sinapse-ai 9.1.0 → 9.3.0

package/squads/squad-growth/knowledge-base/growth-frameworks.md

@@ -1,6 +1,9 @@
 # Knowledge Base: Growth Frameworks
 
 ## AARRR — Pirate Metrics (Dave McClure)
+
+Framework criado por Dave McClure (500 Startups) em 2007. Lingua franca de growth para startups.
+
 ```
 ACQUISITION → ACTIVATION → RETENTION → REVENUE → REFERRAL
 ```
@@ -13,6 +16,23 @@ ACQUISITION → ACTIVATION → RETENTION → REVENUE → REFERRAL
 | Revenue | How do we make money? | ARPU, LTV, conversion to paid | R$50 ARPU |
 | Referral | Do users tell others? | K-factor, NPS, referral rate | K=0.3 |
 
+### RARRA — Reordenamento de Brian Balfour (Reforge)
+
+Brian Balfour e a comunidade Reforge revisitaram o AARRR e propuseram a ordem RARRA — priorizando Retention primeiro porque nao adianta adquirir usuarios que nao ficam.
+
+```
+RETENTION → ACTIVATION → REVENUE → REFERRAL → ACQUISITION
+```
+
+**Logica da inversao:**
+1. Retention valida product-market fit — se a curva nao estabiliza, pare tudo
+2. Activation sem retention e desperdicio — o usuario experimenta mas nao volta
+3. Revenue sem retention e churn disfarçado
+4. Referral sem retention leva users ruins ao produto
+5. Acquisition e a ultima alavanca — so escale quando o produto retém
+
+**Regra prática:** Se DAU/MAU < 15% para SaaS B2B ou D30 retention < 20%, nao investir em aquisicao paid — resolver retencao primeiro.
+
 ## North Star Metric Framework (Sean Ellis)
 
 ### Definition
@@ -172,16 +192,89 @@ Effort: Person-weeks
 | Thursday | Launch experiments |
 | Friday | Analyze running experiments, plan next week |
 
+## Jobs-to-be-Done (JTBD) Aplicado a Growth
+
+Framework de Clayton Christensen adaptado por Bob Moesta para entender por que usuarios adotam ou abandonam produtos.
+
+| Dimensao | Descricao | Aplicacao em Growth |
+|----------|-----------|---------------------|
+| **Functional Job** | O que o usuario quer fazer ("enviar arquivo grande") | Define o "aha moment" correto |
+| **Emotional Job** | Como quer se sentir ("parecer profissional") | Informa messaging e onboarding tone |
+| **Social Job** | Como quer ser visto ("tech-savvy") | Orienta social proof e testimonials |
+
+**Aplicacao pratica:**
+1. Identificar o aha moment correto — quando o functional job e cumprido pela primeira vez
+2. Segmentar usuarios por job, nao por demografia
+3. Posicionar vs alternativas incluindo "nao fazer nada"
+4. Criar messaging que ressoa com motivacao real
+
+## OKRs para Growth (John Doerr)
+
+```
+Objective: Tornar-se a plataforma preferida de designers no Brasil
+
+Key Results:
+  KR1: Aumentar MAU de 5K para 15K
+  KR2: Melhorar NRR de 95% para 110%
+  KR3: Reduzir time-to-first-value de 15min para 5min
