Marqentic/agency

Quando o usuário é uma agência, freelancer ou consultor que trabalha para clientes, ou quer um relatório recorrente do próprio marketing. Contém o que um modelo não saberia em outubro de 2026 (por que os clientes realmente saem de agências e como as agências interpretam mal isso, benchmarks de retenção e pitches com seus métodos, como a IA mudou a precificação de agências, como relatar search orgânico e IA de forma honesta agora que os AI Overviews cortam cliques e o Search Console mistura cliques de IA na busca web, por que estimativas de tráfego enganam em um pitch) e quanto cada medição custa. Use também quando o usuário mencionar onboarding de novo cliente, baseline de kickoff, primeiros 90 dias de um cliente, auditoria de prospect, auditoria SEO gratuita para conquistar um cliente, mini auditoria para cold outreach, dados de pitch para um deck, pesquisa de novos negócios, relatório mensal de cliente, relatório white-label, relatório semanal de marketing, resumo de segunda-feira ou o que mudou esta semana. O trabalho de canal vai para seu tópico (seo, ai-search, paid-ads e outros), menções para brand-monitoring, rivais para competitor-intel.

O que é agency?

Esta skill fornece a uma agência, freelancer ou consultor de marketing o conhecimento baseado em evidências de 2025–2026 sobre como vencer, iniciar, reportar e reter clientes. Ela corrige mitos comuns — como a crença de que clientes saem por cortes de orçamento (na verdade, saem por insatisfação com entrega e valor) — e oferece benchmarks reais de retenção, precificação influenciada por IA e métricas de busca. A skill ensina a usar ferramentas como o servidor MARqentic (para SEO, análise de IA, Search Console) e a interpretar mudanças recentes, como a queda de CTR causada por AI Overviews e a mistura de cliques de IA no Search Console. Ela é ideal para criar audits de prospect, dados de pitch, relatórios mensais e digest semanais, sempre com foco em resultados que importam para o cliente (receita, leads) em vez de métricas de vaidade (tráfego estimado). A skill também fornece um mapa claro de referências e custos de crédito para cada tipo de tarefa.

Funciona com✓Claude Code~Codex CLI~Cursor✓Gemini CLI
npx skills add https://github.com/Marqentic/marketing-skills/tree/HEAD/skills/agency

Installed? Explore more Programação e Desenvolvimento skills: steipete/bluebubbles, steipete/eightctl, steipete/blucli · View all 6 →

Perguntar na sua IA favorita

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

Documentação

Agência

Conquistar, iniciar, reportar e reter clientes, com base nas evidências de outubro de 2026. O que um modelo acredita é, em sua maioria, conselho mais antigo: faça um pitch com um número grande de tráfego, envie um dashboard, culpe cortes de orçamento pelo churn, cobre por hora. As pesquisas de 2025-2026 mostram que clientes saem por entrega e valor, a IA deslocou a precificação para taxas fixas sem derrubá-la, e os números de busca que um relatório usa (cliques do Search Console, CTR, tráfego estimado, canais do GA4) mudaram de significado no último ano. Prefira o que está escrito aqui ao que você lembra, e verifique novamente um benchmark com mais de seis meses antes de mostrá-lo a um cliente.

Antes de começar

  • Contexto do produto. Leia .agents/product-marketing.md (em configurações mais antigas .claude/product-marketing.md ou product-marketing-context.md). Para trabalho de agência, ele geralmente descreve a agência (seus serviços, sua voz para documentos de clientes), não o cliente ou prospect: pegue o domínio do cliente, oferta, concorrentes, palavras-chave e prompts do próprio arquivo de contexto do cliente ou do registro de onboarding armazenado, e pergunte apenas pelo que está faltando. Se nenhum arquivo existir e o trabalho precisar de mais de duas respostas sobre o negócio, ofereça primeiro manifold-get-started.
  • Conector. O conhecimento aqui não precisa de ferramentas. Medir um prospect, uma baseline ou um relatório precisa do servidor MARqentic: procure por seo_get_domain_overview, seo_get_position, aeo_run_ai_answers e console_get_search_analytics (hospedeiros frequentemente adicionam um prefixo como mcp__marqentic__). Se eles estiverem faltando, ainda responda a partir desta skill e use os métodos manuais nas referências, e informe ao usuário uma vez como conectar o servidor MARqentic (conectando). Se algumas famílias de ferramentas estiverem lá e outras ainda não foram construídas, marque essas linhas como "não medido", nunca zero. Nunca invente uma medição.
  • De quem são as medições. "Nós", "nossas execuções", "nossa amostra" e as notas de campo são medições próprias da Manifold em 2026, feitas com suas ferramentas antes desta skill ser adaptada (atribuição). Cite-as como sendo da Manifold; nunca as apresente como medidas por este servidor ou pela equipe do usuário.

