sinapse-ai 9.2.0 → 9.4.0

package/squads/squad-paidmedia/knowledge-base/social-algorithms-playbook.md

@@ -0,0 +1,361 @@
+# Social Algorithms Playbook — Paid Media Lens
+
+> Fonte: MS-016 Social Algorithms Research (2026-04-07)
+> Foco: como os algoritmos impactam distribuição de anúncios e organic synergy para paid media
+
+---
+
+## Instagram Algorithm — Para Paid Media
+
+### Arquitetura Multi-Superficie
+
+O Instagram opera com algoritmos diferentes por superficie:
+
+| Superficie | Função | Relevância para Ads |
+|-----------|--------|-------------------|
+| **Feed** | Conteúdo de seguidos + recomendados | 15-20% é recomendado; ads competem neste espaço |
+| **Reels** | Video curto algorítmico | Superficie de maior crescimento; Reels ads têm CPMs 30-40% mais baixos |
+| **Stories** | Conteúdo efêmero ranqueado por relacionamento | Ads entre Stories; alta taxa de conclusão |
+| **Explore** | Descoberta de contas não seguidas | Ads no Explore; audiência em modo descoberta |
+
+### Sinais de Ranking Reels (2025-2026)
+
+Hierarquia confirmada por Adam Mosseri (jan/2025):
+
+1. **Watch Time (Completion Rate)** — Sinal #1. Reel assistido até o final = boost massivo
+2. **Shares via DM** — "Sends are the most important signal for Reels ranking"
+3. **Saves** — Indicam valor duradouro vs entretenimento momentâneo
+4. **Engagement Velocity (primeira hora)** — Batch testing: algoritmo mostra para grupo pequeno, mede, decide se escala
+5. **Audio Trending** — Reels com áudios em tendência recebem boost
+6. **Originalidade** — Conteúdo com marca d'água do TikTok tem distribuição reduzida
+
+**Para Spark Ads (boosting de posts orgânicos):**
+- Post orgânico com bom hook rate indica que o conteúdo já passou no batch test
+- Boostear posts que já têm engagement organico alto = CPM mais eficiente
+- Completion rate orgânico é proxy de qualidade para o algoritmo de ads
+
+### Penalidades Conhecidas (Instagram 2025-2026)
+
+| Comportamento | Impacto |
+|--------------|---------|
+| Marca d'água do TikTok | Redução significativa de distribuição |
+| Resolução < 720p | Penalizado |
+| Texto cobrindo >20% da tela | Pode reduzir alcance |
+| Conteúdo reciclado sem valor | Penalizado |
+| Agregadores (10+ reposts/30d) | Excluídos do sistema de recomendação |
+
+**Penalidade de agregadores (2025-2026):** Contas que repostam conteúdo alheio perderam 60-80% do alcance. Criadores originais ganharam 40-60% de alcance adicional. Relevância para ads: conteúdo original (UGC) performa melhor que reaproveitamento.
+
+### Carrosseis como Formato Dominante (2025-2026)
+
+Dados consolidados:
+- Carrosseis entregam ER médio de **10%** vs imagens únicas (7%) vs Reels (6%)
+- Alcançam **1.4x mais alcance** e **3.1x mais engajamento** que fotos únicas
+- O Instagram adicionou reordenação de slides após publicação
+
+**Implicação para ads:** Carrosseis são o formato orgânico de maior performance. Em Sponsored Content, testá-los como formato primário para objetivos de engajamento e consideração.
+
+### "Your Algorithm" (dez/2025)
+
+Feature que permite usuários ver e controlar tópicos que moldam recomendações em Reels.
