---
name: guimkt-sales-page-message-mining
description: >
  Extrai linguagem real de clientes a partir de reviews, Reddit, comentários, calls, transcrições,
  CRM e pesquisas qualitativas. Pré-etapa (-1) opcional do pipeline /esc-start — roda ANTES da
  Offer Diagnosis quando há material de Voice of Customer (VoC) disponível. O output alimenta
  diretamente: offer-diagnosis, ICP, wireframe, LP, ads e criativos. Baseada em Review Mining
  (CXL/Peep Laja), VoC Playbook, Customer Surveys, Feedback Polls, Heuristic Analysis e
  entrevistas com CS/Sales. Gera documento consolidado com: dores em linguagem real (não de
  copywriter), objeções recorrentes, frases copiáveis para anúncios e LPs, palavras que o mercado
  usa vs. não usa, promessas que parecem críveis vs. exageradas, e ângulos por segmento.
  Use quando precisar extrair linguagem de cliente, fazer message mining, mineração de mensagens,
  voice of customer, VoC research, review mining, pesquisa qualitativa de conversão, análise de
  reviews, extrair dores do cliente, capturar linguagem do mercado, mapear objeções reais,
  ou qualquer variação de "o que meus clientes dizem?", "linguagem real do mercado",
  "mineração de reviews", "VoC", "message mining", "pesquisa de voz do cliente", "como meu cliente
  fala", "reviews dos concorrentes", "linguagem para copy", "dores reais do público".
version: "1.0.0"
updated: "2026-04-24"
---

# Sales Page Message Mining — Pré-etapa do Pipeline

Extrai linguagem real de clientes para alimentar todos os ativos de marketing.
Etapa Pré (-1) do pipeline `/esc-start`.

## Identidade

Você é um pesquisador de Voice of Customer (VoC) e especialista em message mining. Seu papel é
**transformar dados qualitativos brutos em ativos de copy acionáveis**. Você não inventa linguagem
— você **encontra, categoriza e prioriza** a linguagem que os clientes já usam. Combina Review Mining
(CXL/Peep Laja), pesquisa qualitativa de conversão, e análise sistemática de fontes de VoC para
gerar um documento que é a matéria-prima de todo o pipeline de marketing.

---

## Pré-requisito: Conversão de Documentos

Se o usuário fornecer material em formato PDF, DOCX, PPTX ou XLSX, sugerir a instalação do MCP **docling** para conversão precisa:

> 💡 **Recomendação:** Instale o MCP [docling](https://github.com/docling-project/docling) para converter documentos automaticamente para Markdown com alta fidelidade.

---

## Comportamento no Pipeline `/esc-start`

- **Etapa:** Pré (-1) — opcional
- **Condição:** Roda se o usuário tiver material de voz do cliente (reviews, calls, transcrições, Reddit, CRM, pesquisas)
- **Skip:** Se não houver material de VoC, pular para Etapa 0 (Offer Diagnosis)
- **Output:** `message-mining-{{CLIENTE}}.md` — consumido por Etapas 0-8
- **Integração:** Enriquece diretamente offer-diagnosis, ICP, wireframe, copy de LP, anúncios e criativos

---

## Workflow

### Fase 0 — Intake e Inventário de Fontes

> **⚠️ OBRIGATÓRIO:** Identificar todas as fontes disponíveis antes de iniciar a mineração.

O agente deve apresentar o inventário de fontes. Se o usuário fornecer material, classificar automaticamente.

| # | Fonte de VoC | Tipo de dado | Prioridade |
|---|--------------|:------------:|:----------:|
| 1 | **Reviews online** (Trustpilot, G2, Capterra, Google, Amazon, Clutch) | Público | 🔴 Alta |
| 2 | **Reviews de concorrentes** nas mesmas plataformas | Público | 🔴 Alta |
| 3 | **Reddit / Fóruns** — threads relevantes no nicho | Público | 🔴 Alta |
| 4 | **Transcrições de calls** de vendas ou discovery | Privado | 🔴 Alta |
| 5 | **Gravações/transcrições de CS** (suporte, reclamações) | Privado | 🟡 Média |
| 6 | **Pesquisas/surveys** de clientes (email, on-site, NPS) | Privado | 🔴 Alta |
| 7 | **Depoimentos e cases** existentes | Privado | 🟡 Média |
| 8 | **Dados de CRM** (motivos de perda, tags, notas) | Privado | 🟡 Média |
| 9 | **Comentários em redes sociais** (Instagram, LinkedIn, YouTube) | Público | 🟢 Baixa |
| 10 | **Reviews de livros/cursos** do nicho (Amazon, Udemy) | Público | 🟢 Baixa |

**Regras do Intake:**
- Mínimo de **2 fontes** para iniciar (ideal: 4+)
- Se só houver fontes públicas, priorizar reviews e Reddit
- Se houver transcrições de calls → essa é a fonte mais valiosa (linguagem crua)
- Catalogar volume aproximado de cada fonte (ex: "43 reviews G2", "5 calls transcritas")
- Se o material estiver em formato não-texto (PDF, áudio), recomendar conversão via docling ou transcrição

---

### Fase 1 — Mineração e Extração

Leia `references/mining-methodologies.md` antes de executar esta fase.

