{"id":1422,"date":"2026-04-19T02:14:39","date_gmt":"2026-04-19T02:14:39","guid":{"rendered":"https:\/\/cms.funnelsheet.com\/?p=1422"},"modified":"2026-04-19T02:14:39","modified_gmt":"2026-04-19T02:14:39","slug":"dashboard-de-performance-por-campanha-e-criativo-em-um-so-lugar","status":"publish","type":"post","link":"https:\/\/cms.funnelsheet.com\/?p=1422","title":{"rendered":"Dashboard de performance por campanha e criativo em um s\u00f3 lugar"},"content":{"rendered":"

O dashboard de performance por campanha e criativo em um s\u00f3 lugar \u00e9 a sa\u00edda pragm\u00e1tica para o problema que muitos gestores enfrentam diariamente: dados de convers\u00e3o que n\u00e3o batem entre GA4, GTM Web, GTM Server-Side, Meta CAPI, Google Ads e o BigQuery. Quando cada fonte puxa para um lado diferente \u2014 cliques que n\u00e3o se convertem, UTM que se perdem no redirecionamento, leads que surgem em uma plataforma e somem no CRM \u2014 a decis\u00e3o vira aposta. Voc\u00ea fica com uma vis\u00e3o parcial: n\u00fameros de um p\u00fablico-alvo, a taxa de convers\u00e3o em outro, o criativo que deveria vender em um terceiro. Este artigo aborda como consolidar tudo isso de forma confi\u00e1vel, com foco em resultados reais, sem promessas vazias ou solu\u00e7\u00f5es gen\u00e9ricas.<\/p>\n

A necessidade \u00e9 objetiva: concentrar dados de campanhas e criativos em um painel \u00fanico que respeite LGPD, permita auditoria r\u00e1pida e facilite decis\u00f5es em tempo quase real, sem exigir reprocessamentos manuais e sem depender de reconcilia\u00e7\u00f5es manuais que consomem tempo. No ecossistema que usamos \u2014 GA4, GTM Web, GTM Server-Side, Meta CAPI, Google Ads Enhanced Conversions e BigQuery \u2014 a vis\u00e3o consolidada n\u00e3o surge de uma somat\u00f3ria autom\u00e1tica, mas de um desenho t\u00e9cnico alinhado entre coleta, envio, normaliza\u00e7\u00e3o e valida\u00e7\u00e3o. O objetivo \u00e9 que, ao terminar a leitura, voc\u00ea tenha um caminho claro para diagnosticar, corrigir e manter um dashboard que realmente aponta onde est\u00e1 o valor perdido ou ganho de cada criativo e cada campanha.<\/p>\n\n\n

\"graphs<\/figure>\n \n\n

Dashboard \u00fanico acelera a identifica\u00e7\u00e3o de criativos com CAC elevado e de onde o atrito aparece no funil.<\/p><\/blockquote>\n

Consolidar dados por campanha e criativo reduz a tomada de decis\u00e3o baseada em n\u00fameros isolados.<\/p><\/blockquote>\n

Por que um dashboard \u00fanico faz diferen\u00e7a na pr\u00e1tica<\/h2>\n

Problemas reais que surgem com dashboards fragmentados<\/h3>\n

Quando os dados v\u00eam de v\u00e1rias fontes sem alinhamento, voc\u00ea descobre que o mesmo clique pode ser registrado como convers\u00e3o em GA4, mas n\u00e3o no BigQuery, ou que o criativo com maior CTR aparece com retorno menor no CRM. Em setups com WhatsApp Business API, \u00e9 comum ver atribui\u00e7\u00e3o que some ap\u00f3s o primeiro clique, deixando o \u00faltimo clique como \u00fanico respons\u00e1vel pela venda. Esses descompassos n\u00e3o s\u00e3o meros inconvenientes: s\u00e3o perdas de vis\u00e3o estrat\u00e9gica, que atrasam decis\u00f5es de or\u00e7amento, criativo e posicionamento de canal. Sem um lugar \u00fanico para correlacionar campanhas, criativos e resultados, voc\u00ea passa a depender de reconcilia\u00e7\u00f5es manuais que distorcem a verdade do funil.<\/p>\n

