Voltar para todos os modelos
Estratégia de pricing e pesquisa de cliente

Modelo de Pesquisa de Feedback de Preço

Capture percepção de pricing de clientes e usuários existentes — rating de valor, plano atual, willingness to pay mais, conjunto de features que justifica pricing mais alto e posição competitiva. O input estruturado que seu comitê de pricing usa para a revisão trimestral que seu CEO vem adiando.

Grátis — incluso em todos os planos

Modelo de Pesquisa de Feedback de Preço

Pré-visualização ao vivo — teste os campos.

Nenhum campo para exibir.

Para quem é este modelo

Pricing é a variável de maior alavancagem em SaaS B2B — uma melhoria de 1 % em preço direciona aproximadamente 11 % mais lucro, vs. 1 % de melhoria em retenção (7 %) ou aquisição de novos clientes (3 %). E ainda assim a maioria das empresas SaaS deixa pricing no piloto automático por anos, porque mudar pricing dá medo e 'não temos dados'. Este modelo estrutura o input de pricing do lado-cliente — rating de valor em Likert de 5 pontos (o sinal mais direto de se o pricing é apropriado ou off-target), faixa de plano atual (qual tier de plano o respondente está — Free / Starter / Pro / Enterprise), willingness to pay mais (Sim / Depende das features / Não, onde a resposta 'Depende' é a resposta mais acionável porque diz o que você precisaria adicionar para capturar mais receita), texto livre sobre quais features justificariam um preço mais alto (o input qualitativo para reposicionamento de página de pricing), e rating de posicionamento competitivo (Muito mais barato / Um pouco mais barato / Mais ou menos igual / Um pouco mais caro / Muito mais caro — ancorado contra as alternativas que o cliente avaliou). É o input estruturado que seu comitê de pricing usa para a revisão trimestral de pricing que seu CEO vem adiando porque ninguém tem os dados, não o e-mail freeform 'o que você acha do nosso pricing?' que produz respostas inúteis. Usado por times de product marketing SaaS B2B, consultores de estratégia de pricing (Simon-Kucher, ProfitWell agora parte do Paddle, Price Intelligently by ProfitWell), e qualquer negócio de assinatura se preparando para uma mudança de pricing, restruturação de tier de plano ou revisão anual de pricing.

De pergunta de pricing a pesquisa pronta para o comitê em uma pesquisa estruturada

A pesquisa é enviada para um segmento amostrado de clientes existentes (tipicamente com uma amostra estratificada através de tiers de plano, tempo de casa e faixas de ARR para evitar viés de pesquisa) via e-mail ou trigger de pesquisa in-product. O campo de e-mail captura a identidade do respondente (tipicamente com um opt-out para respostas anônimas se a questão de pricing é politicamente sensível). O rating de valor em Likert de 5 pontos ('O pricing atual provê bom valor' — de Concordo Totalmente a Discordo Totalmente) é a métrica principal — o percentual de clientes em 'Concordo' ou 'Concordo Totalmente' é a métrica de aceitação de pricing que o comitê de pricing rastreia trimestre a trimestre. O plano atual (Free, Starter, Pro, Enterprise — ou seus nomes equivalentes de tier de plano) permite à análise segmentar as respostas por plano, que é onde vivem os insights acionáveis: 'clientes Pro avaliam valor 4,2 média mas clientes Starter avaliam 2,8' diz que o plano Starter está mal-precificado ou sub-featureado, não que o pricing em geral é o problema. Willingness to pay mais (Sim / Depende das features / Não) é o sinal de captura-de-upside — a resposta 'Depende das features' é a mais acionável porque diz o que você precisaria adicionar para capturar mais receita deste cliente. O texto livre 'quais features justificariam um preço mais alto' captura o input qualitativo que direciona o reposicionamento de página de pricing — os padrões nas respostas (ex.: 60 % mencionam SSO, 40 % mencionam acesso à API, 30 % mencionam SLA) viram a base para decisões de construção de novo tier de plano ou bundling de features. O posicionamento competitivo (Muito mais barato / Um pouco mais barato / Mais ou menos igual / Um pouco mais caro / Muito mais caro) ancora a percepção de pricing contra as alternativas que o cliente avaliou — 'Mais ou menos igual' é o estado-alvo, 'Muito mais caro' é um risco de churn, 'Muito mais barato' é oportunidade de captura de valor (você está deixando dinheiro na mesa). Ao enviar, as respostas alimentam o dashboard do comitê de pricing com as tendências agregadas, segmentação por plano, análise de willingness-to-pay e ranking de prioridade de features. Os padrões sobre 200-500 respostas informam a revisão trimestral de pricing e a eventual decisão de mudança de pricing.