+  KR4: Atingir K-factor de 0.5 no referral program
+```
+
+**Principios:**
+- Objectives sao qualitativos e inspiracionais
+- Key Results sao quantitativos e mensuraveis (3-5 por Objective)
+- 60-70% de atingimento = "saudavel" (stretch goals)
+- Cadencia trimestral com check-ins semanais
+
+## KPI Tree — Decomposicao da North Star
+
+```
+MRR
+├── New MRR
+│   ├── Leads
+│   │   ├── Organic traffic × Conversion rate
+│   │   ├── Paid traffic × Conversion rate
+│   │   └── Referrals × Conversion rate
+│   ├── Trial-to-Paid rate
+│   └── Average deal size
+├── Expansion MRR
+│   ├── Upgrade rate
+│   └── Cross-sell rate
+└── Churned MRR (negativo)
+    ├── Logo churn rate
+    └── Downgrade rate
+```
+
+Cada folha da arvore pode ser atribuida a um time, criando accountability clara.
+
+## Vanity Metrics vs. Metricas Acionaveis (Eric Ries)
+
+| Vanity Metric | Metrica Acionavel |
+|---------------|-------------------|
+| Total de usuarios registrados | MAU (usuarios ativos mensais) |
+| Page views totais | Engagement rate, time on site |
+| Downloads do app | DAU/MAU ratio |
+| Seguidores em social media | Engagement rate, click-through |
+| Total de receita | MRR growth rate, NRR |
+| "Impressoes" | CTR, conversoes |
+
+**Teste para vanity metric:** Se a metrica subiu, voce sabe o que fazer diferente? Se nao, provavelmente e vanity.
+
 ## Key Growth References
 | Author | Contribution |
 |--------|-------------|
 | Sean Ellis | Growth Hacking, North Star Metric, PMF survey |
-| Andrew Chen | Growth loops, network effects |
-| Brian Balfour | Reforge, growth models, loops vs funnels |
-| Nir Eyal | Hook Model, habit formation |
+| Andrew Chen | Growth loops, network effects, The Cold Start Problem |
+| Brian Balfour | Reforge, growth models, RARRA, loops vs funnels |
+| Nir Eyal | Hook Model, habit formation (Hooked) |
 | BJ Fogg | Behavior Model (B=MAP) |
-| Gabriel Weinberg | Bullseye Framework, Traction |
+| Gabriel Weinberg | Bullseye Framework, Traction (19 channels) |
 | Alistair Croll | Lean Analytics, One Metric That Matters |
-| Casey Winters | Growth strategy, Greylock |
-| Lenny Rachitsky | Growth benchmarks, retention curves |
+| Casey Winters | Growth strategy, Greylock (Grubhub, Pinterest) |
+| Lenny Rachitsky | Growth benchmarks, retention curves (Lenny's Newsletter) |
+| Elena Verna | PLG advising, retention-first framework (Miro, Amplitude, Dropbox) |
+| Wes Bush | Product-Led Growth book, PLG framework (OpenView) |
+| Peep Laja | CRO, experimentation (CXL Institute) |
+| Dave McClure | AARRR/Pirate Metrics (500 Startups) |
+| Chamath Palihapitiya | Facebook original growth team, "7 friends in 10 days" |
 | Reforge | Growth series, advanced growth frameworks |

