![\"a](\"https:\/\/cms.funnelsheet.com\/wp-content\/uploads\/2026\/04\/2gjp_az2o_i.jpg\")
<\/figure>\n \n\nO que est\u00e1 quebrando quando n\u00e3o h\u00e1 dados hist\u00f3ricos limpos<\/h2>\n
Identificar os pontos de falha mais comuns ajuda a evitar ilus\u00f5es de grandiosidade. Sem dados limpos, voc\u00ea encara pelo menos tr\u00eas frentes cr\u00edticas: a descontinuidade entre toques online e offline, a inconsist\u00eancia entre plataformas (GA4, Meta, CRM) e a fragilidade de atribuir o cr\u00e9dito quando a convers\u00e3o acontece dias ou semanas depois do primeiro contato. Nesses cen\u00e1rios, \u00e9 comum ver: leads que passam pelo WhatsApp, mas nunca entram no GA4 como uma sess\u00e3o suficiente para ligar ao canal gerador; UTMs que desaparecem no fluxo de navega\u00e7\u00e3o; e vendas que fecham sem que o \u00faltimo clique tenha sido o clique de um an\u00fancio pago. Al\u00e9m disso, a diferen\u00e7a entre n\u00fameros no GA4 e no Meta pode aumentar a desconfian\u00e7a de executivos sobre a qualidade da atribui\u00e7\u00e3o.<\/p>\n
Dados de origem padronizados s\u00e3o o combust\u00edvel do modelo; sem eles, cada toque vira ru\u00eddo.<\/p><\/blockquote>\n
Outro aspecto frequente \u00e9 a janela de convers\u00e3o: muitos modelos tentam capturar o cr\u00e9dito apenas no dia do clique, quando na pr\u00e1tica a lead pode ter interagido com m\u00faltiplos pontos de contato ao longo de semanas. A consequ\u00eancia pr\u00e1tica \u00e9 que o modelo subestima campanhas de upper-funnel ou de remarketing e supervaloriza toques que geram clique r\u00e1pido, independentemente da qualidade real do lead. Em termos operacionais, isso leva a ajustes de or\u00e7amento que n\u00e3o respondem \u00e0 qualidade de pipeline, mas apenas a varia\u00e7\u00f5es de curto prazo na m\u00e9tricas de cliques.<\/p>\n
Antes de ajustar o algoritmo, valide as premissas com dados reais de opera\u00e7\u00e3o e mantenha a governan\u00e7a dos dados em mente.<\/p><\/blockquote>\n
Abordagem pragm\u00e1tica para come\u00e7ar sem dados hist\u00f3ricos limpos<\/h2>\n
A boa not\u00edcia \u00e9 que voc\u00ea pode come\u00e7ar com uma estrat\u00e9gia gradual que n\u00e3o dependa de um hist\u00f3rico perfeito. Primeiro, alinhe o que ser\u00e1 medido e a partir de quais fontes. Em seguida, padronize a instrumenta\u00e7\u00e3o para reduzir ru\u00eddo, defina uma janela de atribui\u00e7\u00e3o compat\u00edvel com o ciclo de compra t\u00edpico do seu neg\u00f3cio e crie um pipeline simples para cruza de dados online (GA4\/GTM) com dados offline (CRM, planilhas de convers\u00e3o) quando poss\u00edvel. N\u00e3o \u00e9 glamour, \u00e9 pragmatismo t\u00e9cnico com foco em decis\u00f5es r\u00e1pidas, mas fundamentadas. Seguir esse caminho aumenta a chance de voc\u00ea entregar uma atribui\u00e7\u00e3o mais est\u00e1vel em semanas, n\u00e3o em meses.<\/p>\n
Uma pr\u00e1tica que deveria ser padr\u00e3o hoje \u00e9 a prioriza\u00e7\u00e3o de dados online, com uma estrat\u00e9gia de fallback para offline quando a primeira fonte n\u00e3o est\u00e1 dispon\u00edvel de forma confi\u00e1vel. Caso o seu funil inclua leads que fecham 30 dias ap\u00f3s o clique, voc\u00ea precisa ter uma janela de convers\u00e3o mais ampla (p. ex., 7\u201330 dias ou mais, dependendo do ciclo de venda) e uma forma de registrar o toque inicial, n\u00e3o apenas o \u00faltimo toque. A documenta\u00e7\u00e3o oficial da GA4 enfatiza que diferentes modelos de atribui\u00e7\u00e3o podem ser usados, incluindo regras de atribui\u00e7\u00e3o baseadas em janelas temporais e regras de cr\u00e9dito entre toques; o ponto \u00e9 ter clareza de quais toques contam para cada campanha e por qu\u00ea. Modelos de atribui\u00e7\u00e3o no GA4<\/a> e Documenta\u00e7\u00e3o GA4 para desenvolvedores<\/a> ajudam a entender as op\u00e7\u00f5es dispon\u00edveis e as limita\u00e7\u00f5es iniciais.<\/p>\n