\u00c9 comum tamb\u00e9m ver diverg\u00eancias entre plataformas: a mesma campanha mostra dois n\u00edveis de investment e duas curvas de convers\u00e3o. O problema n\u00e3o \u00e9 apenas a diferen\u00e7a de janela de atribui\u00e7\u00e3o, mas a forma como cada ferramenta lida com dados offline, com consentimento e com eventos de convers\u00e3o personalizados. A consequ\u00eancia direta \u00e9: voc\u00ea perde tempo em auditorias improvisadas, n\u00e3o tem linha de base para priorizar criativos e, no fim, o or\u00e7amento escala com base em sinais ru\u00eddos em vez de sinais fortes de verdade de neg\u00f3cio.<\/p>\n

A arquitetura ideal: fontes de dados, modelos e SLAs<\/h3>\n

O que funciona bem na pr\u00e1tica \u00e9 um desenho de dados que coloca o usu\u00e1rio no centro: uma estrutura de eventos e par\u00e2metros que se repete com consist\u00eancia entre GA4, GTM Server-Side e BigQuery, com um mapa claro de como cada criativo, campanha e varia\u00e7\u00e3o \u00e9 registrado. O fluxo costuma seguir: coleta no GA4 via GTM Web, envio via GTM Server-Side para reduzir perda de dados, recep\u00e7\u00e3o de eventos de Meta CAPI para fechamento de atribui\u00e7\u00e3o de an\u00fancios, e exporta\u00e7\u00e3o para BigQuery para valida\u00e7\u00e3o, joins e dashboards. A governan\u00e7a precisa de SLAs b\u00e1sicos: lat\u00eancia de atualiza\u00e7\u00e3o (ex.: 15\u201360 minutos para dados de opera\u00e7\u00f5es), consist\u00eancia entre fontes (<= 5% de discrep\u00e2ncia em m\u00e9tricas-chave), e governan\u00e7a de consentimento para reduzir a chance de dados bloqueados por CMP.<\/p>\n

Estrutura pr\u00e1tica: o que colocar no dashboard<\/h2>\n

M\u00e9tricas-chave por campanha e criativo<\/h3>\n

Concentre-se em m\u00e9tricas que conectem atividade de m\u00eddia \u00e0 receita. Al\u00e9m de CAC, CPA, ROAS e CTR, inclua: tempo at\u00e9 convers\u00e3o, receita atribu\u00edda por criativo, frequ\u00eancia de exposi\u00e7\u00e3o por criativo, e a varia\u00e7\u00e3o de performance entre criativos dentro da mesma campanha. A vis\u00e3o por criativo ajuda a identificar rapidamente criativos que ajudam na upper funnel, mas afundam na convers\u00e3o, ou criativos que \u201cpuxam\u201d o funil sem entregar receita consistente. Evite depender apenas de impress\u00f5es ou cliques; o objetivo \u00e9 ver o que de fato se traduz em venda ou neg\u00f3cio fechado, mesmo que esse fechamento ocorra dias depois do clique inicial.<\/p>\n

Organiza\u00e7\u00e3o de entidades: campanhas, conjuntos de an\u00fancios, criativos<\/h3>\n

Projete o modelo de dados para que cada linha represente uma combina\u00e7\u00e3o \u00fanica: campanha, conjunto de an\u00fancios, criativo, canal e data. A granularidade deve permitir cruzar criativo com landing page, UTM com gclid e com o fluxo de WhatsApp (se aplic\u00e1vel). Esta organiza\u00e7\u00e3o facilita filtros, drill-downs e compara\u00e7\u00f5es r\u00e1pidas entre criativos com performance distinta. Em BigQuery, os joins entre eventos de GA4, dados de Meta CAPI e convers\u00f5es offline devem ser previs\u00edveis, com chaves RGB (campaign_id, adset_id, creative_id) padronizadas.<\/p>\n

Monitora\u00e7\u00e3o de qualidade de dados<\/h3>\n

Inclua indicadores de sa\u00fade do pipeline: lat\u00eancia de atualiza\u00e7\u00e3o, taxa de perda de eventos, consist\u00eancia entre GA4 e BigQuery para a mesma faixa de tempo, e valida\u00e7\u00e3o de par\u00e2metros cr\u00edticos (utm_source, utm_medium, utm_campaign, gclid, fbclid). Um painel que sinaliza falhas de coleta ou altera\u00e7\u00f5es de schema permite agir antes que a diverg\u00eancia contamine a decis\u00e3o or\u00e7ada.<\/p>\n

