Projetos Acadêmicos

Digital Marketing Nanodegree Udacity

Casos aplicados a Nubank, iFood, RD Station e Hotmart

Sobre os projetos

Primeiro, uma explicação.

Os quatro projetos abaixo foram desenvolvidos como parte do Digital Marketing Nanodegree da Udacity, um dos programas mais reconhecidos do mercado internacional, com parceria de Google, Facebook e MailChimp.

Cada projeto foi aplicado a uma empresa brasileira de referência, escolhida pela relevância do case para o posicionamento de growth: estratégia, dados, SEO e e-mail marketing.

E por que eu estou apresentando eles aqui?

Porque em todos os casos, o meu framework proprietário com diagnóstico, hipótese, solução, impacto no funil, foi aplicado sobre a metodologia base do curso. Fiz isso de propósito para validar meu modelo. E como você pode conferir nas minhas certificações que estão no LinkedIn, a do nanodegree está presente.

Em resumo, o que você vai ver agora é só para provar que eu sei o que estou fazendo.

Então se você quiser conhecer cases reais, basta acessar a sessão de cases estratégicos, porque nela eu consigo ser menos teórico e ir direto ao ponto. Aqui é o espaço para você entender como eu moldei a minha metodologia.

Resumo dos projetos

- Projeto 1: Ready to Market (Nubank): foco em Awareness + Aquisição, com metodologia de estratégia, persona, KPIs e jornada.

- Projeto 2: Marketing Data (iFood): análise de funil completo com GA4, coortes e métricas de negócio.

- Projeto 3: SEO Essentials (RD Station): auditoria e estratégia de SEO para aquisição orgânica.

- Projeto 4: Market with Email (Hotmart): sequência de e-mail marketing para ativação e retenção.

Projeto 1. Nubank

Fintech · Serviços financeiros

Etapa do funil: Awareness + Aquisição → CAC

Contexto e objetivo

O Nubank consolidou sua base inicial com jovens de 20 a 35 anos, perfil tech-savvy, desbancarizado ou insatisfeito com bancos tradicionais.

O desafio estratégico mapeado neste projeto foi a expansão para o segmento de 35 a 55 anos: maior poder aquisitivo, maior ticket médio potencial, mas com padrões de comportamento digital e motivações de compra distintos da base histórica.

O objetivo de marketing, no formato SMART, era aumentar em 25% o número de solicitações de cartão Nubank no segmento 35–55 anos no prazo de um trimestre, com CAC máximo de R$ 45 por lead qualificado.

Buyer Persona: Carlos, 42 anos

Carlos é gerente de médio porte, casado, com dois filhos e renda familiar acima de R$ 8 mil. Ele usa smartphones mas não é early adopter, consome LinkedIn, YouTube e WhatsApp diariamente. Sua dor principal são as tarifas abusivas e o atendimento impessoal dos bancos tradicionais. Ele sente que paga caro para ser mal atendido. Sua motivação é praticidade, transparência e senso de controle sobre o próprio dinheiro. Sua objeção central é: "Banco digital é seguro? E se eu tiver um problema, com quem falo?" O momento aha para ele é o primeiro mês sem tarifa e o atendimento pelo app resolvido em menos de 5 minutos.

Proposta de Valor (FOR/WHO/OUR)

A proposta de valor foi estruturada da seguinte forma: para profissionais de 35 a 55 anos que pagam tarifas bancárias sem receber serviço equivalente, que precisam de um banco que funcione sem burocracia e trate o dinheiro deles com respeito, o Nubank é a conta, cartão, investimentos e seguros sem tarifas e com suporte humano pelo app. Ao contrário dos bancos tradicionais que cobram por tudo e atendem mal, o Nubank oferece controle financeiro total na palma da mão, sem letras miúdas, sem filas, sem tarifas.

