Engenharia Reversa de Marketing Online de Concorrentes

O que Engenharia Reversa de Marketing Online de Concorrentes faz?

Objetivo: Explicar COMO um concorrente adquire, converte e retém clientes, e para onde vai o dinheiro deles — e então transformar isso em decisões para o próprio site do usuário. Evidência em primeiro lugar, conclusões em segundo, ações por último.

1. Entradas (pergunte uma vez, em uma única AskUserQuestion se algo estiver faltando)

• Domínio(s) do(s) concorrente(s) — de 1 a 5. Se nenhum for fornecido, descubra-os (etapa 2).
• Domínio do próprio usuário (para comparações de lacunas).
• Mercado-alvo: país/cidade + idioma (orienta a localização do Ubersuggest, a região da biblioteca de anúncios, prompts de IA).
• Profundidade: Rápida (fases 1–5 + síntese, ~1 concorrente) ou Completa (todas as fases, até 5 concorrentes). Padrão: Completa para 1–2 concorrentes, Rápida para 3+.
• Dica de modelo de negócio, se não estiver claro: serviço B2B, e-commerce B2C, SaaS, negócio local.

Se o usuário não estiver presente, assuma a leitura mais razoável, declare-a no topo do relatório e continue.

2. Seleção de concorrentes (apenas se não fornecida, ou para verificação)

Construa três listas e escolha os 3–5 mais relevantes:

• Concorrentes de negócio — mesma oferta, mesmo comprador (WebSearch "<serviço> ", "melhores empresas de <serviço> <país>").
• Concorrentes de busca — Ubersuggest competitors no domínio do usuário + quem está no top 10 para 5–10 palavras-chave de dinheiro (serp_analysis).
• Concorrentes de atenção — marcas citadas em respostas de IA e que veiculam anúncios no nicho.

3. Coleta de dados por fase

Configure uma lista de tarefas (uma tarefa por fase + síntese + verificação). Salve os resultados brutos em arquivos no diretório de trabalho (ex: data/<dominio>_top_pages.json) — calcule a partir dos arquivos, nunca estime valores no texto.

Carregue as ferramentas do Ubersuggest via ToolSearch de uma só vez, antes de começar, ex: select:mcp__Ubersuggest__domain_overview,mcp__Ubersuggest__domain_top_pages,mcp__Ubersuggest__domain_keywords,mcp__Ubersuggest__domain_top_countries,mcp__Ubersuggest__backlinks_overview,mcp__Ubersuggest__linking_domains,mcp__Ubersuggest__anchor_texts,mcp__Ubersuggest__competitors,mcp__Ubersuggest__serp_analysis,mcp__Ubersuggest__match_keywords,mcp__Ubersuggest__pagespeed_audit,mcp__Ubersuggest__brand_visibility_overview. Verifique user_limits primeiro se estiver fazendo muitos domínios.

Fase 1 — Posicionamento e mensagem

• WebFetch na página inicial, preços, sobre, principais páginas de serviço. Registre: título principal, subtítulo, CTA principal, público-alvo, todas as alegações e todos os pontos de prova (logotipos, números, depoimentos, prêmios).
• Modelo de preços: público/oculto, níveis, trial/demo, ancoragem. Preços ocultos ⇒ funil orientado a vendas.
• Histórico: instantâneos do Wayback Machine da página inicial + preços (≈ 1, 2, 3 anos atrás) — observe as mudanças de posicionamento.
• Voz do cliente: avaliações no G2/Clutch/Trustpilot/Google/Reddit via WebSearch. Extraia os 3 principais elogios (pré-requisitos do mercado) e as 3 principais reclamações (oportunidades de posicionamento). Parafraseie; nunca cole o texto da avaliação.

Fase 2 — Mix de tráfego e motores de crescimento

• domain_overview, domain_top_countries, domain_top_pages.
• Identifique as 10–20 páginas que geram mais tráfego = motores de crescimento reais. Classifique cada uma (serviço, localização, blog, ferramenta, comparação, glossário).
• Divisão de canais (direto/orgânico/pago/indicação/social): se nenhuma ferramenta fornecer, diga isso e infira com cautela a partir de palavras-chave pagas, atividade na biblioteca de anúncios e presença social. Rotule todos os números de terceiros como estimativas direcionais.

