. Sem deploy, sem containers.

02 · PERGUNTAR
Rode um command

Seu analista digita /hypotheses ou /cohortAnalysis. O agente consulta a metodologia no Brain, lê os learnings do cliente, roda as queries na sua base.

03 · AGIR
Recebe análise pronta

Output com drill-down causal, ICE score, SQL auditável, e próximas perguntas. Não é dashboard — é conclusão acionável, citando a fonte na metodologia.

OBSERVE A FERRAMENTA

O Claude Code consultando o
Brain ao vivo.

Quatro commands reais do pacote do cliente, executados sobre uma persona demo (TrailKit, e-commerce ficcional de equipamento outdoor) com dados anonimizados de um cliente real. Quando plugado no warehouse do cliente — BigQuery, Postgres, Snowflake ou CSV — a análise sai da mesma forma.

Hipóteses priorizadas por ICE score, lidas da initiative e cruzadas com learnings acumulados.
claude-code · trailkit/
❯ /hypotheses
⠋ Seguindo before-analysis → principles → learnings → hypothesisGenerator
MCPgrowth-brain.get_principles() → cashflow → payback → LTV/CAC
MCPgrowth-brain.get_skill_template("hypothesisGenerator") → template carregado
FS_initiatives/trailkit/learnings.md → 14 learnings ativos
SQLb_shopify_orders, b_shopify_customers · 6 drill-downs → 4.1s
✓ 6 hipóteses priorizadas · backlog +$60k/ano potencial
Lever priorizada: NURR (1ª→2ª compra, janela D7-D60)
─────────────────────────────────────────────
H1 ICE 12 Email pós-compra D7/D14/D30/D45
49% das 2ª compras em ≤30d · vácuo D7-D60 hoje · opt-in 68.8%.
RPR_3m 4.4% → 6.0% projetado = +$11k/ano (conservador).
H2 ICE 9 Win-back At-risk em D45
500 At-risk/mês · recovery atual 1.82% · 65% silencia em 1 mês.
Recovery 1.82% → 3.0% = +6 buyers/mês × $522 = +$37k/ano.
H4 ICE 8 Replicar a "receita de 2024 H1"
web_direct teve RPR_3m 9-11% em 2024 Q1-Q2 vs ~4% hoje.
⚠ depende de discovery: discovery.md vazio · marcar 30min com time
H3 ICE 6 Bundling pra elevar AOV inicial pra $500+
AOV <$500 retém 7-11% em 12m · AOV $500+ retém 19.62%.
Migrar 30% do bucket $200-500 = +$20-40k/ano em AOV+RPR.
H5 ICE 3 Pausar campaigns Google com pior RPR_3m
Vale 2025 Q1: RPR_3m web_google 1.20% (vs 5-7% baseline 2024).
Bottom-quartile = $7k/ano de spend reciclável pra orgânico.
H6 ICE 2.7 Estruturar canal B2B (atacado / revendedores)
draft_order: AOV $1.405 · RPR_12m 12.28% (acima de tudo).
⚠ n=57, requer entrevista qualitativa antes de investir.
Próximas decisões:
1. H1 + H2 são o caminho de menor fricção (+$48k/ano combinado).
2. H4 desbloqueia se o time identifica o que mudou em 2024 H1.
3. H5 antes de cortar paid: cruzar utm_campaign × RPR_3m.
❯
❯ /retentionDrilldown
⠋ Executando skill retentionDrilldown...
MCPgrowth-brain.get_framework("retentionModel") → buckets MECE pra ecom low-freq
MCPgrowth-brain.get_glossary_term("RPR") → repeat purchase rate
SQLb_shopify_orders · cohorts mai/24-abr/26 · 24m → 3.4s
✓ Drill-down completo · 49.827 buyers histórico · 1.752 ativos 12m
SNAPSHOT — Abr/2026 (188 buyers ativos)
─────────────────────────────────────────────
New (1ª compra) 118 63% dos ativos do mês
Resurrected (>12m) 40 21% — cauda longa
Current (≤3m gap) 21 11% — frequência baixa
Reactivated (4-12m) 9 5%
─────
Lost (>12m) 47.924 96.5% da base histórica
⚠ FORMA DO NEGÓCIO learning #4
66% dos compradores mensais são primeira compra. Aquisição
estrutural, não repeat. Retenção é o gargalo — não CAC.
