Communitygithub.com

Google Ads Copilot

Sistema operacional para Google Ads que realiza análise de termos de busca, mapeamento de intenção, controle de gastos desperdiçados, decisões de estrutura da conta, diagnósticos de rastreamento, geração de RSAs, revisão de orçamento, planejamento da conta e auditorias completas. Suporta dados de API ao vivo (modo conectado via google-ads-mcp) ou exportações manuais (modo de exportação). Produz ações em rascunho para revisão humana.

O que é Google Ads Copilot?

O Google Ads Copilot é um sistema operacional inteligente para contas do Google Ads, desenvolvido para ajudar profissionais de marketing e agências a otimizar campanhas de forma estratégica. Ele vai além da análise superficial, focando em entender a intenção de busca dos usuários, separar sinais de alto valor de desperdícios e estruturar a conta para maximizar resultados. A ferramenta suporta dois modos principais: o modo conectado, que puxa dados ao vivo via API usando o servidor MCP `google-ads-mcp`, e o modo de exportação, que permite analisar dados estáticos de arquivos CSV ou capturas de tela. O sistema é construído sobre um workspace de memória (`workspace/ads/`) que armazena o contexto da conta, metas, mapas de intenção e um histórico de descobertas. Uma característica central é o protocolo de criação de rascunhos: quando análises produzem recomendações acionáveis, o Copilot gera documentos de rascunho revisáveis pelo humano, garantindo que nenhuma mudança significativa seja aplicada sem aprovação prévia. A ferramenta é ideal para quem busca controle fino sobre gastos, melhoria na relevância dos anúncios e uma gestão baseada em dados, reduzindo o ruído de decisões baseadas apenas em intuição.

Funciona com✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/TheMattBerman/google-ads-copilot/tree/HEAD/google-ads

Perguntar na sua IA favorita

Abre um novo chat com esta habilidade de agente já pré-carregada.

Documentação

O que Google Ads Copilot faz?

Google Ads é um jogo de linguagem disfarçado de painel.

A maioria das contas não falha porque os botões estão errados. Elas falham porque a conta está misturando diferentes tipos de intenção, comprando curiosidade de baixa qualidade e escondendo sinais dentro de uma estrutura ruim.

Este sistema existe para corrigir isso.

O trabalho

  1. Interrogar a conta
  2. Construir um Mapa de Intenção
  3. Cortar desperdícios
  4. Isolar sinais
  5. Transformar aprendizado em estrutura, anúncios e decisões de orçamento
  6. Preservar a memória para que o sistema se acumule
  7. Propor ações como rascunhos revisáveis

Arquitetura: Ler → Rascunhar → Aplicar

CAMADA DE LEITURA    →  CAMADA DE RASCUNHO   →  CAMADA DE APLICAÇÃO (futuro)
Dados ao vivo via MCP    Ações propostas         Escrita controlada de volta
  ou exportações manuais  em documentos de        após aprovação humana
        ↕                 rascunho                       ↕
              MEMÓRIA DO WORKSPACE (workspace/ads/)
  • Ler: Puxar dados ao vivo via servidor MCP google-ads-mcp (modo conectado) ou aceitar CSV/paste/capturas de tela manuais (modo de exportação).
  • Rascunhar: Quando a análise produz descobertas acionáveis, escrever ações propostas concretas em workspace/ads/drafts/ para revisão humana.
  • Aplicar: Futuro — executar rascunhos aprovados via escritas na API Google Ads.

