[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"skill:01M79Z1SR0H5CSS3CQ2RC29PSQ":3,"skill-same:01M79Z1SR0H5CSS3CQ2RC29PSQ":53},{"skillNo":4,"name":5,"nameZh":6,"description":7,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":16,"categories":17,"keywords":18,"publishedAt":19,"linkOnly":20,"markdownContent":21,"markdownBody":22,"frontMatter":23,"refName":30,"commitSha":31,"skillDirectory":32,"forksCount":33,"repositoryHtmlUrl":34,"repositoryHomepageUrl":6,"ownerHtmlUrl":35,"ownerBlogUrl":36,"ownerDescription":37,"updatedAt":38,"install":39,"resources":52},"01M79Z1SR0H5CSS3CQ2RC29PSQ","email-analytics",null,"Email Analytics — Skill especializada para configurar, analisar e otimizar campanhas de email marketing usando dados do Google Analytics 4 e outras ferramentas.","diegojcn\u002Fagent-skill-pack","diegojcn","https:\u002F\u002Favatars.githubusercontent.com\u002Fu\u002F39829656?v=4","01M79YWFWBS7GQ1NC0FRSWE0QF","Diego Neves","01M79YWFWX7K7R5N28V61XYR6B",2,"MIT","https:\u002F\u002Fgithub.com\u002Fdiegojcn\u002Fagent-skill-pack\u002Fblob\u002Fmain\u002Fanalytics-dados\u002Femail-analytics\u002FSKILL.md",[],[],"2026-11-15 14:19:17",false,"---\nname: email-analytics\ndescription: \"Email Analytics — Skill especializada para configurar, analisar e otimizar campanhas de email marketing usando dados do Google Analytics 4 e outras ferramentas.\"\nlicense: MIT\nmetadata:\n  version: 1.0.0\n  author: Cafe Code AI\n  category: 15-analytics-dados\n  updated: 2026-03-01\nrisk: safe\n---\n\n# Email Analytics\n\nEssa skill capacita o Claude a configurar, analisar e otimizar campanhas de email marketing usando dados do Google Analytics 4 e outras ferramentas, focando em atribuição e comportamento do usuário.\n\n---\n\n## Keywords\n\nGA4, UTM, Taxa de Abertura, CTR Email, Conversão de Email, Atribuição Multicanal, LTV Email, Segmentação de Audiência, Funil de Email, ROI Email, Jornada do Cliente, Engajamento de Email.\n\n---\n\n## Quick Start\n\n1.  **Configurar Parâmetros UTM em Todas as URLs de Email**: Garanta que cada link em seus emails contenha `utm_source=email`, `utm_medium=email_marketing` (ou outro específico como `newsletter`, `promocional`), e `utm_campaign` (nome da campanha).\n2.  **Criar Relatório Personalizado de Origem\u002FMídia no GA4**: Navegue até \"Relatórios > Biblioteca > Criar novo relatório > Relatório detalhado\". Adicione as dimensões \"Origem\", \"Mídia\" e \"Campanha\" e métricas como \"Sessões\", \"Usuários\", \"Taxa de Engajamento\", \"Conversões\" e \"Receita Total\".\n3.  **Filtrar Tráfego de Email no GA4**: No relatório personalizado, aplique um filtro para `Mídia` \"contém\" `email` para isolar o tráfego de email e iniciar a análise.\n4.  **Conferir Taxas de Abertura e Cliques (Open Rate\u002FCTR) na Plataforma de Email**: Acesse as métricas primárias da sua ferramenta de envio de email (Mailchimp, RD Station, ActiveCampaign) para ter uma visão inicial do desempenho antes de mergulhar no GA4.\n\n---\n\n## Core Workflows\n\n### Workflow 1: Análise Detalhada de Performance de Campanhas de Email no GA4\n\nEste workflow foca em como extrair insights profundos da performance de campanhas de email, correlacionando métricas de engajamento do email com o comportamento do usuário e conversões no site, utilizando o Google Analytics 4.\n\n1.  **Verificação e Padronização de UTMs:**\n    *   **Passo:** Antes de qualquer análise, confirme que todas as campanhas de email estão usando uma estrutura consistente de parâmetros UTM.\n    *   **Exemplo:** Para uma campanha de Black Friday, use `utm_source=email_marketing`, `utm_medium=newsletter_promocional`, `utm_campaign=black_friday_2024_ofertas`, `utm_content=banner_principal` ou `utm_term=desconto_especial`. A consistência é vital para a agregação de dados no GA4.\n2.  **Criação de Exploração de Funil para Email no GA4:**\n    *   **Passo:** No GA4, vá para \"Explorar > Galeria de Modelos > Exploração de funil\". Crie um funil que comece com um evento de \"page_view\" ou \"session_start\" com a dimensão `Mídia` igual a `email_marketing` (ou o valor usado no `utm_medium`).\n    *   **Exemplo:**\n        *   **Etapa 1:** Sessão Iniciada por Email (`Mídia` = `email_marketing`)\n        *   **Etapa 2:** Visualização da Página do Produto (`event_name` = `page_view`, `page_location` contém `\u002Fproduto\u002F`)\n        *   **Etapa 3:** Adição ao Carrinho (`event_name` = `add_to_cart`)\n        *   **Etapa 4:** Compra Concluída (`event_name` = `purchase`)\n    *   **Objetivo:** Identificar gargalos na jornada do usuário que veio de email, como alta taxa de abandono na página do produto, indicando desalinhamento entre a oferta do email e a landing page.\n3.  **Segmentação de Audiência por Engajamento de Email:**\n    *   **Passo:** No GA4, crie segmentos de público com base em eventos específicos ou propriedades de usuário relacionados ao email.\n    *   **Exemplo:**\n        *   **Segmento \"Compradores via Email Recentes\":** Usuários com `Mídia` = `email_marketing` E `event_name` = `purchase` nos últimos 30 dias.\n        *   **Segmento \"Visitantes de Email Não-Conversores\":** Usuários com `Mídia` = `email_marketing` E `event_name` != `purchase` nas últimas 7 dias.\n    *   **Aplicação:** Use esses segmentos em relatórios de \"Visão geral da aquisição\" ou \"Comportamento\" para comparar métricas como LTV, taxa de retenção e eventos subsequentes entre grupos de usuários que interagiram com emails de maneiras diferentes.\n4.  **Análise de Desempenho por Campanha\u002FAssunto:**\n    *   **Passo:** Utilize o relatório personalizado criado no Quick Start ou uma exploração livre no GA4, adicionando as dimensões `Campanha` e `Conteúdo do Anúncio` (para `utm_content`).\n    *   **Exemplo:** Compare a `Taxa de Conversão de Compras` para `utm_campaign=black_friday_2024_ofertas` vs. `utm_campaign=natal_2024_guia_presentes`. Dentro de `black_friday_2024_ofertas`, analise qual `utm_content` (ex: `banner_principal` vs. `link_texto_desconto`) gerou mais receita. Isso ajuda a refinar criativos e copys futuras.\n\n### Workflow 2: Otimização de Atribuição Multicanal para Campanhas de Email\n\nEste workflow detalha como o email contribui na jornada do cliente em conjunto com outros canais, utilizando modelos de atribuição e explorações avançadas no GA4 para otimizar o investimento e a estratégia de comunicação.\n\n1.  **Configuração de Atribuição no GA4:**\n    *   **Passo:** Entenda que o GA4 usa o modelo de atribuição \"Baseado em dados\" (Data-Driven Attribution - DDA) por padrão. Este modelo distribui o crédito da conversão entre todos os pontos de contato da jornada do cliente.\n    *   **Exemplo:** Em \"Administrador > Configurações de Atribuição\", verifique se o DDA está ativo. Compreender o modelo padrão é crucial para interpretar os relatórios de atribuição.