+- **Impacto para targeting:** Usuários que usam a ferramenta têm perfis de interesse mais definidos
+- **Sinal de qualidade:** Algoritmo categoriza conteúdo por AI visual/textual, não apenas hashtags
+- Implicação: hashtags perderam relevância como fator de descoberta; conteúdo visual deve "parecer" com o nicho
+
+---
+
+## TikTok Algorithm — Para Paid Media
+
+### For You Page: Interest Graph
+
+O TikTok usa **interest graph** (o que você assiste), não social graph (quem você segue). Para ads:
+- Qualquer ad de qualquer conta pode ser servido a qualquer usuário
+- A qualidade do criativo determina quem vê o ad
+- Targeting broad + criativo forte = eficiência máxima
+
+### Sinais Algorítmicos (Tier System)
+
+**Tier 1 — Sinais de Conteúdo (peso mais alto):**
+- **Completion Rate** — O sinal mais poderoso. 100% completion = maior boost possível
+- **Watch Time Total** — 60s assistido por 55s pode superar 15s assistido 100%
+- **Shares** — DM shares são sinais extremamente fortes
+- **Comments** — Comentários longos e detalhados pesam mais que emojis
+- **Profile Visits After Watching** — Sinal forte de interesse
+
+**Tier 2 — Sinais do Usuário:**
+- Histórico de interações, conteúdo criado, "Not Interested" (sinal negativo forte)
+
+**Tier 3 — Dispositivo/Conta:**
+- Idioma, localização, tipo de dispositivo (proxy de poder aquisitivo)
+
+### Sistema de Batch Testing (Pool Testing)
+
+Mecanismo de distribuição em "ondas":
+
+```
+Pool 1 (~200-500 views): Grupo pequeno e diverso
+  ↓ completion rate > ~50% e engagement > baseline
+Pool 2 (~1.000-5.000 views): Audiência maior com interesses similares
+  ↓ métricas se mantêm ou melhoram
+Pool 3 (~10.000-100.000 views): Distribuição ampla, diversidade geográfica
+  ↓ viral potencial
+Pool 4+ (~100K-milhões): Distribuição massiva cross-geográfica
+```
+
+**Para In-Feed Ads:** O mesmo mecanismo se aplica. Um ad que não performar no Pool 1 é suprimido — o criativo determina se o ad é escalado pelo algoritmo organicamente.
+
+**Insight crítico:** Um ad pode "ressuscitar" dias depois. O TikTok periodicamente retesta conteúdo. Não pausar ads prematuramente sem dados suficientes.
+
+### Monolith Paper (ByteDance, 2022)
+
+Arquitetura técnica do sistema de recomendação TikTok:
+- **Real-time training:** Modelo treinado continuamente (não em batches diários). Adapta-se quase instantaneamente a tendências
+- **Collisionless embedding:** Inovação em representação de features que evita colisões de hash
+- **Feature eviction:** Features antigas descartadas automaticamente
+- **Escala:** Processa bilhões de interações por dia em tempo real
+
+**Implicação prática:** Tendências no TikTok têm ciclo de vida de horas/dias, não semanas. Creative refresh semanal é o mínimo recomendável.
+
+### Otimização de Criativos TikTok
+
+| Elemento | Recomendação | Por Quê |
+|----------|-------------|---------|
+| **Primeiros 2-3s** | Hook visual imediato | Skip rate nos primeiros segundos suprime o ad |
+| **Duração** | 15-30s (completion rate) ou 60s+ (watch time total) | Ambos válidos com métricas diferentes |
+| **Áudio trending** | Usar sons em tendência | Um dos boosts mais consistentes |
+| **Texto na tela** | Overlay text e legendas | Indexado para categorização (hashtags implícitas) |
+| **Hashtags** | Nicho específico | Para categorização, não descoberta (#fyp é irrelevante) |
+| **AIGC disclosure** | Obrigatório | Risco de rejeição sem sinalização |
+
+---
+
+## YouTube Algorithm — Para Paid Media
+
+### Fórmula Fundamental: CTR x AVD
+
+**CTR (Click-Through Rate):** % de pessoas que veem a thumbnail/título e clicam
+**AVD (Average View Duration):** Tempo médio que espectadores assistem
+
+```
+CTR alto + AVD alto = máxima performance algorítmica
+CTR alto + AVD baixo = clickbait (penalizado)
+CTR baixo + AVD alto = bom conteúdo com packaging fraco
+```
+
+**Para YouTube Ads:**
+- Thumbnail/opening frame = equivalente ao CTR de outros canais
+- Se o usuário não clica em "pular" após 5s = signal de qualidade
+- Hook nos primeiros 5s é crítico para skippable ads
+
+### Superficies de Descoberta e Ads
+
+| Superficie | % do Tráfego | Tipo de Ad Relevante |
