Discovery: O que é, o que come, onde vive?
Material de apoio reunindo fundamentos de Product Discovery, boas práticas, armadilhas a evitar, o impacto atual de IA e Google AI Studio, e trilhas de estudo de longo prazo.
Índice do caderno
O que é?
Além de ser tratado por muitos como a “grande solução para todos os problemas de produtos”, Discovery é um conjunto de atividades com a intenção de responder perguntas e reduzir riscos antes de definirmos hipóteses de solução.
Na visão de Martin Cagan, o trabalho de descoberta serve para endereçar quatro riscos fundamentais:
O cliente vai pagar por isso ou escolher o que estamos propondo?
Vai ser fácil de utilizar e simples de entender no dia a dia?
Temos gente e capacidade técnica suficiente para construir isso?
A solução proposta combina e se sustenta dentro do nosso negócio?
O que come?
Diversas literaturas colocam o Discovery como parte obrigatória do processo de construção de um produto. Embora essa visão esteja correta na teoria, na prática ela costuma transformar o Discovery em uma muleta ou em pura burocracia.
O que aprendi na prática é que Discovery é, essencialmente, uma forma lógica de enxergar um problema. Quando um cliente ou stakeholder traz uma solicitação pouco detalhada, estruturar o raciocínio em blocos ajuda a separar o que já é certeza do que ainda é dúvida.
1. Aprofundamento do problema
- Qual problema queremos resolver?
- Qual o público e qual tamanho?
- Por que para o produto ou negócio isso é importante?
- Como os concorrentes resolvem esse problema?
2. Evidências Chitãozinho & Xororó
- Tenho dados que quantificam o problema?
- Resolver isso vai ao encontro dos objetivos do quarter ou da companhia?
- Clientes entram em contato ou reclamam sobre isso?
- Foi feita análise da concorrência?
3. Com qual solução vamos validar nossa hipótese?
- Qual ou quais soluções propostas? (Curto, médio e longo prazo)
- A solução proposta traz diferencial para o produto?
- Como testar e medir se a solução vai resolver o problema?
4. Mitigar riscos
- Risco de valor (monetário)
- Risco de usabilidade
- Risco de viabilidade técnica
- Risco de viabilidade de negócio
5. Qual a estratégia de rollout?
- Como vamos entregar para aprender rápido?
- Qual será a segmentação?
6. Quais métricas para sucesso?
- Quais métricas indicam o caminho certo?
- Qual o alvo dessa solução?
- O que queremos impactar no negócio, cliente ou tecnologia?
Onde vive — e quando não fazer Discovery
Ao estruturar o problema de forma lógica, já começamos a desmistificar o Discovery: ele deixa de ser uma “técnica divina que fornece todas as respostas” para se tornar uma ferramenta prática de clareza. Antes de escolher qualquer técnica, a pergunta principal é se o Discovery é realmente necessário.
Quando não usar
Tudo aqui são recomendações para evitar transformar o Discovery em burocracia. Qualquer processo que já responda às dúvidas que você possui serve como base suficiente para seguir com as hipóteses de solução.
Refinamentos, plannings, testes de jornada, conversas em pé, discussões de roadmap e todo contato direto com clientes ou com o time de produto já fazem parte da descoberta.
Sinais de alerta antes de seguir
Mesmo quando você já tem hipóteses em mãos, observe os quatro alertas levantados por Ivonika no artigo do Product Oversee. Se algum item abaixo for verdadeiro, acenda o alerta:
- Acreditar que a ideia é a melhor do mundo;
- Não ouvir os clientes;
- Não mergulhar na dor;
- Não começar validando o mais difícil.
Qual a melhor receita para um Discovery?
Esse é o grande benefício do Discovery: não existe bala de prata. Tudo depende do objetivo e de onde você quer chegar. Abaixo estão os métodos exploratórios que já utilizei.
| Método | Quando ajuda | Ponto de atenção | Referência |
|---|---|---|---|
| Desk Research | Levantar dados existentes antes de ir a campo | Evitar perguntas enviesadas e quantificar padrões | UX Design Blog |
| Cadeia de Valor | Mapear onde o produto toca áreas internas | Equilibrar valor criado menos custo (Porter) | Euax |
| Benchmark | Comparar hipóteses já testadas no mercado | Separar commodities de diferenciais e comparar pares reais | Resultados Digitais |
| Segmentação | Definir nicho, tamanho de mercado e substitutos | Não tentar atacar todos os segmentos ao mesmo tempo | Guia Sebrae (PDF) |
| Personas | Refinar hipóteses alinhadas ao perfil do usuário | Criar proto-personas quando não houver pesquisa pronta | RD · Alura |
| Usuários & Leads | Comparar percepções de clientes atuais e potenciais | Escolher a técnica de pesquisa adequada ao momento | UX Collective BR |
Desk Research
- Não enviese o objetivo (ex.: perguntar “o que você gosta no app” força respostas positivas).