Quando a consist\u00eancia entre fontes falha, o canal paga o pre\u00e7o: decis\u00f5es r\u00e1pidas com dados inst\u00e1veis criam ru\u00eddo e descolam or\u00e7amento do impacto real.<\/p><\/blockquote>\n

Arquitetura de dados e integra\u00e7\u00f5es<\/h2>\n

Fontes de dados: GA4, GTM Server-Side, Meta CAPI, BigQuery<\/h3>\n

O dashboard central depende de dados que, na pr\u00e1tica, v\u00eam de v\u00e1rias fontes. GA4 captura eventos de intera\u00e7\u00f5es em site e app; GTM Web coleta eventos adicionais e par\u00e2metros de campanha; GTM Server-Side reduz a perda de dados ao mover a l\u00f3gica de coleta para o servidor; Meta CAPI entrega dados de convers\u00e3o do lado da plataforma de an\u00fancios; BigQuery atua como reposit\u00f3rio confi\u00e1vel para joins, modelagem e valida\u00e7\u00e3o. A fus\u00e3o dessas fontes requer normaliza\u00e7\u00e3o de nomes de eventos, par\u00e2metros (por exemplo, campaign_id, creative_id, source, medium) e esquemas de datas. Sem esse alinhamento, a vis\u00e3o \u00fanica continua sendo uma ilusi\u00f3n.<\/p>\n

Fluxo de dados entre plataformas<\/h3>\n

Um fluxo comum \u00e9: eventos coletados no site via GTM Web s\u00e3o enviados para GA4; eventos cr\u00edticos tamb\u00e9m s\u00e3o encaminhados ao GTM Server-Side para refor\u00e7ar a entrega e reduzir perdas; dados de convers\u00f5es de Meta s\u00e3o enviados atrav\u00e9s do CAPI para complementar a atribui\u00e7\u00e3o; e tudo \u00e9 exportado para BigQuery para valida\u00e7\u00e3o, enriquecimento com dados offline e cria\u00e7\u00e3o de Looker Studio para o dashboard. O desafio \u00e9 manter a fita de dados sem ru\u00eddo entre cada etapa, com valida\u00e7\u00e3o de que o mesmo evento com o mesmo identificador chega a todos os destinos com coer\u00eancia temporal.<\/p>\n

Privacidade, Consent Mode e LGPD<\/h3>\n

N\u00e3o subestime as variantes legais e t\u00e9cnicas. Consent Mode v2 pode modificar como dados s\u00e3o recolhidos e enviados, afetando a atribui\u00e7\u00e3o e a qualidade do dataset. A implementa\u00e7\u00e3o envolve CMPs, a forma como voc\u00ea codifica consentimento e a forma como voc\u00ea registra eventos com ou sem consentimento. Al\u00e9m disso, a conformidade com LGPD exige que voc\u00ea documente fluxos de dados, troncos de coleta e a finalidade de cada dado utilizado no dashboard. Este n\u00e3o \u00e9 apenas um ajuste t\u00e9cnico; \u00e9 um desenho de governan\u00e7a que sustenta a confiabilidade do painel ao longo do tempo.<\/p>\n

Decis\u00f5es t\u00e9cnicas: quando usar cada abordagem<\/h2>\n

Client-side vs server-side: quando preferir Server-Side<\/h3>\n

N\u00e3o existe resposta \u00fanica. Sistemas com tr\u00e1fego moderado que dependem de dados sens\u00edveis ou que enfrentam bloqueio de cookies tendem a se beneficiar de GTM Server-Side para reduzir perda de dados e melhorar a consist\u00eancia entre GA4 e plataformas de an\u00fancios. Em ambientes com alta complexidade de privacidade ou onde a lat\u00eancia de rede \u00e9 cr\u00edtica, SQL est\u00e1vel de BigQuery pode compensar o custo de sincronizar eventos por servidor. A decis\u00e3o depende do equil\u00edbrio entre custo, lat\u00eancia e robustez de dados, mas a pr\u00e1tica comum \u00e9 iniciar com uma camada server-side para os eventos mais cr\u00edticos de convers\u00e3o e avan\u00e7ar gradualmente para o restante do pipeline.<\/p>\n