+|-----------|-------------|---------------------|
+| **Browse (Homepage)** | 40-60% | Display/Overlay ads |
+| **Suggested (Watch Next)** | 30-40% | In-stream skippable |
+| **Search** | Variável | TrueView for Action |
+| **Shorts** | Crescendo | YouTube Shorts Ads (6s-60s) |
+
+### YouTube Shorts (2025-2026 Updates)
+
+- **Duração estendida:** Shorts agora suportam até 3 minutos
+- **Nova contagem de views:** Loop conta como view adicional (infla contagens passivas)
+- **Separação algorítmica:** Motor completamente separado do long-form
+- **Browse Feed:** Homepage reduziu de ~12 para ~2 videos long-form, priorizando Shorts
+- **Filtro de busca dedicado (jan/2026):** Shorts como resultado de busca de primeira classe
+
+**Para YouTube Shorts Ads:**
+- Crescimento explosivo: 200B views/dia (jun/2025 — vs 70B em mar/2024 = +186%)
+- Completion rate e swipe-through rate são sinais dominantes
+- Criativos nativos (parecer conteúdo, não publicidade) têm melhor performance
+
+### DNN Paper (Google, 2016) — Fundamento da Recomendação
+
+"Deep Neural Networks for YouTube Recommendations" (Covington, Adams & Sargin):
+
+**Two-Stage Architecture:**
+1. **Candidate Generation:** Reduz milhões de videos a centenas de candidatos via collaborative filtering
+2. **Ranking:** Rankeia candidatos com features detalhadas (watch time, engagement, freshness, upload frequency)
+
+**"Example Age" feature:** A "idade" do vídeo é incluída como feature — o modelo aprende o decaimento natural de relevância.
+
+**Para anunciantes:** Entender que o YouTube otimiza para watch time (não cliques) explica por que ads com maior AVD têm menor CPV ao longo do tempo.
+
+### Satisfaction Surveys — "Responsible Recommendation"
+
+O YouTube usa surveys in-app para calibrar o algoritmo além do watch time:
+- Conteúdo "junk food" (clickbait) pode ter alto watch time mas baixa satisfação
+- **Satisfaction signals > watch time bruto (2026)** — comportamento pós-visualização é novo sinal primário
+- **Para ads:** Criativos que geram satisfação real (não apenas retenção) terão melhor distribuição de longo prazo
+
+---
+
+## LinkedIn Algorithm — Para Paid Media
+
+### Sinais de Ranking (B2B Context)
+
+**1. Dwell Time (Tempo de Permanência) — Sinal #1:**
+- Mede quanto tempo o usuário gasta lendo um post, mesmo sem interagir
+- "Qualified dwell time" vs "passive dwell time" (aba inativa)
+- Post com 30s+ dwell médio = alta qualidade algorítmica
+
+**2. Comentários Significativos:**
+- Comentários longos (50+ chars): peso alto
+- Comentários curtos (emoji, "ótimo post!"): peso baixo
+- O LinkedIn penaliza engagement bait explícito (pedido de "comente SIM")
+
+**3. Compartilhamentos com Comentário:**
+- Repost simples: peso baixo
+- Share com comentário substancial: peso muito maior
+
+**4. Saves e Sends (final 2025):**
+- LinkedIn adicionou Saves e Sends às analíticas de posts
+- Sinal que esses comportamentos são valorizados algoritmicamente
+
+### SSI (Social Selling Index)
+
+Métrica LinkedIn de 0-100 em 4 dimensões:
+1. Establishing Professional Brand (perfil completo, conteúdo)
+2. Finding Right People (uso de search e InMail)
+3. Engaging with Insights (interação com conteúdo relevante)
+4. Building Relationships (profundidade das conexões)
+
+**Para ads:** Perfis com SSI alto recebem maior alcance orgânico. Executivos com SSI alto são melhores candidatos para Thought Leadership Ads.
+
+### Tipos de Conteúdo por Performance (LinkedIn)
+
+| Formato | Alcance | Engajamento | Melhor Para |
+|---------|---------|-------------|------------|
+| **Documento/Carrossel** | Alto | Alto | Educacional, frameworks, listas |
+| **Texto puro (longo)** | Médio-Alto | Médio | Storytelling, opinião |
+| **Imagem + texto** | Médio | Médio | Notícias, celebrações |
+| **Video nativo** | Médio | Médio-Baixo | Entrevistas, bastidores |
+| **Link externo** | Baixo | Baixo | O LinkedIn penaliza links externos |
+| **Newsletter** | Muito Alto (via email) | Alto | Conteúdo recorrente |
+
+**Implicação para Sponsored Content:** Documentos/carrosseis e texto longo são os formatos orgânicos de maior alcance. Boostá-los via ads tem o melhor ratio orgânico:pago.