\n2.  **Análise de Caminhos de Conversão:**\n    *   **Passo:** No GA4, vá para \"Explorar > Galeria de Modelos > Caminhos de conversão\". Selecione \"Origem\u002FMídia\" ou \"Campanha\" como dimensão.\n    *   **Exemplo:** Observe sequências como `(email_marketing -> busca_organica -> direct) para purchase` ou `(social -> email_marketing -> direct) para purchase`. O email pode aparecer no início, meio ou fim da jornada.\n    *   **Objetivo:** Identificar se o email atua predominantemente como um canal de descoberta (primeiro toque), de nutrição (meio da jornada) ou de fechamento (último toque).\n3.  **Comparação de Modelos de Atribuição para Email:**\n    *   **Passo:** No GA4, vá para \"Publicidade > Atribuição > Comparação de modelos\". Selecione as dimensões \"Origem\u002FMídia\" ou \"Campanha\".\n    *   **Exemplo:** Compare o modelo \"Baseado em dados\" com \"Último clique\" e \"Primeiro clique\" para a `Mídia` `email_marketing`.\n        *   Se o \"Primeiro clique\" atribui significativamente mais conversões ao email do que o \"Último clique\", isso sugere que o email é eficaz em iniciar jornadas de compra.\n        *   Se o \"Último clique\" atribui mais, o email é um forte fechador de vendas.\n    *   **Insight Prático:** Se o email tem alto valor no \"Primeiro Clique\", considere estratégias para capturar mais leads via email no topo do funil. Se alto no \"Último Clique\", otimize as ofertas e CTAs dos emails de retargeting ou promoções finais.\n4.  **Otimização de Campanhas de Email Baseada em Atribuição:**\n    *   **Passo:** Use os insights dos caminhos de conversão e comparação de modelos para ajustar o conteúdo e o momento dos emails.\n    *   **Exemplo:** Se o email frequentemente aparece como um segundo ou terceiro toque antes da conversão, crie sequências de nutrição mais robustas que complementem outros canais. Por exemplo, um email pós-engajamento em mídia social com um recurso aprofundado ou um guia. Se o email é um forte iniciador, concentre-se em ofertas de valor para novos inscritos.\n\n---\n\n## Templates\n\n### Estrutura de Parâmetros UTM para Campanhas de Email\n\n```\nhttps:\u002F\u002Fwww.seusite.com.br\u002Fpagina-de-destino?utm_source=email_marketing&utm_medium=newsletter_semanal&utm_campaign=promocao_verao_2025&utm_content=banner_colecao_praia&utm_term=desconto_15_biquinis\n```\n\n### Relatório Semanal de Performance de Email no GA4 (Visão Geral)\n\n```\n**Relatório Semanal de Performance de Email - [Data Início] a [Data Fim]**\n\n**Visão Geral:**\n*   Sessões de Email: 12.540 (+15% vs. semana anterior)\n*   Usuários de Email: 9.870 (+12% vs. semana anterior)\n*   Taxa de Engajamento: 58.3% (Meta: >55%)\n*   Receita Gerada via Email: R$ 32.150 (+22% vs. semana anterior)\n*   Conversões (Compras): 420 (+18% vs. semana anterior)\n\n**Campanhas de Destaque:**\n*   **\"Oferta Exclusiva Fim de Semana\" (utm_campaign=oferta_fds):**\n    *   Sessões: 3.100\n    *   Receita: R$ 15.200 (ROI de 350% considerando custo de envio)\n    *   Taxa de Conversão: 4.8%\n*   **\"Newsletter Conteúdo Novo\" (utm_campaign=newsletter_conteudo):**\n    *   Sessões: 5.800\n    *   Receita: R$ 8.500 (Atribuição de primeiro toque forte)\n    *   Taxa de Engajamento: 65%\n\n**Recomendações:**\n*   Replicar estrutura de oferta para campanhas futuras com base no desempenho da \"Oferta Exclusiva\".