Para come\u00e7ar, estabele\u00e7a tr\u00eas premissas de atribui\u00e7\u00e3o que possam ser verific\u00e1veis com dados que voc\u00ea j\u00e1 tem ou pode coletar rapidamente: 1) qual \u00e9 a janela de convers\u00e3o que faz sentido para o seu ciclo de decis\u00e3o; 2) quais toques devem receber cr\u00e9dito por serem pontos de decis\u00e3o relevantes (primeiro toque, \u00faltimo toque, ou distribui\u00e7\u00e3o entre toques); 3) como lidar com offline (quando uma venda s\u00f3 \u00e9 registrada no CRM) para n\u00e3o perder o cr\u00e9dito. Essas premissas formam a espinha dorsal do seu modelo inicial e ajudam a evitar que voc\u00ea conditionalize o neg\u00f3cio com base em suposi\u00e7\u00f5es n\u00e3o testadas.<\/p>\n
Constru\u00e7\u00e3o pr\u00e1tica do modelo de atribui\u00e7\u00e3o de leads<\/h2>\n
A constru\u00e7\u00e3o pr\u00e1tica se resume a tr\u00eas pilares: instrumenta\u00e7\u00e3o est\u00e1vel, escolha de uma l\u00f3gica de atribui\u00e7\u00e3o adequada ao seu est\u00e1gio de dados e uma pipeline que combine dados online com dados offline, com governan\u00e7a m\u00ednima para n\u00e3o depender de um data lake completo desde o in\u00edcio. Abaixo, apresento um roteiro t\u00e9cnico, com itens que voc\u00ea pode executar j\u00e1 na semana 1, mesmo com dados ainda n\u00e3o limpos. A ideia \u00e9 chegar a uma vis\u00e3o de atribui\u00e7\u00e3o que permita decis\u00f5es mais claras sobre or\u00e7amento e otimiza\u00e7\u00e3o de canais.<\/p>\n
\n
- Defina o objetivo de atribui\u00e7\u00e3o para o conjunto de leads que importa: por exemplo, cr\u00e9dito de canal que gerou o lead qualificado (MQL) at\u00e9 a convers\u00e3o final no CRM, considerando a complexidade de caminhos multicanal.<\/li>\n
- Mapeie as fontes de dados dispon\u00edveis e as lacunas: GA4, GTM Web, Meta CAPI, CRM (HubSpot, RD Station), planilhas de offline para feed de convers\u00f5es e logs de WhatsApp. Anote onde cada dado pode falhar (perda de UTM, duplica\u00e7\u00e3o de lead, sess\u00f5es sem identifica\u00e7\u00e3o).<\/li>\n
- Padronize a instrumenta\u00e7\u00e3o b\u00e1sica: assegure que UTMs s\u00e3o capturados de forma consistente, que o gclid \u00e9 propagado corretamente em every session e que o nativo do WhatsApp est\u00e1 convertendo eventos relevantes para o data layer.<\/li>\n
- Escolha uma configura\u00e7\u00e3o de atribui\u00e7\u00e3o inicial pragm\u00e1tica: comece com uma janela de convers\u00e3o de 14 a 30 dias e uma regra simples (\u00faltimo toque n\u00e3o direto recebe cr\u00e9dito, ou uma distribui\u00e7\u00e3o linear entre toques). Documente por que essa regra foi escolhida e como ser\u00e1 ajustada com dados futuros.<\/li>\n
- Monte um pipeline m\u00ednimo de dados para cruzar online e offline: uma primeira vers\u00e3o pode ser uma planilha automatizada ou um pequeno conjunto de consultas no BigQuery que junte eventos de GA4 com registros do CRM. Garanta que haja uma correspond\u00eancia base entre leads e convers\u00f5es pela assinatura de usu\u00e1rio (ID de cliente) ou por blend de email\/telefone quando poss\u00edvel.<\/li>\n