+
+### Mudanças 2025-2026
+
+- **Filtro anti-automação:** Posts com padrões de automação podem ter visibilidade limitada
+- **Expert-led content:** Algoritmo prioriza frameworks, análises de indústria, insights de especialistas
+- **Hashtags:** Limitar a 1-3 tags altamente relevantes (excesso = flag de spam)
+
+---
+
+## Twitter/X Algorithm — Para Paid Media
+
+### For You vs Following
+
+| Feed | Conteúdo | % Recomendado |
+|------|---------|--------------|
+| **For You** | Algorítmico | ~50% de fora da rede |
+| **Following** | Cronológico | 100% de contas seguidas |
+
+### Código Open-Source (Pesos Revelados)
+
+O X tornou o algoritmo open-source em março/2023. Pesos relativos:
+
+| Sinal | Peso Aproximado |
+|-------|----------------|
+| **Reply (resposta)** | 1x (baseline) |
+| **Like/Favorito** | 0.5x |
+| **Retweet/Repost** | 1x |
+| **Quote Tweet** | 1x |
+| **Bookmark** | Confirmado como sinal |
+| **Tempo de leitura** | Peso crescente |
+
+**Boost factors:**
+- Imagens: ~2x boost sobre texto puro
+- Video: ~2x boost
+- Links externos: penalidade (o X quer manter usuários)
+- X Premium subscribers: ~4x boost no ranking (pay-to-play)
+
+**Para anunciantes X:** A plataforma tem distribuição menor (~22M MAU Brasil vs 131M TikTok). Alocação de budget justificada apenas para audiências muito específicas (jornalistas, tech, finanças, política).
+
+---
+
+## Teoria de Sistemas de Recomendação
+
+### Collaborative Filtering
+
+**User-based:** "Usuários similares a você gostaram de X → você provavelmente vai gostar"
+**Item-based:** "Itens frequentemente consumidos juntos são similares"
+**Matrix Factorization:** Decompõe matriz usuário-item em fatores latentes (Netflix Prize 2009)
+
+### Content-Based Filtering
+
+Analisa propriedades do conteúdo:
+- **NLP para texto:** Análise de tópicos, sentimento, entidades nomeadas
+- **Computer Vision:** Classificação de objetos, cenas, rostos em imagens/video
+- **Audio analysis:** Gênero musical, BPM, sentimento
+- **Metadata:** Tags, categorias, hashtags, duração
+
+**Vantagem:** Resolve cold start problem para novos itens. Sem histórico de engagement necessário.
+
+### Two-Tower Models (Arquitetura Dominante)
+
+```
+User Tower:                    Content Tower:
+[histórico]                    [tipo de conteúdo]
+[demographics]      -->        [features visuais]        --> Similarity Score
+[interações]        Embedding  [features textuais]       Embedding
+[dispositivo]                  [engagement stats]
+```
+
+Usado por Instagram Explore, YouTube e TikTok. Embeddings pré-computados + approximate nearest neighbors (ANN) = escala para bilhões de usuários.
+
+### Multi-Armed Bandits — Exploration vs Exploitation
+
+O algoritmo precisa decidir entre:
+- **Exploitation:** Mostrar conteúdo que sabidamente o usuário gosta (alta probabilidade imediata)
+- **Exploration:** Mostrar conteúdo novo/diferente para descobrir novos interesses
+
+**TikTok:** ~15-20% da FYP é conteúdo exploratório. Isso explica por que anúncios de nichos inesperados aparecem — e funcionam.
+
+**Epsilon-Greedy:** Com probabilidade ε, mostra conteúdo aleatório; caso contrário, mostra o melhor conhecido.
+
+**Thompson Sampling:** Abordagem bayesiana — naturalmente balanceia exploração e explotação sem parâmetro ε.
+
+### Cold Start Problem
+
+**Cold Start de Usuário (novo sem histórico):**
+- Onboarding quiz (TikTok pergunta interesses)
+- Conteúdo popular como default
+- Demograficos como proxy
+
+**Cold Start de Conteúdo (novo post/ad sem engagement):**
+- Content-based features (análise do conteúdo)
+- Creator features (histórico de performance)
+- Batch testing para grupo aleatório (TikTok)
+- Topic matching via NLP/CV
+
+**Para ads:** Contas de anunciantes sem histórico de performance pagam CPMs mais altos inicialmente. Com histórico positivo, o algoritmo favorece e o CPM decresce.