KPIs por etapa do funil

Para Awareness, a meta era 5 milhões de impressões únicas no segmento 35 a 55 anos via Meta Ads e YouTube. Para Aquisição, o objetivo era crescer 25% o número de solicitações de cartão sobre a baseline. Para Ativação, a meta era taxa de ativação do cartão em 30 dias superior a 65%. Para Retenção, o indicador era uso ativo do app 3 vezes por semana no primeiro mês, com DAU/MAU acima de 30% no segmento. Para Receita, o ticket médio de fatura no terceiro mês deveria ficar acima da média histórica da base jovem.

Canais selecionados

Os canais escolhidos foram: YouTube pre-roll, porque o segmento 35–55 consome vídeo longo com maior dwell time, atuando em Awareness e consideração; LinkedIn Sponsored, com perfil profissional e renda qualificada, gerando aquisição qualificada com CPL menor que Meta; Google Search (branded), para capturar demanda existente com busca comparativa; e-mail de nutrição com sequência de 3 mensagens para leads que não converteram na landing page, focando em ativação; e WhatsApp Business, canal preferido do segmento para atendimento e engajamento em retenção.

Hipótese de growth

A hipótese era: se a comunicação para o segmento 35–55 anos enfatizar segurança, transparência e atendimento humano, em vez das mensagens de "liberdade financeira" direcionadas ao público jovem, a taxa de conversão da landing page vai crescer, porque as objeções reais desse segmento (segurança, confiabilidade) estarão sendo respondidas antes do clique em "solicitar cartão".

Impacto esperado

Com essa estratégia, o alcance no segmento cresceria via YouTube e LinkedIn. O CAC tenderia a cair com copy orientado à objeção central. A ativação seria facilitada por onboarding com linguagem do segmento. O impacto esperado era CAC abaixo de R$ 45 com taxa de ativação superior a 65%.

Projeto 2. iFood

Marketplace de delivery

Etapa do funil: Funil completo → CLV e Retenção

Contexto e objetivo

O iFood opera um marketplace de dois lados: consumidores e restaurantes. O crescimento do negócio depende de reter consumidores ativos e aumentar a frequência de pedidos. Cada pedido adicional por cliente tem custo marginal próximo de zero, tornando a retenção o alavancador mais eficiente de LTV.

O objetivo da análise foi identificar em qual etapa do funil o iFood perde mais valor no ciclo de vida do consumidor, e propor hipóteses de otimização baseadas em dados comportamentais.

Estrutura do funil mapeada

O funil foi mapeado com dados públicos e benchmarks. Na Awareness, estima-se que cerca de 85% dos brasileiros com smartphone conhecem o iFood. Na Aquisição, a base ativa é de aproximadamente 40 milhões de usuários. Na Ativação, cerca de 70% dos cadastros fazem o primeiro pedido. Na Retenção, apenas 30% da base ativa realiza 3 ou mais pedidos por mês, o que representa cerca de 43% dos que ativaram. Na Receita, o GMV médio por usuário ativo é estimado em R$ 120 a R$ 150 por mês. No Referral, o programa de indicação existe com NPS estimado em 45.

Diagnóstico de atrito principal

A maior queda está entre Ativação e Retenção: apenas cerca de 43% dos usuários que fizeram o primeiro pedido se tornam recorrentes com 3 ou mais pedidos por mês. Isso indica que o momento aha do iFood, a conveniência real do delivery, não está sendo suficientemente reforçado nos primeiros 30 dias pós-ativação.

Possíveis causas e hipóteses

Foram levantadas quatro causas possíveis. Primeiro, experiência negativa no primeiro pedido (atraso, erro), que se manifesta como churn imediato; a hipótese de intervenção seria um e-mail de recuperação em 24 horas com desconto e pesquisa. Segundo, falta de hábito de recompra, identificada por intervalo médio entre 1º e 2º pedido maior que 14 dias; a solução seria uma sequência de ativação nos primeiros 7 dias. Terceiro, preço percebido como alto, com abandono no checkout após ver taxa de entrega; a comunicação proativa de iFood Benefícios no onboarding seria a intervenção. Quarto, esquecimento ou baixa visibilidade, com DAU baixo fora do momento de pedido; um push personalizado por horário de pedido histórico seria a ação.