O que está incluído

Cada campo existe porque algum time de product marketing ou pricing se queimou pela sua ausência — geralmente na revisão trimestral onde o time percebe que não tem dados do lado-cliente sobre willingness to pay, ou no post-mortem da mudança de pricing onde o spike inesperado de churn rastreia de volta para um sinal óbvio (clientes no plano Pro dizendo que pricing era 'um pouco mais caro') que ninguém tinha capturado.

Negócios de assinatura que usam pesquisas de feedback de pricing

  • SaaS B2B se preparando para uma mudança de pricing

    Empresas SaaS considerando um aumento de preço (o cenário mais comum — a maioria das empresas SaaS está sub-precificada por 2-3 anos antes de se ajustar), uma restruturação de tier de plano (consolidar 5 tiers em 3 ou vice-versa), ou uma mudança de modelo de pricing (per-seat para usage-based, ou flat-rate para value-based). A pesquisa provê os dados do lado-cliente que o comitê de pricing precisa para tomar a decisão. Casa naturalmente com o Van Westendorp Price Sensitivity Meter (que pergunta 4 perguntas-âncora específicas a quais preços o produto vira 'barato demais, barato, caro, caro demais') e Gabor-Granger (que pergunta ao cliente sua willingness to pay em pontos de preço específicos) — esta pesquisa complementa essas metodologias com o input qualitativo.

  • SaaS PLG analisando conversão free-to-paid

    SaaS product-led growth (Notion, Linear, Figma, Postman, Retool, Cal.com, PostHog, dbt) onde a pergunta não é 'devemos mudar o preço headline?' mas 'o que converteria os usuários free para paid?'. A pesquisa de usuários do plano Free captura sua percepção de valor, willingness to pay, e as features pelas quais pagariam — que é o input que o time de produto usa para identificar a decisão de feature-gating para o tier Pro. Os padrões são diferentes do pricing research de clientes-pagos — usuários free frequentemente estão dispostos a pagar por features que não usaram, que o time de pricing precisa descontar.

  • Produtos de assinatura de consumidor e marcas DTC

    Produtos de assinatura de consumidor (Calm, Headspace, Spotify, tiers de assinatura da Netflix, Audible, Skillshare, MasterClass, Babbel, Duolingo Plus) e marcas DTC de assinatura (Dollar Shave Club, Birchbox, HelloFresh, BarkBox, Wine Brasil, Globoplay, Telecine, Amazon Music Brasil) rodando revisões anuais de pricing. A pesquisa captura a percepção de pricing do lado-consumidor através de tier (tipicamente Free trial / Mensal / Anual / Plano Família) e o posicionamento competitivo contra as alternativas. Mudanças de pricing em assinatura de consumidor são públicas e visíveis (aumentos de preço da Netflix e Disney+ geram ciclos de notícias), então os dados precisam ser robustos antes do anúncio.

