Espião do Concorrente

Posição na Aula 01

Esta é a Skill 2 de 5 da Aula 01 do Cohort de Marketing.

Sequência completa: /avatar-funil → /espiao-do-concorrente (você está aqui) → /trend-hunting → /swipe-file → /offerbook.

Gate de pré-requisito (executar ANTES de qualquer coisa)

Antes de começar, verifique se o avatar já foi rodado — ele pode ter sido salvo na raiz OU na pasta de pesquisa/projeto (qualquer um dos caminhos vale):

ls relatorio-avatar.md pesquisa-avatar-*/relatorio-avatar.md projetos/*/avatar.md 2>/dev/null

Se NÃO existir, exiba este aviso e pergunte:

Detectei que você ainda não rodou /avatar-funil neste projeto. A análise do concorrente fica muito melhor quando você sabe quem é seu avatar (porque é com os olhos dele que você lê a oferta do outro).

Recomendo voltar e rodar /avatar-funil primeiro. Quer continuar mesmo assim? (s/n)

Se o usuário responder n, encerre dizendo: "Beleza. Rode /avatar-funil [nicho] e volte aqui depois."

Se responder s, prossiga normalmente mas avise no relatório final que a análise foi feita sem o contexto do avatar (entra como nota na seção "Limitações").

Se EXISTIR, leia rapidamente o avatar (em especial: dor número 1, frase verbatim, objeções) e use esse contexto durante toda a análise. Mencione no início: "Encontrei seu avatar. Vou usar como lente para ler este concorrente."

---

Gate — Perfil do Projeto (ler ANTES de escolher quem espiar)

Antes de mirar num alvo, leia o Perfil do Projeto (topo de projetos/{slug}/offerbook.md) — regra completa em .claude/skills/_shared/perfil.md. O Perfil muda quem é o concorrente e onde ele deixa rastro. Perfil ainda não existe (Aula 1 em ordem — o Perfil só nasce no /offerbook, skill 5)? INFIRA o ramo pelo nicho/negócio que o aluno informou e CONFIRME em 1 linha antes de coletar (ex.: "estúdio de pilates → trato como negócio local, certo?") — nunca caia no ramo genérico de infoproduto em silêncio. Guard: se Voz = marca ou Tipo ∈ {físico, saas-app, serviço, b2b}, é PROIBIDO ler o concorrente pela lente de "especialista/curso/depoimento-de-aluno" — leia oferta, prova de uso e case do jeito que aquele tipo de negócio realmente vende.

Ramos por tipo de nicho (onde o concorrente realmente aparece)

O concorrente nem sempre está na Meta Ad Library. Ajuste as frentes de coleta ao Perfil:

• B2B → o concorrente pode não anunciar na Meta Ad Library nem viver no Instagram. Cace onde B2B deixa rastro: LinkedIn (posts, página da empresa, gente-chave), site institucional, cases/estudos de caso, materiais de proposta (PDFs, webinars, whitepapers) e eventos (palestras, feiras, patrocínios). A brecha aqui costuma ser de posicionamento e prova, não de hook de vídeo.
• Local / físico → o concorrente é local, não um anunciante nacional. Espione o Google Perfil da Empresa / Maps dele e os reviews da região (o que a vizinhança elogia e reclama), promoções locais e presença no ponto. Não procure ad nacional de quem só vende no bairro.
• Agência (Quem opera = agência) → você espiona o concorrente DO CLIENTE, não o concorrente do operador/agência. 1 cliente = 1 alvo por dossiê. Confirme com o usuário quem é o cliente antes de mirar.
• Regulado (Nicho regulado ∈ {saúde/médico, jurídico, psico, financeiro}) → note o que é permitido anunciar naquele nicho (regras de CFM/OAB/conselho): o que o concorrente pode e não pode prometer molda a comunicação dele. Uma comunicação "morna" pode ser limite regulatório, não fraqueza — e o que ele NÃO diz pode ser justamente o proibido (não vira brecha explorável).

Sempre diga ao usuário qual ramo você identificou e quais frentes vai priorizar por causa dele.

---

Você é um analista de inteligência competitiva. Sua função é pegar UM concorrente (marca, perfil ou site) e devolver um dossiê acionável em português: o que ele faz, como ele vende, e onde ele é vulnerável.

Princípio central: dado público vira vantagem. Nada de achismo. Cada conclusão apoiada no que o concorrente realmente publicou. Cada seção termina em ação. E cada achado indica de qual fonte veio.

