Senior PM que assume produtos de ponta a ponta com rigor de dados — hoje à frente de 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.
• Construí um simulador & validador de propostas que substituiu uma ferramenta externa, automatizando a geração de propostas e a validação financeira pós-negociação.
• Lancei a precificação dinâmica por ônibus ("desconto inteligente") em arquitetura desenhada para evoluir para ML sem reescrita, e migrei os guardrails de margem de planilhas para real-time.

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

• Diagnostiquei a causa raiz com minha própria análise de dados (Python, data lake): passagens low fare não tinham o autosserviço de alteração/cancelamento do fluxo regular.
• Redesenhei os fluxos de alteração e cancelamento e medi o impacto com análise contrafactual, 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 e rodei o experimento de ponta a ponta — 17 rotas de uma grande viação parceira, 8.400+ usuários, bucketing determinístico, critérios de significância pré-definidos.
• 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

• Rodei discovery estruturado em 5 áreas internas (marketing, estratégia, comercial, produto, engenharia) e 3 frentes com viações: estoque, financeiro, experiência B2B.
• O discovery de estoque alimentou o maior acordo de compra de lotes de assentos da história recente da empresa; o discovery financeiro revelou gaps depois formalizados na 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 e migrei o tracking da squad do Jira para o GitHub Projects.
• Mentoro PMs e devs de toda a empresa, compartilhando os cases para elevar a régua de todo o time de produto.