Fase 3 — SEO

• Pegada de palavras-chave: domain_keywords; divida por intenção e por marca vs. não marca (calcule em código).
• Lacuna de palavras-chave vs. domínio do usuário: palavras-chave em que o concorrente está nas posições 1–10 e o usuário não; priorize as comerciais/transacionais.
• Estratégia de conteúdo: busque o sitemap.xml (WebFetch) → inventário de tipos de página, velocidade de publicação a partir de lastmod, clusters, padrões programáticos (ex: modelos de serviço × cidade).
• Aspectos técnicos: tipos de schema presentes, estrutura de URL, páginas prioritárias de links internos, hreflang, pagespeed_audit na página inicial + página de dinheiro principal.
• Backlinks: backlinks_overview, linking_domains, anchor_texts. Observe a tendência de domínios de referência, principais páginas com links (ativos linkáveis), perfil de âncoras (muita correspondência exata = agressivo), tipos de fontes de link. Intersecção de links quando 2+ concorrentes: domínios que linkam para 2+ concorrentes, mas não para o usuário.

Fase 4 — Visibilidade em busca de IA (GEO/AEO)

• Crie 15–30 prompts de comprador para o mercado (preços, melhor-do-tipo, como fazer, comparação).
• Use brand_visibility_overview / brand_prompts se configurado; caso contrário, registre o que é verificável via WebSearch e anote verificações manuais que o usuário deve realizar no ChatGPT, Perplexity, Gemini, AI Overviews.
• Observe padrões de páginas citadas (definições, tabelas, faixas de preço, estatísticas, FAQs, frescor) e fontes externas que alimentam LLMs (Wikipedia/Wikidata, Reddit, YouTube, sites de avaliação, listicles).
• Verifique o robots.txt para regras de crawlers de IA e a presença de /llms.txt.

Fase 5 — Publicidade paga

Use o navegador (leia a skill chrome-browser primeiro; Claude no Chrome é preferido) para visualizar bibliotecas públicas — leia apenas, nunca clique em anúncios ou envie nada:

• Google Ads Transparency Center (adstransparency.google.com) — pesquise o anunciante, defina a região.
• Meta Ad Library (facebook.com/ads/library) — anúncios ativos, datas de início, variações.
• LinkedIn Ad Library (B2B), TikTok Creative Center (B2C). Para cada anúncio notável, registre: plataforma, data de início, formato, gancho, oferta, CTA, página de destino. Sinalize anúncios com 60+ dias de veiculação como provavelmente lucrativos. Observe testes criativos (mesma oferta, vários ganchos) e páginas de destino dedicadas vs. genéricas. Palavras-chave pagas do Ubersuggest, quando disponíveis. Se não houver navegador disponível, diga quais bibliotecas o usuário deve verificar e continue.

Fase 6 — Funil e CRO

A partir das páginas obtidas: caminhos de conversão (formulário, chat, telefone, WhatsApp, agendamento, calculadora), iscas digitais, número de campos do formulário e perguntas qualificadoras, posicionamento de elementos de confiança, popups/CTAs fixos. Recomende (não execute) uma pesquisa de cliente oculto pelo usuário: tempo de resposta, canal de contato, script, cadência de acompanhamento. Nunca envie formulários ou consultas você mesmo.

Fase 7 — Stack tecnológica e rastreamento

A partir do código-fonte da página (WebFetch / navegador): CMS, analytics, gerenciador de tags, CRM, plataforma de e-mail, chat, teste A/B, mapas de calor, pixels (Meta, LinkedIn Insight, TikTok, Google Ads remarketing, Clarity, Hotjar). Interprete: ex: HubSpot ⇒ nutrição automatizada; VWO/Optimizely ⇒ cultura de teste.