  • Empresas open source dual-license e open core

    Empresas open source rodando modelos dual-license ou open-core (Elastic, MongoDB, HashiCorp, GitLab, Sentry, PostHog, Cal.com, n8n, Supabase, Strapi) onde a pergunta é 'quais features deveriam ser pagas vs. grátis?'. A pesquisa de usuários open-source self-hospedados captura a willingness to pay, prioridades de features, e a percepção do valor do tier pago. Os padrões informam a decisão da fronteira open-core — quais features ficam open-source e quais features migram para pago — que é uma das decisões de maior stakes no modelo de negócio open-core (Redis Labs, MongoDB, Elastic todas enfrentaram backlash quando moveram features atrás de licenças pagas).

  • Pesquisa de pricing SaaS brasileiro

    SaaS B2B brasileiro (RD Station, Conta Azul, Pipefy, Vindi, Hotmart Business, Bling, Tray, Nuvemshop, ContaSimples, Omie, Sankhya, TOTVS) enfrentando a realidade única de pricing brasileiro onde o pricing SaaS em BRL (Reais) é frequentemente substancialmente menor que o equivalente USD (tipicamente 30-50 % de desconto vs. o headline em dólar) devido a PPP (paridade de poder de compra), volatilidade USD/BRL, e expectativas do buyer brasileiro. A pesquisa captura a percepção de valor no contexto brasileiro, a willingness to pay em termos BRL, e o posicionamento competitivo contra o ecossistema SaaS local (Resultados Digitais, Hotmart, Conta Azul, Pipefy) em vez da comparação US.

  • Estratégia de pricing UE e SaaS espanhol

    SaaS espanhol e europeu enfrentando a pergunta de pricing específica da UE de como precificar através da UE (que é um mercado para IVA mas múltiplos mercados para poder de compra — Alemanha / França / Espanha / Itália / Polônia têm expectativas significativamente diferentes de pricing SaaS). A pesquisa captura a percepção de pricing por país e informa a estratégia de pricing geográfico (preço único UE vs. pricing específico por país vs. pricing geo em tiers). Ferramentas comumente usadas por SaaS europeu para pesquisa de pricing: Typeform (construído em espanhol, usado mundialmente), Survicate, Refiner, Sprig, Hotjar Feedback.

Adapte à sua metodologia de pricing

Cada revisão de pricing tem suas próprias perguntas específicas. Configure a escala Likert para combinar com a escala preferida do seu time (5-pontos ou 7-pontos são as mais comuns; 5-pontos é mais interpretável, 7-pontos captura mais nuance). Configure o campo de plan-tier com seus nomes reais de plano — a maioria de SaaS usa Free / Starter / Pro / Enterprise; alguns usam Hobby / Pro / Team / Business / Enterprise; empresas PLG frequentemente usam Free / Pro / Team; assinaturas de consumidor usam Free trial / Mensal / Anual / Família. Adicione o campo de tempo de casa (meses como cliente) — a percepção de pricing muda significativamente ao longo do ciclo de vida do cliente, com clientes novos sendo mais sensíveis a preço que clientes antigos. Adicione o campo de porte da empresa ou faixa de ARR para SaaS B2B — a willingness to pay correlaciona com porte da empresa, e segmentar por faixa de ARR revela o segmento de cliente sub-monetizado. Adicione o bloco de quatro perguntas Van Westendorp se você está rodando pricing research formal: 'A que preço o produto seria caro demais (você não consideraria comprar)?', 'A que preço o produto estaria precificado tão baixo que você questionaria a qualidade?', 'A que preço o produto seria caro mas você ainda consideraria comprar?', 'A que preço o produto seria uma pechincha?'. As quatro respostas produzem o chart de Price Sensitivity Meter que estrategistas de pricing usam para identificar a faixa ótima de preço. Adicione as perguntas de price-ladder Gabor-Granger se você está rodando pricing-elasticity research formal: 'Você pagaria R$ X por mês pelo produto?' iterando para cima ou para baixo conforme a resposta. Configure o roteamento — respostas de enterprise de alto valor vão para o comitê de pricing diretamente; respostas de tier-baixo agregam para o dashboard; respostas 'muito mais caro' roteiam para a fila de retenção do customer success (esses são clientes de risco de churn). Para SaaS brasileiro, configure a referência de pricing BRL e capture a sensibilidade-à-taxa-de-câmbio se você fatura em USD. Para SaaS europeu, configure a referência de pricing específica por país e capture a percepção IVA-incluído vs IVA-excluído (clientes B2B pensam em preço líquido; B2C em preço bruto).