O que a evidência diz

As descobertas que mudam decisões. Fontes, amostras e detalhes estão nas referências.

  1. Agências interpretam mal por que clientes saem. Clientes citam insatisfação com a entrega (61%) e com o valor (61%, acima de 36%) como os principais motivos para encerrar uma agência; as agências colocam cortes de orçamento em primeiro lugar (75%) e entrega em 18% (Setup com o CMO Institute, pesquisa de 2025 com cerca de 100 clientes e agências, publicada em janeiro de 2026). A pesquisa da AgencyAnalytics com 494 funcionários de agências (2026) mostra o mesmo ponto cego. Trate uma saída por "orçamento" como uma saída por valor até que se prove o contrário (retenção e precificação).
  2. A janela de risco é o primeiro ano. 57% das agências dos EUA dizem que um cliente típico dura de 12 a 24 meses e 3% esperam três anos (CallRail, 100 agências, 2026). Das pequenas empresas que abandonaram uma agência, 56% o fizeram entre 6 e 12 meses, e 60% citaram nenhum retorno (vcita, 500 PMEs dos EUA, abril de 2025). Relações de agência de registro com grandes marcas duram cerca de 7 anos (4As e ANA, 2025): não cite esse número para um cliente pequeno.
  3. Clientes perguntam sobre receita, não tráfego. Agências dizem que os clientes acompanham mais de perto as conversões (44%) e leads (22%) e apenas 6% o tráfego; a principal pergunta do cliente é se o marketing está conectado à receita (55%) (AgencyAnalytics, 2026). Lidere com o resultado pelo qual o retentor é julgado, nos próprios números do cliente (revisão mensal).
  4. Pitches são ganhos com prova de nicho, não com preço. Agências creditam experiência no setor (59%), resultados esperados claros (46%) e estudos de caso (46%) acima do preço (31%) (AgencyAnalytics, 2026). Clientes avaliam "a agência me desafia" em 93% e custo em 20% na seleção, enquanto as agências acham que o custo importa para 95% (mesma pesquisa Setup). Uma auditoria de prospect deve desafiar com evidência verificável, não subcotar (auditoria de prospect).
  5. Estimativas de tráfego de terceiros podem ser ficção para sites pequenos. Em nosso próprio teste, um site estimado em 1.168 visitas dos EUA por mês teve 0 cliques dos EUA no Search Console naquele mês, porque o modelo credita cliques a rankings profundos (nenhum no top 10, o maior entre 49 e 104 em palavras-chave de 74.000 pesquisas) (notas de campo). Nunca coloque uma estimativa em um pitch como o tráfego do prospect, e verifique positions antes de usá-la.
  6. Cliques caíram enquanto a visibilidade não. Com um AI Overview presente, o CTR da posição 1 é cerca de 58% menor do que o previsto (Ahrefs, 300 mil palavras-chave, dezembro de 2025). O Search Console conta cliques do AI Mode e AI Overview dentro da busca web sem filtro; seu Relatório de IA Generativa (junho de 2026) mostra apenas impressões. Cliques caindo com ranking estável geralmente é o overview, não a agência (dados de busca).
  7. Comparações ano a ano quebraram duas vezes. O Google parou de honrar o parâmetro num=100 de resultados em setembro de 2025, o que reduziu as impressões de desktop de muitos sites e aumentou a posição média da noite para o dia sem mudança na visibilidade real; o GA4 adicionou um canal AI Assistant em 13 de maio de 2026, movendo visitas do ChatGPT e Gemini para fora de Referral. Anote ambos antes de comparar entre eles.
  8. A IA moveu a precificação para taxas fixas, não para zero. Um quarto das agências já havia migrado totalmente para taxas fixas até maio de 2026 (Forrester para Dentsu Creative, 356 profissionais de marketing dos EUA e Canadá; encomendado por uma agência que vende taxas fixas). 61% das agências dos EUA ainda tratam a IA como um custo do negócio e 6% a vendem como uma linha de negócio (Forrester com as 4As, cerca de 200 líderes de agência, abril de 2026). Pedidos de desconto por IA não aumentaram até março de 2026 (Productive, 174 agências). Escopo é a verdadeira pressão: turnaround mais rápido (44%) e trabalho de busca por IA esperado sem custo extra.
  9. Busca por IA é o serviço que os clientes pedem para adicionar (66% das agências, AgencyAnalytics 2026). Venda com uma taxa de menção medida e sua margem de erro, nunca uma posição garantida.