\n*   Analisar caminhos de conversão para a \"Newsletter Conteúdo Novo\" para otimizar sequências de nutrição.\n*   Testar A\u002FB diferentes CTAs em emails de abandono de carrinho.\n```\n\n---\n\n## Checklist\n\n-   [x] Todas as campanhas de email com parâmetros UTM completos e consistentes (`source`, `medium`, `campaign`, `content`, `term`).\n-   [x] Parâmetros UTM validados com a ferramenta de envio de email antes do disparo.\n-   [x] Relatórios personalizados no GA4 configurados para monitorar tráfego de email (Origem\u002FMídia, Campanha).\n-   [x] Segmentos de público no GA4 criados para usuários de email (compradores, engajados, abandonadores).\n-   [x] Exploração de funil no GA4 para analisar a jornada do usuário que veio de email.\n-   [x] Modelos de atribuição comparados no GA4 para entender o papel do email (primeiro, meio, último toque).\n-   [x] Métricas de plataforma de email (Open Rate, CTR, Bounce Rate) correlacionadas com métricas do GA4 (Sessões, Conversões).\n-   [x] Testes A\u002FB (assunto, CTA, layout) planejados e executados com base em hipóteses de melhoria de performance.\n-   [x] Análise de LTV (Lifetime Value) de clientes adquiridos via email versus outros canais.\n-   [x] Configuração de exclusão de bots e tráfego interno no GA4 para garantir dados limpos.\n\n---\n\n## Métricas de Referência\n\n| Métrica                      | Benchmark (E-commerce) | Meta (E-commerce) |\n| :--------------------------- | :--------------------- | :---------------- |\n| Taxa de Abertura (Open Rate) | 20-25%                 | >28%              |\n| Taxa de Cliques (CTR)        | 2.5-3.5%               | >4%               |\n| Taxa de Conversão (Email)    | 1.5-2.5%               | >3%               |\n| Receita por Email","# Email Analytics\n\nEssa skill capacita o Claude a configurar, analisar e otimizar campanhas de email marketing usando dados do Google Analytics 4 e outras ferramentas, focando em atribuição e comportamento do usuário.\n\n---\n\n## Keywords\n\nGA4, UTM, Taxa de Abertura, CTR Email, Conversão de Email, Atribuição Multicanal, LTV Email, Segmentação de Audiência, Funil de Email, ROI Email, Jornada do Cliente, Engajamento de Email.\n\n---\n\n## Quick Start\n\n1.  **Configurar Parâmetros UTM em Todas as URLs de Email**: Garanta que cada link em seus emails contenha `utm_source=email`, `utm_medium=email_marketing` (ou outro específico como `newsletter`, `promocional`), e `utm_campaign` (nome da campanha).\n2.  **Criar Relatório Personalizado de Origem\u002FMídia no GA4**: Navegue até \"Relatórios > Biblioteca > Criar novo relatório > Relatório detalhado\". Adicione as dimensões \"Origem\", \"Mídia\" e \"Campanha\" e métricas como \"Sessões\", \"Usuários\", \"Taxa de Engajamento\", \"Conversões\" e \"Receita Total\".\n3.  **Filtrar Tráfego de Email no GA4**: No relatório personalizado, aplique um filtro para `Mídia` \"contém\" `email` para isolar o tráfego de email e iniciar a análise.\n4.  **Conferir Taxas de Abertura e Cliques (Open Rate\u002FCTR) na Plataforma de Email**: Acesse as métricas primárias da sua ferramenta de envio de email (Mailchimp, RD Station, ActiveCampaign) para ter uma visão inicial do desempenho antes de mergulhar no GA4.