package/squads/squad-growth/knowledge-base/plg-metrics-framework.md

@@ -0,0 +1,183 @@
+# Knowledge Base: Product-Led Growth (PLG) Metrics Framework
+
+> Fonte principal: Wes Bush "Product-Led Growth" (2019), OpenView Partners, Elena Verna, Kyle Poyar
+
+## O Que e PLG
+
+Product-Led Growth e uma estrategia go-to-market onde o proprio produto e o principal veiculo de aquisicao, conversao e expansao. O termo foi popularizado pela OpenView Partners em 2016 e sistematizado por Wes Bush.
+
+**Principios fundamentais:**
+1. O produto e o canal — usuario experimenta valor antes de falar com vendas
+2. Self-serve first — onboarding sem fricao, sem demo obrigatoria
+3. Time-to-value minimo — usuario atinge o "aha moment" o mais rapido possivel
+4. Bottom-up adoption — usuarios individuais adotam, depois a organizacao compra
+5. Data-driven expansion — upsell baseado em comportamento, nao em pitch
+
+**Exemplos canonicos:**
+| Empresa | Modelo PLG | Mecanismo |
+|---------|-----------|-----------|
+| Slack | Freemium + viral | Teams adotam, depois compram |
+| Zoom | Freemium + viral | Anfitriao usa, convidados experimentam |
+| Figma | Freemium + colaboracao | Designers compartilham, times adotam |
+| Notion | Freemium + templates | Templates atraem, workflows retêm |
+| Calendly | Freemium + viral | Cada agendamento expoe a marca |
+| Canva | Freemium + content | Designs compartilhados atraem |
+| Loom | Freemium + viral | Cada video enviado e marketing |
+
+---
+
+## Modelos de Monetizacao PLG
+
+### Freemium
+- Plano gratuito permanente com limitacoes
+- Conversao tipica: 2-5% para planos pagos (faixa "great": 5%+)
+- Ideal para: produtos com alto volume e low touch
+- Risco: usuarios "free forever" que consomem recursos sem converter
+
+### Free Trial (time-limited)
+- Acesso completo por periodo limitado (7, 14, 30 dias)
+- Conversao tipica: 8-12% (faixa "good"), 15-25% (faixa "great")
+- Ideal para: produtos complexos que precisam de tempo para demonstrar valor
+- Risco: pressao temporal pode frustrar usuarios
+
+### Reverse Trial (modelo emergente)
+- Usuario comeca com funcionalidades premium, apos periodo faz downgrade para free
+- Conversao tipica: 10-15%
+- Ideal para: produtos onde o valor premium e claro mas nao imediato
+- Usado por: Ahrefs (acesso limitado gratuito com trial premium)
+
+### Hybrid PLG + Sales (PLG + SLG)
+- Self-serve para SMBs, sales-assisted para Enterprise
+- Usado por: Slack, Notion, Figma, Datadog
+- PQLs (Product Qualified Leads) alimentam o time de vendas
+
+---
+
+## Product Qualified Leads (PQLs)
+
+Usuarios que demonstraram intencao de compra atraves de comportamento no produto. Conceito sistematizado pela OpenView Partners.
+
+**Sinais tipicos de PQL:**
+- Atingiu limites do plano free
+- Convidou X colegas para o workspace
+- Usou feature premium durante trial
+- Excedeu volume de uso
+- Visitou pagina de pricing multiplas vezes
+- Exportou dados (sinal de que o dado e valioso)
+
+**PQL Scoring Model:**
+| Sinal | Peso | Threshold |
+|-------|------|-----------|
+| Usuarios no workspace | 5 | >= 5 |
+| Features premium usadas | 4 | >= 3 |
+| Visitas a pricing page | 3 | >= 2 em 7 dias |
+| Tempo ativo semanal | 3 | >= 3 horas |
+| Integracoes ativas | 2 | >= 2 |
+
+**PQL vs MQL:**
+| Aspecto | MQL (Marketing Qualified Lead) | PQL (Product Qualified Lead) |
+|---------|-------------------------------|------------------------------|
+| Origem do sinal | Comportamento em marketing (content, form) | Comportamento no produto |
+| Intencao | Interesse declarado | Intencao demonstrada por uso |
+| Predicao de conversao | Baixa | Alta |
+| Ciclo de venda | Mais longo | Mais curto |
+
+---
+
+## Onboarding como Alavanca de Growth
+
+Samuel Hulick (UserOnboard.com) demonstrou que a maioria dos produtos perde 40-60% dos usuarios no primeiro uso.
+
+### Framework de Onboarding
+1. **Sign-up Flow** — Minimo de campos. Social login. Sem cartao de credito (para freemium).