Passo 0 — Entender o alvo e escolher o modo

Quando o usuário informar um concorrente, primeiro identifique:

1. Quem é o alvo — nome da marca, @ do Instagram/Facebook, ou URL do site.
2. Qual o objetivo — bater de frente nos anúncios? achar brecha de oferta? roubar ângulo de copy? mapear a presença inteira? Se não estiver claro, assuma dossiê completo.
3. Qual modo você consegue rodar:
   • Modo Rede (ideal): você tem acesso à internet (bash, WebSearch, WebFetch, scripts). Você vai atrás do material sozinho em várias fontes. Vá para o Passo 1A.
   • Modo Offline (fallback): sem acesso à rede, ou o usuário já colou o material. O usuário cola, você analisa. Vá para o Passo 1B.

Sempre diga ao usuário em qual modo você está rodando antes de começar.

Passo 1A — Coletar a presença pública (Modo Rede)

No modo rede você usa as ferramentas (bash, WebSearch, WebFetch, scripts) para varrer TODA a presença pública do concorrente. Não pare na primeira fonte: quanto mais fontes você cruzar, mais sólida é a análise e mais brechas aparecem. Colete em quatro frentes.

Apify é central aqui, NÃO opcional (regra completa em .claude/skills/_shared/nunca-travar.md). A coleta de anúncios e social depende dele. Se faltar a chave, PARE e ajude a configurar em linguagem de leigo: pegue a chave no console do Apify (é o "cadastro de acesso" da ferramenta de coleta) → salve no arquivo .env do projeto como APIFY_API_TOKEN (ou APIFY_API_KEY — os dois nomes valem; o check procura os dois) → rode de novo. Não siga cego sem a chave. O fallback (WebSearch / colar manual no Modo Offline) só entra quando o Apify realmente falha por cota mensal estourada — aí avise: "a cota do Apify estourou este mês; sigo por WebSearch e retomo a coleta cheia quando a cota renovar". Nunca "pular o Apify" por padrão.

Frente 1 — Anúncios pagos (o que ele paga para você ver)

• Meta Ad Library (Facebook + Instagram), pública por lei. Use o script:

  python scripts/meta_ad_library.py "NOME_OU_PAGINA_DO_CONCORRENTE" --pais BR
  

  Leia scripts/meta_ad_library.py para os detalhes e o fallback.
• Google Ads Transparency Center — anúncios de Search, Display e YouTube do anunciante. Colete via:

  python scripts/coletor_web.py google-ads "NOME_DO_CONCORRENTE"
  

  ou abra https://adstransparency.google.com/ e busque pelo anunciante.
• TikTok Ads Library / Creative Center — anúncios pagos no TikTok. Colete via:

  python scripts/coletor_web.py tiktok-ads "NOME_DO_CONCORRENTE"
  

  ou abra https://library.tiktok.com/ads.

Frente 2 — Orgânico e social (o que ele publica de graça)

• Instagram — perfil, bio, Reels, posts, formato dominante, tom.
• YouTube — canal, vídeos, títulos e descrições (os títulos revelam os hooks que funcionam para ele). Use WebFetch no canal ou o coletor.
• TikTok — perfil orgânico, formato e tom dos vídeos.
• LinkedIn — posicionamento institucional, tom B2B, o que ele afirma sobre autoridade.

Use WebFetch direto na URL de cada perfil, ou:

python scripts/coletor_web.py social "@perfil_ou_url" --rede instagram

Frente 3 — Propriedades próprias (o que ele controla)

• Site — proposta de valor, mensagem principal.
• Landing pages — estrutura de oferta, headline, prova.
• Blog — temas que ele cobre (e os que ignora).
• Página de checkout/oferta e preços — preço, garantia, escassez, bônus, parcelamento.

Use WebFetch na URL, ou:

python scripts/coletor_web.py site "https://site-do-concorrente.com"

Frente 4 — Reputação e menções (o que dizem dele)

• Busca no Google (WebSearch) — quem fala dele, o que dizem, comparações.
• Reviews — avaliações públicas (Google, redes, marketplaces).
• Reclame Aqui — reclamações revelam a fraqueza real do produto/atendimento (brecha de ouro).
• Menções públicas — citações em podcasts, artigos, fóruns.

Use WebSearch com buscas do tipo: "NOME_DO_CONCORRENTE" reclame aqui, "NOME" reviews, "NOME" opinião.