+
+---
+
+## Cross-Platform Organic + Paid Synergy
+
+### Formato Nativo por Plataforma
+
+| Plataforma | Formato Orgânico Favorecido | Formato Penalizado |
+|-----------|----------------------------|--------------------|
+| **Instagram** | Reels, Carrosseis | Links externos, texto puro |
+| **TikTok** | Video vertical (9:16), trending audio | Conteúdo com watermark TikTok |
+| **YouTube** | Long-form (8-20 min), Shorts (novos) | Videos <4 min em long-form |
+| **LinkedIn** | Documentos/Carrosseis, texto longo | Links externos, posts corporativos |
+| **X/Twitter** | Threads, imagens, video curto | Links externos (penalizado) |
+| **Facebook** | Reels, posts em Groups | Links, posts de Pages |
+
+### Repurposing Framework
+
+1. Criar peça "master" (video longo ou artigo)
+2. Extrair clips para Reels/TikTok/Shorts
+3. Transformar insights em carrosseis para Instagram/LinkedIn
+4. Criar threads para X
+5. Adaptar versão para formato/cultura de cada plataforma
+
+**Performance cross-posting direto vs nativo:**
+- Cross-posting direto (mesma peça): 30-50% menor performance
+- Conteúdo nativo por plataforma: ideal mas exige mais recursos
+- Repurposing com adaptação: melhor custo-benefício

package/squads/squad-paidmedia/knowledge-base/tiktok-linkedin-ads-playbook.md

@@ -0,0 +1,213 @@
+# TikTok Ads & LinkedIn Ads Playbook
+
+> Fonte: MS-005 Paid Traffic Research (2026-04-07)
+
+---
+
+## TikTok Ads
+
+### Estrutura de Campanhas
+
+```
+Campaign (Objetivo + Budget)
+  └── Ad Group (Audiencia + Placement + Schedule + Bid)
+       └── Ad (Criativo + CTA + URL)
+```
+
+**Objetivos disponíveis:**
+- Reach, Video Views, Traffic, App Installs, Lead Generation, Website Conversions, Catalog Sales
+- Smart Performance Campaign (totalmente automatizado — equivalente ao ASC da Meta)
+
+### Formatos de Anuncio
+
+| Formato | Specs | Melhor Para |
+|---------|-------|------------|
+| **In-Feed Ads** | 9:16 vertical, 9-60s | Feed FYP, nativo |
+| **Spark Ads** | Boost de post orgânico | UGC, creator content |
+| **TopView** | 60s, full-screen, sound-on | Awareness massivo, lancamentos |
+| **Branded Hashtag Challenge** | Tab Discover | Viralidade, engajamento |
+| **Branded Effects** | Filtros customizados, 10 dias | Brand activation |
+| **Catalog Ads (Dynamic Showcase)** | Feed de produtos | Retargeting e-commerce |
+
+**Regra de ouro TikTok:** "Don't make ads, make TikToks." Conteúdo que parece nativo supera conteúdo polished em CTR e CVR consistentemente.
