A conta que sustenta o gasto quando o produto queima token

A decisão que este capítulo destrava

Qual conta você mostra na reunião de segunda para pedir mais orçamento de mídia, e qual conta você usa em silêncio para decidir se o pedido faz sentido. Em produto que queima token são duas contas diferentes, e a distância entre elas é exatamente o custo de uso.

A cena, inventada para a didática deste curso. Dani Peixoto abre a planilha na sexta à noite. O plano Obra da Canteiro custa R$ 89 por usuário ao mês e o custo de aquisição fechou o terceiro mês em R$ 143 por primeiro diário publicado. A razão parece boa e ela quase manda o pedido. Uma linha a segura: o custo médio de token por usuário ativo ao mês é de R$ 11, e varia de R$ 2 a R$ 40. Se o dobro de orçamento vier concentrado em quem consome R$ 40, a conta que aprovou o pedido deixa de existir uma semana depois da aprovação.

Errar aqui tem uma característica desagradável: demora a aparecer. Criativo ruim reprova em duas semanas. Conta de unidade errada financia meses de crescimento que parecem saudáveis no painel de receita e só aparecem quando alguém pergunta por que a margem caiu. A essa altura o dinheiro saiu e a coorte já está dentro.

A intuição que você já tem, e o ponto em que ela quebra

Quem já vendeu qualquer coisa carrega esta régua: gastei X para trazer um cliente, ele me paga Y enquanto fica, e Y precisa ser confortavelmente maior que X. Ela quebra num ponto só. Na padaria o custo de servir é conhecido e estável; em software tradicional, servir mais um usuário custa quase nada, e por isso o mercado se acostumou a ler essa razão sobre a receita sem perder muita coisa.

Num produto que chama um modelo de linguagem a cada uso, o custo de servir volta a existir, volta a ser grande e passa a variar por pessoa numa amplitude que nenhuma padaria conhece. Na cena inventada da Canteiro há 20 vezes de diferença no custo mensal entre o usuário mais leve e o mais pesado do plano Obra, pelo mesmo preço. A régua não mudou. Mudou qual número entra no numerador.

Os dois indicadores em jogo se chamam LTV para CAC (valor do cliente ao longo da vida dividido pelo custo de aquisição) e tempo de recuperação do custo de aquisição, ou CAC payback. O primeiro é o que todo mundo cita, o segundo é o que os investidores olham, e este capítulo desmonta um para montar o outro.

De onde veio o alvo de três para um, e a ressalva que sumiu no caminho

A origem tem nome. David Skok, em "Startup Killer: the Cost of Customer Acquisition", escreve o alvo precedido literalmente de "As a very rough rule of thumb here are two guidelines". Ele mesmo rotulou aquilo como regra de bolso grosseira antes de dar o número. A frase seguinte é a que o mercado decorou: "LTV > CAC. (It appears that LTV should be about 3 x CAC for a viable SaaS or other form of recurring revenue model.)" A segunda diretriz, quase sempre esquecida, já apontava para o indicador que fecha este capítulo: "Aim to recover your CAC in < 12 months". Em "SaaS Metrics 2.0" ele reforça: "I should stress that these are only guidelines". A Bessemer repete com a mesma cautela: "As a rule of thumb, CLTV/CAC should be 3x or more".

A a16z reformulou o número, com duas condições que somem na citação

A a16z, em post de Jamie Sullivan e Alex Immerman, usa o mesmo três com duas condições que quase ninguém replica. A primeira fecha o horizonte: "If your customer lifetime value (LTV) is 3 or more times your customer acquisition cost (CAC) within 5 years, that means your company has efficient returns on sales and marketing spend". A segunda troca o numerador inteiro: "we consider LTV as your gross profit (as a proxy for contribution profit) from a customer over time". Lucro bruto, cinco anos. E o escopo declarado desse post é de empresas de consumo listadas em bolsa. Software B2B fica fora dele. Quem cita o três para um numa reunião de B2B usa um número correto fora do recorte em que ele foi publicado.

A fragilidade mora no numerador, e ela tem endereço numérico

O custo de aquisição você mede olhando a fatura: saiu do caixa, está lá. O valor do cliente ao longo da vida você projeta, e projetar vida de cliente é dividir por uma taxa de cancelamento estimada. A SaaS Capital publicou, em 14 de setembro de 2018, o cálculo que encerra a discussão: "the calculated LTV of a customer doubles when the retention rate increases just 3 percentage points from 94% to 97%". Três pontos percentuais dobram o numerador, e numa empresa de dois anos três pontos cabem dentro do erro de medição de um trimestre.