+2. **Welcome Survey** — 2-3 perguntas para personalizar experiencia (JTBD, role, objetivo).
+3. **Setup Checklist** — Passos claros com progresso visual.
+4. **Quick Win** — Levar ao primeiro valor em <5 minutos.
+5. **Celebrate** — Reforco positivo ao atingir marcos.
+6. **Ongoing Education** — Tooltips contextuais, emails educacionais.
+
+### Metricas de Onboarding
+| Metrica | Descricao | Benchmark |
+|---------|-----------|-----------|
+| **Time-to-First-Value (TTFV)** | Tempo ate o usuario atingir o primeiro valor | <5 min (ideal para PLG) |
+| **Activation Rate** | % que completa setup critico | >50% e considerado bom |
+| **D1 Retention** | % que volta no dia 1 | >40% indica boa ativacao |
+| **D7 Retention** | % que volta na semana 1 | >20% para apps, >50% SaaS |
+| **D30 Retention** | % que volta no mes 1 | >10% apps, >30% SaaS |
+| **Setup Completion Rate** | % que completa todo o onboarding | Meta: >70% |
+| **Onboarding drop-off step** | Onde mais usuarios abandonam | Identificar e otimizar |
+
+---
+
+## Metricas Fundamentais PLG
+
+### Activation
+```
+Activation Rate = Usuarios que atingiram "aha moment" / Total de novos usuarios × 100
+
+"Aha Moment" = primeiro momento em que o usuario experimenta o valor core do produto
+```
+
+**Definindo o aha moment:**
+- Analise de cohort: quais usuarios D30 ativos completaram qual acao no D1?
+- Correlacionar acoes D1 com retencao futura
+- Ex: Facebook "7 amigos em 10 dias" (Chamath Palihapitiya)
+
+### Retention (Curva de Retencao)
+```
+D1 Retention = Usuarios que voltaram no dia 1 / Usuarios que fizeram signup
+D7 Retention = Usuarios que voltaram na semana 1 / Usuarios que fizeram signup
+D30 Retention = Usuarios que voltaram no mes 1 / Usuarios que fizeram signup
+
+Cohort Retention Rate = Usuarios do cohort ativos no periodo N / Tamanho original do cohort × 100
+```
+
+**A curva de retencao e o grafico mais importante em growth:**
+- Curva que estabiliza = product-market fit
+- Curva que vai a zero = problema estrutural no produto
+
+### Expansion (NRR/NDR)
+```
+Net Revenue Retention (NRR) = (MRR inicio - churned MRR + expansion MRR) / MRR inicio × 100
+
+NRR > 100% = crescimento sem aquisicao nova (expansion supera churn)
+NRR benchmark: >100% saudavel, >120% excelente, >130% world-class
+```
+
+---
+
+## Network Effects em PLG (Andrew Chen, "The Cold Start Problem")
+
+**Lei de Metcalfe:** Valor da rede proporcional a n². Cada novo usuario adiciona valor para todos.
+
+**Lei de Reed:** Para redes com grupos, valor cresce exponencialmente (2^n). Cada usuario multiplica possibilidades de subgrupos (WhatsApp groups, Slack channels).
+
+**Tipos de efeitos de rede:**
+| Tipo | Descricao | Exemplo |
+|------|-----------|---------|
+| **Direto** | Mais usuarios = mais valor para cada usuario | WhatsApp, telefone |
+| **Indireto (cross-side)** | Mais usuarios de um lado = mais valor para outro | Uber (riders/drivers) |
+| **Data network effects** | Mais uso = melhor produto (via dados) | Waze, Google Search |
+| **Marketplace** | Liquidity atrai ambos os lados | Airbnb, Amazon |
+
+**Cold Start Problem:** Como comecar uma rede sem usuarios? Estrategias:
+1. **Small networks first** — Dominar um nicho pequeno antes de escalar (Uber: cidade por cidade)
+2. **Single-player mode** — Produto util mesmo sem outros usuarios (Notion, Dropbox)
+3. **Marquee users** — Trazer usuarios de alto valor que atraem outros
+4. **Manual outreach** — Crescimento manual ate atingir massa critica
+
+---
+
+## PLG Benchmarks (OpenView Partners, Lenny Rachitsky — 2025)
+
+| Metrica | SaaS B2B | SaaS B2C |
+|---------|----------|----------|
+| Freemium conversion (free → paid) | 2-5% | 1-3% |
+| Trial conversion (trial → paid) | 8-25% | 10-30% |
+| D1 Retention | 40-60% | 25-45% |
+| D7 Retention | 20-35% | 10-25% |
+| D30 Retention | 10-25% | 5-15% |
+| NRR (saudavel) | >100% | >90% |
+| NRR (excelente) | >120% | >110% |
+| Activation Rate (bom) | >50% | >40% |
+| Time-to-first-value (ideal PLG) | <5 min | <2 min |

