# 🔬 ALETHEIA — Pesquisa de Mercado

> **App que escaneia rótulos de alimentos e usa IA para traduzir ingredientes em linguagem simples**
>
> Última atualização: 10/02/2026

---

## Sumário Executivo

O Aletheia ataca uma dor real e crescente: **o brasileiro não entende o que come**. Com 67% da população acima do peso, regulamentação ANVISA recém-implementada e zero concorrentes locais com IA generativa, existe uma janela de oportunidade clara para um app que democratize a leitura de rótulos alimentícios no Brasil.

**TAM Brasil:** ~R$ 2,5 bilhões (saúde digital/nutrição) · **SAM:** ~R$ 400M (apps de nutrição) · **SOM ano 1:** R$ 2-5M

---

## 1. Tamanho do Mercado

### 1.1 Mercado Global

| Métrica | Valor | Fonte |
|---------|-------|-------|
| Mercado global de mHealth apps (2024) | **USD 37,5 bilhões** | Grand View Research |
| Projeção 2030 | **USD 86,4 bilhões** | Grand View Research |
| CAGR 2025-2030 | **14,8%** | Grand View Research |
| Mercado de nutrition apps global (2024) | **USD 9,2 bilhões** | Mordor Intelligence |
| Mercado de food scanning apps (nicho) | **USD 800M–1,2B** (estimativa) | Análise própria |

### 1.2 Mercado Brasil

| Métrica | Valor | Fonte |
|---------|-------|-------|
| Saúde digital Brasil (2024) | **USD 2,7 bilhões** | Statista |
| Smartphones ativos no Brasil | **~260 milhões** | FGV (2024) |
| Penetração de internet | **84%** da população | IBGE/Pnad 2023 |
| Downloads de apps de saúde/fitness (BR, 2023) | **~180 milhões** | App Annie |
| Mercado de alimentos saudáveis (BR) | **R$ 116 bilhões (2024)** | Euromonitor |

### 1.3 Comportamento do Consumidor Brasileiro

- **Apenas 31% dos brasileiros leem rótulos regularmente** (pesquisa IDEC/Datafolha, 2022)
- Dos que leem, **47% dizem não entender as informações** (IDEC, 2022)
- **73% dos brasileiros gostariam de entender melhor o que comem** (pesquisa Nestlé/IBOPE, 2021)
- O brasileiro médio consome **~20% das calorias diárias de ultraprocessados** (NUPENS/USP, POF 2017-2018)
- Em crianças e adolescentes esse número sobe para **~27%** (estudo The Lancet Regional Health, 2023)
- O consumo de ultraprocessados **cresceu 5,5% entre 2008 e 2018** no Brasil (IBGE/POF)

### 1.4 Público-Alvo Primário

| Segmento | Tamanho estimado | Disposição a pagar |
|----------|-----------------|---------------------|
| Mães com filhos 0-12 anos | ~25M mulheres | Alta (R$ 10-20/mês) |
| Fitness/wellness enthusiasts | ~30M pessoas | Média-alta |
| Pessoas com alergias/intolerâncias | ~10M | Muito alta |
| Diabéticos e pré-diabéticos | ~20M | Alta |
| Gen Z health-conscious (18-28) | ~35M | Média (mas alto potencial viral) |

---

## 2. A Dor

### 2.1 Rótulos São Intencionalmente Confusos

A indústria alimentícia usa **nomenclatura técnica como barreira informacional**:

| O que o rótulo diz | O que realmente é |
|---------------------|-------------------|
| Maltodextrina | Açúcar de absorção rápida |
| Xarope de glucose | Açúcar líquido do milho |
| Proteína hidrolisada de soja | Glutamato/realçador de sabor |
| Gordura vegetal hidrogenada | Gordura trans disfarçada |
| Extrato de levedura | Glutamato monossódico natural |
| Amido modificado | Carboidrato ultraprocessado |
| "Sem adição de açúcares" | Pode ter adoçantes artificiais |

### 2.2 Healthy Washing — A Enganação Sistêmica

- **Produtos "integrais"** que têm farinha branca como primeiro ingrediente
- **"Zero gordura"** mas com 30g de açúcar por porção
- **"Natural"** sem definição regulatória no Brasil
- **"Fonte de fibras"** com 2,5g de fibra e 15g de açúcar
- Pesquisa PROTESTE (2023): **62% dos produtos com claims de saúde não cumprem integralmente** o que prometem na embalagem frontal