+
+**Spark Ads vs In-Feed:**
+- Spark Ads tem CTR ~25% maior que In-Feed padrão
+- Mantém engajamento orgânico no post original (likes, comentários ficam)
+- Usuário vê o post no perfil do criador — autenticidade percebida
+- Ideal para: UGC, creator content com licença aprovada
+
+**TopView:**
+- CPM premium: BRL 80-200 no Brasil
+- Completion rate alto (sound-on, full-screen)
+- Reserva antecipada obrigatória para datas especiais
+
+### TikTok Creative Center
+
+Ferramenta gratuita essencial (creative-center.tiktok.com):
+
+| Feature | O Que Faz | Como Usar |
+|---------|-----------|-----------|
+| **Top Ads Dashboard** | Ads de melhor performance por país/industria | Benchmark e inspiração |
+| **Trend Discovery** | Hashtags, músicas, criadores em trending | Surfar trends antes do pico |
+| **Audio Library** | Músicas licenciadas para ads | Escolher trending sounds |
+| **Creative Templates** | Templates editáveis para ads rápidos | Produção ágil |
+| **AI Script Generator** | Scripts baseados em prompts | Iteração de hooks |
+| **Smart Creative** | Variantes automáticas de criativos | DCO nativo |
+
+### Audience Signals e Targeting
+
+| Tipo | Detalhes |
+|------|---------|
+| **Demographics** | Idade, gênero, localização, idioma |
+| **Interests** | Categorias de conteúdo consumido |
+| **Behaviors** | Interações com conteúdo (curtidas, shares, follows) |
+| **Creator Interactions** | Usuários que interagiram com tipos específicos de criadores |
+| **Custom Audiences** | Website traffic, customer list, app activity, engagement |
+| **Lookalike** | Baseado em custom audiences, 1-10% |
+| **Smart Targeting** | Broad + ML (equivalente ao Advantage+ da Meta) |
+
+**Best practice:** Começar com targeting mais amplo (Smart Targeting) e deixar o algoritmo encontrar o público. A FYP já é altamente personalizada — o TikTok sabe o que cada usuário gosta.
+
+### AIGC Compliance (2025-2026)
+
+**Regra obrigatória:** Todo conteúdo gerado por AI (AIGC) deve ser sinalizado via toggle in-app.
+- Risco: rejeição instantânea do anúncio sem sinalização
+- Ads políticos permanecem proibidos
+- Verificar re-aprovação de targeting após mudança de propriedade (joint venture Oracle/Silver Lake/MGX)
+
+### TikTok Ads — Interest Graph Advantage
+
+O TikTok usa **interest graph** (o que você assiste) vs **social graph** (quem você segue). Para anunciantes:
+- Audiências menores de nicho podem ser alcançadas com custo menor que Meta
+- Conteúdo de qualquer conta pode viralizar — criadores novos têm mesmo alcance potencial
+- A FYP distribui ads nativos com eficiência excepcional para audiências engajadas
+
+### CPMs Brasil TikTok
+
+| Formato | CPM Médio (BRL) |
+|---------|----------------|
+| In-Feed | R$8-25 |
+| TopView | R$80-200+ |
+| Branded Hashtag Challenge | Setup fee alto (R$750K+) |
+
+---
+
+## LinkedIn Ads
+
+### Por Que LinkedIn para B2B
+
+LinkedIn é a única plataforma com targeting baseado em dados profissionais verificados. CPM 3-5x mais caro que Meta/TikTok — mas qualidade de lead incomparável para B2B.
+
+| Métrica | LinkedIn | Meta |
+|---------|---------|------|
+| CPM médio BR | R$40-120 | R$15-40 |
+| CPC médio | USD 5-15 | USD 0.50-2.00 |
+| CPL médio B2B | USD 50-200+ | USD 15-80 |
+| Qualidade do lead | Alta (cargo verificado) | Variável |
+
+**Justificativa:** Um lead de decisor C-level pode valer dezenas de milhares de reais. O custo maior por lead é justificado.
+
+### Targeting B2B Unico
+
+| Critério | Detalhes |
+|----------|---------|
+| **Job Title** | Cargo exato (CEO, CFO, Head of Marketing) |
+| **Job Function** | Área funcional (Marketing, Finance, Engineering) |
+| **Seniority** | Nível hierárquico (Entry, Senior, Manager, Director, VP, C-suite) |
+| **Company Name** | Empresa específica (Itaú, Nubank, TOTVS) |
+| **Company Size** | Número de funcionários (1-10 até 10001+) |
+| **Industry** | Setor (Technology, Finance, Healthcare) |
+| **Skills** | Habilidades listadas no perfil |
+| **Groups** | Membros de grupos específicos |
+| **Company Revenue** | Faturamento (alguns mercados) |
+
+**Audiência mínima:** 50K+ membros para otimização adequada do algoritmo.
+
+### Account-Based Marketing (ABM)
+
+ABM é targetar empresas específicas. LinkedIn é a melhor plataforma para ABM digital.