package/squads/squad-growth/knowledge-base/retention-lifecycle-marketing.md

@@ -0,0 +1,193 @@
+# Knowledge Base: Retention & Lifecycle Marketing
+
+> Fonte: Nir Eyal "Hooked" (2014), Casey Winters (Pinterest, Grubhub), Elena Verna, Reforge
+
+## Retencao como Fundamento do Growth
+
+Casey Winters: "Se voce nao consegue reter usuarios, voce nao tem um negocio — voce tem um vazamento."
+
+**A curva de retencao e o grafico mais importante em growth:**
+- Curva que estabiliza (flattens) = product-market fit
+- Curva que vai a zero = problema estrutural no produto
+
+**Tipos de retencao:**
+| Tipo | O que mede | Metrica |
+|------|-----------|---------|
+| **User retention** | O usuario retorna ao produto | DAU/MAU, D1/D7/D30 |
+| **Revenue retention** | A receita se mantem/expande | MRR retention, NRR |
+| **Engagement retention** | O nivel de uso se mantem | Sessions/user, features used |
+
+**Benchmarks de retencao (Lenny Rachitsky, 2025):**
+| Tipo de produto | D1 | D7 | D30 |
+|----------------|----|----|-----|
+| Consumer social/mobile | 25-45% | 10-25% | 5-15% |
+| SaaS B2B | 40-60% | 20-35% | 10-25% |
+| E-commerce | 30-50% | 15-30% | 8-20% |
+
+---
+
+## Hook Model (Nir Eyal — "Hooked", 2014)
+
+Como produtos criam habitos em 4 fases:
+
+```
+Trigger → Action → Variable Reward → Investment
+   ↑                                        |
+   └────────────────────────────────────────┘
+```
+
+### 1. Trigger (Gatilho)
+| Tipo | Descricao | Objetivo |
+|------|-----------|----------|
+| **Externo** | Push notification, email, ad, mencao social | Initiar o loop nos primeiros usos |
+| **Interno** | Tedio, solidao, incerteza, FOMO | Objetivo final — usuario se auto-aciona |
+
+Evolucao: Produto deve graduar o usuario de triggers externos para internos. Quando o usuario abre Instagram ao se sentir entediado (sem notificacao), o trigger interno foi criado.
+
+### 2. Action (Acao)
+- O comportamento mais simples em antecipacao de recompensa
+- BJ Fogg: B = MAT (Motivation × Ability × Trigger)
+- Deve ser extremamente facil
+- Exemplos: abrir app, scrollar feed, digitar busca
+
+### 3. Variable Reward (Recompensa Variavel)
+A variabilidade e crucial — recompensas previsiveis perdem efeito (Skinner, psicologia comportamental).
+
+| Tipo | Descricao | Exemplo |
+|------|-----------|---------|
+| **Tribe** | Reconhecimento social | Likes, comentarios, resposta de amigo |
+| **Hunt** | Busca por recursos/informacao | Scroll infinito, search results |
+| **Self** | Dominio pessoal, competencia | Gamificacao, progresso, conquistas |
+
+### 4. Investment (Investimento)
+O usuario investe algo que aumenta switching costs e probabilidade de retorno.
+- **Tempo:** Completar perfil, configurar workspace
+- **Dados:** Adicionar itens, customizar preferencias
+- **Conteudo:** Criar posts, uploads
+- **Reputacao:** Seguidores, reviews, credibilidade
+- **Social:** Adicionar amigos, conexoes
+
+---
+
+## Lifecycle Marketing
+
+### Fases do ciclo de vida e estrategias
+
+| Fase | Periodo | Objetivo | Canais | Exemplos de Acoes |
+|------|---------|----------|--------|------------------|
+| **Onboarding** | D0-D7 | Ativacao, primeiro valor | Email, in-app, push | Tutorial interativo, checklist |
+| **Activation** | D7-D30 | Habito, uso recorrente | Email, in-app | Tips de features, case studies |
+| **Growth** | D30-D90 | Expansao, upgrade | Email, in-app, sales | PQL triggers, trial de features premium |
+| **Maturity** | D90+ | Retencao, advocacy | Email, community | NPS, referral, conteudo avancado |
+| **Decline** | Queda em uso | Re-engagement | Email, push, retargeting | "Sentimos sua falta", novidades |
+| **Churn** | Inativo | Resurrection | Email, ads | Win-back offer, novo feature |
+
+### Drip Campaign Framework (Onboarding)
+
+```
+Dia 0:  Welcome + Quick Win (valor imediato)
+Dia 2:  Feature highlight #1 (core value)
+Dia 5:  Case study (social proof)
+Dia 8:  Feature highlight #2 (secondary value)
+Dia 12: Educational content (thought leadership)
+Dia 15: Upgrade offer / CTA principal