Atribui\u00e7\u00e3o e janelas de convers\u00e3o<\/h3>\n

Atribui\u00e7\u00e3o n\u00e3o \u00e9 apenas escolher uma janela de convers\u00e3o; \u00e9 alinhar como cada fonte atribui valor ao longo do funil. GA4 pode usar models diferentes e janelas distintas; Meta CAPI pode influenciar o last-click de maneira distinta. No dashboard, traga a capacidade de comparar janelas de 7, 14, 28 dias e de validar se as diferen\u00e7as entre plataformas n\u00e3o escondem uma falha de captura. Se a janela de atribui\u00e7\u00e3o for inconsistente entre GA4 e Looker Studio, voc\u00ea precisa auditar par\u00e2metros de envio e confirmar que a contagem de eventos reflete o comportamento real do usu\u00e1rio.<\/p>\n

Dados offline e CRM<\/h3>\n

Quando leads se convertem fora do ambiente online (WhatsApp, telefone, CRM), a atribui\u00e7\u00e3o pode ficar incompleta. O dashboard deve oferecer um caminho claro para integrar dados offline, com regras expl\u00edcitas de mapeamento entre eventos digitais e convers\u00f5es no CRM. Caso a empresa n\u00e3o tenha esses dados, o dashboard ainda pode apresentar proxies \u00fateis (por exemplo, taxas de contato via WhatsApp e tempo at\u00e9 fechamento), mas sempre com a ressalva de que n\u00e3o substituem dados offline completos.<\/p>\n

Valida\u00e7\u00e3o, auditoria e erros comuns<\/h2>\n

Sinais de que o setup est\u00e1 quebrado<\/h3>\n

Se a linha do tempo do dashboard mostra picos inesperados, se criativos com baixo custo por clique apresentam altas convers\u00f5es n\u00e3o reproduz\u00edveis em outros canais, ou se a mesma convers\u00e3o aparece como atribu\u00edda a duas fontes diferentes, \u00e9 sinal de ruptura no pipeline. Outros sinais incluem atraso maior que o esperado na atualiza\u00e7\u00e3o de dados, ou discrep\u00e2ncias recorrentes entre GA4 e BigQuery para o mesmo intervalo de tempo. Esses ind\u00edcios indicam que \u00e9 hora de auditar cada etapa do fluxo, desde a coleta at\u00e9 a agrega\u00e7\u00e3o no BigQuery.<\/p>\n

Erros comuns com corre\u00e7\u00f5es pr\u00e1ticas<\/h3>\n

Entre os erros mais comuns est\u00e3o: mapeamento inadequado de par\u00e2metros (utm_campaign vs campaign_id), falta de padroniza\u00e7\u00e3o de nomes de eventos, envio de dados duplicados ao GTM Server-Side, e diverg\u00eancia de fuso hor\u00e1rio entre plataformas. Corre\u00e7\u00f5es t\u00edpicas incluem normalizar nomes de par\u00e2metros, consolidar IDs de campanha e criativo em uma tabela de refer\u00eancia, e implementar checks de duplicidade no pipeline de ingest\u00e3o. Em muitos casos, ajustar um pequeno detalhe de naming ou de fluxo de envio resolve grande parte das diverg\u00eancias.<\/p>\n

