O tema central \u00e9 simples, mas sistem\u00e1tico: modelos de atribui\u00e7\u00e3o n\u00e3o podem ignorar o WhatsApp como touchpoint. No Brasil, muitos caminhos de convers\u00e3o passam por mensagens de WhatsApp antes de qualquer venda ser registrada no CRM ou no GA4. Se o seu modelo de atribui\u00e7\u00e3o trata apenas de cliques em an\u00fancios, visitas ao site ou formul\u00e1rios, voc\u00ea tende a subestimar o papel do WhatsApp \u2014 e, com isso, desperdi\u00e7ar or\u00e7amento, atrasar otimiza\u00e7\u00f5es e perder oportunidades de fechamento. A premissa aqui \u00e9 direta: para medir com precis\u00e3o o impacto de cada campanha, \u00e9 preciso enquadrar o WhatsApp na cadeia de toques, respeitando as regras de privacidade, as limita\u00e7\u00f5es t\u00e9cnicas e as especificidades do seu funil. Este artigo vai al\u00e9m da teoria: apresenta como diagnosticar, configurar e validar a inclus\u00e3o do WhatsApp no ecossistema de mensura\u00e7\u00e3o, com foco em GA4, GTM Server-Side, Meta CAPI e BigQuery, sem prometer milagres e reconhecendo as limita\u00e7\u00f5es reais do ambiente.<\/p>\n
A dor que voc\u00ea sente \u00e9 real: leads que aparecem, mas n\u00e3o fecham no \u00faltimo clique, ou aparecem no CRM dias depois e n\u00e3o caem no relat\u00f3rio de atribui\u00e7\u00e3o. O WhatsApp funciona como uma ponte entre a aquisi\u00e7\u00e3o e o fechamento, muitas vezes recebendo o toque final que converte. Ainda assim, a maioria das implementa\u00e7\u00f5es falha em capturar esse toque de forma confi\u00e1vel \u2014 por quest\u00f5es de identidade entre sess\u00f5es, arredondamento de janelas de convers\u00e3o, ou aus\u00eancia de mapeamento entre o toque de WhatsApp e as origens dos cliques. Este artigo prop\u00f5e um caminho pragm\u00e1tico para entender o papel do WhatsApp, alinhar seus eventos com o modelo de atribui\u00e7\u00e3o e evitar armadilhas comuns que tornam os dados enganosos. Ao final, voc\u00ea ter\u00e1 um plano claro para diagnosticar, configurar e manter esse touchpoint em produ\u00e7\u00e3o, com salvaguardas de LGPD e privacidade. Uma tese: incorporar o WhatsApp no modelo de atribui\u00e7\u00e3o n\u00e3o \u00e9 opcional quando ele \u00e9 central para o funil; \u00e9 uma decis\u00e3o t\u00e9cnica que, se bem feita, tende a reduzir a ambiguidade entre dados de diferentes plataformas e melhorar a clareza de ROI.<\/p>\n
Primeiro, o WhatsApp n\u00e3o \u00e9 apenas um canal de atendimento. Em muitos neg\u00f3cios, ele \u00e9 o caminho de convers\u00e3o. O usu\u00e1rio clica em um an\u00fancio, chega ao site, e, ainda na mesma sess\u00e3o, inicia uma conversa no WhatsApp ou clica em um link que redireciona para o WhatsApp Business. A partir desse ponto, o fechamento pode ocorrer horas ou dias depois, com o vendedor ou o SDR conduzindo a venda por meio de mensagens. Se a sua vis\u00e3o de atribui\u00e7\u00e3o ignora esse toque, voc\u00ea est\u00e1 tratando um peda\u00e7o essencial da jornada como se ele n\u00e3o existisse. Essa inconsist\u00eancia tende a inflar ou reduzir artificialmente o peso de canais, levando a decis\u00f5es de or\u00e7amento menos eficazes e a dificuldades de justificar investimentos em WhatsApp dentro do funil.<\/p>\n
\n\u201cWhatsApp pode ser o toque decisivo que fecha o ciclo de convers\u00e3o; ignor\u00e1-lo \u00e9 medir apenas parte da hist\u00f3ria.\u201d<\/p>\n<\/blockquote>\n
