Por que "sentir o mercado" não é estratégia — e o modelo matemático é
Um modelo matemático de receita é a base de qualquer operação de RevOps (Revenue Operations, ou operações de receita) que queira crescer com previsibilidade. A maioria dos líderes comerciais opera por intuição calibrada. Analisam o pipeline, conversam com os vendedores, observam o mercado e fazem uma estimativa. Essa abordagem pode funcionar até certo tamanho.
Com o crescimento, a complexidade do ciclo de receita passa a superar a capacidade de qualquer pessoa de processar todas as variáveis ao mesmo tempo. O ponto exato varia conforme o negócio, mas o sinal é familiar: o forecast (previsão de vendas) erra, e ninguém sabe explicar por quê. É aí que o modelo matemático entra.
Um modelo matemático de receita é uma representação estruturada das variáveis que determinam o crescimento da empresa: geração de leads por canal, conversão em cada etapa do funil, ciclo de venda médio, ticket médio, churn por coorte, NRR e LTV. As siglas são explicadas ao longo do texto. Quando essas variáveis são documentadas e conectadas, o modelo responde a perguntas que a intuição não alcança. Se aumentarmos o time de SDRs (profissionais de pré-vendas) em 30%, qual o impacto no ARR (receita anual recorrente) em 12 meses? Se o churn (perda de clientes) cair de 3% para 2% ao mês, qual o efeito no LTV (valor do cliente ao longo do relacionamento) da base?
As variáveis fundamentais do modelo
Topo do funil: volume de leads por canal (inbound orgânico, mídia paga, outbound e indicação), taxa de MQL (lead qualificado pelo Marketing) e custo por lead por canal. Essas variáveis determinam a velocidade de alimentação do pipeline.
Meio do funil: taxa de MQL para SQL (lead aceito por Vendas), número médio de contatos até a qualificação, tempo de resposta da equipe comercial e taxa de no-show em demonstrações. Essas variáveis determinam a eficiência da conversão.
Fundo do funil: taxa de proposta para fechamento, desconto médio, ciclo de venda médio e motivos de perda por categoria. Essas variáveis determinam o custo real de aquisição.
Base de clientes: churn mensal por segmento, NRR (retenção líquida de receita), expansion revenue, NPS (pesquisa de satisfação que mede a chance de recomendação) e health score, uma nota de saúde de cada cliente. Essas variáveis determinam o valor gerado por cada cliente ao longo do tempo.
Como calcular o modelo matemático de receita: as fórmulas que conectam as variáveis
O modelo se apoia em poucas fórmulas, que se encadeiam. As principais são:
- Receita nova do período = leads × taxa de conversão total do funil × ticket médio.
- CAC (custo de aquisição de clientes) = gasto de Marketing e Vendas ÷ clientes novos.
- LTV = ticket médio mensal × margem bruta ÷ churn mensal.
- Relação LTV/CAC = LTV ÷ CAC.
- Payback do CAC = CAC ÷ (receita mensal por cliente × margem bruta).
- ARR projetado = ARR atual + novos contratos + expansão − cancelamentos.
Exemplo hipotético: uma empresa recebe 1.000 leads por mês e a taxa de conversão total até o fechamento é de 2%. Isso gera 20 clientes. Com ticket mensal de R$ 3 mil, a empresa soma R$ 60 mil de receita mensal recorrente nova a cada mês. Se o churn mensal é de 2%, a base de 200 clientes perde 4 por mês. O crescimento líquido são 16 clientes por mês, e o modelo mostra com clareza o que acontece se a conversão subir para 2,5% ou se o churn cair para 1,5%.
Como a IA torna o modelo preditivo
O modelo estático responde: "se mudarmos X, o que acontece com Y?". O modelo com IA responde: "com base nos dados históricos e nos sinais atuais, X tende a mudar, e isso afetará Y desta forma". A diferença é a que existe entre uma calculadora e um sistema de inteligência preditiva.
Agentes de IA podem monitorar o pipeline continuamente, comparar cada oportunidade com o histórico de oportunidades parecidas e gerar alertas preditivos, como "esta oportunidade tem alta probabilidade de esfriar nas próximas semanas, com base no padrão de engajamento". O vendedor atua antes do problema, e não depois.
A qualidade desses alertas depende do histórico disponível. Com poucos dados ou registros inconsistentes, o modelo erra mais, e a equipe deve tratar as previsões como apoio à decisão, e não como verdade absoluta.
Construindo o modelo na prática: os primeiros passos
Comece pelo que você tem. Mesmo que os dados estejam incompletos ou inconsistentes, o exercício de montar o modelo revela de imediato onde estão as maiores lacunas de informação. E lacunas de informação são lacunas de gestão.
Monte uma planilha com as variáveis listadas acima. Preencha com os valores que você conhece e marque como "estimativa" o que não sabe com precisão. Em duas semanas, você tem a primeira versão do modelo e uma lista de prioridades de instrumentação de dados.
Siga este passo a passo:
- Liste as etapas do funil, do primeiro contato à renovação.
- Registre o volume de entrada e de saída de cada etapa nos últimos 12 meses.
- Calcule a taxa de conversão de cada passagem.
- Anote ticket médio, ciclo de venda, margem bruta e churn.
- Encadeie as fórmulas e simule dois ou três cenários.
- Compare o modelo com os resultados reais do último trimestre e ajuste as diferenças.
Erros comuns ao montar o modelo
- Usar médias demais: a média de todos os clientes esconde diferenças entre segmentos e canais. Separe sempre que o volume permitir.
- Misturar definições: se Marketing e Vendas usam critérios diferentes para MQL e SQL, as taxas de conversão perdem sentido.
- Tratar o modelo como previsão exata: ele mostra ordens de grandeza e sensibilidades. Revise-o a cada trimestre.
- Esquecer a base de clientes: modelos que só olham aquisição ignoram churn e expansão, que muitas vezes pesam mais no resultado.
Perguntas para levar ao seu time
Use estas perguntas para testar se a sua empresa já tem as informações necessárias:
- Sabemos a taxa de conversão de cada etapa, por canal?
- Conseguimos explicar a diferença entre o forecast e o resultado dos últimos três trimestres?
- Temos o churn por segmento, e não apenas o total?
- Quem é o dono de cada número do modelo?
A Trilion oferece um workshop de duas horas para construir o modelo matemático de receita da sua empresa, gratuito para empresas qualificadas. Ao final, você sai com o modelo documentado, as maiores lacunas identificadas e um plano de RevOps customizado para os próximos 90 dias.
Perguntas frequentes
Preciso de dados perfeitos para começar o modelo?
Não. Comece com estimativas e marque o que é incerto. O próprio exercício mostra quais dados vale a pena passar a coletar com mais rigor.
O modelo matemático de receita substitui o forecast do time comercial?
Ele não substitui, complementa. O forecast dos vendedores traz contexto de cada negociação. O modelo oferece a visão agregada e aponta onde as estimativas individuais parecem otimistas ou pessimistas demais.
Qual ferramenta usar?
Uma planilha bem organizada basta para a primeira versão. Ferramentas de BI (business intelligence) e plataformas de RevOps entram depois, quando os dados já estiverem integrados.
Com que frequência devo atualizar o modelo?
Atualize os dados todo mês e revise as premissas a cada trimestre, ou sempre que houver uma mudança relevante em preço, canal, produto ou equipe.




