A conversa de pricing na maioria das startups acontece assim: alguém abre uma planilha, soma os custos de infraestrutura, divide pelo número de clientes, adiciona o custo do time proporcional, inclui um overhead razoável, e aplica uma margem que parece saudável. R$ 300 de custo por cliente, R$ 500 de preço — 67% de margem. Parece ótimo. A reunião avança.
A pergunta que quase nunca é feita nessa reunião: quanto vale esse produto para o cliente?
Não quanto custa entregar. Não quanto o concorrente cobra. Quanto valor econômico real o cliente extrai do produto todos os meses — em horas economizadas, em receita gerada, em erros evitados, em risco reduzido. Porque é a diferença entre essa resposta e o preço que está sendo cobrado que determina o tamanho do problema.
Pricing baseado em custo é o modelo de precificação mais comum em startups brasileiras e, paradoxalmente, um dos mais arriscados — não porque garante prejuízo, mas porque garante que a receita está sistematicamente abaixo do potencial do negócio sem que ninguém no time perceba. As margens parecem saudáveis. Os clientes não reclamam do preço. O board aprova o modelo financeiro. E enquanto isso, mês a mês, a diferença entre o que é cobrado e o que poderia ser cobrado com legitimidade se acumula silenciosamente numa conta que nunca aparece no dashboard.
Este post existe para mostrar como esse erro se forma, quanto ele custa em termos concretos, e o que é necessário para corrigi-lo sem perder clientes no processo.
O que é pricing baseado em custo e por que parece razoável
Pricing baseado em custo é exatamente o que o nome descreve: o preço é calculado somando o custo de entrega do produto e adicionando uma margem desejada. A lógica subjacente é direta e internamente defensável — garante que cada cliente seja individualmente lucrativo, elimina o risco de estar subsidiando clientes sem perceber, e produz um número concreto a partir de dados que o founder já tem.
Esse modelo parece razoável porque resolve um problema real de forma visível: garante que a empresa não vende abaixo do custo. Mas ele não resolve — e nem tenta resolver — uma pergunta completamente diferente: o preço reflete o valor que o cliente percebe e extrai do produto?
A diferença entre essas duas perguntas é onde a receita está sendo deixada na mesa.
Como esse modelo se instala por padrão é simples de entender: na ausência de pesquisa estruturada sobre quanto os clientes estariam dispostos a pagar e por quê, o custo é o dado mais fácil de acessar. Founders usam o que sabem. O que sabem é quanto custa construir e operar. E então esse proxy conveniente para uma pergunta difícil se torna o modelo de pricing da empresa — frequentemente por anos, sem ser questionado.
A matemática do dinheiro deixado na mesa
Para tornar o problema concreto, vale construir um exemplo numérico específico.
Imagine uma startup que vende software de gestão de contratos para escritórios de advocacia de médio porte. O custo de entrega por cliente — infraestrutura, suporte proporcional, custo do time de CS — é de R$ 400 por mês. O pricing atual é R$ 700 por mês, com uma margem de 75% que qualquer investidor aprovaria sem questionar.
Agora a pergunta que raramente é feita: o que esse produto realmente entrega?
O software elimina aproximadamente quinze horas mensais de trabalho administrativo por escritório — tarefas de organização, controle de prazos e geração manual de relatórios que antes eram feitas por advogados ou assistentes. Num escritório de dez advogados cujo custo de hora faturável é de R$ 200, isso representa R$ 3.000 em produtividade liberada por mês. Esse é o valor econômico real entregue pelo produto: R$ 3.000, contra um preço cobrado de R$ 700.
Uma pesquisa honesta de willingness to pay nesse contexto revelaria que clientes pagariam entre R$ 1.200 e R$ 1.800 por mês sem questionar — porque mesmo ao preço mais alto, o ROI ainda seria de 67% sobre o custo. O produto ainda pagaria a si mesmo mais de uma vez por mês. O preço de R$ 700 não está capturando nem um quarto do valor entregue.
A conta do dinheiro deixado na mesa é direta: com cem clientes ao preço atual de R$ 700, a receita mensal é R$ 70.000. Com pricing de R$ 1.400 — um número conservador dentro da faixa de willingness to pay identificada —, a mesma base de clientes geraria R$ 140.000 por mês. Mesmos clientes, mesmo produto, mesma estrutura de custo, o dobro da receita.
Mas o impacto vai além da diferença na receita mensal imediata. Pricing baixo força a startup a precisar do dobro de clientes para atingir qualquer meta de receita — o que significa o dobro de CAC, o dobro de ciclos de suporte, o dobro de complexidade operacional. Uma startup que precisa de duzentos clientes para atingir R$ 140.000 de MRR está operando num nível de complexidade e custo completamente diferente de uma que atinge o mesmo número com cem clientes.
O impacto no valuation é igualmente concreto. Em múltiplos típicos de receita para startups SaaS B2B, a diferença entre R$ 70.000 e R$ 140.000 de MRR representa uma diferença de valuation que pode ser maior do que qualquer rodada de captação que a startup está considerando. Um ajuste de pricing bem executado, sem adicionar um único cliente novo, pode ser o movimento de maior impacto financeiro disponível para a empresa.