RPR POR CANAL DE AQUISIÇÃO (cohorts mai/24-jan/26)
─────────────────────────────────────────────
web_direct RPR_12m 9.82% 1.059 buyers · maior canal
web_google (paid) RPR_12m 7.05% 610 buyers · 39% pior
ebay RPR_12m 4.01% 299 buyers · marketplace
amazon RPR_12m 0.92% 109 buyers · one-shot
draft_order(B2B) RPR_12m 12.28% 57 buyers · pista B2B
⚠ ATRIBUIÇÃO QUEBRADA learning #9
v_channel_daily.paid mostra $23k spend · 0 orders · 0 GMV.
Atribuição quebrada — usar utm_source de b_shopify_orders
como proxy. Marketplaces não retêm pelo Shopify (customer_id
regenera a cada compra) — tratar como aquisição one-shot.
INFLEXÃO HISTÓRICA — RPR_3m web_direct
─────────────────────────────────────────────
2023 médio 5.3% baseline
2024 Q1 ▲ 9.04% ← pico, causa desconhecida
2024 Q2 ▲ 11.18% ← maior valor histórico
2024 Q4 ▼ 7.32% não-sazonal (Q4/2023 = 4.7%)
2025 Q4 ▼ 3.70% vale recente
Recomendação do agente:
Maior alavanca: NURR via janela D7-D60 (49% das 2ª compras).
Próximo passo: /hypotheses pra priorizar ações por ICE.
❯
❯ /cohortAnalysis --quarter
MCPgrowth-brain.get_skill_template("cohortAnalysis")
MCPgrowth-brain.get_glossary_term("RPR_3m") → repeat purchase em 3 meses
SQLb_shopify_orders · processed_at · 13 cohorts trimestrais → 3.8s
✓ Matriz de retenção · cohorts 2023 Q1 → 2026 Q1
COHORT NEW BUYERS RPR_3m
─────────────────────────────────────
2023 Q1 409 4.40%
2023 Q2 429 3.20%
2023 Q3 359 4.00%
2023 Q4 372 4.70%
2024 Q1 414 7.96% ← inflexão
2024 Q2 394 5.04%
2024 Q3 292 4.05%
2024 Q4 344 5.85%
2025 Q1 292 4.86%
2025 Q2 279 3.34%
2025 Q3 256 5.95%
2025 Q4 350 3.71% ← vale recente
2026 Q1 395 4.16%
⚠ ARMADILHA SAZONAL learning #11
Cohorts mai/dez retêm 9-10% em 12m; cohorts set-mar retêm
14-19%. Em comparação ano-a-ano, comparar mesmo mês com
mesmo mês — não trimestres diferentes.
LEITURA DO AGENTE
─────────────────
· Pico 2024 Q1-Q2 (8-11%) não foi sazonal — Q4/2024 voltou a 5%.
· Tendência de baixa desde 2025 Q2 — algo operacional mudou.
· 2025 Q4 (3.71%) é o pior trimestre desde 2023.
· Pergunta crítica pro time: o que estava ativo em jan-jun/2024
que parou? (Email retention? Loyalty? Lançamento recorrente?)
❯
❯ /growthEquation
MCPgrowth-brain.get_framework("growthEquation")
MCPgrowth-brain.get_principles() → cashflow → payback → LTV/CAC
FS_initiatives/trailkit/dataSpec.md → schema BigQuery
SQLb_shopify_orders × m_paid_daily · 12m → 2.9s
✓ Equação de crescimento · TrailKit · cohorts 12m
LTV / CAC = LTV ÷ CAC
├─ LTV (web_google, 12m) $643 ← AOV × repeat × margem
│ ├─ AOV inicial $522 mediana $310
│ ├─ RPR_12m 7.05% vs web_direct 9.82%
│ └─ margem bruta (est.) ~30% B2C com COGS + ship
└─ CAC (paid Google) $67 ← spend ÷ new buyers
├─ spend 12m $23.346
└─ new buyers (utm) 348
✓ PAYBACK PAID GOOGLE = 13 DIAS princípio · zona excelente
AOV $522 × margem 30% = $157 contribuição na 1ª compra.
CAC $67 ÷ $157 = 0.43 ciclo ≈ 13 dias.
Hipótese descartada: "auditar Google Ads" — paid não é o
problema. Lever real está em LTV (NURR), não em CAC.
ALAVANCAS POR IMPACTO NO LTV/CAC
──────────────────────────────────
1. NURR (D7-D60) +1.6pp RPR_3m → +$11k/ano (H1)
2. At-risk recovery +1.2pp recovery → +$37k/ano (H2)
3. AOV → $500+ migração 30% bucket D→E → +$20-40k (H3)
4. Pausa paid low-RPR $7k/ano spend reciclável (H5)
❯
MCP TOOLS · 7

A metodologia, acessível
como API.