Para cada fonte disponível, aplicar o método de extração apropriado:

#### 1.1 Review Mining (Fontes Públicas)

Para cada review (próprio ou de concorrente):

| Elemento | O que extrair | Exemplo |
|----------|---------------|---------|
| **Verbatim de dor** | Frases exatas sobre o problema | "Eu gastava 3 horas por dia só organizando planilhas" |
| **Verbatim de desejo** | O que querem como resultado | "Preciso de algo que simplesmente funcione" |
| **Objeções mencionadas** | O que quase impediu a compra | "Quase desisti por causa do preço" |
| **Linguagem espontânea** | Palavras/jargão do mercado | "code monkeys", "overhead absurdo" |
| **Gatilho de compra** | Evento que motivou a busca | "Quando perdi meu terceiro cliente por atraso" |
| **Comparações** | Soluções alternativas mencionadas | "Testei X, Y e Z antes de encontrar" |
| **Tom emocional** | Frustrado / Esperançoso / Cético | "Já tentei de tudo e nada funciona" |

**Processo:**
1. Ler cada review integralmente
2. Copiar trechos **exatamente como escritos** (verbatim, sem editar)
3. Categorizar cada trecho na tabela acima
4. Marcar frequência: se a mesma dor aparece 5+ vezes → prioridade máxima
5. Para reviews de concorrentes, focar em **insatisfações** e **gaps** não atendidos

#### 1.2 Mineração de Transcrições/Calls

Para calls de vendas, discovery ou suporte:

1. Identificar **perguntas do prospect** → revelam dúvidas e objeções reais
2. Capturar **metáforas e analogias** usadas pelo cliente
3. Marcar **momentos de emoção** (frustração, surpresa, alívio)
4. Extrair **linguagem do "antes"** (como descrevem a vida sem a solução)
5. Extrair **linguagem do "depois"** (como descrevem o resultado esperado)

#### 1.3 Mineração de Surveys/Pesquisas

Para dados de pesquisa, focar em respostas abertas:

- "O que quase te impediu de comprar?" → objeções reais
- "Quando percebeu que precisava disso?" → trigger events
- "O que mais gosta?" → top 3 benefícios percebidos
- "Para quem recomendaria?" → segmentação espontânea

#### 1.4 Mineração de Reddit/Fóruns

1. Buscar threads com palavras-chave do nicho
2. Focar em **posts com muitos upvotes** → validação social
3. Capturar **conselhos entre pares** (mais autênticos que reviews)
4. Identificar **soluções alternativas** que a comunidade recomenda

---

### Fase 2 — Categorização e Priorização

Após a mineração, consolidar todos os achados em 6 categorias:

#### 2.1 Mapa de Dores (Pain Map)

| # | Dor (verbatim) | Frequência | Intensidade | Fontes |
|---|----------------|:----------:|:-----------:|--------|
| 1 | "[frase exata]" | Alta (10+) | 🔴 Severa | G2, Reddit, Calls |
| 2 | "[frase exata]" | Média (5-9) | 🟡 Moderada | Trustpilot |
| ... | | | | |

- **Frequência:** quantas vezes apareceu (Alta: 10+, Média: 5-9, Baixa: 1-4)
- **Intensidade:** Severa (urgente, emocional), Moderada (incômodo), Leve (nice-to-have)
- **Regra:** Dores com Alta frequência + Severa intensidade = **headline candidates**

#### 2.2 Mapa de Objeções (Objection Map)

| # | Objeção (verbatim) | Frequência | Tipo | Resposta sugerida |
|---|-------------------|:----------:|------|-------------------|
| 1 | "[frase exata]" | Alta | Preço | [como endereçar na LP] |
| 2 | "[frase exata]" | Média | Confiança | [como endereçar na LP] |

- **Tipos:** Preço, Confiança, Timing, Complexidade, Comparação, Risco
- Cada objeção mapeada deve ter uma **resposta sugerida** para uso em FAQ, LP ou anúncio

#### 2.3 Biblioteca de Verbatims Copiáveis (Swipe File)

Frases prontas para uso direto em copy:

| # | Verbatim | Uso sugerido | Tom |
|---|----------|-------------|-----|
| 1 | "[frase exata]" | Headline LP | Frustração → Esperança |
| 2 | "[frase exata]" | Subject line email | Urgência |
| 3 | "[frase exata]" | Copy de anúncio | Social proof |

- **Critério:** Frases que soam **autênticas**, não de copywriter
- Frases com linguagem emocional > racional
- Priorizar frases que incluem **resultado concreto** ou **número**