Por que founders evitam essa conversa
A razão pela qual o erro persiste não é ignorância técnica — é uma combinação de desconforto psicológico genuíno e ausência de dados estruturados para tomar a decisão com confiança.
O desconforto psicológico tem um nome no ecossistema de startups: síndrome do impostor de pricing. É a sensação de que o produto “ainda não merece” o preço mais alto, de que clientes vão reclamar, de que a concorrência vai ganhar deals por ser mais barata. Esse desconforto é real, mas é fundamentalmente uma projeção — porque o que o cliente avalia ao decidir comprar não é o custo de produção do founder. É o valor que vai receber em troca do preço que vai pagar.
Uma camada adicional de distorção vem do benchmarking de concorrência usado como âncora de pricing. Quando uma startup define seu preço comparando com o que concorrentes cobram, ela está herdando todas as decisões de pricing de quem virou antes — inclusive os erros de subprecificação. Num mercado onde todos precificam por custo ou por imitação, usar o mercado como referência perpetua indefinidamente um setor sistematicamente subprecificado.
A ausência de dados sobre willingness to pay é o obstáculo mais prático. A maioria das startups nunca fez uma pesquisa séria sobre quanto seus clientes estariam dispostos a pagar — não porque seja irrelevante, mas porque parece complexo de conduzir, parece que pode assustar clientes, e parece desnecessário quando o produto já está vendendo razoavelmente bem.
O problema de tentar resolver isso perguntando diretamente — “quanto você pagaria por isso?” — é que essa pergunta produz respostas sistematicamente subestimadas. Qualquer comprador racional, diante dessa pergunta direta, âncora na resposta mais baixa possível porque sabe que a resposta vai ser usada como referência de negociação. A pergunta direta mede não willingness to pay real, mas willingness to reveal willingness to pay — que é uma métrica diferente e muito menos útil.
O medo de perder clientes num repricing é o terceiro obstáculo, e talvez o mais paralisante. A percepção de que subir o preço vai causar churn imediato é frequentemente equivocada para clientes que já estão extraindo valor real do produto — mas é difícil distinguir, sem dados, entre clientes que vão reclamar e clientes que vão cancelar. Essa incerteza, na ausência de método, tende a produzir inação.
O que é pricing baseado em valor e o que ele realmente exige
Value-based pricing é o modelo onde o preço é derivado de uma estimativa do valor econômico que o produto entrega para o cliente — não do custo de entrega e não do preço que o concorrente cobra. É um modelo que exige mais trabalho do que somar custos e aplicar margem, e é exatamente por isso que é mais raro.
Dois pré-requisitos são necessários para que o modelo funcione na prática.
O primeiro é entender profundamente como o cliente mede valor — em que unidade o benefício é quantificável para quem compra. Horas economizadas? Receita gerada? Erros evitados? Risco reduzido? Custo de alternativa eliminado? Sem essa clareza, pricing baseado em valor é apenas intuição com um nome mais sofisticado. O mesmo produto pode entregar valor em unidades completamente diferentes para clientes diferentes — e só quando você sabe em que unidade o cliente mede é que você consegue construir um argumento de preço que seja internamente coerente para ele.
O segundo pré-requisito é segmentar quem captura quanto valor. O mesmo produto entrega valores economicamente muito diferentes para perfis de cliente diferentes: um escritório de advocacia de dez advogados e um de cinquenta capturam escalas de benefício completamente distintas com o mesmo software. Pricing uniforme para todos significa subprecificar quem captura mais valor e possivelmente sobrecarregar quem captura menos. Tiers de produto, precificação por uso ou pricing por segmento são as ferramentas que resolvem essa assimetria.
Como medir willingness to pay sem perguntar diretamente
Existem métodos estruturados para medir disposição a pagar sem produzir as distorções da pergunta direta — e sem assustar clientes com conversas prematuras sobre preço.
O mais acessível para startups em fase de crescimento é o método Van Westendorp, também chamado de Price Sensitivity Meter. Em vez de pedir um número, ele triangula a faixa de preço aceitável através de quatro perguntas feitas em sequência:
“A partir de que preço você acharia este produto tão barato que duvidaria da qualidade?” — essa pergunta captura o piso abaixo do qual o preço baixo cria desconfiança sobre o valor entregue.
“A partir de que preço você acharia este produto barato, mas ainda compraria?” — essa captura o piso da faixa aceitável.
“A partir de que preço você acharia este produto caro, mas ainda consideraria comprar?” — essa captura o teto da faixa aceitável.
“A partir de que preço você acharia este produto caro demais para considerar?” — essa captura o teto absoluto acima do qual a demanda cai.
A interseção das respostas dessas quatro perguntas, plotadas num gráfico de frequência acumulada, revela a faixa de preço aceitável do mercado e o preço de indiferença — o ponto onde proporções iguais de respondentes acham o preço caro e barato simultaneamente. Esse ponto é frequentemente o preço mais defensável num contexto de negociação.