Al\u00e9m disso, o WhatsApp costuma residir no data layer do site de forma indireta, ou estar fora da coleta padr\u00e3o de eventos do GA4. Mesmo quando a origem da conversa \u00e9 disparada por um clique de an\u00fancio, a convers\u00e3o acontece fora do ambiente de navega\u00e7\u00e3o, o que implica em lacunas de dados se o modelo de atribui\u00e7\u00e3o n\u00e3o considera essa transfer\u00eancia entre ambientes. O resultado \u00e9 um desvio entre o que o algoritmo de otimiza\u00e7\u00e3o v\u00ea e o que realmente ocorreu no funil: campanhas vencedoras em GA4 podem n\u00e3o refletir o real custo por aquisi\u00e7\u00e3o quando o fechamento acontece no WhatsApp, sem que haja uma ponte clara de atribui\u00e7\u00e3o.<\/p>\n
Essa n\u00e3o \u00e9 apenas uma quest\u00e3o de \u201cmais dados\u201d. \u00c9 uma quest\u00e3o de qualidade de dados. Com dados first-party capturados de forma consistente (UTMs, IDs de sess\u00e3o, GCLID, IDs de WhatsApp vinculados a sess\u00f5es), voc\u00ea consegue construir caminhos de convers\u00e3o mais est\u00e1veis, reduzir discrep\u00e2ncias entre plataformas (GA4, Meta, BigQuery) e ter uma leitura mais fiel do ROI real do WhatsApp. O desafio \u00e9 estruturar esse fluxo sem violar LGPD, sem criar barganhas de dados e sem depender de solu\u00e7\u00f5es propriet\u00e1rias que travem o ecossistema. A boa not\u00edcia \u00e9 que \u00e9 poss\u00edvel desenhar esse fluxo com t\u00e9cnicas j\u00e1 adotadas em grandes workloads de mensura\u00e7\u00e3o, desde que haja clareza sobre as limita\u00e7\u00f5es de cada etapa e um plano de valida\u00e7\u00e3o rigoroso.<\/p>\n
\n\u201cSe o WhatsApp \u00e9 parte cr\u00edtica do fechamento, ele precisa de uma linha de atribui\u00e7\u00e3o dedicada, conectando o clique inicial \u00e0 conversa e ao resultado final.\u201d<\/p>\n<\/blockquote>\n
Desafios reais de medir WhatsApp no funil<\/h2>\n
A medi\u00e7\u00e3o do WhatsApp envolve desafios pr\u00e1ticos que v\u00e3o muito al\u00e9m de simplesmente acionar eventos no GA4. Seguem os principais gargalos que costumam aparecer nos setups reais, com o que observar e como evitar que eles distor\u00e7am a leitura de atribui\u00e7\u00e3o.<\/p>\n
Conex\u00e3o entre cliques, mensagens e CRM<\/h3>\n
Um clique de an\u00fancio pode levar o usu\u00e1rio a iniciar uma conversa no WhatsApp, mas o registro dessa intera\u00e7\u00e3o pode n\u00e3o transitar para o CRM ou para o GA4 de forma autom\u00e1tica. Sem uma ponte s\u00f3lida entre o evento de origem (UTM, clique) e o evento de fechamento (conversa conclu\u00edda, venda registrada), o modelo de atribui\u00e7\u00e3o tende a separar o canal investido do resultado final. \u00c9 comum ver discrep\u00e2ncias entre dados de Meta e GA4 quando o toque no WhatsApp n\u00e3o est\u00e1 bem mapeado para o identificador da sess\u00e3o ou do lead no CRM.<\/p>\n
Tempo de decis\u00e3o e janelas de convers\u00e3o<\/h3>\n
Leads que fecham semanas depois do clique s\u00e3o comuns em neg\u00f3cios que usam WhatsApp como etapa de qualifica\u00e7\u00e3o. Se a janela de atribui\u00e7\u00e3o n\u00e3o captura esse decurso temporal entre o toque inicial e a convers\u00e3o, o peso atribu\u00eddo ao WhatsApp pode ser subestimado. Por outro lado, janelas muito longas podem inflar o papel de touchpoints menos relevantes. A regra pr\u00e1tica \u00e9 alinhar a janela de atribui\u00e7\u00e3o com o tempo t\u00edpico de fechamento do seu funil, levando em conta o tempo m\u00e9dio entre in\u00edcio de conversa e venda efetiva.<\/p>\n
Dados offline e integra\u00e7\u00e3o com o CRM<\/h3>\n