- Valide o modelo com sanity checks e compara\u00e7\u00f5es simples: verifique se leads com cr\u00e9dito de uma campanha X aparecem consistentemente na pipeline, se a distribui\u00e7\u00e3o de cr\u00e9dito entre campanhas n\u00e3o \u00e9 desproporcional e se exce\u00e7\u00f5es (p. ex., lead que fecha 60 dias ap\u00f3s o clique) s\u00e3o capturadas pela regra de janela.<\/li>\n
- Documente e estabele\u00e7a governan\u00e7a: crie um documento \u00fanico com as regras de atribui\u00e7\u00e3o, a arquitetura de dados, as fontes e as limita\u00e7\u00f5es. Defina um respons\u00e1vel pela valida\u00e7\u00e3o peri\u00f3dica (semanais ou quinzenais) e um processo simples de itera\u00e7\u00e3o com o time de m\u00eddia e de produto.<\/li>\n<\/ol>\n
Para orientar a decis\u00e3o entre abordagens de atribui\u00e7\u00e3o, \u00e9 \u00fatil manter uma \u00e1rvore simples de decis\u00e3o: se o ciclo de compra \u00e9 curto, uma janela menor com cr\u00e9dito concentrado no \u00faltimo toque pode funcionar; se o ciclo \u00e9 longo e cruzado entre canais, atribui\u00e7\u00e3o multitoque com uma distribui\u00e7\u00e3o gradual de cr\u00e9dito tende a refletir melhor o valor real do funil. Em termos de implementa\u00e7\u00e3o, a decis\u00e3o entre client-side e server-side depende do ecossistema: se voc\u00ea tem muitos pontos de toque que precisam ser confiavelmente enviados (por exemplo, eventos do WhatsApp que devem ser mapeados para GA4), o GTM Server-Side pode reduzir perdas por bloqueio de cookies, mas exige mais configura\u00e7\u00e3o e governan\u00e7a. Para ver mais sobre fundamentos de atribui\u00e7\u00e3o no GA4, consulte a documenta\u00e7\u00e3o oficial.<\/p>\n
Estrutura de eventos e UTMs<\/h3>\n
Antes de entrar na primeira linha de c\u00f3digo, defina uma estrutura de eventos clara para o que voc\u00ea est\u00e1 medindo. Um conjunto m\u00ednimo costuma incluir: lead_form_submitted, phone_call_started, whatsapp_message_sent, lead_qualified, conversion_complete. Cada evento precisa carregar par\u00e2metros consistentes (event_name, source, medium, campaign, term, content, gclid, utm_source). A robustez dessa base reduz a depend\u00eancia de dados hist\u00f3ricos limpos, porque o mapeamento entre evento e canal fica expl\u00edcito. Quanto aos UTMs, um plano de governan\u00e7a simples evita a duplica\u00e7\u00e3o de leads por importa\u00e7\u00e3o repetida e facilita a valida\u00e7\u00e3o de dados com a pipeline inicial de integra\u00e7\u00e3o.<\/p>\n
Valida\u00e7\u00e3o, governan\u00e7a e monitoramento<\/h2>\n
Valida\u00e7\u00e3o n\u00e3o \u00e9 luxo; \u00e9 necessidade. Sem valida\u00e7\u00e3o, voc\u00ea corre o risco de manter um modelo que parece funcional, mas que produz inv\u00e1lidos n\u00e3o detectados. A cada itera\u00e7\u00e3o, implemente checks de qualidade: consist\u00eancia de IDs de lead entre GA4 e CRM, correspond\u00eancia entre eventos de m\u00eddia paga e convers\u00f5es registradas, e verifica\u00e7\u00e3o de duplicatas de leads. Em termos de monitoramento, crie dashboards simples (Looker Studio ou BI similar) que mostrem cr\u00e9dito de atribui\u00e7\u00e3o por canal, tasa de convers\u00e3o por etapa do funil e varia\u00e7\u00f5es de cr\u00e9dito ao longo do tempo. Em GA4, \u00e9 poss\u00edvel acompanhar a distribui\u00e7\u00e3o de atribui\u00e7\u00e3o por canal e pela janela de convers\u00e3o; use essas vis\u00f5es para validar se a nova regra faz sentido com o seu ciclo de venda. Modelos de atribui\u00e7\u00e3o no GA4<\/a> e Think with Google: atribui\u00e7\u00e3o e dados<\/a> ajudam a alinhar expectativas com a pr\u00e1tica de mercado.<\/p>\n