Análise de coortes

A análise de coortes dividiu os usuários por semana de cadastro e mediu quantos permanecem ativos após 7, 14, 30 e 60 dias. Na coorte de janeiro, 68% estavam ativos em 7 dias, 43% em 30 dias e 31% em 60 dias. Na coorte de fevereiro, 71%, 45% e 33%, respectivamente. Já na coorte de usuários do iFood Benefícios, os números foram 74%, 58% e 49%, indicando que benefícios reduzem churn em cerca de 50%.

Hipótese de growth

A hipótese central foi: se usuários que não fizeram o 2º pedido em até 7 dias após o 1º receberem uma sequência de reengajamento com oferta contextualizada (baseada na categoria do 1º pedido) em vez de desconto genérico, a taxa de recompra em D14 vai crescer, porque a mensagem reflete o comportamento demonstrado, reduzindo a fricção de decisão.

Impacto esperado

O impacto esperado era elevar a retenção D30 de 43% para 52%, aumentar a frequência de pedidos de 2,1 para 2,8 por mês, e gerar um aumento de 33% no LTV dos usuários que ativam a sequência, além de reduzir o CAC efetivo via menor necessidade de reativação paga.

Projeto 3. RD Station

SaaS B2B · Automação de marketing

Etapa do funil: Aquisição orgânica → CAC

Contexto e objetivo

O RD Station é a maior plataforma de automação de marketing do Brasil, com forte presença no segmento de PMEs. O canal orgânico (SEO + blog) é historicamente o maior driver de aquisição da empresa e o RD Station Marketing Blog é referência nacional em marketing digital.

O objetivo foi identificar oportunidades de SEO que aumentem o tráfego orgânico qualificado para páginas de conversão (trial e demo), reduzindo o CAC de leads inbound em 15% no prazo de 6 meses.

Auditoria técnica: principais achados

Na auditoria técnica, identificou-se que a velocidade de carregamento tinha Core Web Vitals com LCP superior a 3 segundos em mobile, sendo recomendada otimização de imagens e lazy loading em artigos longos. A estrutura de URLs estava consistente com padrão /blog/[slug], sugerindo manutenção. Cerca de 23% das páginas de produto estavam sem meta description, com recomendação de criar template para todas as landing pages. A hierarquia de headings tinha H1 único em 95% das páginas, e recomendou-se padronizar H2/H3 para featured snippets. O internal linking estava concentrado nas 10 páginas mais visitadas, sugerindo distribuição de equity para páginas de conversão via links contextuais. O mobile friendliness estava aprovado, com recomendação de monitoramento trimestral.

Pesquisa de palavras-chave: clusters estratégicos

A estratégia de keywords foi organizada em três clusters baseados na jornada do buyer persona.

• No Cluster 1, Topo de Funil (Awareness), as palavras-chave foram "o que é automação de marketing" (volume 2.400, dificuldade média, intenção informacional), "como fazer marketing digital para pequena empresa" (volume 1.900, média, informacional) e "diferença entre CRM e automação de marketing" (volume 880, baixa, comparativa).

• No Cluster 2, Meio de Funil (Consideração), estavam "melhor ferramenta de automação de marketing" (volume 1.200, alta, comparativa), "rd station vs hubspot" (volume 720, média, comparativa com alta conversão) e "automação de marketing para e-commerce" (volume 590, baixa, específica).

• No Cluster 3, Fundo de Funil (Conversão), as palavras foram "rd station preço" (volume 1.100, baixa, transacional), "rd station trial grátis" (volume 390, muito baixa, transacional direto) e "plataforma de email marketing com crm" (volume 480, baixa, transacional).

Estratégia de conteúdo por cluster

Para o Cluster 1, a recomendação foi artigos longos (2.000+ palavras) com estrutura FAQ, favorecendo featured snippets e aumentando tempo na página.