Dois ataques à fórmula, e o que cada um acerta

Jason Cohen, em 2013, fez o ataque mais direto: "When you treat a number as being stable and solid, when in fact it can vary by 2x in a year through normal business activity, you make poor decisions. So for example when you read 'An LTV:CAC ratio of 3:1 is healthy,' if your LTV metric can't be trusted, neither can that formula". Repare que ele não ataca o número três. Ataca confiar numa fórmula cujo numerador se move duas vezes num ano por atividade normal do negócio. Dave Kellogg acrescenta o defeito de tempo: "today's churn rate is a function of yesterday's deals". Você projeta o futuro com o cancelamento de clientes que entraram por um funil que talvez já tenha mudado. A razão segue útil para discutir ordem de grandeza. Sozinha, ela não sustenta uma decisão de dobrar orçamento.

Quando o produto queima token, a razão sobre receita mente

Se o custo de servir é próximo de zero, receita e lucro bruto quase se confundem e ler sobre receita erra pouco. Quando o custo de servir come uma fatia grande e variável da mensalidade, ler sobre receita erra na direção mais perigosa: para cima. A conta parece melhor do que é, e o erro cresce exatamente na coorte que mais usa o produto, que é a que você mais quer trazer.

A leitura correta usa lucro bruto no numerador

As casas de benchmark convergem nisso. A a16z já define assim: "we consider LTV as your gross profit (as a proxy for contribution profit) from a customer over time". A Benchmarkit define o indicador irmão sobre margem bruta de assinatura, na fórmula literal "Sales and Marketing Expenses / (ARR from New Customers x Gross Subscription Margin) x 12". A High Alpha e a OpenView descrevem o mesmo como "Months of subscription gross margin to recover the fully loaded cost of acquiring a customer", e a OpenView lista o erro pelo nome: "Underestimating your true CAC payback. Adjust for gross margin". Na sua planilha isso é concreto: some tudo o que é preciso gastar para entregar o produto a um usuário ao mês, tire da mensalidade e trabalhe com o que sobra. Esse é o dinheiro que paga a aquisição.

O número que todo mundo cita, e a ressalva que quase ninguém lê

Quando alguém afirma numa reunião que produto de IA tem margem bruta menor, a fonte por trás costuma ser uma só: o texto "The New Business of AI (and How It's Different From Traditional Software)", publicado pela a16z em 16 de fevereiro de 2020 e assinado por Martin Casado e Matt Bornstein. A frase é esta: margens brutas de empresas de IA ficam "often in the 50-60% range", bem abaixo do padrão de "60-80%+" de negócios de software comparáveis.

A parte que some na repetição, e que muda o peso do número

Repare em como a frase original começa: com a palavra Anecdotally. E a nota de rodapé do próprio texto declara o método: as estimativas de software tradicional vieram de empresas listadas no publiccomps.com, e as estimativas de empresas de IA vieram de "several interviews with founders of AI startups". Ou seja, a faixa saiu de observação de portfólio apurada por conversa, sem estatística auditada de mercado por trás. A a16z foi honesta ao escrever isso; quem repete o número como benchmark é que estica a fonte. Vale também declarar o interesse: a a16z investe em empresas de IA e em infraestrutura de IA.

Mais dois números do mesmo texto, citados com o escopo trocado

O escopo é tudo. O primeiro: empresas de IA gastam "25% or more of revenue" em recursos de nuvem, e isso soma treino, inferência e tráfego entre regiões, uma cesta bem maior que a inferência isolada. O segundo: até 10% a 15% da receita em limpeza e rotulagem de dados, e a frase cobre dados de treino, deixando de fora o custo de IA em geral. Trocar qualquer um desses escopos produz uma conta que parece rigorosa e descreve outra coisa.

O dado recente, e a armadilha de denominador que vem junto

Existe material mais novo e com amostra declarada. A ICONIQ publicou em janeiro de 2026 o levantamento "2026 State of AI: Bi-Annual Snapshot", com pesquisa feita no quarto trimestre de 2025 junto a cerca de 300 executivos de empresas de software que constroem produtos de IA. A margem bruta média sobre produtos de IA aparece em 41% em 2024, 45% em 2025 e 52% projetados para 2026, sobre 269 respostas. A leitura da própria casa é de melhora conforme o produto escala.

O mesmo material abre a composição do custo do produto de IA por estágio, do pré-lançamento até a escala, sobre 202 respostas: talento cai de 32% para 26%, inferência de modelo sobe de 20% para 23% e infraestrutura de nuvem fica perto de 17%.

A armadilha de denominador, que já circula em texto de terceiro

Repare de onde saem os 23%: os 23% são fatia dos custos do produto de IA, e o denominador deles nunca foi a receita. Quem lê rápido junta esse 23% com os 25% de receita em nuvem da a16z e produz uma frase que soma denominadores diferentes. São duas contas distintas, e a diferença entre elas é da ordem de grandeza do seu resultado. A regra que sai daqui vale para o curso inteiro: percentual sem denominador declarado ainda não é número, é impressão com aparência de número.