+Dia 20: Final follow-up (urgencia)
+```
+
+---
+
+## Churn Analysis
+
+### Tipos de churn
+| Tipo | Descricao | Como reduzir |
+|------|-----------|-------------|
+| **Voluntary churn** | Usuario decide sair | Melhorar produto, customer success |
+| **Involuntary churn** | Falha de pagamento, cartao expirado | Dunning emails, Smart Retry |
+| **Logo churn** | Clientes perdidos (headcount) | Monitorar sinal de alerta |
+| **Revenue churn** | Receita perdida | Pode ser diferente de logo churn |
+
+### Involuntary Churn — Dunning
+- Representa 20-40% do churn total em SaaS
+- **Dunning** = sequencia de emails para recuperar pagamentos falhados
+- Smart Retry: testar diferentes horarios/dias para reprocessar cartao
+- Alertas proativos antes de expirar
+
+### Metodos de Analise de Churn
+1. **Survival analysis** — Kaplan-Meier curves para estimar probabilidade de churn ao longo do tempo
+2. **Cohort analysis** — Retencao por cohort para identificar tendencias
+3. **Behavioral segmentation** — Quais comportamentos precedem churn?
+4. **Exit surveys** — Perguntar diretamente por que o usuario esta saindo
+5. **Predictive modeling** — ML para identificar usuarios em risco antes do churn
+
+### Sinais de churn (leading indicators)
+- Queda no login frequency (indicador mais forte)
+- Reducao no uso de features core
+- Tickets de suporte nao resolvidos
+- Nao-adocao de novas features
+- Reducao no numero de usuarios ativos na conta
+- Mudanca de champion interno (compra enterprise)
+
+### Churn Rate Formulas
+```
+Monthly Logo Churn = Clientes perdidos no mes / Clientes no inicio do mes × 100
+
+Monthly Revenue Churn = MRR perdido no mes / MRR no inicio do mes × 100
+
+Net Revenue Retention (NRR) = (MRR inicio - churn MRR + expansion MRR) / MRR inicio × 100
+
+Benchmarks NRR: >100% saudavel, >120% excelente, >130% world-class (Bessemer)
+```
+
+---
+
+## Resurrection Campaigns
+
+Para reconquistar usuarios que churned ou se tornaram inativos.
+
+### Abordagens por situacao
+| Abordagem | Quando usar | Mensagem |
+|-----------|-------------|---------|
+| **What's new** | Produto melhorou muito | "Desde que voce foi, adicionamos X, Y, Z" |
+| **Win-back offer** | Usuario estava satisfeito | Desconto temporario para retornar |
+| **Personalized value** | Usuario criou dados no produto | "Seus dados ainda estao aqui" |
+| **Social proof** | Produto cresceu muito | "150.000 novas empresas entraram" |
+| **New use case** | Usuario tinha caso de uso limitado | Apresentar novo caso de uso |
+
+### Timing de campanha de win-back
+```
+Dia 1 do churn:    Email transacional de confirmacao (se aplicavel)
+Dia 7:             "Sentimos sua falta" + novidades
+Dia 30:            Offer de desconto para retornar
+Dia 60:            Testemunho de customer relevante
+Dia 90:            Final email com oferta especial + ask for feedback
+Pos 90 dias:       Transferir para ads retargeting
+```
+
+---
+
+## Segmentacao para Lifecycle Marketing
+
+| Criterio | Exemplo | Acao |
+|----------|---------|------|
+| **Lifecycle stage** | "Trial expira em 3 dias" | Email urgente de upgrade |
+| **Comportamental** | "Usou feature X mas nao Y" | Tutorial sobre feature Y |
+| **Engagement** | "Abriu ultimos 5 emails" | Oferta exclusiva para engajados |
+| **RFM** | "Alto valor, baixa frequencia" | Re-engagement com desconto |
+| **Predictive** | "Alta probabilidade de churn" | Intervencao de customer success |
+| **Feature adoption** | "Nao usou collaboration features" | Educar sobre casos de uso |
+
+---
+
+## DAU/MAU Ratio — Stickiness Metric
+
+```
+DAU/MAU = Usuarios ativos diarios / Usuarios ativos mensais × 100
+
+Benchmarks:
+  > 50%: Produto com habito diario (Facebook, WhatsApp)
+  > 25%: Bom para SaaS B2B
+  > 10%: Aceitavel para SaaS de uso semanal
+  < 10%: Sinal de alerta de engajamento baixo
+```
+
+**Interpretacao:** DAU/MAU de 50% significa que o usuario medio usa o produto 15 dias por mes (50% × 30 dias). Para produtos de uso diario como comunicacao e social, target deve ser >50%.