### 2.3 Impacto na Saúde Pública

| Indicador | Dado | Fonte |
|-----------|------|-------|
| Brasileiros com sobrepeso/obesidade | **67,5%** dos adultos | Vigitel/MS 2023 |
| Diabéticos no Brasil | **~16,8 milhões** (6º país do mundo) | IDF Atlas 2024 |
| Hipertensos | **~38,1 milhões** | SBC 2023 |
| Custo da obesidade ao SUS (anual) | **R$ 3,6 bilhões** diretos | MS 2023 |
| Mortes/ano por doenças crônicas ligadas à dieta (BR) | **~300.000** | OMS/OPAS |
| Alérgicos alimentares (BR) | **~10% da população** (~20M) | ASBAI 2023 |

### 2.4 Nova Regulamentação ANVISA — A Lupa Frontal

- **RDC 429/2020**: obriga rótulo frontal com lupa para alto teor de açúcar, gordura saturada e sódio
- **Prazo final de adequação: outubro de 2025** (já implementado)
- A lupa indica que é alto, **mas não traduz o impacto nem compara alternativas**
- **Oportunidade**: o Aletheia complementa a lupa com contexto e inteligência → "sim, tem a lupa de alto açúcar, e isso equivale a X colheres de açúcar por porção"

---

## 3. Concorrência

### 3.1 Mapa Competitivo Global

| App | País | Users | Modelo | Scan com IA? | Brasil? |
|-----|------|-------|--------|--------------|---------|
| **Yuka** | 🇫🇷 França | **60M+** downloads | Freemium (€15/ano) | Não (score algorítmico) | Funciona, mas sem base local |
| **Open Food Facts** | 🌍 Global | **3M+** usuários/mês | Gratuito/open source | Não | Base BR fraca (~50k produtos) |
| **MyFitnessPal** | 🇺🇸 EUA | **200M+** downloads | Freemium ($20/mês) | Não | Foco em calorias, não ingredientes |
| **FatSecret** | 🇦🇺 Austrália | **50M+** | Freemium | Não | Popular no BR, mas só nutricional |
| **Foodvisor** | 🇫🇷 França | **5M+** | Freemium | Sim (foto→calorias) | Não |
| **Nima** | 🇺🇸 EUA | Hardware | Dispositivo ($289) | N/A | Não |

### 3.2 O Que Falta no Brasil

1. **Nenhum app traduz ingredientes em linguagem simples com IA generativa**
2. **Nenhum tem base de dados robusta de produtos brasileiros** (Yuka/OFF são eurocêntricos)
3. **Nenhum contextualiza a regulamentação ANVISA** (lupa frontal)
4. **Nenhum oferece comparação com alternativas no mercado local**
5. **Nenhum tem UX pensada para o consumidor brasileiro** (português nativo, contexto cultural)

### 3.3 Por Que Outros Falharam/Não Escalaram no Brasil

- **Deseat (BR, 2019)**: app brasileiro de scan de rótulos. Morreu por falta de funding e base de dados pobre
- **Ingred (BR, 2020)**: foco em alérgenos. Pivot para B2B, nunca escalou consumer
- **Problema recorrente**: construir base de dados própria é caro. **Solução Aletheia**: Open Food Facts + crowdsourcing + IA para preencher gaps
- **Yuka no Brasil**: funciona mas a cobertura de produtos brasileiros é ~15-20%. Sem tradução cultural dos ingredientes.