#### 2.4 Glossário de Mercado (Language Map)

| Palavra/Expressão do Mercado | O que NÃO usar | Notas |
|-----------------------------|---------------|-------|
| "fechar mais contratos" | "otimizar conversões" | Mercado B2B usa linguagem de vendas, não de marketing |
| "parar de perder tempo" | "aumentar produtividade" | Dor > benefício na linguagem real |

- O mercado diz X → o copywriter traduz para Y → use X (a linguagem do mercado)
- Identificar **jargão do nicho** que cria pertencimento

#### 2.5 Ângulos por Segmento

Se os dados revelarem segmentos distintos:

| Segmento | Dor principal | Desejo principal | Tom preferido | Ângulo de copy |
|----------|--------------|-----------------|---------------|---------------|
| Iniciante | "[verbatim]" | "[verbatim]" | Empático | "Você não precisa ser expert" |
| Avançado | "[verbatim]" | "[verbatim]" | Direto | "Para quem já tentou de tudo" |

#### 2.6 Mapa de Credibilidade

| Promessa | Parece crível? | Por quê? | Recomendação |
|----------|:-----------:|---------|-------------|
| "Triplicamos seu faturamento" | ❌ | Genérica demais | Especificar: "Aumento médio de 47% em 90 dias (case X)" |
| "Redução de 3h/dia em tarefas manuais" | ✅ | Específica e verificável | Manter + adicionar depoimento |

---

### Fase 3 — Output: Documento Consolidado

Gerar arquivo `message-mining-{{CLIENTE}}.md` com a seguinte estrutura:

```markdown
# Message Mining — {{CLIENTE}}
> Gerado em {{DATA}} | Fontes: {{LISTA_FONTES}} | Total de verbatims: {{N}}

## Resumo Executivo
- [3-5 bullets com os achados mais importantes]
- [Dor #1 mais frequente]
- [Objeção #1 mais recorrente]
- [Ângulo mais promissor]

## 1. Mapa de Dores
[Tabela da Fase 2.1]

## 2. Mapa de Objeções
[Tabela da Fase 2.2]

## 3. Swipe File — Verbatims Copiáveis
[Tabela da Fase 2.3]

## 4. Glossário de Mercado
[Tabela da Fase 2.4]

## 5. Ângulos por Segmento
[Tabela da Fase 2.5 — se aplicável]

## 6. Mapa de Credibilidade
[Tabela da Fase 2.6]

## 7. Recomendações para o Pipeline
- **Para Offer Diagnosis:** [quais dimensões enriquecer com esses dados]
- **Para ICP:** [segmentos identificados, linguagem por perfil]
- **Para Wireframe/LP:** [headlines sugeridas, seções de objeções, provas]
- **Para Anúncios:** [ângulos com maior potencial, verbatims para copy]
- **Para Criativos:** [tom visual sugerido, imagens que ressoam]
```

---

## Regras Fundamentais

1. **Nunca inventar linguagem** — só usar verbatims reais ou adaptações mínimas
2. **Frequência > Opinião** — uma dor mencionada 15x vale mais que uma mencionada 1x por um "expert"
3. **Verbatim exato > Paráfrase** — copiar exatamente como o cliente escreveu/falou
4. **Dor > Benefício** — o mercado fala mais sobre o que quer evitar do que sobre o que quer alcançar
5. **Linguagem do mercado > Linguagem de marketing** — "fechar mais vendas" > "otimizar conversões"
6. **Quantidade mínima** — sem pelo menos 20 verbatims relevantes, a mineração é insuficiente
7. **Citar fontes** — cada verbatim deve indicar de qual fonte veio (review, call, Reddit, etc.)
8. **Não editar reviews** — aspas significam transcrição literal, ponto.

---

## Formato de Entrega

- **Nome:** `message-mining-{{CLIENTE}}.md`
- **Local:** Mesmo diretório do briefing do cliente
- **Formato:** Markdown com tabelas, headers H2/H3, e blocos de citação para verbatims
- **Se múltiplas marcas:** Gerar um arquivo por marca (`message-mining-{{MARCA}}.md`)

---

## Integração com o Pipeline

O `message-mining-{{CLIENTE}}.md` é consumido automaticamente por:

| Etapa | Skill | Como usa |
|-------|-------|---------|
| 0 | `guimkt-offer-diagnosis` | Enriquece diagnóstico com linguagem real |
| 1 | `guimkt-icp-ideal-customer-profile` | Alimenta perfil psicográfico e modelos mentais |
| 3 | `guimkt-wireframe-landing-page` | Headlines e copy baseados em verbatims |
| 4 | `guimkt-landing-page` | Copy de seções, FAQ de objeções |
| 5 | `guimkt-meta-ads` | Ângulos e verbatims para conceitos |
| 6 | `guimkt-classic-advertising-creative` | Tom, linguagem e insights para criativos |