Roteiro de auditoria r\u00e1pida<\/h3>\n
    \n
  1. Mapear todas as fontes de dados que alimentam o dashboard (GA4, GTM, Meta CAPI, BigQuery). Documentar quais eventos e quais par\u00e2metros s\u00e3o esperados de cada uma.<\/li>\n
  2. Verificar consist\u00eancia de nomes de campanhas, criativos e par\u00e2metros UTM\/gclid entre as fontes. Padronizar IDs para evitar merges falhos.<\/li>\n
  3. Confirmar que os eventos de convers\u00e3o aparecem nos lugares certos (GA4, BigQuery) com a mesma timestamp e o mesmo identificador de usu\u00e1rio quando poss\u00edvel (id do visitante, user_id).<\/li>\n
  4. Checar a implementa\u00e7\u00e3o de Consent Mode v2: quais dados s\u00e3o coletados com ou sem consentimento e como isso impacta a atribui\u00e7\u00e3o.<\/li>\n
  5. Testar fluxo de dados com um conjunto de testes: clique, visualiza\u00e7\u00e3o, lead, venda. Verificar se esses eventos aparecem com as mesmas m\u00e9tricas em GA4 e BigQuery.<\/li>\n
  6. Revisar o pipeline de dados offline: mapping entre conversations no WhatsApp\/CRM e eventos digitais para n\u00e3o perder fechamento de venda.<\/li>\n
  7. Executar valida\u00e7\u00e3o de lat\u00eancia: comparar hor\u00e1rios de atualiza\u00e7\u00e3o do dashboard com hor\u00e1rios reais de eventos em cada fonte.<\/li>\n<\/ol>\n

    Um dashboard bem desenhado reduz o tempo entre identificar o problema e agir sobre ele a minutos, n\u00e3o dias.<\/p><\/blockquote>\n

    Como adaptar \u00e0 realidade do seu projeto ou cliente<\/h2>\n

    Ag\u00eancias e equipes internas t\u00eam realidades diferentes: \u00e0s vezes o cliente usa apenas GA4 e Looker Studio; outras vezes \u00e9 toda a pilha com BigQuery e GTM Server-Side. A adaptabilidade aparece na forma de modularizar o dashboard: come\u00e7ar com as m\u00e9tricas mais importantes para o neg\u00f3cio do cliente e, aos poucos, ampliar o conjunto de dados \u00e0 medida que a coleta de consentimento e o fluxo de dados se tornam est\u00e1veis. Em projetos com or\u00e7amentos mais restritos, foque na pipeline cr\u00edtica (GA4 + GTM Server-Side + BigQuery) e adie integra\u00e7\u00f5es de offline at\u00e9 que haja clareza sobre os dados dispon\u00edveis. Em setups com clientes que exigem evid\u00eancia de conformidade, inclua uma se\u00e7\u00e3o de governan\u00e7a de dados no dashboard para explicar como os dados s\u00e3o coletados, processados e usados em decis\u00f5es.<\/p>\n

    Decis\u00f5es finais: quando este approach faz sentido e quando n\u00e3o<\/h2>\n

    Quando faz sentido apostar em um dashboard \u00fanico<\/h3>\n

    Quando a equipe precisa de uma vis\u00e3o clara de quais criativos e campanhas geram receita, com dados que passam por GA4, GTM Server-Side, Meta CAPI e BigQuery sem silos. Quando h\u00e1 demandas por auditorias r\u00e1pidas, compara\u00e7\u00e3o entre criativos e testes de novos formatos, e necessidade de demonstrar atribui\u00e7\u00e3o confi\u00e1vel para clientes ou stakeholders. Esta abordagem reduz ru\u00eddos, facilita o diagn\u00f3stico de diverg\u00eancias e acelera decis\u00f5es de otimiza\u00e7\u00e3o de criativos e or\u00e7amento.<\/p>\n

    Quando pode n\u00e3o ser suficiente, ou exigir etapas adicionais<\/h3>\n

    Em ambientes extremamente complexos de dados offline, com m\u00faltiplos sistemas de CRM e repasses de dados entre canais pouco padronizados, \u00e9 comum precisar de uma camada adicional de modelagem de dados e de testes mais profundos antes de confiar plenamente no dashboard. Se a infraestrutura de dados do cliente n\u00e3o oferece consist\u00eancia b\u00e1sica (IDs, timestamps, names), o retorno pode ser menor do que o esperado at\u00e9 que esse alicerce seja estabilizado. Nesses casos, considere uma fase piloto com foco em uma linha de produto ou segmento antes de escalar a solu\u00e7\u00e3o para todo o portf\u00f3lio.<\/p>\n