+
+**Matched Audiences para ABM:**
+1. **Company List Upload:** Lista de empresas-alvo (até 300K empresas)
+2. **Contact Targeting:** Upload de emails de contatos (match rate ~30-50%)
+3. **Website Retargeting:** Insight Tag para retargeting de visitantes
+4. **Engagement Retargeting:** Usuários que interagiram com anúncios ou company page
+
+**Estratégia ABM em 3 Níveis:**
+
+| Nível | Audiência | Objetivo | Formato |
+|-------|-----------|----------|---------|
+| **1:1** | Top 10-50 accounts | Awareness + Meeting | InMail personalizado |
+| **1:Few** | Clusters de 50-200 | Educação + Engagement | Sponsored Content + Thought Leadership |
+| **1:Many** | 200-1000+ accounts | Awareness + Demand Gen | Display + Video + Lead Gen Forms |
+
+### Formatos de Anuncio
+
+**Sponsored Content:**
+- Posts patrocinados no feed
+- Formatos: single image, video, carousel, document, event
+- Melhor formato para awareness e engagement
+- Videos: curtos (<30s) com legendas (autoplay silencioso)
+
+**Sponsored Messaging:**
+- InMail: mensagem direta na inbox do LinkedIn
+- Taxa de abertura ~50% (vs ~20% email)
+- Limite: 1 InMail por membro a cada 45 dias
+- Message Ads e Conversation Ads (chatbot-style)
+
+**Lead Gen Forms:**
+- Formulários pré-preenchidos com dados do perfil
+- Sem landing page — conversão direto no LinkedIn
+- CVR tipicamente 2-5x maior que landing page externa
+- Limitação: leads podem ter menor intent
+
+**Text Ads:**
+- Sidebar, CPM muito baixo (USD 3-5)
+- CTR <0.05% mas bom para ABM awareness constante
+
+**Dynamic Ads:**
+- Personalizados com foto e nome do usuário
+- Spotlight Ads, Follower Ads, Content Ads
+- Forte para follower acquisition
+
+**Thought Leadership Ads (2024):**
+- Boostar posts pessoais de executivos
+- CTR 2-3x maior que posts de company page
+- Humaniza a marca — alto impacto em consideração
+
+### LinkedIn Insight Tag
+
+Tag JavaScript para rastreamento de:
+- Visitantes do site (segmentos para retargeting)
+- Conversões (leads, downloads, compras)
+- Demographics insights (cargo, empresa, setor dos visitantes)
+
+**Implementação:** Uma linha de código, similar ao Meta Pixel. Essencial para qualquer estratégia LinkedIn.
+
+### Best Practices LinkedIn
+
+1. **Audiência mínima:** 50K+ membros por campanha
+2. **Frequência ideal:** 4-6 impressões por membro/mês
+3. **Creative refresh:** A cada 4-6 semanas (ad fatigue mais lenta)
+4. **Budget mínimo:** USD 50/dia por campanha recomendado
+5. **Thought leadership:** Boostar posts pessoais de executivos (CTR 2-3x maior)
+6. **Document ads:** PDFs interativos para conteúdo educativo
+7. **UTMs detalhados:** Sempre incluir utm_source=linkedin, utm_medium=paid-social
+8. **LinkedIn Insight Tag:** Instalado ANTES de criar campanhas
+
+### Modelo de Atribuição LinkedIn
+
+O LinkedIn tem janela de atribuição própria. Comparar com GA4 (attribution model diferente):
+- Click-through: 30 dias
+- View-through: 7 dias
+- Lead Gen Forms: atribuição nativa (sem depender de pixel)
+
+### Benchmark CPM Brasil LinkedIn
+
+| Formato | CPM Médio (BRL) |
+|---------|----------------|
+| Sponsored Content | R$40-120 |
+| Text Ads | R$15-30 |
+| Dynamic Ads | R$30-60 |
+| InMail | CPM por send (R$0.80-1.50/send) |

package/squads/squad-paidmedia/knowledge-base/traffic-masters-frameworks.md

@@ -35,3 +35,74 @@ Advanced paid media frameworks from elite practitioners.