Dados de qualidade geram decis\u00f5es r\u00e1pidas; dados ru\u00eddos geram justificativas lentas para mudan\u00e7as.<\/p><\/blockquote>\n
Al\u00e9m disso, vale colocar limites pr\u00e1ticos para LGPD e Consent Mode: informe-se sobre como o Consent Mode v2 afeta a coleta de dados de usu\u00e1rios e como ele pode impactar o pipeline de atribui\u00e7\u00e3o. A realidade \u00e9 que a privacidade transforma a disponibilidade de dados de forma realista: n\u00e3o h\u00e1 solu\u00e7\u00e3o universal sem considerar consentimento, tipo de neg\u00f3cio e uso dos dados. Em cen\u00e1rios com dados offline significativos, reconhe\u00e7a que o modelo ideal pode exigir que voc\u00ea aceite limita\u00e7\u00f5es para manter a conformidade e a operabilidade do sistema de mensura\u00e7\u00e3o.<\/p>\n
Adapta\u00e7\u00f5es para cen\u00e1rios espec\u00edficos<\/h2>\n
Nem toda empresa tem o mesmo cen\u00e1rio de dados. Abaixo, algumas adapta\u00e7\u00f5es comuns e como prepar\u00e1-las sem esperar o \u201cdataset perfeito\u201d.<\/p>\n
WhatsApp e fluxos de lead<\/h3>\n
Leads vindo do WhatsApp frequentemente entram no funil fora do ambiente de analytics tradicional. Atribua cr\u00e9dito para o toque inicial, mesmo que o contato se estenda por v\u00e1rias sess\u00f5es com mensagens, chamadas e formul\u00e1rios. Uma pr\u00e1tica recomendada \u00e9 mapear o atendimento via WhatsApp com um identificador de lead que pode ser relacionado ao registro no CRM. Em termos prontos para execu\u00e7\u00e3o, mantenha o ID de cliente compartilhado entre canais sempre que poss\u00edvel e registre o timestamp de cada intera\u00e7\u00e3o para desenhar caminhos completos de convers\u00e3o. O objetivo \u00e9 capturar o cr\u00e9dito por etapas cr\u00edticas, n\u00e3o apenas pelo clique final.<\/p>\n
Integra\u00e7\u00e3o com CRM e dados first-party<\/h3>\n
Quando o CRM \u00e9 a fonte de verdade, \u00e9 essencial alinhar o \u201clead\u201d com o evento correspondente no GA4 com um identificador comum (por exemplo, email ou telefone verificado). A integra\u00e7\u00e3o inicial pode ser feita com exporta\u00e7\u00f5es regulares de convers\u00f5es para BigQuery ou Looker Studio, com checks de duplicidade e normaliza\u00e7\u00e3o de campos. Lembre-se de que dados first-party reduzem ru\u00eddo apenas se houver governan\u00e7a para evitar duplica\u00e7\u00e3o de leads ou inconsist\u00eancia entre campos. Caso seu CRM tenha regras de deduplica\u00e7\u00e3o pr\u00f3prias, ajuste a l\u00f3gica de atribui\u00e7\u00e3o para evitar creditamento duplo ou mal atribu\u00edvel.<\/p>\n
Para aprofundar sobre modelos de atribui\u00e7\u00e3o e dados de qualidade, vale consultar documentos oficiais. A documenta\u00e7\u00e3o GA4 discute a diversidade de modelos de atribui\u00e7\u00e3o dispon\u00edveis e como eles se aplicam a diferentes cen\u00e1rios de dados. Al\u00e9m disso, talk points sobre dados ajudam a alinhar expectativas entre equipes t\u00e9cnicas e de neg\u00f3cio.<\/p>\n
\u00c1rvore de decis\u00e3o t\u00e9cnica para escolher entre abordagens<\/h2>\n