Comandos

ComandoPropósito
/google-ads connectConfiguração inicial, verificação de integridade, seleção de conta (modo conectado)
/google-ads dailyResumo rápido do operador sobre o que importa hoje
/google-ads search-termsEncontrar desperdício, sinais, pistas de mensagens e problemas de roteamento
/google-ads intent-mapConstruir/atualizar o modelo de intenção da conta
/google-ads negativesRecomendar negativos com escopo + notas de risco
/google-ads trackingDiagnosticar se a conta é confiável o suficiente para ser otimizada
/google-ads structureRecomendar mudanças na estrutura de campanha/grupo de anúncios
/google-ads rsasGerar/refinar direções de RSA a partir da linguagem real das consultas
/google-ads budgetDecisões de orçamento/escala com base na qualidade do sinal
/google-ads planPlanejar ou reconstruir a arquitetura da conta
/google-ads auditRevisão completa do operador em todas as principais camadas
/google-ads landing-reviewDiagnosticar o caminho da página de destino → conversão (rastreamento vs UX)
/google-ads draft-summaryResumo priorizado de todos os rascunhos pendentes
/google-ads applyExecutar rascunhos aprovados (v1: apenas negativos + pausas)

Protocolo de Aquisição de Dados

Toda habilidade precisa de dados. O sistema suporta dois modos. Sempre determine o modo antes da análise.

Etapa 1: Detectar Modo

Modo conectado — preferido. O servidor MCP google-ads-mcp está configurado e acessível.

  • Teste: chamar list_accessible_customers via MCP. Se retornar IDs de cliente, você está conectado.
  • Dados: puxar dados ao vivo da conta usando consultas GAQL através da ferramenta search do MCP.
  • Veja data/gaql-recipes.md para modelos de consulta por habilidade.

Modo de exportação — fallback. Nenhum servidor MCP, ou o usuário fornece explicitamente dados exportados.

  • O usuário cola CSV, capturas de tela ou texto da interface do Google Ads.
  • Veja data/export-formats.md para formatos de exportação recomendados por habilidade.
  • Toda análise ainda funciona — apenas com dados estáticos em vez de consultas ao vivo.

Etapa 2: Identificar Conta

No modo conectado:

Chamada MCP: list_accessible_customers
→ Retorna IDs e nomes de clientes
→ Se várias contas, perguntar ao usuário qual (ou usar workspace/ads/account.md se definido)

No modo de exportação:

  • O contexto da conta vem dos dados que o usuário fornece
  • Armazenar a identidade da conta em workspace/ads/account.md para continuidade

Etapa 3: Puxar Dados

Cada habilidade tem consultas GAQL específicas (documentadas em seu próprio SKILL.md e em data/gaql-recipes.md).

Padrão de chamada MCP:

Ferramenta: search (no servidor MCP google-ads-mcp)
Argumentos: { "customer_id": "1234567890", "query": "<consulta GAQL>" }

Notas GAQL:

  • Todos os valores cost_micros: 1.000.000 = $1,00 — converter para exibição
  • Intervalos de datas: DURING LAST_7_DAYS, LAST_30_DAYS, ou BETWEEN 'YYYY-MM-DD' AND 'YYYY-MM-DD'
  • Usar LIMIT para contas grandes (começar em 500)
  • Nem todas as combinações de recurso+métrica são válidas — verificar referência GAQL se uma consulta falhar

Protocolo de Fallback de Intervalo de Datas

Algumas contas estão inativas, esparsas ou sazonais. Puxadas ingênuas de períodos recentes podem enganar — mostrando dados zero quando existe histórico útil.

Cadeia de fallback (tentar em ordem até que os dados retornem):

PrioridadeIntervalo de DatasCláusula GAQLUsar Quando
1ºÚltimos 30 diasDURING LAST_30_DAYSPadrão — mais relevante para contas ativas
2ºÚltimos 90 diasDURING LAST_90_DAYS30 dias retornaram dados zero ou quase zero
3ºÚltimos 12 mesesDURING LAST_12_MONTHS90 dias ainda esparsos
4ºTodo o período(sem filtro de data)Conta está verdadeiramente inativa — puxar todo o histórico disponível

Regras:

  1. Sempre comece com LAST_30_DAYS a menos que o operador especifique um intervalo.
  2. Se a primeira consulta retornar 0 linhas ou gasto total <$5, aumentar automaticamente — não reportar "sem dados" sem tentar.
  3. Sempre declarar qual intervalo de datas foi usado na saída: "Intervalo de datas: Últimos 30 dias" ou "Intervalo de datas: Todo o período (conta inativa desde ~Q4 2023)."
  4. Se você teve que fazer fallback, explicar o motivo: "Nenhuma atividade nos últimos 30 dias. Fallback para dados de todo o período para fornecer contexto histórico."
  5. Nunca usar silenciosamente um intervalo de datas não padrão. O operador precisa saber a recência dos dados que está analisando.
  6. Ao comparar períodos, ambos os períodos devem ter dados. Se o período atual estiver vazio, anotar como "nenhuma atividade atual" em vez de mostrar deltas -100% enganosos.

Implementação nas habilidades: A consulta principal de cada habilidade deve usar DURING LAST_30_DAYS. Se o conjunto de resultados estiver vazio ou trivialmente pequeno, executar novamente com DURING LAST_90_DAYS, depois sem filtro de data. Documentar qual intervalo produziu os dados no cabeçalho da saída.

Anúncio de Modo

No início de cada análise, declarar qual modo está ativo:

Modo: Conectado — puxando dados ao vivo da conta [Nome] (ID: XXXXXXXXXX)

ou

Modo: Exportação — analisando dados fornecidos. Para acesso ao vivo, configurar o servidor MCP google-ads-mcp (veja data/mcp-config.md).


Protocolo de Criação de Rascunho

Quando a análise produz descobertas acionáveis, as habilidades escrevem documentos de rascunho para revisão humana.

Quando criar um rascunho

  • As descobertas incluem ações específicas e implementáveis (não apenas observações)
  • A confiança é pelo menos Média
  • A ação tem impacto esperado mensurável

Quando NÃO criar um rascunho

  • As descobertas são apenas observacionais (atualizar a memória do workspace)
  • A confiança é Baixa e mais dados são necessários
  • A ação é trivial o suficiente para ser mencionada inline sem preparação

Mecânica do rascunho

  1. Escolher o modelo certo de drafts/templates/ (negative-draft.md, structure-draft.md, budget-draft.md, rsa-draft.md, tracking-draft.md)
  2. Derivar o slug da conta de workspace/ads/account.md — minúsculo, ASCII, hifenizado, 2-3 palavras no máximo; fallback para CID se necessário
  3. Escrever o rascunho em workspace/ads/drafts/YYYY-MM-DD-[slug-da-conta]-[tipo].md
  4. Atualizar o índice em workspace/ads/drafts/_index.md
  5. Se uma execução de auditoria criar 2+ rascunhos, também escrever workspace/ads/drafts/_batch-YYYY-MM-DD-[slug-da-conta].md como o pacote de auditoria durável para aquela execução
  6. Anunciar o rascunho na saída da análise: "Rascunho criado: workspace/ads/drafts/2026-03-14-costa-leste-negatives.md — 8 palavras-chave negativas para Campanha X"

Padrão de qualidade do rascunho

  • Cada ação proposta deve ter: alvo, detalhe, risco, reversibilidade
  • A evidência deve vincular-se a dados específicos (texto da consulta, valores de gasto, contagens de conversão)
  • A confiança deve ser declarada com raciocínio
  • Dependências entre rascunhos devem ser anotadas
  • A lista de verificação ## Revisão deve incluir evidência verificada, risco colateral verificado, dependências verificadas, decisão, motivo da decisão, revisado por, revisado em, aplicado em e notas

Captação de Contexto

Antes da análise profunda, coletar ou extrair:

  1. Modelo de negócio / setor
  2. KPI primário / meta de conversão
  3. Faixa de orçamento ou realidade orçamentária
  4. Tipos de campanha ativos
  5. Dados disponíveis: modo conectado ou exportação (relatório de termos de busca, exportação de campanha, capturas de tela, notas de rastreamento)

Se o usuário já deu contexto, não pergunte novamente. Se workspace/ads/account.md e workspace/ads/goals.md existirem, carregá-los — o contexto já pode estar capturado.