### 3.4 Moat / Vantagem Competitiva do Aletheia

| Vantagem | Defensibilidade |
|----------|----------------|
| IA generativa (GPT-4o-mini) para tradução de ingredientes | Média (replicável, mas first-mover advantage) |
| Base de dados brasileira construída via crowdsource | Alta (network effect) |
| Score proprietário (Aletheia Score 0-100) | Média |
| Conteúdo viral nativo (formato TikTok) | Alta (brand building) |
| Parcerias B2B com marcas ("selo Aletheia") | Alta (lock-in) |
| Dados de consumo agregados (insights para indústria) | Muito alta |

---

## 4. Regulação

### 4.1 ANVISA — Rotulagem

| Norma | Status | Impacto no Aletheia |
|-------|--------|---------------------|
| RDC 429/2020 (rotulagem nutricional) | ✅ Vigente (out/2025) | **Positivo** — cria awareness |
| IN 75/2020 (lupa frontal) | ✅ Vigente | **Positivo** — Aletheia complementa |
| Tabela nutricional obrigatória | ✅ Vigente | **Positivo** — dados estruturados |
| Declaração de alérgenos (RDC 26/2015) | ✅ Vigente | **Positivo** — feature de alertas |

**Risco regulatório: BAIXO.** O Aletheia não é dispositivo médico, não prescreve dietas, não faz diagnóstico. É uma **ferramenta de informação ao consumidor**, protegida pelo CDC (Código de Defesa do Consumidor, Art. 6°, III — direito à informação).

### 4.2 LGPD

| Dado coletado | Classificação LGPD | Base legal |
|---------------|---------------------|------------|
| Email/nome | Dado pessoal | Consentimento |
| Histórico de scans | Dado pessoal | Consentimento / Legítimo interesse |
| Preferências alimentares | Dado pessoal (NÃO sensível) | Consentimento |
| Alergias informadas pelo usuário | **Dado de saúde (sensível)** ⚠️ | Consentimento explícito |

**Estratégia LGPD:**
- Alergias = opt-in explícito com consentimento específico (Art. 11, I)
- Dados anonimizados para analytics B2B (Art. 12 — dados anonimizados não são dados pessoais)
- Privacy by design: coletar o mínimo necessário
- **Não armazenar dados de saúde sensíveis** no MVP — user declara alergias localmente no device

### 4.3 Livre para Operar?

**✅ SIM.** Não há barreira regulatória significativa. O app:
- Não é dispositivo médico (ANVISA Classe I/II)
- Não prescreve tratamento
- Não é profissional de saúde regulado
- Informação nutricional é pública (está no rótulo)
- Disclaimer claro: "informações educativas, não substitui orientação profissional"

---

## 5. Modelo de Negócio

### 5.1 Revenue Streams

```
┌─────────────────────────────────────────────────┐
│           ALETHEIA REVENUE MODEL                │
├─────────────────────────────────────────────────┤
│                                                 │
│  B2C (Freemium)          B2B                    │
│  ├─ Free: 3 scans/dia   ├─ Selo "Approved"     │
│  ├─ Pro: R$9,90/mês     ├─ Consumer insights    │
│  └─ Anual: R$79,90/ano  └─ API para varejistas  │
│                                                 │
│  Marketplace/Afiliados                          │
│  ├─ Sugestões de produtos saudáveis             │
│  └─ Comissão 5-15% por redirecionamento         │
│                                                 │
└─────────────────────────────────────────────────┘
```

### 5.2 Projeção Financeira (Cenário Conservador)

| Métrica | Mês 6 | Mês 12 | Mês 24 |
|---------|-------|--------|--------|
| Downloads acumulados | 100K | 500K | 2M |
| MAU (Monthly Active Users) | 40K | 180K | 600K |
| Conversão Pro | 3% | 4% | 5% |
| Assinantes pagantes | 1.200 | 7.200 | 30.000 |
| MRR (B2C) | R$ 11.880 | R$ 71.280 | R$ 297.000 |
| Revenue B2B | R$ 0 | R$ 15.000/mês | R$ 80.000/mês |
| Afiliados | R$ 0 | R$ 5.000/mês | R$ 30.000/mês |
| **MRR Total** | **R$ 11.880** | **R$ 91.280** | **R$ 407.000** |

### 5.3 Unit Economics

| Métrica | Valor |
|---------|-------|
| CAC (orgânico/viral) | R$ 2-5 |
| CAC (pago — Instagram/TikTok) | R$ 8-15 |
| LTV assinante mensal (churn 8%) | R$ 124 |
| LTV assinante anual (churn 25%/ano) | R$ 240 |
| LTV/CAC (orgânico) | **25-60x** |
| LTV/CAC (pago) | **8-16x** |
| Custo por scan (API GPT-4o-mini) | R$ 0,01-0,03 |
| Custo infra/user/mês | R$ 0,15-0,30 |

### 5.4 Selo "ALETHEIA Approved"

Modelo inspirado no Yuka B2B (que gera ~30% da receita):
- Marcas pagam R$ 5.000-50.000/ano por categoria para exibir selo
- Critérios transparentes e públicos (não é pay-to-play)
- Auditoria com base no Aletheia Score ≥ 75
- **Cuidado legal**: o selo não pode ser enganoso (CDC). Critérios devem ser claros e auditáveis.