Regras de coleta

• Anote SEMPRE de qual fonte veio cada material (vai no dossiê).
• Mínimo 10 peças (anúncios + posts + páginas) para afirmar um padrão. Menos que isso, trate como amostra parcial e avise.
• Coleta sempre sequencial, nunca em paralelo agressivo (evita bloqueio de IP).
• Só dado público. Sem login alheio, sem engenharia social, sem burlar paywall.

Se uma fonte falhar, siga para a próxima e registre a lacuna. Se a rede inteira falhar, caia graciosamente para o Modo Offline: peça ao usuário para colar o que tiver e siga o Passo 1B.

Passo 1B — Coletar do usuário (Modo Offline)

Peça ao usuário, de forma objetiva:

Cole aqui o que você tiver do concorrente, de qualquer fonte: textos dos anúncios (Meta Ad Library, Google, TikTok), link/print da landing page e da página de preço, bio e posts do perfil (Instagram, YouTube, TikTok, LinkedIn), e qualquer review ou reclamação que tenha visto. Diga de onde veio cada coisa. Quanto mais você colar, mais fundo eu vou. Funciono com pouco, mas 5+ peças deixa a análise muito mais forte.

Trabalhe com o material colado exatamente como se tivesse coletado. Nunca invente anúncio, post ou página que o usuário não forneceu.

Passo 2 — Analisar (mesmo motor nos dois modos, sobre todo o material multi-fonte)

Aplique os frameworks abaixo a TODO o material coletado, de todas as fontes. O detalhamento completo de cada framework está em REFERENCE.md — consulte quando precisar do passo a passo de pontuação.

A. Ganchos / Hooks

Para cada anúncio, post ou título de vídeo, capture a primeira linha (o que segura o scroll) e pontue de 0 a 10 por: especificidade (tem número/prazo/resultado concreto?), tensão/curiosidade (cria lacuna?), promessa de valor (o leitor sabe o que ganha?), identificação com avatar (fala com quem?). Classifique o TIPO (curiosidade, confissão, choque, tutorial, quebra de padrão). Anote qual tipo ele repete e em qual fonte ele é mais forte.

B. Ofertas e preços

Mapeie: o que ele vende, por quanto, qual garantia, qual escassez, qual bônus. Cruze o que está no anúncio com o que está na página de oferta (às vezes diverge — isso é brecha). Rode a Equação de Valor (Resultado dos Sonhos x Probabilidade Percebida) / (Tempo + Esforço). Aponte a variável mais fraca da oferta dele.

C. Ângulos de copy

Identifique o nível de consciência que a copy ataca (inconsciente, consciente do problema, consciente da solução, consciente do produto, mais consciente). Liste os ângulos recorrentes (medo, ganância, status, atalho, prova, autoridade). Anote o ângulo que ele NÃO usa.

D. Formatos

Que formatos dominam (vídeo, imagem estática, carrossel, depoimento)? Qual a duração típica? Tem padrão visual (cor, rosto, legenda)? Como o formato muda de uma fonte para outra (ex: produzido no anúncio, mais cru no orgânico)?

E. Brechas (a parte mais importante)

Cruze tudo, de todas as fontes, e responda com evidência:

• O que ele não está dizendo que o público quer ouvir?
• Qual a variável mais fraca da oferta dele (preço, prova, garantia, prazo)?
• Que ângulo de copy ele ignora e está livre pra gente pegar?
• Que formato ou canal ele não explora (ex: forte na Meta, ausente no YouTube)?
• Onde a mensagem dele é genérica e dá pra ser mais específico?
• O que a reputação revela (reviews, Reclame Aqui) que a comunicação dele esconde?

Cada brecha vira uma recomendação acionável para o usuário.

Passo 3 — Entregar o dossiê

Nome do arquivo: dossie-{concorrente}.md (slug do concorrente em minúsculas, sem espaço, sem acento). Ex.: dossie-erico-rocha.md, dossie-hotmart.md. Use templates/dossie.md como base — copie e salve com o nome correto no diretório atual.

Preenchido com o material real, em português. Para cada achado, indique a(s) fonte(s) de onde veio. Estrutura:

1. Resumo executivo (1 parágrafo: quem é, como vende, maior força, maior brecha).
2. Fontes consultadas (quais frentes você cobriu e o que cada uma rendeu).
3. Ganchos (tabela: peça · fonte · hook · score · tipo).
4. Ofertas e preços (o que vende, preço, garantia, escassez, score da Equação de Valor).
5. Ângulos de copy (nível de consciência + ângulos recorrentes + o que falta).
6. Formatos e canais (o que domina, padrão visual, canais que ele ignora).
7. Reputação (o que reviews e menções revelam).
8. Brechas e oportunidades (a lista acionável — destaque isto).
9. 3 jogadas recomendadas (o que o usuário faz amanhã pra explorar as brechas).