Perguntas frequentes sobre feedback de pricing

Van Westendorp e Gabor-Granger são metodologias formais de pricing-research que produzem outputs quantitativos específicos. Van Westendorp pergunta quatro perguntas-âncora (barato demais, barato, caro, caro demais) e plota as curvas de interseção para identificar o 'ponto ótimo de preço' e a 'faixa de preços aceitáveis'. Gabor-Granger pergunta a willingness to pay do respondente em pontos de preço específicos iterativamente, produzindo uma curva de demanda. Ambos são bem-validados para pricing research quantitativo mas exigem uma metodologia estruturada para executar corretamente. Esta pesquisa é o complemento qualitativo — captura o porquê por trás da willingness to pay, as prioridades de features que direcionam a percepção de valor, e o posicionamento competitivo que ancora a percepção. A maioria dos programas de pricing research roda os três: Van Westendorp para o anclaje quantitativo de faixa-de-preço, Gabor-Granger para o ajuste de curva-de-demanda, e este tipo de pesquisa para o input qualitativo que informa as decisões de messaging e bundling de features. Ferramentas usadas: ProfitWell Recur (pricing research formal com tanto Van Westendorp quanto Gabor-Granger embutidos, agora parte do Paddle), Simon-Kucher (firma consultora para pricing research de alto stakes), Pricing.com (oferta mais nova), e ferramentas de form standalone como esta para a camada qualitativa.
Ambos os modos têm valor e a resposta certa depende do que você está tentando aprender. Modo anônimo (sem e-mail capturado, ou e-mail capturado mas stripeado antes da análise) produz respostas mais cândidas — clientes estão mais dispostos a admitir 'acho seu pricing caro demais' quando não estão preocupados em receber uma call de follow-up de vendas. Modo atribuível permite ao time de customer success rotear respostas de baixa-percepção-de-valor para outreach de retenção, que é o movimento certo se você está rodando pricing research como exercício de prevenção de churn. O compromisso que a maioria dos times de product marketing usa: capturar e-mail mas separar a análise do roteamento de customer-success. O dashboard de análise vê tendências agregadas sem atribuição individual; o time de customer success recebe um alerta separado para respostas 'muito mais caro' ou 'Discordo Totalmente' com o e-mail para outreach de retenção. Isso respeita a expectativa do cliente de que a pesquisa é confidencial enquanto permite à org agir sobre as respostas individuais de alto sinal.
Estatisticamente, 200-500 respostas através de uma amostra representativa da sua base de clientes é o limiar típico para análise confiável por-plano e por-segmento. Abaixo de 100 respostas, a segmentação por-plano é ruidosa demais para tirar conclusões (o tier Enterprise pode ter só 10-20 clientes respondendo, que não é suficiente). Para métricas headline gerais (o percentual que avalia valor 'Concordo' ou 'Concordo Totalmente'), até 50-100 respostas dá uma leitura direcional. Para SaaS B2B com menos de 100 clientes totais (early-stage), a pesquisa é mais sobre identificar sinais outlier do que inferência estatística — até 20 respostas com 5 'Discordo Totalmente' em valor é um sinal significativo que vale investigar. A outra dimensão a observar: viés de resposta. Os clientes que respondem são tipicamente mais engajados que a média, o que significa que a pesquisa sobre-representa clientes satisfeitos. Ajuste a interpretação de acordo — a base real de clientes está provavelmente menos satisfeita do que a pesquisa sugere. Para decisões de pricing especificamente, pondere as respostas por ARR (a willingness to pay de clientes high-ARR importa mais que a de clientes low-ARR) para evitar a decisão 'matematicamente correta mas comercialmente errada'.