- Mapeie as fontes de dados antes de definir o formato.
- Execute mesmo sem estar perfeito — pesquisar também é aprendizado.
- Transforme entradas qualitativas em dados quantitativos sempre que possível.
Cadeia de Valor & Benchmark
- Cadeia de Valor (Michael Porter): Valor Criado − Custo para gerar valor = Margem. Mapeie áreas como desenvolvimento e QA.
- Benchmark: avalie hipóteses já testadas (como patinetes em cidades pouco densas), reconheça commodities (Android/iOS, não Windows Phone) e compare pares reais.
Segmentação de Mercado
- A Amazon começou focada, e produtos como a AWS têm segmentos claros (de pequenas empresas a PicPay e Netflix).
- Defina o tamanho de mercado alcançável, concorrentes e possíveis substitutos.
Personas & Clientes Internos
- Na falta de personas completas do time de UX, comece com Proto-Personas.
- Entrevista com clientes internos: quando atendemos operações ou times internos, eles são fonte direta de hipóteses e soluções.
Quais técnicas eu recomendo?
Discovery é aplicar raciocínio lógico à resolução de problemas — como pegar uma única cartinha para ler no meio de centenas jogadas para cima. Abaixo estão as técnicas ordenadas da mais rápida à mais elaborada.
Matriz CSD
Não precisa de canvas elaborado: basta separar em Certezas, Suposições e Dúvidas:
- Certeza: O buraco desmoronou.
- Suposição: Talvez um super cano da Sabesp tenha sido a causa.
- Dúvida: Tem jacaré na água? Vai dar para usar o Tatuzão depois para terminar o túnel?
Lightning Decision Jam (LDJ)
Evolução do Dot Voting, o LDJ permite sair de uma sessão com hipóteses e soluções priorizadas e já validadas com o cliente. O segredo é respeitar o tempo de cada etapa para manter o foco no que realmente incomoda no dia a dia.
Design Sprint & Design Thinking
Tera · Modelo Miro · Sebrae · Rock Content
Ambos compartilham o ciclo de Imersão, Ideação, Prototipação e Realização. Na Design Sprint de 5 dias:
- 1º dia: Entender o problema e reunir todas as informações.
- 2º dia: Rascunhar soluções, levantar hipóteses e trocar ideias.
- 3º dia: Filtrar e decidir qual hipótese será levada adiante.
- 4º dia: Prototipar no papel ou em telas para tangibilizar a ideia.
- 5º dia: Testar o protótipo com clientes internos ou externos.
O que a IA e o Google AI Studio mudaram no Discovery
Mesmo com ferramentas como o Google AI Studio, a essência do Discovery continua a mesma: aplicar raciocínio lógico para reduzir riscos antes de construir. O que muda é a velocidade entre levantar uma dúvida e colocar um protótipo funcional na frente de quem usa.
| Etapa do Discovery | O que a IA / AI Studio incrementou | O que continua humano |
|---|---|---|
| 4 Riscos (Cagan) | Acelera Usabilidade e Execução com protótipos funcionais por prompt (Creator Economy). | Valor e Viabilidade de negócio exigem validação real (DataConsultant). |
| Problema & Evidências | Grounding com Google Search e execução de Python analisam concorrentes e CSVs em minutos (EmasterLabs). | Definir o recorte certo e evitar perguntas enviesadas. |
| Hipótese & Solução | Modo Build / Vibe Coding cria ou faz fork de apps funcionais para teste rápido (Creator Economy). | Formular hipótese clara (público, experimento e critério de sucesso). |
| Design Sprint & CSD | Comprime Dias 2 a 4 em horas e gera rascunhos de Proto-Personas e Matriz CSD (HelloPM). | Ouvir clientes reais (Dia 1 e Dia 5) e não se apaixonar pelo protótipo. |
| Rollout & Produção | Facilita publicar POCs controladas rapidamente (AI Studio Wiki). | Segurança, compliance, monitoramento e sustentação (ShipAi). |
Do rabisco ao protótipo antes do PRD
Antes, testar uma hipótese exigia desenhar telas ou depender de engenharia. Hoje, times no Google AI Studio constroem protótipos funcionais com APIs reais antes de fechar o PRD.
Os alertas de Ivonika ficam mais críticos
Como a IA gera interfaces convincentes em segundos, ficou mais fácil achar que a ideia é a melhor do mundo sem ouvir clientes. Protótipo rápido não é sinônimo de hipótese validada.