Quando a solu\u00e7\u00e3o correta depende de contexto espec\u00edfico, \u00e9 \u00fatil usar uma decis\u00e3o r\u00e1pida para guiar o caminho. Abaixo est\u00e1 uma \u00e1rvore simples que pode evitar retrabalho:<\/p>\n
\n
- Se o ciclo de compra \u00e9 curto (dias) e a primeira intera\u00e7\u00e3o tende a correlacionar fortemente com a convers\u00e3o, comece com uma abordagem de \u00faltimo clique ou first-click com janela de 7 a 14 dias.<\/li>\n
- Se o ciclo \u00e9 longo (semanas a meses) e envolve v\u00e1rias m\u00eddias, utilize uma atribui\u00e7\u00e3o multitoque (linear ou baseado em regra) e amplie a janela para 30 dias ou mais.<\/li>\n
- Se h\u00e1 depend\u00eancia expressiva de offline (convers\u00f5es fechadas por telefone\/WhatsApp ap\u00f3s consulta), inclua offline como camada adicional de cr\u00e9dito, com regras claras para n\u00e3o inflar o cr\u00e9dito de toques que n\u00e3o est\u00e3o presentes no CRM.<\/li>\n
- Se cookies\/Consent Mode impactam coleta de dados online, priorize uma estrat\u00e9gia server-side para reduzir perdas de atribui\u00e7\u00e3o entre plataformas.<\/li>\n<\/ul>\n
Essa \u00e1rvore n\u00e3o substitui diagn\u00f3stico t\u00e9cnico, mas oferece um norte r\u00e1pido para evitar implementar algo que n\u00e3o funciona no seu ecossistema. Para um estudo mais profundo, as doc oficiais sobre GA4 ajudam a entender as limita\u00e7\u00f5es de cada modelo e a melhor pr\u00e1tica de implementa\u00e7\u00e3o.<\/p>\n
Ao pensar em erros comuns e corre\u00e7\u00f5es, vale observar: 1) n\u00e3o padronizar UTMs entre canais; 2) ignorar a possibilidade de leads retornarem a um touch anterior; 3) n\u00e3o alinhar a defini\u00e7\u00e3o de convers\u00e3o com o CRM; 4) subestimar a import\u00e2ncia da janela de atribui\u00e7\u00e3o para o seu ciclo. Corrigi-los cedo reduz retrabalho e facilita a evolu\u00e7\u00e3o do modelo sem perder o foco no neg\u00f3cio.<\/p>\n
Checklist de valida\u00e7\u00e3o e pr\u00f3ximos passos<\/h2>\n
Antes de romanticizar o modelo, passe pela checklist de valida\u00e7\u00e3o a seguir. Ela facilita confirmar que o que voc\u00ea implementou de fato funciona no dia a dia do time e que os dados apoiam decis\u00f5es. Se poss\u00edvel, revise com o time de engenharia e de dados para alinhar expectativas e responsabilidades.<\/p>\n
\n
- Consolide as fontes de dados principais (GA4, CRM, WhatsApp API) e garanta que a ingest\u00e3o est\u00e1 est\u00e1vel por pelo menos uma semana inteira de dados de tr\u00e1fego.<\/li>\n
- Verifique a consist\u00eancia de UTMs, gclid e outros identificadores entre fontes para evitar duplicidade ou perda de sess\u00f5es.<\/li>\n
- Defina a janela de convers\u00e3o alinhada ao seu ciclo de venda (ex.: 14\u201330 dias) e valide se v\u00e1rias convers\u00f5es em diferentes momentos s\u00e3o capturadas pelo modelo.<\/li>\n
- Implemente a regra de cr\u00e9dito para o toque inicial, \u00faltimo toque ou distribui\u00e7\u00e3o entre toques, e teste como isso afeta o cr\u00e9dito por canal em um batch de dados recente.<\/li>\n
- Crie um dashboard simples de atribui\u00e7\u00e3o por canal e por etapa do funil para monitorar varia\u00e7\u00f5es di\u00e1rias\/semanais e identificar desvios incomuns.<\/li>\n
- Documente as decis\u00f5es de atribui\u00e7\u00e3o, as limita\u00e7\u00f5es de dados e o plano de itera\u00e7\u00e3o. Defina pontos de checagem quinzenais com o time de m\u00eddia e o cliente (quando aplic\u00e1vel).<\/li>\n
