A Reserhub transformou seu time de produto em uma organização data-driven com Mixpanel, segmentação por frequência de uso e rituais de aprendizado contínuo junto à Bildung.
O contexto
A Reserhub é uma plataforma inteligente para gestão e venda de passagens de ônibus que impulsiona os canais digitais diretos de empresas de transporte em toda a América Latina. Com mais de oito anos de mercado, o time de produto e design já vinha trabalhando com Mixpanel, FullStory e Hotjar para entender o comportamento dos usuários. O verdadeiro desafio, porém, não estava nas ferramentas: estava em fazer com que todos os times perdessem o medo de explorar dados e os incorporassem no dia a dia.
Desde o início tivemos clareza sobre o valor de entender como os usuários interagem com nossos produtos. Foi um processo de amadurecimento que levou tempo, mas hoje os dados fazem parte do dia a dia. — Jair Pérez, Head of Product Design na Reserhub
O desafio: da intuição aos dados
A Reserhub já contava com ferramentas de analytics, mas o desafio real era cultural: ajudar pessoas de diferentes áreas a se familiarizarem com eventos e relatórios, perderem o medo de explorar e traduzirem os dados em decisões de produto. O Mixpanel, em especial, podia ser intimidador para quem chegava ao time.
O Mixpanel pode parecer intimidador no começo. Um dos principais desafios foi ajudar quem chegava ao time a se familiarizar com nossos eventos e relatórios, e perder o medo de explorar. — Jair Pérez
A solução com a Bildung: segmentação e adoção do Mixpanel
O trabalho da Bildung com a Reserhub teve um objetivo claro: ajudar o time a tirar o máximo do Mixpanel e estender o uso para além da área de produto. Como parceira de implementação do Mixpanel, a Bildung acompanhou o time na definição de novas práticas de análise, na taxonomia de eventos e, principalmente, em uma segmentação de usuários baseada em frequência de uso que mudou a forma de entender o comportamento real.
A segmentação foi estruturada em três grupos: Power users (percentil 90+, os que mais usam ou compram), Core users (frequência mediana ou intermediária) e Casual users (percentil 25 ou frequência menor). Essa estrutura não só ajudou a entender melhor cada cohort, como também abriu novas perguntas de negócio: existe correlação entre frequência e retenção? Quais padrões diferenciam os power users do restante? Quais features fazem um usuário casual virar core?
Cultura de experimentação: GrowthBook + Mixpanel
O A/B testing virou um dos pilares da nova cultura de dados da Reserhub. A cada novo lançamento, o time usa o GrowthBook para dividir audiências e o Mixpanel para medir comportamento e impacto reais. Os rollouts começam liberando o novo fluxo para 20% do tráfego e, quando está estável, abrem para 50/50 para comparar as versões.
A gente tenta que cada nova feature saia com um A/B test. Usamos o GrowthBook para dividir as versões e o Mixpanel para acompanhar o comportamento. Não se trata só de lançar, mas de aprender qual versão realmente melhora a experiência. — Jair Pérez
Essa dinâmica permitiu otimizar a conversão em fluxos-chave, como a seleção de horários e assentos. Hoje, a maioria dos lançamentos da Reserhub inclui algum tipo de experimento, e a análise dos resultados faz parte do encerramento natural de cada release.
Rituais de dados e decisões informadas
Para sustentar a adoção para além da implementação, o time criou rituais recorrentes: revisões mensais de insights, encontros quinzenais de exploração e revisões cruzadas entre design, produto e customer success. Somados a uma taxonomia clara e a um esforço contínuo de capacitação, esses rituais transformaram os dados em uma linguagem comum entre as áreas.
A cultura de dados na Reserhub está em crescimento. Cada vez se valoriza mais a tomada de decisão informada, e há um interesse genuíno em ter dados acessíveis e confiáveis. — Jair Pérez
Aprendizados-chave
O caso da Reserhub deixa três aprendizados para times que estão começando: documentar eventos e propriedades para saber o que está sendo medido e por quê; estimular a curiosidade perguntando o que se quer aprender antes de cada lançamento; e capacitar o time de forma contínua para desenvolver critério analítico, não só habilidade técnica. Uma cultura de dados se constrói com tempo, curiosidade e prática.