Para o Cluster 2, páginas de comparação com tabela estruturada, respondendo diretamente à intenção comparativa.

Para o Cluster 3, landing pages com copy orientado à objeção principal ("Quanto custa? Posso testar antes?"), reduzindo fricção de conversão no fundo do funil.

Hipótese de growth

A hipótese foi: se as páginas de comparação (Cluster 2) forem otimizadas com copy que responde diretamente à objeção "por que RD Station e não HubSpot?", a taxa de conversão dessas páginas para trial vai crescer, porque o visitante em estágio de consideração precisa de argumento diferencial, não de descrição de funcionalidades.

Impacto esperado

O impacto esperado era aumento de 35% no tráfego orgânico em 6 meses, redução de 15% no CAC de leads inbound, e ROI 3 vezes maior em comparação à mídia paga equivalente.

Projeto 4. Hotmart

Plataforma de produtos digitais

Etapa do funil: Ativação + Retenção → LTV

Contexto e objetivo

A Hotmart é a maior plataforma de cursos e produtos digitais da América Latina. O modelo de negócio depende da retenção de produtores (criadores de conteúdo), ou seja, quanto mais um produtor vende na plataforma, maior a receita da Hotmart via taxa de transação. O maior gargalo é a ativação: muitos produtores se cadastram, criam um produto, mas nunca chegam à primeira venda.

Buyer Persona: Renata, 34 anos

Renata é professora ou especialista em uma área específica, com renda média, que quer monetizar seu conhecimento. Sua motivação é independência financeira e o desejo de impactar mais pessoas. Sua dor é não saber por onde começar, ela sente que precisa ser "grande" antes de vender. Sua objeção central é: "Quem vai comprar de mim? Ainda sou iniciante." O momento aha para ela é a primeira venda, qualquer que seja o valor, porque prova que o modelo funciona. Seu comportamento é acompanhar outros criadores e consumir conteúdo sobre infoprodutos no YouTube e Instagram.

Estratégia de segmentação

A sequência foi desenhada para produtores que criaram um produto mas ainda não realizaram a primeira venda, segmento identificado pelo comportamento na plataforma (produto criado + 0 vendas + cadastro há menos de 30 dias). O critério de disparo é comportamental, não temporal.

Sequência de 3 e-mails: Creative Briefs

O E-mail 1, disparado no Dia 3 após criação do produto, teve como objetivo reativar o produtor. Os assuntos testados foram A) "Você criou o produto. Falta só uma coisa." e B) "Renata, seu produto está esperando por você". O ângulo narrativo foi normalizar o medo do início. "Todo produtor que hoje vende 6 dígitos teve um primeiro produto que ninguém viu". O CTA era "Ver os 3 passos para sua primeira venda", com metas de open rate de 38% e CTR de 12%.

O E-mail 2, disparado no Dia 7 (se não houve venda), entregou um recurso concreto: um checklist de 5 pontos para validar o produto antes de lançar, baseado em dados de produtores que venderam na primeira semana. Os assuntos testados foram A) "O checklist que os produtores top usam antes do primeiro lançamento" e B) "Antes de lançar, veja isto (3 minutos de leitura)". O CTA era "Baixar o checklist + agendar mentoria gratuita de lançamento", com metas de CTOR superior a 25% e taxa de download superior a 40% dos cliques.

O E-mail 3, disparado no Dia 14 (se não houve venda), teve como objetivo converter com prova de resultado real. O assunto testado foi "Ela vendeu R$ 847 na primeira semana. Veja como." O ângulo narrativo foi um case de produtor com perfil similar à Renata que realizou a primeira venda, com foco no processo (não no valor) para não criar expectativa irreal. O CTA era "Quero minha primeira venda: falar com especialista Hotmart", com metas de open rate de 28% e taxa de conversão (agendamento) superior a 5%.