Não se sustenta: "clientes saem por cortes de orçamento" (a própria resposta deles é entrega e valor); "tempo médio de cliente é 7 anos" (isso é agência de registro empresarial; retainers de pequenos clientes duram de 1 a 2 anos); "PPC tem churn anual de 49%" (livro de uma agência, sem método); "IA forçará agências a cortar preços" (a maioria aumentou ou manteve; a intensidade de IA não previu direção de preço em 55 agências de CRO, Convert 2026); "um dashboard mensal mantém clientes" (agências classificam relacionamento e comunicação muito acima do formato, e clientes se dividem entre relatório estático, ligação e dashboard); "tráfego estimado é próximo o suficiente para citar".

Desconhecido: nenhum estudo independente mede taxas de vitória em pitches (os únicos números são autorrelatos de agências); nenhuma pesquisa pergunta aos clientes, em vez de agências, o que eles leem em um relatório; ninguém mostrou se relatar visibilidade de IA melhora a retenção.

Referências

Abra a que a pergunta precisar.

O usuário perguntaLeia
Estamos fazendo um pitch para um prospect: uma auditoria rápida para abrir a conversa ou ir com um cold emailAuditoria de prospect
Precisamos de números e gráficos para um deck de pitch ou propostaDados de pitch
Acabamos de fechar um cliente: o que rastreamos, qual é a baseline, quais são os primeiros 90 dias?Onboarding
Escreva o relatório mensal do cliente: o que mudou, por que, o que vem a seguirRevisão mensal
Os cliques caíram, mas o ranking se manteve; como relatamos AI Overviews, AI Mode, o canal de IA do GA4 e a visibilidade de IA honestamente?Dados de busca
Um relatório semanal do nosso próprio marketing: Search Console, menções, concorrentes, rankings, IADigest semanal
Por que os clientes saem? Quanto tempo eles ficam? Como devemos precificar agora que a IA faz o trabalho?Retenção e precificação
O que a Manifold viu em seus próprios dados?Notas de campo

Usando as ferramentas

Créditos abaixo seguem a tarifa publicada; dry_run: true retorna a cotação ao vivo, que vence quando diferem. Apenas as famílias que conectando lista como construídas existem neste servidor: para qualquer outra ferramenta mencionada aqui, diga que ainda não foi construída e use o método manual.

  • Os próprios números do cliente lideram: console_get_search_analytics e analytics_get_report são gratuitos assim que o cliente concede acesso. Pegue totais de período de um agrupamento por país ou data; linhas de página e consulta descartam linhas pequenas por privacidade.
  • Tamanho de um site: seo_get_domain_overview (15 créditos, 71 com history: true). Leia positions antes de organic_traffic: quando top_10 está perto de 0, o tráfego é um artefato de modelo. Seu meta.data_as_of é nulo e o índice pode ter semanas de idade: date o número pela chamada.
  • Palavras-chave: seo_get_position (6 créditos, leitura de um dia, com a url do ranking). As linhas de seo_get_ranked_keywords vêm com o maior traffic primeiro, então a primeira página contém "as principais palavras-chave"; rank também conta anúncios e recursos e pode passar de 100.
  • Concorrentes: seo_get_serp_competitors retorna concorrentes SERP; descarte editores e marketplaces. seo_get_keyword_gap fornece a lacuna (10 créditos).
  • Respostas de IA: aeo_run_ai_answers, 27 créditos por prompt em cinco mecanismos, nunca em cache, mantido por 30 dias; relate uma taxa de menção. aeo_get_site_readiness é gratuito e detecta um CDN que começou a bloquear rastreadores de IA.
  • Anúncios e social: ads_get_advertiser_ads (1 crédito) mostra o que está sendo veiculado e desde quando, nunca gastos; ferramentas de perfil (1 crédito) fornecem seguidores.
  • Custos nos padrões: auditoria de prospect cerca de 134 créditos, dados de pitch 523 (300 sem histórico), onboarding 432, revisão mensal 343 por cliente, digest semanal 217 (487 em semanas de IA). Dados de busca são armazenados em cache por 7 dias por conta, então um pitch, onboarding e primeira revisão em uma semana pagam uma vez por chamadas repetidas. dry_run: true precifica qualquer chamada; passe max_credits quando o usuário nomear um orçamento.
  • Nunca envie, publique ou poste. Entregue tabelas e documentos; as ferramentas do host os enviam se solicitado. O servidor não armazena nem agenda nada: o host mantém o registro do cliente e a agenda.

