Por que o Modelo Matemático de Receita é fundamental para RevOps
RevOps sem modelo matemático é como navegar sem GPS. Você sabe que quer crescer, mas não sabe qual alavanca mexer, quanto investir em cada canal, quanto pode pagar por um cliente novo ou quando um cliente existente está prestes a sair.
O Modelo Matemático de Receita da Trilion responde com precisão:
- Quanto vale cada cliente novo adquirido hoje em 5 anos?
- Qual melhoria de processo tem maior impacto no ARR anual?
- Quanto posso gastar para adquirir um cliente e ainda ter ROI positivo?
- Se eu melhorar minha taxa de retenção de 90% para 95%, quanto isso representa em receita adicional?
- Qual o impacto financeiro de expandir cada cliente em 10% ao ano?
O Funil de Receita: MQL → SQL → SAL → WIN
O modelo parte do funil de vendas com taxas de conversão reais em cada etapa:
| Etapa | Volume | Taxa de Conversão | Observação |
|---|---|---|---|
| Leads Totais | 114 | — | Todos os leads gerados no período |
| MQL (Marketing Qualified Lead) | 11 | 9,6% | Leads que atendem critérios de perfil e interesse |
| SQL (Sales Qualified Lead) | 6 | 54,5% | MQLs aceitos pelo time de vendas |
| SAL (Sales Accepted Lead) | 3 | 50% | SQLs com oportunidade real aberta no CRM |
| WIN (Cliente Ganho) | 1 | 33,3% | Oportunidade fechada e convertida em receita |
Este exemplo real mostra que são necessários 114 leads para gerar 1 cliente. Sabendo disso, o custo de cada cliente novo e o retorno necessário ficam matematicamente claros.
Do ARR ao LTV: o cálculo completo
O cliente ganho no exemplo acima gera:
- ACV (Annual Contract Value): R$18.408/ano
- Taxa de retenção: 95% ao ano
- Taxa de expansão: 10% ao ano (upsell e cross-sell)
Com essas variáveis, o LTV em 5 anos é calculado assim:
| Ano | Receita do Cliente | Probabilidade de Retenção | Receita Esperada |
|---|---|---|---|
| Ano 1 | R$18.408 | 95% | R$17.488 |
| Ano 2 | R$20.249 (+10%) | 90,25% | R$18.274 |
| Ano 3 | R$22.274 (+10%) | 85,74% | R$19.097 |
| Ano 4 | R$24.501 (+10%) | 81,45% | R$19.956 |
| Ano 5 | R$26.951 (+10%) | 77,38% | R$20.854 |
| LTV Total | — | — | R$95.669 |
Considerando o desconto do CAC e custos de atendimento, chegamos ao LTV líquido de R$111.227 — mais de 6x o valor do contrato inicial. Esse é o número que muda completamente a lógica de quanto investir em aquisição.
CAC Payback Period: a métrica que define sua velocidade de crescimento
O CAC Payback Period é o tempo necessário para recuperar o custo de aquisição de um cliente. Em B2B SaaS saudável, deve ser inferior a 12 meses. No modelo da Trilion:
- CAC calculado: custo total de Marketing + Vendas ÷ número de clientes ganhos no período
- CAC Payback = CAC ÷ (ACV × margem bruta)
- Empresas com CAC Payback acima de 18 meses precisam de financiamento crescente — são structuralmente frágeis
- Empresas com CAC Payback abaixo de 6 meses podem crescer exponencialmente com reinvestimento
NRR: como sua base existente financia seu crescimento
O NRR (Net Revenue Retention) revela se sua base existente de clientes está crescendo ou encolhendo — considerando churn, downgrades, upgrades e expansões.
- NRR 80%: a base perde 20% ao ano — crescimento precisa superar esse nível para avançar
- NRR 100%: a base se mantém estável — crescimento depende 100% de novos clientes
- NRR 120%: a base cresce 20% ao ano mesmo sem novos clientes — motor de crescimento autônomo
Com o Modelo Matemático, calculamos exatamente quanto cada ponto percentual de NRR vale em receita adicional — e priorizamos as iniciativas que têm maior impacto nessa métrica.
Análise de Cohort: o diagnóstico que revela padrões invisíveis
A análise de cohort divide os clientes por período de aquisição e rastreia sua evolução separadamente. Isso revela padrões que a análise agregada esconde:
- Clientes adquiridos via canal X têm LTV 40% maior que via canal Y — concentre o investimento em X
- Cohorts de 2023 têm churn 3x maior que 2021 — algo mudou no processo de onboarding ou qualificação
- Clientes de um segmento específico expandem 25% ao ano; outros, 3% — o ICP real está revelado
Como a IA turbina o Modelo Matemático de Receita
O modelo estático é poderoso. Com IA, torna-se preditivo:
- Lead Score preditivo: modelos de ML atribuem probabilidade de conversão a cada lead antes do contato humano, tornando o funil mais eficiente
- Churn Prediction: identifica clientes com alta probabilidade de sair nos próximos 90 dias — permitindo intervenção preventiva de CS
- Expansion Propensity: modelos que identificam quais clientes estão prontos para upsell baseado em sinais de uso e comportamento
- Forecast com séries temporais: previsão de ARR e MRR para os próximos 12 meses com margem de erro inferior a 8%