Senior PM que assume produtos de ponta a ponta com rigor de dados — de construção 0-to-1 a infraestrutura de experimentação e discovery cross-funcional — hoje aplicado a pricing e monetização no maior marketplace de passagens rodoviárias do Brasil.

O problema

O produto de low fare da ClickBus — compra antecipada de lotes de assentos das viações revendidos com tarifas dinâmicas — era relevante mas não escalava: faturamento 100% manual, guardrails de margem em planilha sem integração real-time, desconto fixo sem considerar contexto, gestão de campanhas fragmentada, zero infraestrutura de experimentos e busca respondendo em ~400ms. Cerca de 9% dos assentos comprados venciam sem venda.

O que eu fiz

• Entreguei uma central unificada de gestão de campanhas: busca parametrizada, visão 360° da campanha, ativação em 1 clique via API.
• Construí um simulador & validador de propostas que automatizou a geração de propostas comerciais e a validação financeira pós-negociação — substituindo a dependência de uma ferramenta externa.
• Lancei a precificação dinâmica por ônibus ("desconto inteligente") em arquitetura de 3 camadas desenhada deliberadamente para evoluir de matriz de decisão para ML sem reescrita.
• Automatizei o faturamento de ponta a ponta (baixa de saldo, mark-up, guardrails, over-sale) e migrei os guardrails de margem de planilhas para cálculo real-time em banco.
• Montei a infraestrutura permanente de experimentos (Unleash + Amplitude) e rodei o primeiro teste A/B de incrementabilidade da empresa.

O problema

O fluxo de low fare cancelava historicamente 4–5 pontos percentuais acima do fluxo regular — um vazamento persistente de receita que ninguém havia diagnosticado na raiz.

O que eu fiz

• Rodei minha própria análise de dados (Python, data lake) e identifiquei o mix de portfólio como causa: passagens low fare não tinham o autosserviço de alteração/cancelamento do fluxo regular.
• Redesenhei os fluxos de alteração e cancelamento com suporte a low fare, entregues em duas ondas.
• Medi o impacto com análise contrafactual contra o spread histórico — apresentada em revisão c-level.

O problema

A liderança debatia se o low fare de fato criava demanda ou só canibalizava vendas a preço cheio — sem nenhuma evidência experimental e sem infraestrutura para obtê-la.

O que eu fiz

• Desenhei o experimento de ponta a ponta — 17 rotas de uma grande viação parceira, 8.400+ usuários, bucketing determinístico, critérios de significância pré-definidos.
• Construí a stack permanente de experimentos (Unleash + Amplitude) para que todo teste futuro reutilize a mesma infraestrutura.
• Documentei os resultados como ativo de negociação hoje usado pelo time comercial com as viações.

O problema

Decisões de pricing por canal na ClickBus eram tomadas com visão fragmentada — marketing, estratégia, comercial, produto e engenharia tinham, cada um, uma leitura parcial. O relacionamento com viações parceiras também vivia em silos: comercial negociava estoque, financeiro brigava com processos caso a caso, e ninguém tinha uma leitura unificada da experiência B2B.

O que eu fiz

• Conduzi entrevistas estruturadas com stakeholders de 5 áreas internas (marketing, estratégia, comercial, produto, engenharia) para construir uma estratégia unificada de pricing por canal — em andamento.
• Rodei discovery recorrente com viações parceiras em 3 frentes distintas: negociação de estoque, mapeamento de processos financeiros e desenho de experiência B2B.
• O discovery de negociação de estoque alimentou diretamente o maior acordo de compra de lotes de assentos da história recente da empresa.
• O discovery de processos financeiros revelou os gaps de validação depois formalizados durante a auditoria externa do produto.
• O discovery de experiência B2B levou a liderança da tribo a me convocar para co-desenhar o produto B2B da empresa, o principal objetivo da companhia no ano.

O problema

Um PM, quatro produtos: manter a régua de entrega alta em discovery, specs, GTM e análise de impacto não escala trabalhando mais horas. Reconstruí a forma como o próprio trabalho é feito.

O que eu fiz

• Construí um pipeline de 14 skills próprias em Claude Code cobrindo o ciclo completo: dados brutos → análise → discovery brief → PRD → protótipo → spec + ADRs (com validação automatizada) → issues → implementação → GTM → análise de impacto.
• Automatizei a governança do board com GitHub Actions (saúde do board, hierarquia épico→feature, PR insights) e migrei o tracking da squad do Jira para o GitHub Projects.
• Fiz a engenharia reversa de um microserviço legado de pricing até documentação completa — diagramas C4, ERD, máquinas de estado, OpenAPI, 7 ADRs — com um framework assistido por IA.
• Mentoro PMs e devs de toda a empresa; compartilho os cases nas reuniões da tribo com o objetivo declarado de elevar a régua de todo o time de produto.