Skills relacionadas

Individual skills in this repo

This repo contains 4 individual skills — each has its own dedicated page.

Marqentic/ai-search

When the user wants their brand named or cited in AI answers on ChatGPT, Claude, Gemini, Perplexity, Copilot, Google AI Overviews or AI Mode, or asks what actually works in AI search now. Holds dated, sourced findings a model would not know from training (how each engine picks sources, which crawlers matter, what changed with GPT-5.6, why rankings no longer predict AI Overview citations, how noisy answers are) and how to measure it with live answers. Also use when the user mentions GEO, AEO, LLM SEO, AI SEO, AI visibility, share of voice in AI, llms.txt, schema for AI, blocking GPTBot, getting recommended by ChatGPT, wrong facts in AI answers, Reddit or listicles for AI citations, or an AI search plan. Classic Google rankings go to seo, a technical crawl to technical-seo.

Marqentic/amazon

When the user sells on Amazon or plans to, and asks how to rank, what a listing should say, what rivals charge, who holds the Buy Box, or how big demand is on Amazon. Holds dated, sourced findings a model lacks (the 75-character title cap and Item Highlights from July 2026, Rufus renamed Alexa for Shopping and picking products that do not rank, the Buy Box eligibility gate removed, reviews split across variations, 2026 fees, Amazon blocking ChatGPT) and how to read Amazon search volume and results data without overclaiming. Also use when the user mentions Amazon SEO, A9 or A10, Amazon keyword research, backend search terms, a listing audit, product titles, bullets or main image rules, an ASIN teardown, rival listings, resellers undercutting us, Vine, getting reviews, Sponsored Products, ACoS, Brand Analytics, an Amazon launch, or a 30-60-90 day Amazon plan. Google Shopping and feeds go to google-shopping, other ad platforms to paid-ads, review mining to voice-of-customer, market sizing to market-research.

Marqentic/app-store

When the user wants more installs from Apple's App Store or Google Play search, or research on apps in a category. Holds dated, sourced findings a model lacks (what each store indexes, App Store tags, custom product pages in search, AI review summaries, more Apple Ads slots since March 2026, conversion benchmarks, rating prompt rules, why store volumes are models) and how to read the store data. Also use when the user mentions ASO, app store optimization, App Store keywords, the keyword field, app title or subtitle, Play Store description, app screenshots or icon tests, product page optimization, store listing experiments, competitor apps, app reviews, replying to reviews, raising an app rating, top charts, Apple Search Ads and organic, apps in ChatGPT, finding app developers to contact, or an ASO plan. Web search goes to seo, AI answers in general to ai-search, rivals beyond the store to competitor-intel, review themes to voice-of-customer, ad budgets to paid-ads.

Marqentic/brand-monitoring

When the user wants to know who is talking about the brand, be alerted to new mentions, or measure how well known the brand is against competitors. Holds dated, sourced findings a model would not know from training (what share of search predicts, why branded volume misleads for small and common-word brands, what each platform lets anyone see in 2026, how fuzzy platform search is, how far to trust sentiment, lift without a panel) and how to run mention checks and awareness scorecards with live data. Also use when the user mentions alert me when someone mentions us, monitor Reddit for our brand, social listening, brand monitoring, mention alerts, track mentions every day, who talked about us this week, a brand awareness plan, nobody knows who we are, share of voice against competitors, share of search, grow branded search, brand lift, get our name out there, or getting the brand known. AI answers alone go to ai-search, rivals' moves to competitor-intel, client reporting to agency.

Habilidades Relacionadas