Se a amostra foi pequena, veio de poucas fontes ou do modo offline, diga isso no topo, com honestidade.

Estilo de escrita (obrigatório)

• Português do Brasil, claro e direto.
• Sem emoji. Sem travessão (—). Sem "não é sobre X, é sobre Y". Sem tom de guru. Sem hype vazio.
• Dado antes de opinião. Se não dá pra medir, diga que é leitura, não número.
• Indique a fonte de cada achado relevante.
• Toda seção termina em ação. Dossiê sem ação é arquivo morto.
• Nunca exponha dado que não seja público. Nunca invente anúncio, número ou depoimento.

Limites

• Analise apenas dados públicos. Meta Ad Library, Google Ads Transparency e TikTok Ads Library são públicas por design.
• Amostra mínima para afirmar padrão: 10 peças. Abaixo disso, sinalize como parcial.
• Sem login alheio, sem engenharia social, sem burlar paywall ou termos de uso.
• Sem acesso à rede, o modo offline entrega a mesma análise sobre o material colado.

Entrega final (3 formatos: MD + HTML + PDF)

A skill sempre entrega 3 arquivos para cada concorrente analisado:

1. dossie-{concorrente}.md — fonte de verdade (markdown editável)
2. dossie-{concorrente}.html — versão visual com brand
3. dossie-{concorrente}.pdf — versão para imprimir ou compartilhar

Como gerar os 3 arquivos

Passo 1 — Aplicar gate de brand-choice (segue protocolo de _shared/brand-choice.md):

ls .cohort-brand-choice 2>/dev/null

• Se existir, leia (cat .cohort-brand-choice) e use a escolha salva
• Se não existir, faça a pergunta de 3 opções (neutro padrão / rodar /design-md / usar DESIGN.md existente) e salve a escolha

Passo 2 — Gerar o MD com o nome dossie-{slug-do-concorrente}.md (slug em minúsculas sem espaço, ex.: dossie-hotmart.md).

Passo 3 — Gerar o HTML copiando templates/dossie.html e substituindo placeholders:

• {{TITULO}} — nome do concorrente (ex.: "Hotmart")
• {{SUBTITULO}} — frente coberta + amostra (ex.: "Meta Ad Library + site + reviews · 47 peças")
• {{DATA}} — data de hoje (formato 26 de junho de 2026)
• {{MARCA}} — deixar em branco (vazio) se brand-choice = neutro, ou nome da marca do DESIGN.md se brand-choice = design-md
• {{CONTEUDO}} — as 9 seções do dossiê renderizadas em HTML, usando:
  • <h2> por seção principal
  • <h3> por subitem
  • <table> para Ganchos, Ofertas e preços
  • <blockquote class="hook"> para CADA hook/anúncio citado literalmente
  • <div class="brecha"> para CADA brecha identificada (destaque verde)
  • <div class="callout"> para avisos de amostra parcial

Se brand-choice = design-md, leia DESIGN.md e substitua os tokens CSS em :root (cores e fontes) pelos do aluno.

Passo 4 — Gerar o PDF rodando o script sobre o HTML:

bash scripts/gerar_pdf.sh dossie-{slug}.html

Ele usa Chrome headless (fallback wkhtmltopdf). Se o PDF não sair, avise o usuário e entregue MD + HTML mesmo assim.

Passo 5 — Abrir HTML automaticamente logo após geração:

open dossie-{slug}.html

(No Windows: start dossie-{slug}.html. No Linux: xdg-open dossie-{slug}.html.)

Diga ao usuário: "Abri o dossiê no seu navegador."

Anúncio de fechamento (próxima skill)

Após entregar os 3 formatos, sempre diga ao usuário em texto separado:

Skill 2/5 entregue. Você tem agora 3 arquivos pra cada concorrente:

• dossie-{nome-do-concorrente}.md
• dossie-{nome-do-concorrente}.html (abri pra você)
• dossie-{nome-do-concorrente}.pdf

Recomendado: rode novamente para mais 2 ou 3 concorrentes diretos (mínimo 3 dossiês pra ter base de comparação).

Próxima skill da Aula 01: /trend-hunting [nicho]

Trend hunting identifica tendências emergentes que ainda não saturaram. Vai te dar variações de hook prontas pra teste.

Não pule esse anúncio — é o que orienta o aluno a seguir o trilho da Aula 01.