 - **Regra do 1-3-5:** 1 campanha, 3 conjuntos, 5 anúncios por conjunto
 - **Orçamento Mínimo:** R$ 10-20/dia por conjunto para otimização do algoritmo
 - **Método de Escala:** Duplicar conjuntos vencedores com +20% orçamento a cada 3 dias
+
+---
+
+## Eugene Schwartz — 5 Níveis de Consciência (Breakthrough Advertising, 1966)
+**Source:** Breakthrough Advertising
+Framework mais importante de copy para paid media — define qual mensagem usar por audiência:
+
+| Nível | Estado | Hook/Mensagem Ideal |
+|-------|--------|---------------------|
+| **Unaware** | Não sabe que tem o problema | Mostrar sintomas, não o produto |
+| **Problem Aware** | Sabe do problema, não conhece soluções | Validar a dor, apresentar existência de solução |
+| **Solution Aware** | Conhece soluções, não conhece sua marca | Diferenciar sua solução |
+| **Product Aware** | Conhece sua solução, não tomou ação | Proposta de valor, objeções, urgência |
+| **Most Aware** | Conhece e quase comprou | Oferta, desconto, detalhe final |
+
+**Aplicação prática:** Prospecting cold = níveis 1-2. Retargeting warm = 3-4. Retargeting hot = 5.
+
+---
+
+## Alex Hormozi — $100M Leads Framework (2023)
+**Source:** $100M Leads (Acquisition.com, 2023)
+- **Core Offer:** Oferta central irresistível como base de toda campanha
+- **Lead Magnet:** Isca de valor para gerar lead (problema único → solução única → CTA específico)
+- **Volume-Based Strategy:** Mais volume de anúncios testados = mais chances de winner
+- **Dream Outcome:** Comunicar o resultado desejado, não o produto/serviço
+- **Grandslam Offer:** Value = Dream Outcome × Likelihood / Time Delay × Effort
+
+---
+
+## Kasim Aslam — Solutions 8 Google Ads (atualizado 2025)
+**Source:** Solutions 8 YouTube
+- **PMax Structure:** Asset group por tema, não por produto (consistência criativa)
+- **Alpha/Beta:** Alpha (exact match winners) → Beta (broad match exploration)
+- **Negative Keyword Sculpting:** Exclusões sistemáticas para forçar tráfego para campanhas corretas
+- **PMax Negative KWs:** Desde jan/2025, negative keywords disponíveis por campanha (até 10K)
+- **Channel Reporting:** Desde nov/2025, breakdown por canal em PMax disponível
+
+---
+
+## Savannah Sanchez — UGC Creative Strategy (The Social Savannah)
+**Source:** The Social Savannah
+- **Native-first:** Criativos que parecem conteúdo orgânico superam criativos polished consistentemente
+- **Hook diversity:** Testar 5+ tipos de hooks antes de declarar ângulo vencedor
+- **Creator brief structure:** Problema → Agitação → Solução → Prova → CTA em UGC
+- **Batch production:** Gravar 5-10 variações no mesmo dia para eficiência
+- **Authenticity signals:** Sem marca d'água de outras plataformas, sem edição excessiva, fundo natural
+
+---
+
+## Aaron Young — Google Shopping Optimization (Define Digital Academy)
+**Source:** Define Digital Academy
+- **Product Title Priority:** Título do produto é o campo mais importante — incluir keywords (ex: "Tênis Nike Revolution 6 Masculino Preto")
+- **Feed-first approach:** Qualidade do feed determina resultado em Shopping e PMax
+- **Priority System (Standard Shopping):** High/Medium/Low priority para controlar qual campanha captura qual busca
+- **GTIN obrigatório:** Produtos sem GTIN têm menor eligibilidade e performance
+
+---
+
+## Livros-Bíblia do Paid Media
+
+| Livro | Autor | Ano | Por Que É Essencial |
+|-------|-------|-----|---------------------|
+| **Scientific Advertising** | Claude Hopkins | 1923 | Fundação do teste A/B e publicidade científica |
+| **Breakthrough Advertising** | Eugene Schwartz | 1966 | 5 níveis de consciência — framework de copy mais importante |
+| **Ogilvy on Advertising** | David Ogilvy | 1983 | Princípios de headline e copy ainda válidos |
+| **Influence** | Robert Cialdini | 1984 | 6 gatilhos de persuasão aplicados a ads |
+| **Ultimate Guide to Google Ads** | Perry Marshall | 2020 | Guia mais completo de Google Ads |
+| **$100M Leads** | Alex Hormozi | 2023 | Framework de lead gen incluindo paid ads |
+| **$100M Offers** | Alex Hormozi | 2021 | Como criar ofertas irresistíveis — elemento #1 |
+| **Building a StoryBrand** | Donald Miller | 2017 | Framework de messaging para ads e landing pages |
+| **Contagious** | Jonah Berger | 2013 | Por que coisas viralizam — aplicável a criativos |