Lente de Entrevista de Consulta

Sempre perguntar:

  • O que o usuário está tentando fazer com esta busca?
  • É provável que esta busca compre, compare, aprenda, navegue ou rejeite?
  • Esta consulta deve viver no mesmo balde de otimização que as outras?
  • Que linguagem se repete entre os vencedores aparentes?
  • Que linguagem se repete entre os gastos desperdiçados?
  • Que implicação estrutural se segue?

Memória do Workspace

Usar workspace/ads/ como memória compartilhada.

Arquivos principais:

ArquivoPropósito
account.mdIdentidade da conta, ID do cliente, contexto de negócio
goals.mdKPIs, metas, como é o sucesso
intent-map.mdModelo durável das classes de intenção de busca
queries.mdPadrões e clusters de consulta notáveis
negatives.mdPalavras-chave negativas ativas e propostas
winners.mdConsultas, anúncios, campanhas de alto desempenho
tests.mdExperimentos em andamento e concluídos
findings.mdRegistro de descobertas estratégicas
change-log.mdO que mudou e quando
learnings.mdLições aprendidas (alimenta decisões futuras)
assets.mdTítulos de RSA, descrições, notas criativas
drafts/_index.mdFila de rascunhos com status
drafts/_summary.mdVisão atual do backlog priorizado
drafts/_batch-*.mdPacotes de auditoria pontuais para execuções de auditoria com múltiplos rascunhos
drafts/*.mdPropostas de ação de rascunho individuais

Regras de memória

  • Carregar apenas arquivos relevantes para a tarefa
  • Preservar histórico somente de acréscimo quando apropriado
  • Atualizar o Mapa de Intenção quando o comportamento de busca mudar significativamente
  • Registrar descobertas estratégicas, não apenas notas brutas
  • Quando a análise produzir rascunhos, sempre atualizar o índice

Arquivos de referência

Carregar sob demanda (apenas os relevantes para a habilidade atual):

  • google-ads/references/operator-thesis.md
  • google-ads/references/intent-map.md
  • google-ads/references/query-patterns.md
  • google-ads/references/negatives-playbook.md
  • google-ads/references/tracking-playbook.md
  • google-ads/references/structure-playbook.md
  • google-ads/references/rsa-playbook.md
  • google-ads/references/budget-playbook.md
  • google-ads/references/deliverable-templates.md
  • google-ads/references/benchmarks.md
  • google-ads/references/landing-page-playbook.md

Lógica de roteamento

connect

Usar ao conectar-se a uma conta ao vivo pela primeira vez, trocar de contas ou solucionar problemas de conectividade MCP. Executa configuração, descoberta de clientes, seleção de conta e verificação de integridade. Executar esta habilidade antes de qualquer outra no modo conectado se workspace/ads/account.md estiver vazio ou ausente. Veja skills/google-ads-connect/SKILL.md.

daily

Usar quando o usuário quiser a leitura curta do operador. Puxar desempenho dos últimos 7 dias + mudanças recentes. Superficializar o que importa hoje, vincular a rascunhos existentes se relevante.

search-terms

Usar quando o usuário quiser saber onde o desperdício está vazando e onde a intenção está emergindo. Puxar o relatório de termos de busca (últimos 30 dias). Produz rascunhos de negativos e rascunhos de RSA quando as descobertas justificam.

intent-map

Usar quando o usuário quiser uma leitura estratégica durável do comportamento de busca da conta. Puxar todos os termos de busca para clusterização. Produz rascunhos de estrutura quando classes de intenção precisam de separação.

negatives

Usar quando decisões de exclusão e roteamento são a prioridade. Puxar negativos existentes + termos de busca. Sempre produz um rascunho de negativos com palavras-chave específicas.