---

## 6. MVP Scope

### 6.1 Funcionalidades do MVP

```
MVP v0.1 (8-12 semanas)
━━━━━━━━━━━━━━━━━━━━━━━
✅ Scan de código de barras (câmera nativa)
✅ Busca no Open Food Facts API
✅ Análise de ingredientes via GPT-4o-mini
✅ Tradução para linguagem simples
✅ Aletheia Score (0-100)
✅ Alertas: ultraprocessado, alérgenos, açúcar oculto
✅ Sugestão de 1-2 alternativas mais saudáveis
✅ Histórico de scans (local)
✅ Compartilhamento social (card para Stories/Reels)

❌ NÃO no MVP:
- Cadastro/login (usar app sem fricção)
- Gamificação
- Comunidade
- Plano pago (monetizar depois)
- OCR de rótulo físico (scan da lista de ingredientes)
```

### 6.2 Stack Técnica

| Camada | Tecnologia | Justificativa |
|--------|------------|---------------|
| **Frontend** | **React Native (Expo)** | Cross-platform, community, hot reload |
| Alternativa | PWA (Next.js) | Menor custo, sem app store, mas UX de câmera limitada |
| **Scan** | react-native-camera + ML Kit Barcode | Nativo, rápido |
| **Base de produtos** | Open Food Facts API | Gratuita, 3M+ produtos, ~50K BR |
| **IA/Análise** | GPT-4o-mini via API | Custo baixo (~$0.15/1M tokens), qualidade boa |
| **Backend** | Supabase (PostgreSQL + Auth + Edge Functions) | Rápido para MVP, escala bem |
| **Cache** | Redis (Upstash) | Cache de análises recorrentes (mesmo produto) |
| **Infra** | Vercel + Supabase | Zero DevOps no início |

### 6.3 Decisão: React Native vs PWA

| Critério | React Native | PWA |
|----------|-------------|-----|
| UX de câmera | ⭐⭐⭐⭐⭐ | ⭐⭐⭐ |
| Distribuição (App Store/Play Store) | ⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ (link direto) |
| Custo de desenvolvimento | ⭐⭐⭐ | ⭐⭐⭐⭐⭐ |
| Push notifications | ⭐⭐⭐⭐⭐ | ⭐⭐⭐ |
| Confiança do usuário | ⭐⭐⭐⭐⭐ (app "de verdade") | ⭐⭐⭐ |
| Velocidade do scan | ⭐⭐⭐⭐⭐ | ⭐⭐⭐ |

**Recomendação: React Native (Expo)** — a experiência de câmera é crítica para o core do produto. PWA como fallback para web.

### 6.4 Fluxo do Usuário (MVP)

```
[Abrir app] → [Apontar câmera] → [Scan automático do barcode]
     ↓
[Busca Open Food Facts] → [Produto encontrado?]
     ↓ SIM                        ↓ NÃO
[Envia ingredientes              [Tela: "Produto não encontrado.
 para GPT-4o-mini]                Tire foto do rótulo" → OCR v2]
     ↓
[Resposta IA em ~2 segundos]
     ↓
┌────────────────────────────────┐
│ 🔍 Nescau 2.0                 │
│                                │
│ Aletheia Score: 38/100  🟡     │
│                                │
│ ⚠️ Açúcar é o 2º ingrediente  │
│ ⚠️ Contém maltodextrina       │
│    (= açúcar disfarçado)      │
│                                │
│ 📊 1 copo = 6 colheres açúcar │
│                                │
│ 🔄 Alternativa: Cacau em pó   │
│    + banana = Score 82 ✅      │
│                                │
│ [Compartilhar] [Salvar]        │
└────────────────────────────────┘
```