\n\n---\n\n## Core Workflows\n\n### Workflow 1: Análise Detalhada de Performance de Campanhas de Email no GA4\n\nEste workflow foca em como extrair insights profundos da performance de campanhas de email, correlacionando métricas de engajamento do email com o comportamento do usuário e conversões no site, utilizando o Google Analytics 4.\n\n1.  **Verificação e Padronização de UTMs:**\n    *   **Passo:** Antes de qualquer análise, confirme que todas as campanhas de email estão usando uma estrutura consistente de parâmetros UTM.\n    *   **Exemplo:** Para uma campanha de Black Friday, use `utm_source=email_marketing`, `utm_medium=newsletter_promocional`, `utm_campaign=black_friday_2024_ofertas`, `utm_content=banner_principal` ou `utm_term=desconto_especial`. A consistência é vital para a agregação de dados no GA4.\n2.  **Criação de Exploração de Funil para Email no GA4:**\n    *   **Passo:** No GA4, vá para \"Explorar > Galeria de Modelos > Exploração de funil\". Crie um funil que comece com um evento de \"page_view\" ou \"session_start\" com a dimensão `Mídia` igual a `email_marketing` (ou o valor usado no `utm_medium`).\n    *   **Exemplo:**\n        *   **Etapa 1:** Sessão Iniciada por Email (`Mídia` = `email_marketing`)\n        *   **Etapa 2:** Visualização da Página do Produto (`event_name` = `page_view`, `page_location` contém `\u002Fproduto\u002F`)\n        *   **Etapa 3:** Adição ao Carrinho (`event_name` = `add_to_cart`)\n        *   **Etapa 4:** Compra Concluída (`event_name` = `purchase`)\n    *   **Objetivo:** Identificar gargalos na jornada do usuário que veio de email, como alta taxa de abandono na página do produto, indicando desalinhamento entre a oferta do email e a landing page.\n3.  **Segmentação de Audiência por Engajamento de Email:**\n    *   **Passo:** No GA4, crie segmentos de público com base em eventos específicos ou propriedades de usuário relacionados ao email.\n    *   **Exemplo:**\n        *   **Segmento \"Compradores via Email Recentes\":** Usuários com `Mídia` = `email_marketing` E `event_name` = `purchase` nos últimos 30 dias.\n        *   **Segmento \"Visitantes de Email Não-Conversores\":** Usuários com `Mídia` = `email_marketing` E `event_name` != `purchase` nas últimas 7 dias.\n    *   **Aplicação:** Use esses segmentos em relatórios de \"Visão geral da aquisição\" ou \"Comportamento\" para comparar métricas como LTV, taxa de retenção e eventos subsequentes entre grupos de usuários que interagiram com emails de maneiras diferentes.\n4.  **Análise de Desempenho por Campanha\u002FAssunto:**\n    *   **Passo:** Utilize o relatório personalizado criado no Quick Start ou uma exploração livre no GA4, adicionando as dimensões `Campanha` e `Conteúdo do Anúncio` (para `utm_content`).\n    *   **Exemplo:** Compare a `Taxa de Conversão de Compras` para `utm_campaign=black_friday_2024_ofertas` vs. `utm_campaign=natal_2024_guia_presentes`. Dentro de `black_friday_2024_ofertas`, analise qual `utm_content` (ex: `banner_principal` vs. `link_texto_desconto`) gerou mais receita. Isso ajuda a refinar criativos e copys futuras.\n\n### Workflow 2: Otimização de Atribuição Multicanal para Campanhas de Email\n\nEste workflow detalha como o email contribui na jornada do cliente em conjunto com outros canais, utilizando modelos de atribuição e explorações avançadas no GA4 para otimizar o investimento e a estratégia de comunicação.\n\n1.  **Configuração de Atribuição no GA4:**\n    *   **Passo:** Entenda que o GA4 usa o modelo de atribuição \"Baseado em dados\" (Data-Driven Attribution - DDA) por padrão. Este modelo distribui o crédito da conversão entre todos os pontos de contato da jornada do cliente.\n    *   **Exemplo:** Em \"Administrador > Configurações de Atribuição\", verifique se o DDA está ativo. Compreender o modelo padrão é crucial para interpretar os relatórios de atribuição.\n2.  **Análise de Caminhos de Conversão:**\n    *   **Passo:** No GA4, vá para \"Explorar > Galeria de Modelos > Caminhos de conversão\". Selecione \"Origem\u002FMídia\" ou \"Campanha\" como dimensão.\n    *   **Exemplo:** Observe sequências como `(email_marketing -> busca_organica -> direct) para purchase` ou `(social -> email_marketing -> direct) para purchase`. O email pode aparecer no início, meio ou fim da jornada.\n    *   **Objetivo:** Identificar se o email atua predominantemente como um canal de descoberta (primeiro toque), de nutrição (meio da jornada) ou de fechamento (último toque).\n3.  **Comparação de Modelos de Atribuição para Email:**\n    *   **Passo:** No GA4, vá para \"Publicidade > Atribuição > Comparação de modelos\". Selecione as dimensões \"Origem\u002FMídia\" ou \"Campanha\".\n    *   **Exemplo:** Compare o modelo \"Baseado em dados\" com \"Último clique\" e \"Primeiro clique\" para a `Mídia` `email_marketing`.\n        *   Se o \"Primeiro clique\" atribui significativamente mais conversões ao email do que o \"Último clique\", isso sugere que o email é eficaz em iniciar jornadas de compra.\n        *   Se o \"Último clique\" atribui mais, o email é um forte fechador de vendas.\n    *   **Insight Prático:** Se o email tem alto valor no \"Primeiro Clique\", considere estratégias para capturar mais leads via email no topo do funil. Se alto no \"Último Clique\", otimize as ofertas e CTAs dos emails de retargeting ou promoções finais.\n4.  **Otimização de Campanhas de Email Baseada em Atribuição:**\n    *   **Passo:** Use os insights dos caminhos de conversão e comparação de modelos para ajustar o conteúdo e o momento dos emails.\n    *   **Exemplo:** Se o email frequentemente aparece como um segundo ou terceiro toque antes da conversão, crie sequências de nutrição mais robustas que complementem outros canais. Por exemplo, um email pós-engajamento em mídia social com um recurso aprofundado ou um guia. Se o email é um forte iniciador, concentre-se em ofertas de valor para novos inscritos.\n\n---\n\n## Templates\n\n### Estrutura de Parâmetros UTM para Campanhas de Email\n\n```\nhttps:\u002F\u002Fwww.seusite.com.br\u002Fpagina-de-destino?utm_source=email_marketing&utm_medium=newsletter_semanal&utm_campaign=promocao_verao_2025&utm_content=banner_colecao_praia&utm_term=desconto_15_biquinis\n```\n\n### Relatório Semanal de Performance de Email no GA4 (Visão Geral)\n\n```\n**Relatório Semanal de Performance de Email - [Data Início] a [Data Fim]**\n\n**Visão Geral:**\n*   Sessões de Email: 12.540 (+15% vs. semana anterior)\n*   Usuários de Email: 9.870 (+12% vs. semana anterior)\n*   Taxa de Engajamento: 58.3% (Meta: >55%)\n*   Receita Gerada via Email: R$ 32.150 (+22% vs. semana anterior)\n*   Conversões (Compras): 420 (+18% vs. semana anterior)\n\n**Campanhas de Destaque:**\n*   **\"Oferta Exclusiva Fim de Semana\" (utm_campaign=oferta_fds):**\n    *   Sessões: 3.100\n    *   Receita: R$ 15.200 (ROI de 350% considerando custo de envio)\n    *   Taxa de Conversão: 4.8%\n*   **\"Newsletter Conteúdo Novo\" (utm_campaign=newsletter_conteudo):**\n    *   Sessões: 5.800\n    *   Receita: R$ 8.500 (Atribuição de primeiro toque forte)\n    *   Taxa de Engajamento: 65%\n\n**Recomendações:**\n*   Replicar estrutura de oferta para campanhas futuras com base no desempenho da \"Oferta Exclusiva\".