- Avalie a necessidade de um upgrade de infraestrutura (server-side, Looker Studio, BigQuery) apenas ap\u00f3s ter estabilidade de dados online e offline por um ciclo completo.<\/li>\n<\/ol>\n
Se quiser, voc\u00ea pode avan\u00e7ar agora: monte um primeiro esbo\u00e7o da estrutura de eventos e comece a captura de dados com UTMs padronizados, mantendo a janela de convers\u00e3o de 14 dias e a regra de cr\u00e9dito simples. Em paralelo, trabalhe a integra\u00e7\u00e3o com o CRM para alinhar o ID de lead entre plataformas. Essas a\u00e7\u00f5es, executadas de forma disciplinada, costumam reduzir a diverg\u00eancia entre GA4 e CRM em ciclos de curto prazo e criam a base para evolu\u00e7\u00f5es futuras sem depender de dados hist\u00f3ricos limpos desde o in\u00edcio.<\/p>\n
Para refer\u00eancias oficiais sobre modelos de atribui\u00e7\u00e3o e integra\u00e7\u00f5es t\u00e9cnicas, confira as fontes de documenta\u00e7\u00e3o da GA4 citadas ao longo do texto. Esses materiais ajudam a entender limita\u00e7\u00f5es inerentes a cada modelo e a orientar escolhas t\u00e9cnicas na pr\u00e1tica.<\/p>\n
O pr\u00f3ximo passo concreto \u00e9 iniciar a implementa\u00e7\u00e3o do roteiro de 7 passos com a sua equipe: alinhe objetivos, padronize instrumenta\u00e7\u00e3o, configure a janela de convers\u00e3o, crie o pipeline inicial e inicie a valida\u00e7\u00e3o com um conjunto curto de dados. Com o tempo, voc\u00ea pode ir fortalecendo o modelo com dados hist\u00f3ricos limpos, mas j\u00e1 ter\u00e1 uma base est\u00e1vel para decis\u00f5es reais de m\u00eddia, CRM e opera\u00e7\u00e3o.<\/p>","protected":false},"excerpt":{"rendered":"
Quando voc\u00ea n\u00e3o tem dados hist\u00f3ricos limpos, construir um modelo de atribui\u00e7\u00e3o de leads parece um salto no vazio. Leads chegam de v\u00e1rias frentes: WhatsApp Business API, formul\u00e1rios de landing pages, liga\u00e7\u00f5es, CRM e eventos offline. Ainda que voc\u00ea utilize GA4, GTM Web e GTM Server-Side, a aus\u00eancia de um hist\u00f3rico consistente \u2014 UTMs perdidas,…<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[4],"tags":[],"content_language":[5],"class_list":["post-1347","post","type-post","status-publish","format-standard","hentry","category-blogen","content_language-en"],"acf":[],"_links":{"self":[{"href":"https:\/\/cms.funnelsheet.com\/index.php?rest_route=\/wp\/v2\/posts\/1347","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/cms.funnelsheet.com\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/cms.funnelsheet.com\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/cms.funnelsheet.com\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/cms.funnelsheet.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=1347"}],"version-history":[{"count":0,"href":"https:\/\/cms.funnelsheet.com\/index.php?rest_route=\/wp\/v2\/posts\/1347\/revisions"}],"wp:attachment":[{"href":"https:\/\/cms.funnelsheet.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=1347"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/cms.funnelsheet.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=1347"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/cms.funnelsheet.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=1347"},{"taxonomy":"content_language","embeddable":true,"href":"https:\/\/cms.funnelsheet.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcontent_language&post=1347"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}