### 6.5 Custo Estimado do MVP

| Item | Custo mensal |
|------|-------------|
| Supabase (Pro) | R$ 125/mês |
| OpenAI API (GPT-4o-mini, 100K scans/mês) | R$ 150-500/mês |
| Vercel (Pro) | R$ 100/mês |
| Redis (Upstash) | R$ 0-50/mês |
| Apple Developer Account | R$ 500/ano |
| Google Play Console | R$ 125 (one-time) |
| **Total infraestrutura MVP** | **~R$ 500-800/mês** |
| Desenvolvimento (1 dev full-time, 3 meses) | R$ 30-45K total |

---

## 7. Potencial Viral

### 7.1 O Formato Killer: "Escaneei e Descobri Que..."

O Aletheia tem **viralidade nativa** porque o formato de revelação é perfeito para short-form video:

```
📱 "Escaneei o iogurte 'natural' do meu filho e..."
   → CORTE para o Aletheia Score: 22/100
   → "O primeiro ingrediente é AÇÚCAR"
   → 😱 cara de choque
   → "A alternativa: [produto X] — Score 89"
```

**Referências de viralidade:**
- Yuka: hashtag #yuka tem **2,7 bilhões de views no TikTok** (dados 2024)
- Formato "watch me scan" gera 5-15% de engagement rate (vs 1-3% média)
- "Revelação chocante" é o #1 driver de compartilhamento no TikTok (Source: Later, 2024)

### 7.2 Estratégia de Distribuição Orgânica

| Canal | Tática | Custo | Potencial |
|-------|--------|-------|-----------|
| **TikTok/Reels** | Criadores escaneiam produtos populares | R$ 0-2K/mês (seeding) | 🔥🔥🔥🔥🔥 |
| **Instagram Stories** | Card compartilhável nativo do app | R$ 0 | 🔥🔥🔥🔥 |
| **WhatsApp** | "Olha o que descobri sobre esse produto" (deep link) | R$ 0 | 🔥🔥🔥🔥🔥 |
| **Twitter/X** | Threads: "Escaneei 10 produtos 'saudáveis'" | R$ 0 | 🔥🔥🔥 |
| **YouTube** | Nutricionistas usando o app em vídeos | R$ 0-5K/mês | 🔥🔥🔥🔥 |
| **Moms groups (Facebook)** | Mães compartilhando descobertas | R$ 0 | 🔥🔥🔥🔥🔥 |

### 7.3 Coeficiente Viral Esperado

- **K-factor estimado: 1,2-1,8** (cada usuário traz 1,2-1,8 novos)
- Comparação: Yuka teve K-factor de ~1,5 nos primeiros 2 anos (fonte: Julie Chapon, co-founder, entrevista Sifted 2022)
- **Chave**: o card de compartilhamento precisa ser bonito, informativo e ter call-to-action claro

### 7.4 Parcerias com Influenciadores

| Tipo | Exemplos | Seguidores | Custo |
|------|----------|------------|-------|
| Nutricionistas | @dramairasoliani, @dr.barakat | 1-10M | R$ 5-30K/post |
| Fitness | @gracyannebarbosa, @paulo.muzy | 5-20M | R$ 10-50K/post |
| Mães | @faborges, @tfrancini | 1-5M | R$ 3-15K/post |
| **Micro-influencers (meta)** | Nutricionistas locais | 10-100K | R$ 200-2K/post ou permuta |

**Recomendação:** Começar com **50-100 micro-influencers** (nutricionistas e mães) com permuta (acesso Pro gratuito vitalício) antes de investir em grandes nomes.