package/squads/squad-growth/knowledge-base/seo-technical-reference.md

@@ -181,6 +181,74 @@ Cluster articles may interlink with each other.
 | Infographics | Medium | Medium | Low |
 | Partnerships | Medium | High | Low |
 
+## Topical Authority (Koray Tugberk GUBUR)
+
+Estrategia de se tornar a referencia definitiva em um topico especifico ao inves de criar conteudo superficial sobre muitos topicos.
+
+**Principios:**
+1. Cobrir um topico em profundidade — todos os subtopicos, perguntas relacionadas
+2. Criar clusters semanticos — paginas interligadas cobrindo o topico de todos os angulos
+3. Demonstrar expertise real — dados originais, estudos de caso, opiniao fundamentada
+4. Atualizar regularmente — conteudo evergreen que evolui
+
+**Sinal para o Google:** Um site que cobre exaustivamente um topico recebe mais autoridade que um site que cobre superficialmente muitos topicos.
+
+## Programmatic SEO
+
+Criacao de milhares ou milhoes de paginas otimizadas usando templates e dados estruturados.
+
+**Casos de sucesso:**
+- Zapier: 25K+ paginas de integracao ("Slack + Google Sheets integration")
+- TripAdvisor: paginas por destino/hotel
+- Wise: paginas de conversao de moeda ("BRL to USD")
+- Yelp: paginas por negocio e localizacao
+
+**Componentes:**
+1. **Head term** — Topico principal (ex: "integracao")
+2. **Modifier** — Variavel que gera paginas (ex: "Slack + Google Sheets")
+3. **Template** — Layout padrao populado com dados
+4. **Dados** — Database que alimenta os templates
+5. **Unique Value** — O que diferencia cada pagina (reviews, dados, calculadoras)
+
+**Riscos:**
+- Conteudo thin/duplicado → penalizacao do Google
+- Paginas sem valor unico → nao rankeiam
+- Crawl budget desperdicado em paginas de baixa qualidade
+
+## AI Overviews & SGE — Impacto na Busca Organica (2025-2026)
+
+**Dados mensurados:**
+- AI Overviews aparecem em ~25.8-60% das buscas nos EUA (Jan 2026, variacao por metodologia)
+- CTR organico cai 61% (de 1.76% para 0.61%) quando AI Overview esta presente (Seer Interactive, 2025)
+- CTR pago cai 68% com AI Overview ativo
+- Sites citados dentro de AI Overviews podem ver CTR aumentar ate 35%
+- Zero-click searches: ~58.5-60% de todas as buscas no Google (SparkToro/Datos, 2024-2025)
+- Para cada 1.000 buscas nos EUA, apenas 360 cliques vao para a open web
+
+**Google December 2025 Core Update:**
+- Volatilidade 8.7/10, afetando 40-60% dos sites globalmente
+- 15% das paginas no TOP 10 desapareceram do TOP 100
+- Sites com INP acima de 300ms reportaram quedas de ate 31% no ranking
+- Apenas ~47% dos sites atingem os thresholds de Core Web Vitals em 2026
+- INP e a metrica mais reprovada (43% dos sites falham)
+
+**Estrategias de adaptacao:**
+1. Otimizar para citacao em AI — conteudo bem estruturado, dados factuais, autoridade
+2. Focar em buscas transacionais — menos impactadas por AI Overviews (apenas 4% de exposicao)
+3. Criar conteudo que AI nao consegue replicar — experiencia original, dados proprietarios, opiniao expert
+4. Diversificar alem do Google — YouTube, TikTok, Reddit, Perplexity, ChatGPT
+5. Brand building — buscas de marca nao sao impactadas por AI Overviews
+
+## SEO em Portugues Brasileiro
+
+**Particularidades:**
+1. **Volume de busca** — Menor que ingles, mas menos competitivo
+2. **Acentuacao** — Google trata "açaí" e "acai" como equivalentes (geralmente) — otimizar para ambos
+3. **Regionalismos** — "biscoito" vs "bolacha", "aipim" vs "mandioca" — impactam keyword research
+4. **Concorrencia** — Menos conteudo de qualidade em PT-BR = oportunidade
+5. **Google domina** — 97%+ market share no Brasil (vs. 88% global)
+6. **Ferramentas** — Semrush e Ahrefs tem boa cobertura do mercado brasileiro
+
 ## SEO Tools Reference
 | Category | Tools |
 |----------|-------|
@@ -192,3 +260,4 @@ Cluster articles may interlink with each other.
 | Rank tracking | Ahrefs Rank Tracker, SERPWatcher |
 | Schema | Schema.org validator, Rich Results Test |
 | Free | Google Search Console, Google Analytics 4 |
+| AI-assisted | Alli AI, RankIQ, SE Ranking |