Testes de preço com variação controlada são o segundo método, mais direto mas que exige maior volume de pipeline: testar preços diferentes em segmentos ou períodos distintos e medir taxa de conversão, qualidade das objeções e tempo até decisão de compra em cada faixa. Esse método produz dados comportamentais reais em vez de declarações de intenção, que são mais confiáveis como preditor de comportamento efetivo.
Análise de elasticidade por cohort existente é o terceiro método e frequentemente o mais subutilizado: usar a base atual de clientes para inferir padrões de sensibilidade a preço. Quais clientes negociaram desconto agressivamente? Quais pagaram o preço cheio sem questionar? Quais expandiram o uso sem nenhum incentivo de pricing? Esses padrões, quando mapeados contra atributos de firmografia e perfil de uso, revelam onde há espaço real para repricing e onde há risco real de churn — sem precisar de pesquisa adicional.
Como fazer a transição sem perder clientes
A transição de pricing baseado em custo para pricing baseado em valor tem dois contextos diferentes que exigem estratégias diferentes: novos clientes e base existente.
Para novos clientes, a transição é mais simples e menos arriscada: aplicar o novo pricing apenas para novos contratos, sem alterar condições da base existente num primeiro momento. Isso produz dados reais de conversão no preço novo — taxas de fechamento, objeções levantadas, tempo de ciclo de vendas — antes de qualquer conversa sobre repricing com quem já está dentro. Esses dados têm dois valores: informam se o novo preço está calibrado corretamente, e fornecem evidência concreta para a conversa de repricing que vai acontecer depois com clientes existentes.
Para a base existente, a conversa de repricing funciona melhor quando é enquadrada explicitamente em termos de valor entregue, não de aumento de preço. A narrativa que produz mais sucesso não é “estamos subindo o preço” — é “aqui está o valor que você extraiu do produto nos últimos doze meses, e aqui está o que vem a seguir”. Concretamente: mostrar ao cliente, com dados reais de uso do próprio produto, quanto tempo foi economizado, quantos contratos foram processados, qual foi o impacto mensurável. Então apresentar o novo preço como uma correção de alinhamento entre valor entregue e valor capturado — não como uma decisão arbitrária de aumentar margem.
Lançamentos de novas funcionalidades são âncoras úteis para essa conversa: o novo preço pode ser apresentado no contexto de um produto que continuou evoluindo, tornando a comparação com o preço original mais favorável para quem está justificando internamente o aumento.
O churn que vai acontecer nessa transição merece ser interpretado com cuidado. Clientes que saem quando o preço sobe para um nível que ainda representa ROI positivo claro e documentável para eles frequentemente revelam algo importante: ou o produto não estava entregando o valor que parecia entregar, ou esse cliente nunca foi o ICP ideal. Perder esses clientes no repricing, embora seja desconfortável no curto prazo, frequentemente melhora a saúde da base que permanece — porque quem fica ao novo preço é quem extrai valor suficiente para justificá-lo sem hesitação.
Quando pricing baseado em custo ainda faz sentido
Não há argumento honesto que funcione como manifesto absolutista contra pricing baseado em custo em qualquer contexto. Existem situações onde ele é o modelo correto.
Em mercados genuinamente commoditizados, onde o produto é indiferenciado e o comprador tem acesso perfeito e imediato a alternativas equivalentes, o preço converge para o custo mais uma margem competitiva por definição — e tentar precificar acima disso é perder clientes sem contrapartida de valor diferencial. Em produtos onde o valor entregue é genuinamente difícil de medir ou varia tanto entre clientes que qualquer estimativa seria especulativa, pricing baseado em custo pode ser o modelo mais honesto disponível.
A distinção que importa: nesses casos, pricing baseado em custo não é um erro — é o modelo adequado para aquele contexto específico. O problema não é o modelo em si. É quando ele é aplicado por conveniência — porque é o dado mais fácil de acessar, porque a pesquisa de willingness to pay parece trabalhosa, porque o desconforto de cobrar mais é maior do que a curiosidade sobre quanto poderia ser cobrado — em contextos onde o valor entregue é claramente mensurável e significativamente maior do que o preço cobrado.
A diferença entre uma decisão de pricing consciente e uma decisão de pricing por default é que a primeira começa com a pergunta certa.
Antes de definir o preço do produto perguntando quanto custa, pergunte quanto vale. A diferença entre as duas respostas é, muito provavelmente, o tamanho do problema.
Você sabe, com dados reais e não com intuição, quanto valor econômico seu produto entrega para um cliente médio por mês? Se a resposta não vem imediatamente, esse é provavelmente o número mais importante que sua startup não está medindo — e a ausência dele tem um custo mensal concreto que aparece diretamente na receita que não está sendo gerada.
Sua startup já passou pelo processo de migrar de pricing baseado em custo para pricing baseado em valor? O que foi mais difícil — a pesquisa de willingness to pay, a conversa com clientes existentes, ou convencer o board de que era o momento certo?