Ao enviar, o fluxo pode atualizar o registro de cliente na sua plataforma de customer success com os dados de percepção de pricing anexados. Para Gainsight, ChurnZero, Catalyst, Vitally (plataformas de customer success), as respostas alimentam o score de saúde do cliente com percepção de pricing como fator contribuinte — clientes com baixa percepção de valor ou ratings 'muito mais caro' são sinalizados como risco de churn e roteados para o playbook CSM apropriado. Para Amplitude, Mixpanel, Heap, PostHog (analytics de produto), a resposta é anexada como propriedade de usuário para que o comportamento subsequente do produto possa ser analisado em contexto (clientes que disseram 'muito mais caro' realmente usam o produto menos, o que confirmaria o risco de churn?). Para ProfitWell agora Paddle (analytics de assinatura especificamente), os dados da pesquisa alimentam o dashboard de pricing com o complemento qualitativo às analytics quantitativas de MRR e churn. Para Salesforce, HubSpot, Pipedrive, RD Station CRM, Holded (CRM), a resposta é anexada ao registro de contato ou conta. Para Stripe, Chargebee, Recurly, Vindi (brasileira), Iugu, Asaas (brasileira) — as plataformas de billing de assinatura — a resposta pode ser cruzada com o uso real do cliente e o comportamento de renovação. Os padrões sobre 6-12 meses informam a eventual decisão de mudança de pricing com tanto dados quantitativos de uso quanto dados qualitativos de percepção do cliente.
Os cinco erros mais comuns: (1) Pesquisar apenas os clientes barulhentos — os respondentes auto-selecionam em clientes que se importam o suficiente para responder, o que enviesa os dados para usuários engajados e longe de clientes silenciosos em risco; mitigação: triggers de pesquisa in-product através da base de usuários em vez de só-e-mail. (2) Perguntar 'você acha que devemos subir os preços?' — clientes sempre dirão não a preços mais altos, então a pergunta é inútil; o frame correto é 'você pagaria mais por X feature?' que captura o link valor-feature. (3) Rodar a pesquisa uma vez e nunca mais — a percepção de pricing migra com o tempo conforme a competição muda e gaps de features emergem, então a pesquisa deveria ser trimestral ou no mínimo anual. (4) Ignorar a segmentação — a avaliação de valor média é enganosa se clientes Pro avaliam 4,5 e clientes Starter avaliam 2,0; os dados segmentados é onde vive o sinal acionável. (5) Agir sobre o input qualitativo sem cross-check quantitativo — se 30 % dos respondentes dizem 'pagaria mais por SSO', isso é um sinal forte mas não prova; o time de pricing deveria rodar um estudo Van Westendorp ou Gabor-Granger sobre a feature SSO especificamente antes de precificá-la. O input qualitativo identifica a hipótese; a metodologia quantitativa a testa. Empresas que pulam a etapa de teste acabam com mudanças de pricing que funcionam em teoria mas produzem churn inesperado na prática.

Modelos relacionados

Modelo grátis de pesquisa de product-market fit

A pesquisa clássica de PMF de Sean Ellis: "como você se sentiria se não pudesse mais usar este produto?". Mais as perguntas de ICP, benefício e roadmap.

Ver modelo

Formulário de feature request — capture problema, não só solução

Modelo de formulário de feature request com framing de problema-não-feature, captura de workaround atual, e integração direta com Canny, Featurebase

Ver modelo

Pesquisa de onboarding de usuário — personalize ativação e segmente novo signup

Modelo de pesquisa de onboarding online pra SaaS, app de consumidor, ferramenta de dev e marketplace.

Ver modelo

Pronto para criar formulários que trabalham por você?

Crie seu primeiro formulário em minutos. Suas respostas vão agradecer.

Seja um dos primeirosAcesso antecipado limitadoConfigura em 2 minutos