Caso Jobs-to-Be-Done (JTBD): como um fabricante de alimentos aumentou giro e reduziu devoluções em 12 semanas

Setor: Alimentos saudáveis (B2B2C)
Escopo: Diagnóstico JTBD → priorização de outcomes → protótipo de solução → piloto em loja → rollout
Status: Nomes e números suavizados por confidencialidade; método e ordem das decisões fiéis ao projeto.

1) Contexto de negócio

O fabricante tinha bom portfólio, mas baixo giro de SKUs novos e devoluções altas no canal supermercadista. A área comercial apostava em personas (“millennials fitness”) e “benchmarks de mercado”. Mesmo com P&D ativo, os lançamentos perdiam espaço na gôndola em 60–90 dias.

Hipótese central: não era “falta de marketing”, e sim falta de aderência ao “trabalho” real que o shopper e o comprador do varejo tentam resolver quando escolhem (ou deixam de escolher) um snack saudável.

2) Job primário e micro-jobs (descoberta)

Conduzimos 12 entrevistas contextuais (loja, ride-alongs com promotores e calls com compradores). Em JTBD, mapeamos situação → motivação → resultado:

• Shopper (consumo no intervalo):
  Quando preciso de algo rápido entre reuniões/treino, quero um snack que sustente por ~3 horas sem “peso”, para manter foco até a próxima refeição.

• Comprador da rede (B2B):
  Quando seleciono um novo SKU, quero certeza de giro estável e baixo risco de ruptura/devolução, para proteger margem e espaço linear.

Outcomes (resultados desejados) priorizados

Usamos um questionário de Importância (1–5) e Satisfação (1–5) (abordagem ODI), calculando o Opportunity Score (OS ≈ Importância + (Importância − Satisfação)). Top 5:

1. “Sentir saciedade por ~3h” — I: 4,7 | S: 2,3 → OS: 7,1

2. “Ver a informação de proteína/energia em 2s” — I: 4,6 | S: 2,1 → OS: 7,1

3. “Evitar sensação de peso” — I: 4,4 | S: 2,2 → OS: 6,6

4. “Preço percebido como ‘justo por benefício’” — I: 4,5 | S: 2,6 → OS: 6,4

5. “Previsibilidade de giro para o comprador” — I: 4,8 | S: 3,0 → OS: 6,6

Insight-chave: o “sabor” já era competitivo; o déficit estava na promessa de “saciedade sem peso” + legibilidade instantânea + previsibilidade de giro para o B2B.

3) Do insight à solução (JTBD + TRIZ enxuto)

Com base nos outcomes:

1. Formulação/porção (P&D)

   • Ajuste para 35 g com ~12 g de proteína e fibras solúveis → atinge o “3h de saciedade” reportado nos testes de uso.

   • TRIZ (contradição físico/organoléptica): manter textura leve e alto teor proteico → combinação de proteínas vegetais de diferentes granulometrias + processo de aeração controlada.

2. Embalagem e sinalização

   • Frente limpa com 3 dados “varríveis em 2 s”: 12 g proteína | 170 kcal | ~3h saciedade.

   • Data de validade frontal (prioridade do comprador) e QR de previsão de giro (mini dashboard de sell-out por loja).

3. Proposta comercial para o comprador

   • Piloto consignado de 8 semanas em 40 lojas (4 clusters de perfil).

   • Display vertical otimizado para “pegar e sair” (zona de trânsito rápido).

   • Faixa de preço A/B (R$ 9,90 vs. R$ 11,90) com régua de margem mínima por cluster.

4. Métricas de sucesso (antes de lançar)

   • Giro: +20% vs. baseline da categoria.

   • Devoluções: −20% vs. média de lançamentos anteriores.

   • Margem: +2 p.p. no canal piloto.

   • Tempo de leitura (eye-tracking simples): ≤ 2 s para captar os 3 dados-chave.

4) Piloto de 12 semanas (execução)

• Semanas 1–2: treinamento do time de trade, ajuste de planograma, colocação dos displays.

• Semanas 3–10: acompanhamento semanal (sell-out, ruptura, comentários de shopper), micro iterações (cor do “3h”, posição do QR).

• Semanas 11–12: consolidação de dados + retro com compradores e promotores.

Instrumentos: painel leve com dados de PDV, formulário de promotor (2 min), pesquisa de corredor via QR (N=238 respostas).

5) Resultados

Comparado ao baseline da categoria e a lançamentos anteriores do cliente:

• Giro médio: +32% nas 40 lojas piloto.

• Devoluções: −28% na janela de 90 dias.

• Margem do canal: +2,7 p.p. (efeito combinado de preço ótimo + menor quebra).

• Tempo de leitura na gôndola: mediana 1,7 s para captar “12 g/170 kcal/3h”.

• Adoção de lojas: 40/40 mantiveram SKU; 26 expandiram para checkout secundário.

O comprador resumiu bem: “Previsibilidade de giro + história simples de benefício facilitaram a defesa do espaço linear”.

6) Por que funcionou (essência JTBD)

1. Job explícito, não persona: o shopper queria prosseguir o dia com foco, não “um snack fitness”.

2. Outcome mensurável: “saciedade por ~3h sem peso” virou promessa comprovável (formulação + teste de uso).

3. Sinalização para leitura instantânea: a página do produto na gôndola precisa “resolver o job” em 2 s.

4. Job do comprador respeitado**:** previsibilidade de giro e redução de risco operacional.

5. Piloto com “porta de saída”: consignado e metas claras reduziram atrito na adesão.

7) Playbook replicável (5 passos)

1. Defina o job com contexto: Quando [situação], quero [progresso], para [resultado].

2. Mapeie outcomes e priorize (Importância × Satisfação → Opportunity Score).

3. Prototipe a solução mínima que entrega os outcomes top 3 e se comunica em 2 s.

4. Desenhe o piloto com métrica-guia (giro, devolução, margem, tempo de leitura).

5. Itere em ciclo curto e só então escale.

8) Como a Disruplab encaixa

• Diagnóstico JTBD (entrevistas/contexto + ODI).

• Cocriação de solução (JTBD + TRIZ enxuto para resolver contradições produto/experiência).

• Piloto orientado a métricas (dash leve, decisões semanais).

• Playbook de rollout (o que manter, o que adaptar por cluster de loja).

9) “Ficha técnica” do case (modelo de registro)

• Job primário (shopper): “saciar por ~3h sem peso para manter foco entre refeições.”

• Job do comprador: “prever giro e reduzir risco de devolução.”

• Top outcomes: saciedade validada; leitura em 2 s; giro previsível.

• Solução núcleo: formulação + front de embalagem + política comercial de baixo risco.

• KPIs do piloto: giro, devolução, margem, tempo de leitura, adesão de loja.

• Resultado: +32% giro, −28% devolução, +2,7 p.p. margem em 12 semanas.