\n*   Analisar caminhos de conversão para a \"Newsletter Conteúdo Novo\" para otimizar sequências de nutrição.\n*   Testar A\u002FB diferentes CTAs em emails de abandono de carrinho.\n```\n\n---\n\n## Checklist\n\n-   [x] Todas as campanhas de email com parâmetros UTM completos e consistentes (`source`, `medium`, `campaign`, `content`, `term`).\n-   [x] Parâmetros UTM validados com a ferramenta de envio de email antes do disparo.\n-   [x] Relatórios personalizados no GA4 configurados para monitorar tráfego de email (Origem\u002FMídia, Campanha).\n-   [x] Segmentos de público no GA4 criados para usuários de email (compradores, engajados, abandonadores).\n-   [x] Exploração de funil no GA4 para analisar a jornada do usuário que veio de email.\n-   [x] Modelos de atribuição comparados no GA4 para entender o papel do email (primeiro, meio, último toque).\n-   [x] Métricas de plataforma de email (Open Rate, CTR, Bounce Rate) correlacionadas com métricas do GA4 (Sessões, Conversões).\n-   [x] Testes A\u002FB (assunto, CTA, layout) planejados e executados com base em hipóteses de melhoria de performance.\n-   [x] Análise de LTV (Lifetime Value) de clientes adquiridos via email versus outros canais.\n-   [x] Configuração de exclusão de bots e tráfego interno no GA4 para garantir dados limpos.\n\n---\n\n## Métricas de Referência\n\n| Métrica                      | Benchmark (E-commerce) | Meta (E-commerce) |\n| :--------------------------- | :--------------------- | :---------------- |\n| Taxa de Abertura (Open Rate) | 20-25%                 | >28%              |\n| Taxa de Cliques (CTR)        | 2.5-3.5%               | >4%               |\n| Taxa de Conversão (Email)    | 1.5-2.5%               | >3%               |\n| Receita por Email",{"name":5,"risk":24,"license":15,"metadata":25,"description":7},"safe",{"author":26,"updated":27,"version":28,"category":29},"Cafe Code AI",1772323200000,"1.0.0","15-analytics-dados","main","96f1c49829cef14a9744366f020b54c27ce1e8fc","analytics-dados\u002Femail-analytics",0,"https:\u002F\u002Fgithub.com\u002Fdiegojcn\u002Fagent-skill-pack","https:\u002F\u002Fgithub.com\u002Fdiegojcn","https:\u002F\u002Fbdconsult.net.br\u002F","Just a guy who believes anything is possible to do or learn.","2026-08-01 20:29:22",{"source":8,"skillName":5,"commands":40,"prompt":50,"zipAvailable":51},[41,44,47],{"tool":42,"command":43},"npx","npx skills add diegojcn\u002Fagent-skill-pack --skill email-analytics",{"tool":45,"command":46},"bunx","bunx skills add diegojcn\u002Fagent-skill-pack --skill email-analytics",{"tool":48,"command":49},"pnpm","pnpm dlx skills add diegojcn\u002Fagent-skill-pack --skill email-analytics","安装技能，技能地址：https:\u002F\u002Fgithub.com\u002Fdiegojcn\u002Fagent-skill-pack\u002Fblob\u002Fmain\u002Fanalytics-dados\u002Femail-analytics\u002FSKILL.md",true,[],[54,62,69,76,85,93],{"skillNo":55,"name":56,"nameZh":6,"description":57,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":58,"licenseFileUrl":6,"sourceHtmlUrl":59,"categories":60,"keywords":61,"publishedAt":19},"01M7A5F6060M1CMYXA32MAB5YK","clarity-gate","Pre-ingestion