Fase 8 — E-mail e automação

Você não pode se inscrever. Documente opt-ins visíveis e iscas digitais; forneça ao usuário uma lista de verificação de 4–6 semanas de rastreamento (sequência de boas-vindas, cadência, linhas de assunto, mix de conteúdo, segmentação) para ser executada com uma caixa de entrada dedicada.

Fase 9 — Social e distribuição

Por plataforma: presença, frequência de postagem, formatos, temas de melhor desempenho (a partir do que é publicamente visível via WebSearch/WebFetch/navegador), marcas pessoais do fundador/funcionário, rankings no YouTube, comunidades/webinars. Taxa de engajamento = engajamento ÷ seguidores quando os números estiverem visíveis.

Fase 10 — RP, parcerias e sinais de contratação

WebSearch para cobertura de notícias, prêmios, patrocínios, páginas de parceiros/integrações, programa de afiliados e vagas de emprego atuais (página de carreiras, LinkedIn) — cargos sendo contratados sinalizam investimento nos próximos 3–6 meses.

4. Síntese (obrigatória — este é o núcleo da entrega)

1. Modelo de marketing — uma frase por concorrente: como eles adquirem → convertem → nutrem.
2. Matriz de canais — linhas = canais (posicionamento, SEO, visibilidade em IA, busca paga, social pago, conteúdo, social, e-mail, RP/links, CRO), colunas = concorrentes + usuário; células Fraco/Médio/Forte com uma linha de evidência cada.
3. Lista de oportunidades — cada lacuna pontuada com Impacto (1–5), Esforço (1–5), Tempo-para-resultado (semanas). Ordene por impacto ÷ esforço.
4. Copiar / Superar / Pular — pré-requisitos a copiar, fraquezas a superar, jogadas que dependem de orçamento/marca a pular.
5. Plano de 90 dias — ações mês a mês com função do responsável e KPI.
6. Configuração de monitoramento — Google Alerts, biblioteca de anúncios mensal + verificação das principais páginas, rastreamento de ranking de concorrentes, reexecução trimestral de prompts de IA, rastreamento de mudanças na página inicial/preços.

5. Saída

• Relatório principal: um artefato do Docs (liste os tipos de artefato primeiro; recorra a um artefato HTML autocontido, ou .docx apenas se o usuário pedir Word). Estrutura: Resumo executivo (5 marcadores) → Instantâneos dos concorrentes → Descobertas por fase → Matriz de canais → Oportunidades → Copiar/Superar/Pular → Plano de 90 dias → Monitoramento → Lacunas de dados e verificações manuais → Fontes.
• Complemento opcional: artefato do Sheets com as abas Concorrentes, Lacuna de Palavras-chave, Principais Páginas, Intersecção de Backlinks, Registro de Anúncios, Visibilidade em IA, Pontuação de Oportunidades — ofereça; construa se solicitado ou se for profundidade Completa com 3+ concorrentes.
• Idioma: corresponda ao idioma do usuário para texto (Português); mantenha nomes de ferramentas, métricas e cabeçalhos em Inglês.

6. Regras

• Apenas informações públicas e interações genuínas. Sem identidades falsas, sem fazer login, sem raspar dados atrás de logins, sem envio de formulários, sem clicar em anúncios de concorrentes (custa dinheiro a eles).
• Nunca copie conteúdo, texto de anúncio ou avaliações de concorrentes na íntegra; parafraseie e cite no máximo uma frase curta por fonte.
• Rotule todo número de tráfego/gasto de terceiros como uma estimativa; compare concorrentes com a mesma ferramenta.
• Correlação ≠ causalidade: tire conclusões a partir de padrões em várias páginas/concorrentes, não de uma página.
• Separe evidência de inferência no relatório (ex: "Observado:" vs "Provável:").
• Liste cada fase que você não conseguiu cobrir completamente (limites de ferramentas, sem navegador, dados atrás de paywall) em "Lacunas de dados e verificações manuais" com o passo manual exato.
• Verificação final antes de entregar: confira os números com os arquivos de dados salvos, reabra o relatório, confirme que cada recomendação remonta a uma descoberta.