    Roteiro de implementa\u00e7\u00e3o (passo a passo salv\u00e1vel)<\/h2>\n
      \n
    1. Defina as entidades e a hierarquia de dados: campanha, ad set, criativo, canal, data. Padronize nomes e IDs em todas as fontes.<\/li>\n
    2. Mapeie eventos cr\u00edticos e par\u00e2metros relevantes (ex.: purchase, lead, view_item; campaign_id, creative_id, gclid, utm_*) e garanta consist\u00eancia entre GA4, BigQuery e Meta CAPI.<\/li>\n
    3. Consolide o fluxo de dados: GTM Web para GA4; GTM Server-Side para envio robusto; exporta\u00e7\u00e3o para BigQuery para valida\u00e7\u00e3o e enrichments.<\/li>\n
    4. Implemente valida\u00e7\u00f5es autom\u00e1ticas de qualidade de dados (checando duplicidade, lacunas de dados e discrep\u00e2ncias entre fontes).<\/li>\n
    5. Configure a camada de consentimento (Consent Mode v2) e documente como ele afeta a coleta de eventos e a atribui\u00e7\u00e3o.<\/li>\n
    6. Crie o Looker Studio (ou ferramenta equivalente) com filtros por campanha, criativo e data, incluindo m\u00e9tricas-chave e visualiza\u00e7\u00f5es de diverg\u00eancia entre fontes.<\/li>\n
    7. Execute um teste de ponta a ponta com dados reais de um conjunto piloto, compare com o CRM e ajuste o pipeline conforme necess\u00e1rio.<\/li>\n<\/ol>\n

      Se este artigo ajudou a esclarecer como estruturar um dashboard de performance por campanha e criativo em um \u00fanico lugar, transforme o diagn\u00f3stico em a\u00e7\u00e3o: alinhe a coleta, normalize os dados e inicie a constru\u00e7\u00e3o de um painel que permita decis\u00f5es r\u00e1pidas e fundamentadas.<\/p>\n

      Para iniciar o diagn\u00f3stico t\u00e9cnico hoje, voc\u00ea pode consultar fontes oficiais sobre as ferramentas centrais do seu stack: a documenta\u00e7\u00e3o do GA4 para eventos e atribui\u00e7\u00e3o, os guias de GTM Server-Side para envio de dados com robustez, os recursos de BigQuery para modelagem de dados e as pr\u00e1ticas recomendadas do Meta para a integra\u00e7\u00e3o via CAPI. Estas refer\u00eancias ajudam a confirmar que as escolhas t\u00e9cnicas s\u00e3o coerentes com as capacidades atuais das plataformas.<\/p>\n

      Se quiser um diagn\u00f3stico r\u00e1pido e alinhamento t\u00e9cnico com um especialista, fale com a gente pelo WhatsApp e agendamos uma revis\u00e3o objetiva do seu fluxo de dados atual e do seu dashboard de campanhas.<\/p>","protected":false},"excerpt":{"rendered":"

      O dashboard de performance por campanha e criativo em um s\u00f3 lugar \u00e9 a sa\u00edda pragm\u00e1tica para o problema que muitos gestores enfrentam diariamente: dados de convers\u00e3o que n\u00e3o batem entre GA4, GTM Web, GTM Server-Side, Meta CAPI, Google Ads e o BigQuery. Quando cada fonte puxa para um lado diferente \u2014 cliques que n\u00e3o…<\/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":[3],"tags":[676,675,18,674,25],"content_language":[6],"class_list":["post-1422","post","type-post","status-publish","format-standard","hentry","category-blogbr","tag-auditoria-rapida","tag-consolidacao-de-dados","tag-dados-de-conversao","tag-dashboard-de-performance","tag-lgpd","content_language-br"],"acf":[],"_links":{"self":[{"href":"https:\/\/cms.funnelsheet.com\/index.php?rest_route=\/wp\/v2\/posts\/1422","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=1422"}],"version-history":[{"count":0,"href":"https:\/\/cms.funnelsheet.com\/index.php?rest_route=\/wp\/v2\/posts\/1422\/revisions"}],"wp:attachment":[{"href":"https:\/\/cms.funnelsheet.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=1422"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/cms.funnelsheet.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=1422"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/cms.funnelsheet.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=1422"},{"taxonomy":"content_language","embeddable":true,"href":"https:\/\/cms.funnelsheet.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcontent_language&post=1422"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}