Calendário de envio

O E-mail 1 teve planejamento no Dia 1, teste no Dia 2, envio no Dia 3 e análise no Dia 5. O E-mail 2 teve planejamento no Dia 4, teste no Dia 5, envio no Dia 7 e análise no Dia 9. O E-mail 3 teve planejamento no Dia 11, teste no Dia 12, envio no Dia 14 e análise no Dia 16.

Métricas e análise de resultados

As métricas definidas foram:

• Open Rate (e-mails abertos / e-mails entregues) com metas de 38% para E1, 32% para E2 e 28% para E3;

• CTR (cliques no CTA / e-mails entregues) com metas de 12% para E1, 9% para E2 e 7% para E3;

• CTOR (cliques / abertos) com meta geral superior a 25%;

• Taxa de ativação (produtores com 1ª venda em 60 dias / total da coorte) com meta de +30% sobre baseline e;

• ROI da sequência (receita gerada via taxa Hotmart / custo da automação) com meta superior a 8x.

Hipótese de growth

A hipótese central foi: se o e-mail 1 usar o ângulo de normalização do medo ("todo grande produtor começou sem audiência") em vez de instrução técnica ("veja como configurar sua página de vendas"), o open rate vai crescer, porque a objeção central da Renata é emocional, não técnica: ela sabe o que fazer, mas tem medo de fazer.

Impacto esperado

O impacto esperado foi um aumento de 30% na ativação (produtores com primeira venda em 60 dias), retenção 4 vezes maior para quem vende, e cada produtor retido por mais 6 meses gerando, em média, R$ 1.200 em taxas adicionais para a Hotmart, com ROI da sequência estimado entre 8 e 12 vezes sobre o custo de automação.

Síntese dos projetos

Os quatro projetos compartilham o mesmo padrão metodológico: nenhuma ação foi definida antes de um diagnóstico claro da etapa do funil onde o maior atrito existe.

Em cada caso, o ponto de partida foi sempre o mesmo: mergulhar nos dados para responder "onde estamos perdendo mais valor?", e só depois desenhar hipóteses, priorizar com framework ICE, executar experimentos e medir impacto com significância estatística.

No Nubank, o diagnóstico mostrou que o segmento 35–55 era sub-representado por uma comunicação que não respondia às objeções reais daquele público. A solução envolveu redefinição de persona, escolha de canais (YouTube, LinkedIn, WhatsApp) e ajuste de copy, mas tudo ancorado em KPIs de negócio (CAC, ativação, ticket médio).

No iFood, o diagnóstico revelou que o maior vazamento não estava em aquisição, e sim na retenção pós-ativação. A solução foi uma combinação de análise de coortes, segmentação comportamental e automação de e-mail, mas o objetivo final era aumentar LTV e frequência de pedidos.

No RD Station, o gargalo era tráfego orgânico com baixa intenção de compra. A solução envolveu auditoria técnica, clusterização de palavras-chave por jornada e otimização de conteúdo, tudo para reduzir CAC e gerar leads qualificados.

Na Hotmart, o problema era a ativação de produtores que criavam produtos mas não chegavam à primeira venda. A solução foi uma sequência de e-mail por gatilho comportamental, com copy desenhada para responder à objeção emocional, mas o impacto real foi medido em taxa de ativação, retenção e LTV adicional.

O que esses casos têm em comum é o método

Em todos eles, a pergunta que guiou o trabalho foi: "Qual é o maior atrito no funil: e qual experimento pode reduzi-lo?"

Perceba que o copywriting, seja de anúncio, e-mail, landing page ou conteúdo orgânico, entrou como uma das variáveis testadas, não como o centro da estratégia, embora seja a minha especialidade. Tratá-lo como instrumento financeiro significa apenas que ele não é arte pela arte: elae precisa gerar conversão, reter clientes e impactar o P&L.

E isso vale para cada decisão que eu tomo: canal, frequência, segmentação, preço, onboarding, automação, handoff com vendas. Tudo é testado, medido e documentado.

Esse é o verdadeiro diferencial de um estrategista de growth, e é o que eu entrego em cada projeto.