tracking

Usar quando a conta pode estar otimizando contra sinal ruim. Puxar ações de conversão e seu desempenho. Produz rascunhos de rastreamento quando correções são necessárias.

structure

Usar quando intenções diferentes estão misturadas e a arquitetura da conta está escondendo significado. Puxar estrutura de campanha/grupo de anúncios/palavra-chave. Produz rascunhos de estrutura para divisões, fusões e mudanças de roteamento.

rsas

Usar quando o texto do anúncio deve ser informado pela linguagem real do comprador. Puxar desempenho de ativos RSA + termos de busca. Produz rascunhos de RSA com títulos e descrições concretos.

budget

Usar ao decidir onde proteger, reduzir ou escalar gastos. Puxar dados de orçamento e participação de impressões. Produz rascunhos de orçamento para propostas de realocação.

plan

Usar ao lançar do zero ou reconstruir. Produz um documento de plano abrangente (não um rascunho — planos são entregáveis independentes salvos no workspace).

audit

Usar para a síntese ampla. Executa uma mini versão de várias habilidades. Produz um lote priorizado de rascunhos cobrindo as mudanças de maior alavancagem e, quando 2 ou mais rascunhos são criados, um pacote de auditoria durável _batch-YYYY-MM-DD-[slug-da-conta].md para aquela execução.

landing-review

Usar quando o usuário disser "a página de destino não está convertendo" ou quiser entender por que os cliques não estão se tornando leads/vendas. Sempre executa o Fork A (diagnóstico de rastreamento) antes do Fork B (diagnóstico de UX/caminho). Distingue falhas de rastreamento de falhas de página — as duas causas raiz mais comumente confundidas. Produz rascunhos de revisão de página de destino e/ou rascunhos de correção de rastreamento. Usa navegador/fetch para inspecionar páginas de destino reais.

draft-summary

Usar quando o usuário quiser revisar rascunhos pendentes, priorizar o que aplicar ou entender a sequência de implementação recomendada. Lê todos os rascunhos pendentes, classifica por prioridade/impacto/risco, mapeia dependências e produz um único instantâneo do backlog priorizado em workspace/ads/drafts/_summary.md. Não reutilizar _summary.md como o pacote da execução de auditoria; esse papel pertence a _batch-*.md.

apply

Usar quando o usuário quiser executar um rascunho aprovado. Escopo v1: adicionar palavras-chave negativas e pausar palavras-chave/grupos de anúncios APENAS. Mostra uma simulação, requer confirmação explícita, executa via API Google Ads, verifica mudanças e escreve uma trilha de auditoria. Veja APPLY-LAYER.md para detalhes completos.


Princípios de Projeto: O Operador Humano

Não automatizar tudo. Automatizar a descoberta, estruturação e preparação — não a execução.

  • Cada análise deve produzir linguagem que um humano entenda e possa revisar
  • Rascunhos são preenchidos com evidência, risco e raciocínio — não apenas ações o Rascunhos são projetados para serem aplicados por um humano, não por um script
  • O sistema constrói alinhamento antes da ação
  • A memória se acumula: cada execução informa a próxima
  • A conta pertence ao humano. O Copilot pertence ao humano. O operador humano mantém o controle.

Resumo de Implementação

AspectoDetalhe
Localização do códigogoogle-ads/ ou google-ads/skills/
DadosModo conectado (MCP) ou exportação (CSV/paste)
Memóriaworkspace/ads/ — carregar em lote, anexar apenas
Rascunhosworkspace/ads/drafts/ com modelos em google-ads/drafts/templates/
Referênciasgoogle-ads/references/ — carregar sob demanda
SaídaLinguagem natural + rascunhos acionáveis + trilha de auditoria
Regra de ouroNenhuma ação sem confiança. Nenhuma aplicação sem um humano.

Traduzido e adaptado para o português. O conteúdo original em inglês está disponível em google-ads/SKILL.md.original.

Habilidades Relacionadas