---

## 8. Riscos e Mitigações

### 8.1 Matriz de Riscos

| Risco | Probabilidade | Impacto | Mitigação |
|-------|--------------|---------|-----------|
| **Base de dados fraca no BR** | Alta | Alto | Crowdsourcing + OCR de rótulos + parcerias com ANVISA Open Data |
| **IA dá informação incorreta** (alucinação) | Média | Muito Alto | Prompt engineering rigoroso + validação humana dos top 500 produtos + disclaimer legal |
| **Processo judicial de marca** | Média | Alto | Score baseado em critérios objetivos (NOVA, Nutri-Score adaptado) + seguro jurídico + parecer preventivo |
| **Big tech copia** (Google Lens, Apple) | Média | Alto | Construir comunidade e brand antes. Especialização > generalização |
| **Yuka entra forte no Brasil** | Baixa-Média | Alto | IA generativa é diferencial. Foco em UX brasileira e base local |
| **Churn alto** (app de uso esporádico) | Alta | Médio | Gamificação, histórico, insights semanais, push inteligente |
| **Custo de API OpenAI escala** | Média | Médio | Cache agressivo (mesmo produto = mesma análise), modelos locais como fallback |
| **Rejeição App Store** | Baixa | Alto | Seguir guidelines rigorosamente, ter disclaimer claro |
| **LGPD violation** | Baixa | Muito Alto | Privacy by design, DPO desde o início, consentimento granular |
| **Dependência de Open Food Facts** | Média | Médio | Base própria em paralelo, partnership formal com OFF |

### 8.2 Riscos Jurídicos Específicos

**Risco: Marca processa por "difamação" ao receber score baixo**
- Mitigação: Score baseado em **critérios científicos públicos** (classificação NOVA da USP/NUPENS, guidelines OMS)
- Precedente: Yuka venceu processo da Lactalis na França (2021) — tribunal reconheceu direito à informação do consumidor
- Ação: contratar parecer jurídico preventivo antes do lançamento (~R$ 5-10K)

**Risco: Responsabilidade por informação incorreta**
- Mitigação: Disclaimer claro em todo scan: "Informação educativa. Consulte um profissional de saúde"
- Seguro de responsabilidade civil profissional (~R$ 3-5K/ano)

### 8.3 Riscos Técnicos

| Risco | Mitigação |
|-------|-----------|
| Latência da API OpenAI (>3s) | Cache Redis, pre-compute top 10K produtos, fallback para análise local |
| Barcode não reconhecido | Fallback para busca por texto/nome do produto |
| OFF API down | Cache local dos últimos 50K produtos consultados |
| GPT-4o-mini descontinuado | Abstração de provider, fallback para Claude Haiku ou Llama local |

---

## 9. Cronograma Sugerido

```
Sem 1-2:    Validação (landing page + waitlist + 50 entrevistas)
Sem 3-4:    Design UX/UI + definição de stack
Sem 5-10:   Desenvolvimento MVP
Sem 11-12:  Beta fechado (200 usuários) + iteração
Sem 13:     Lançamento soft (App Store + Play Store)
Sem 14-16:  Campanha viral TikTok/Reels
Sem 17-20:  Iteração baseada em dados + feature de OCR
Sem 21-24:  Monetização (plano Pro) + primeiros contatos B2B
```

---

## 10. Referências e Fontes

1. Grand View Research — mHealth Apps Market Report, 2024
2. IBGE/POF 2017-2018 — Pesquisa de Orçamentos Familiares
3. NUPENS/USP — Estudos sobre ultraprocessados no Brasil
4. IDEC/Datafolha — Pesquisa de rotulagem, 2022
5. Vigitel/Ministério da Saúde — Vigilância de Fatores de Risco, 2023
6. IDF Diabetes Atlas, 10ª edição, 2024
7. ANVISA — RDC 429/2020 e IN 75/2020
8. Yuka — Dados públicos e entrevistas dos fundadores
9. Open Food Facts — Estatísticas da base de dados
10. Euromonitor — Health & Wellness in Brazil, 2024
11. The Lancet Regional Health Americas — Consumo de ultraprocessados em crianças brasileiras, 2023

---

## TL;DR — Por Que o Aletheia Vai Funcionar

1. **Timing perfeito**: regulamentação ANVISA recém-chegou, awareness está no pico
2. **Dor real**: 67% do Brasil está acima do peso e não entende o que come
3. **Zero concorrência local com IA**: o mercado está aberto
4. **Viralidade nativa**: formato "escaneei e descobri" é feito para TikTok
5. **Unit economics fortes**: CAC orgânico de R$ 2-5, LTV de R$ 124+
6. **MVP barato**: R$ 30-45K para lançar, R$ 500-800/mês de infra
7. **Moat crescente**: base de dados brasileira + comunidade + dados B2B
8. **Regulação favorável**: livre para operar, CDC protege direito à informação

> *"Aletheia" (ἀλήθεια) = verdade em grego. O app que revela a verdade sobre o que você come.*