verification for epistemic quality in RAG systems. Ensures documents are properly qualified before entering knowledge bases. Produces CGD (Clarity-Gated Documents) and validates SOT (Source of Truth) files.","CC-BY-4.0","https:\u002F\u002Fgithub.com\u002Fdiegojcn\u002Fagent-skill-pack\u002Fblob\u002Fmain\u002Fworkflow\u002Fclarity-gate\u002FSKILL.md",[],[],{"skillNo":63,"name":64,"nameZh":6,"description":65,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":66,"categories":67,"keywords":68,"publishedAt":19},"01M7A5B3X23ME7CTA3B29C18EN","skill-check","Validate Claude Code skills against the agentskills specification. Catches structural, semantic, and naming issues before users do.","https:\u002F\u002Fgithub.com\u002Fdiegojcn\u002Fagent-skill-pack\u002Fblob\u002Fmain\u002Ftooling\u002Fskill-check\u002FSKILL.md",[],[],{"skillNo":70,"name":71,"nameZh":6,"description":72,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":73,"categories":74,"keywords":75,"publishedAt":19},"01M7A5B06YPKDW1NQQ1185MME5","peon-ping-use","Set which voice pack (character voice) plays for the current chat session. Automatically enables session_override rotation mode if not already set. Use when user wants a specific character voice like GLaDOS, Peon, or Kerrigan for this conversation.","https:\u002F\u002Fgithub.com\u002Fdiegojcn\u002Fagent-skill-pack\u002Fblob\u002Fmain\u002Ftooling\u002Fpeon-ping-use\u002FSKILL.md",[],[],{"skillNo":77,"name":78,"nameZh":6,"description":79,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":80,"licenseFileUrl":81,"sourceHtmlUrl":82,"categories":83,"keywords":84,"publishedAt":19},"01M7A5A24ANPXAK25W1BZB18TX","mcp-builder","Guide for creating high-quality MCP (Model Context Protocol) servers that enable LLMs to interact with external services through well-designed tools. Use when building MCP servers to integrate exte...","Apache-2.0","https:\u002F\u002Fgithub.com\u002Fdiegojcn\u002Fagent-skill-pack\u002Fblob\u002Fmain\u002Ftooling\u002Fmcp-builder\u002FLICENSE.txt","https:\u002F\u002Fgithub.com\u002Fdiegojcn\u002Fagent-skill-pack\u002Fblob\u002Fmain\u002Ftooling\u002Fmcp-builder\u002FSKILL.md",[],[],{"skillNo":86,"name":87,"nameZh":6,"description":88,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":80,"licenseFileUrl":89,"sourceHtmlUrl":90,"categories":91,"keywords":92,"publishedAt":19},"01M7A553V4A3J4YKMCE7PYQX8X","webapp-testing","Toolkit for interacting with and testing local web applications using Playwright. Supports verifying frontend functionality, debugging UI behavior, capturing browser screenshots, and viewing browse...","https:\u002F\u002Fgithub.com\u002Fdiegojcn\u002Fagent-skill-pack\u002Fblob\u002Fmain\u002Fsoftware-development\u002Fwebapp-testing\u002FLICENSE.txt","https:\u002F\u002Fgithub.com\u002Fdiegojcn\u002Fagent-skill-pack\u002Fblob\u002Fmain\u002Fsoftware-development\u002Fwebapp-testing\u002FSKILL.md",[],[],{"skillNo":94,"name":95,"nameZh":6,"description":96,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":97,"categories":98,"keywords":99,"publishedAt":19},"01M7A53PZ7PJEMS2YVPJW3XN44","test-driven-development","TDD: enforce RED-GREEN-REFACTOR, tests before code.","https:\u002F\u002Fgithub.com\u002Fdiegojcn\u002Fagent-skill-pack\u002Fblob\u002Fmain\u002Fsoftware-development\u002Ftest-driven-development\u002FSKILL.md",[],[]]