A conta refeita, na cena inventada da Canteiro

Todos os números a seguir pertencem a uma operação inventada para a didática. O plano Obra custa R$ 89 por usuário ao mês e a margem bruta declarada é de 62%, o que dá R$ 33,80 de custo de servir e R$ 55,20 de lucro bruto por usuário ao mês, na média. Dani abriu esses R$ 33,80 com engenharia: R$ 11 de token de geração do diário, R$ 12,80 de transcrição, execução dos áudios longos e armazenamento das fotos indexadas, e R$ 10 de suporte alocado em custo de servir.

A média de R$ 11 descreve um usuário que não existe

Os R$ 11 são média, e a distribuição vai de R$ 2 a R$ 40. Quem grava dois diários curtos por semana fica na ponta de baixo; quem grava todo dia, em obra grande, com foto em cada pendência, fica na ponta de cima. Os dois pagam R$ 89. Do lado da aquisição, nem todo primeiro diário publicado vira assinatura paga, e a mediana entre o clique e a assinatura é de 19 dias. Somando o crédito de token do teste gratuito, rateado pela conversão para pago, e o programa de indicação, ela chegou a R$ 179 de custo totalmente carregado por cliente pago, com vida média projetada de 14 meses.

A variância que confunde o algoritmo, e por que isso é problema de mídia

O ponto anterior era contábil. Este é operacional, e Matt Swulinski o coloca no episódio de forma direta: as plataformas não são otimizadas para produto B2B com cobrança por uso, porque a variância de valor entre usuários é enorme. Um cliente vale um contrato anual grande, outro vale quase nada, e o algoritmo recebe os dois com o mesmo rótulo de conversão.

O mecanismo, passo a passo

Você manda um evento chamado "assinou". A plataforma aprende como é quem dispara aquele evento e busca mais gente parecida. Se por trás do mesmo evento existem duas populações economicamente opostas, o modelo aprende uma média que não descreve nenhuma das duas e a otimização passa a trabalhar contra você com eficiência. Na cena inventada da Canteiro isso era literal: um cadastro do plano Obra e um contrato do plano Construtora, que começa em R$ 2.400 ao mês, entravam com o mesmo nome de evento até Dani separar. O que dá para fazer é separar eventos por plano e enviar valor junto com a conversão, usando lucro bruto previsto no lugar da receita. A limitação que ele descreve é observação de operação, sem documentação pública que confirme ou negue.

Os itens de custo que somem, e de quem é a responsabilidade de achá-los

Matt Swulinski nomeia o erro no episódio com uma cobrança que vale copiar inteira: as pessoas acham que o custo é a fatura do fornecedor do modelo e param ali, sem somar a inferência, a plataforma de execução e o resto da infraestrutura que serve o produto.

Na cena inventada da Canteiro o inventário ficou assim. Token de geração do diário. Transcrição do áudio bruto, que é outro modelo e outra fatura. Execução das tarefas longas, porque um diário de obra grande com 40 fotos não cabe numa requisição síncrona. Armazenamento das fotos indexadas, que crescem para sempre porque diário de obra é documento. Ambiente de teste consumindo o mesmo modelo, item que quase ficou de fora porque estava em outro centro de custo. Suporte humano nas primeiras semanas de cada construtora. A solução que ele propõe tem nome de função e é a mais barata do capítulo: alguém do financeiro confere os itens esquecidos. Quem cuida do crescimento monta a conta pelo que aparece nas ferramentas dele; quem cuida das finanças enxerga o plano de contas inteiro e acha a linha no lugar errado.

Custo totalmente carregado: o que é norma publicada e o que é extrapolação razoável

O que está publicado. A a16z, em "16 Startup Metrics", nomeia o defeito: "One common problem with CAC metrics is failing to include all the costs incurred in user acquisition such as referral fees, credits, or discounts". Taxas de indicação, créditos e descontos, com essas palavras. A High Alpha, no relatório de 2025, registra o mesmo do lado de quem responde à pesquisa: "early-stage companies are not always fully accounting for all expenses to acquire customers, which may artificially lower their CAC payback period", e cita salário de fundador alocado em vendas, custo de suporte dentro do custo de serviço e despesas de onboarding. A OpenView acrescenta o caso de produto que cresce pelo próprio uso: "PLG companies also invest in R&D as part of their customer acquisition".

A definição publicada que chega mais perto do seu caso

Existe uma com esse nome exato, e ela vai além das anteriores. Lincoln Murphy, na Sixteen Ventures, em 15 de novembro de 2013, escreve uma seção intitulada "Fully-Loaded CAC Defined" e enumera: inclui tudo o que foi preciso para conseguir aquele cliente, com publicidade, marketing, vendas, o custo de suporte durante o teste gratuito, custos de onboarding, e até o custo de atrair quem nunca virou cliente pagante. O custo de servir o teste gratuito está lá, com todas as letras.