O Growth Brain expõe a base de conhecimento como 7 tools MCP. O agente invoca direto, cita a fonte, e você sabe exatamente de onde veio cada recomendação.

get_principles()
3 princípios de growth (LTV/CAC, payback, cashflow) + regras de análise temporal e causal + anti-paralisia.
get_framework(name)
growthEquation · retentionModel · acquisitionModel · monetizationModel. Frameworks completos com inputs e equações.
get_glossary_term(term)
180+ termos canônicos: NURR, CURR, cohort, buckets MECE, jornada, frequência, save rate — sem ambiguidade entre times.
search_methodology(query)
Busca livre na base de conhecimento inteira. Para quando o agente não sabe qual framework puxar.
get_playbook(name)
clientOnboarding · howItWorks · skillsRetro. Playbooks operacionais pra rodar o sistema na sua empresa.
get_skill_template(skill_name)
13 skills completas: hypothesisGeneration, retentionDrilldown, cohortAnalysis, acquisitionByChannel e mais.
list_available_tools()
Descobre tudo que está disponível. O agente chama no início de qualquer análise nova.
COMMANDS · 10

O que seu time
vai digitar.

Cada command força o agente a consultar o Brain antes de executar. Sua equipe não precisa lembrar da metodologia — ela é invocada automaticamente.

/retentionDrilldown
Buckets MECE (new, reactivated, retained, churned, expired) e taxas de transição. Identifica gargalo M0→M1.
/hypotheses
Hipóteses priorizadas por ICE score, cruzadas com learnings da initiative e equação de crescimento.
/growthEquation
Equação atualizada com dados reais — LTV, CAC, alavancas por impacto no LTV/CAC.
/cohortAnalysis
Retenção por safra M0–M6. Detecta inflexões e isola efeitos de eventos externos.
/reportRetention
Report executivo de churn: volume, split voluntário/involuntário, tendência.
/reportAcquisition
Aquisição por canal, afiliado, campanha — normalizado por qualidade (NURR do canal).
/reportAffiliates
Qualidade de afiliados: M6 retention, ticket médio, share de refunds. Identifica quem cortar.
/briefing
Briefing pré-call: o que mudou na semana, hipóteses em movimento, perguntas pra fazer no cliente.
/postCallLog
Processa transcrição de call (Granola, Fathom), extrai decisões, homework, learnings candidatos.
/learning
Registra aprendizado no learnings.md. Base do auto-learning do sistema.
ARQUITETURA

Metodologia protegida.
Dados do cliente.

O Brain mora na nuvem — metodologia, frameworks, skills, templates. O pacote do cliente fica no repo dele — dados, learnings, commands. Melhoramos o Brain uma vez, todo mundo recebe.

CLIENTE
Claude Code
/hypotheses · /cohort · /learn
──→
NUVEM · GCP
Growth Brain
MCP · JWT · 25 KB files
──→
CLIENTE
Seus dados
usuarios · transacoes · eventos · custos
IP protegida: o cliente nunca vê arquivos de metodologia. Dados soberanos: o Brain não armazena dados do cliente. HTTPS + JWT: 10 camadas de segurança, budget alert, Let's Encrypt auto-renew.
BASEADO EM

Nada inventado.
Tudo testado.

A metodologia embutida não é proprietária pra dificultar auditoria — é curada das fontes mais sérias de growth operando hoje.

FRAMEWORKS
Reforge
Retention & Engagement (Brian Balfour, Casey Winters, Andrew Chen). Growth Models, Monetization, Working with Data Scientists.
PLAYBOOKS
Lenny's Newsletter
Artigos operacionais e frameworks práticos de Lenny Rachitsky e convidados — benchmarks reais de PMs e growth leads.
OPERAÇÃO
Campo de batalha
Experiência em Gringo, MeuTudo e MEI Fácil. O que funciona quando o dashboard mente e o CEO quer resposta hoje.
E TAMBÉM

O Brain orquestra.
Os outros MCPs executam.

Growth Brain é o cérebro. Quando a análise aponta pra ação em canal, ele chama outros MCPs da SuperFreelas — começando pelo Google Ads.

PRODUTO COMPLEMENTAR
Google Ads MCP
Automação de bids, budgets, análise de performance e gestão de criativos. Usado direto ou invocado pelo Growth Brain quando uma hipótese vira ação em mídia.
Ver documentação →
❯ /reportAcquisition
⠋ Growth Brain detecta queda CPC 18%
⠋ invoking google-ads-mcp...
MCPgoogle-ads.get_campaign_performance()
MCPgoogle-ads.get_search_terms()
✓ cruzado com cohort NURR por campanha
3 campanhas com NURR < 40% identificadas.
Recomendação: pausar · realocar p/ top 2.
❯

Coloque seu time pra operar
como um head de growth.

Beta privado, onboarding manual, 1 cliente ativo rodando em produção. Vagas limitadas — atendemos poucas empresas por trimestre pra garantir qualidade do onboarding.

Começar trial 14 dias → Ou WhatsApp direto ↗