O que continua não estando publicado

Nenhuma dessas fontes escreve a frase "some o crédito de token do teste gratuito ao seu custo de aquisição". A expressão custo totalmente carregado aparece nas definições de payback sem lista fechada de itens. Somar crédito de token é extrapolação razoável de duas âncoras publicadas, porque crédito de token é ao mesmo tempo um crédito concedido, que a a16z manda incluir, e o custo de servir o teste gratuito, que Murphy manda incluir. Escreva assim na planilha e na nota de rodapé: extrapolação defensável de um princípio publicado, sem status de norma de mercado. A formulação de Matt Swulinski para a mesma ideia é a mais memorável: qualquer coisa dada de graça é item de custo de marketing. A consequência é grande em produto de IA, porque teste gratuito que roda modelo custa dinheiro de verdade, e custa mais justamente para quem mais experimenta.

A virada de chave: o indicador que os investidores preferem

Se a razão é frágil no numerador, sobra medir a mesma coisa sem projetar vida de cliente. Tempo de recuperação do custo de aquisição responde a uma pergunta menor e por isso responde bem: quantos meses de lucro bruto devolvem o que você gastou para trazer aquele cliente. Dave Kellogg escreveu a formulação mais limpa do porquê, em 2016: "Payback is all about how long your money is committed (so it can't be used for other projects) and at risk (meaning you might not get it back). Payback doesn't tell you anything about return". A última frase descreve a virtude do indicador: ele mede compromisso e risco de caixa, a variável que decide se você aguenta acelerar. A Bessemer resume: "sales efficiency is capital efficiency".

Os alvos publicados e o que o mercado entrega

Os alvos por segmento, na Bessemer, são explícitos: "For cloud companies selling into SMB-focused accounts, you should target CAC payback <12 months; for mid-market-focused accounts, target <18 months; and for enterprise-focused accounts, target <24 months". A Benchmarkit mede o que o mercado entrega: mediana de 18 meses em 2024, contra 14 em 2023 e 16 em 2022; por valor anual de contrato, oito meses abaixo de US$ 1 mil e 24 meses na faixa de US$ 50 a 100 mil. A High Alpha, com mais de 800 respondentes em 2025, mede cinco meses abaixo de US$ 1 milhão de receita e 20 meses na faixa de US$ 20 a 50 milhões. E a ponte que fecha o argumento, também da High Alpha: retenção líquida acima de 106% somada a recuperação abaixo de dez meses produz crescimento mediano de 71% e Rule of 40 de 47; retenção abaixo de 98% com recuperação acima de 15 meses produz crescimento mediano de 10% e Rule of 40 de 5.

A virada, aplicada à cena inventada da Canteiro

Ela é visível nas duas leituras da mesma coorte. A coorte pesada do plano Obra soa reprovada com 2,0 para um contra o alvo de três; lida em recuperação, devolve o dinheiro em 6,8 meses, abaixo dos 12 meses da Bessemer e da mediana de 18 meses da Benchmarkit. A mesma coorte reprova num indicador e passa com folga no outro, sem que nenhum dos dois esteja errado. E o plano Construtora mostra o outro lado: a partir de R$ 2.400 ao mês, com margem bruta de 58% nesse plano, sobram R$ 1.392 de lucro bruto ao mês, e com custo de aquisição carregado de R$ 9.600 por construtora a recuperação fica em 6,9 meses. Sobre a receita cheia daria quatro meses, e Dani teria acreditado que o contrato grande se paga quase duas vezes mais rápido.

Quatro erros que derrubam a conta

Cada um tem um sintoma que o denuncia antes de a margem cair, e é por isso que dá para procurá-los na planilha de hoje. Deslize os cartões lendo os três campos na mesma ordem: o erro, o sintoma que aparece primeiro e a saída.

Volte à sexta-feira à noite, à planilha aberta

O que segurou o pedido da Dani foi uma linha que ela já tinha e não estava usando: a amplitude de R$ 2 a R$ 40 no custo de token. A média de R$ 11 estava correta, vinha do painel da casa e descrevia um usuário que não existe.

Guarde a divergência que este capítulo mostrou, porque ela volta no curso inteiro. O alvo de três para um é uma regra de bolso que o próprio autor rotulou como grosseira, que a a16z reformulou com horizonte de cinco anos e lucro bruto para empresas de consumo listadas, e que a mediana da Benchmarkit contradiz a partir de US$ 20 milhões de receita, chegando a 2,9 na faixa de US$ 50 a 100 milhões. Nada disso torna o número inútil. Torna ele um ponto de partida com procedência conhecida, que é a única coisa que um número deveria ser.