Quando o fechamento acontece fora do ambiente online \u2014 por exemplo, ap\u00f3s uma conversa no WhatsApp que resulta em venda fechada por telefone ou em etapa de follow-up \u2014 a integra\u00e7\u00e3o entre CRM, GA4 e BigQuery se torna cr\u00edtica. Sem uma estrat\u00e9gia de upload de convers\u00f5es offline, voc\u00ea tende a perder o last touch que importa para o neg\u00f3cio. A solu\u00e7\u00e3o envolve enviar eventos de convers\u00e3o offline para o Google Analytics ou para o BigQuery, correlacionando-os com as origens de aquisi\u00e7\u00e3o (campanhas, criativos, UTMs) para manter a vis\u00e3o de atribui\u00e7\u00e3o coesa.<\/p>\n
Privacidade, consentimento e CMP<\/h3>\n
LGPD e consentimento desempenham um papel central na mensura\u00e7\u00e3o com WhatsApp. Coletar e compartilhar dados de conversas exige cuidado com o CMP, com o consentimento do usu\u00e1rio para rastreamento e com as regras de dados de mensagens. Qualquer implementa\u00e7\u00e3o precisa deixar claro o que est\u00e1 sendo medido, como os dados s\u00e3o usados e como o usu\u00e1rio pode revogar o consentimento. N\u00e3o \u00e9 apenas uma exig\u00eancia legal; \u00e9 tamb\u00e9m a pr\u00e1tica que evita ru\u00eddos nos dados quando o usu\u00e1rio opta por n\u00e3o participar do rastreamento.<\/p>\n
Como representar o WhatsApp no seu modelo de atribui\u00e7\u00e3o<\/h2>\n
Agora que voc\u00ea reconhece o papel do WhatsApp, o pr\u00f3ximo passo \u00e9 traduzir esse toque em dados que se integrem ao seu modelo de atribui\u00e7\u00e3o. A ideia \u00e9 ter uma arquitetura que permita associar os toques do WhatsApp aos eventos de aquisi\u00e7\u00e3o e aos resultados de neg\u00f3cio, sem depender de promessas de integra\u00e7\u00e3o que n\u00e3o se materializam. Abaixo, apresento princ\u00edpios, estrat\u00e9gias e armadilhas comuns, com foco t\u00e9cnico e aplic\u00e1vel a GA4, GTM Server-Side, CAPI e BigQuery.<\/p>\n
Eventos relevantes no WhatsApp e como captur\u00e1-los<\/h3>\n
Defina quais eventos do WhatsApp v\u00e3o alimentar o modelo de atribui\u00e7\u00e3o: in\u00edcio de conversa, envio de mensagem com conte\u00fado relevante, clique em link compartilhado dentro da conversa, leitura de mensagens, resposta do usu\u00e1rio, e, finalmente, convers\u00e3o registrada no CRM. Use a API do WhatsApp Business para emitir eventos que possam ser vinculados a sess\u00f5es de usu\u00e1rio, com identificadores \u00fanicos que tamb\u00e9m estejam presentes no GA4 (ex.: client_id) ou no ID de usu\u00e1rio no CRM. Ao mapear esses eventos, mantenha uma linha de temporalidade clara para a corre\u00e7\u00e3o de janelas.<\/p>\n
Mapeamento de identidades e identidades cruzadas<\/h3>\n
Para manter o caminho de convers\u00e3o alinhado, \u00e9 essencial mapear identidades entre plataformas. Use UTMs para cada etapa do relacionamento (campanha, criativo, canal) e associe o identificador do WhatsApp ao mesmo conjunto de identificadores usados pelo site (session_id, GA4 user_id, GCLID quando aplic\u00e1vel). Em muitos cen\u00e1rios, o uso de GTM Server-Side facilita a passagem de dados entre o ambiente do site, o WhatsApp e o CRM, preservando a coes\u00e3o entre eventos online e offline.<\/p>\n
Conectar attribution offline com GA4 e BigQuery<\/h3>\n
Quando a convers\u00e3o acontece no mundo offline, a estrat\u00e9gia \u00e9 trazer o dado para o ecossistema de mensura\u00e7\u00e3o por meio de uploads (convers\u00f5es offline) ou por meio de dados events que possam ser associados ao path de aquisi\u00e7\u00e3o. BigQuery funciona como um reposit\u00f3rio flex\u00edvel para armazenar eventos de WhatsApp, associados a UTMs, GCLID (quando dispon\u00edvel) e IDs de cliente. A leitura desses dados pode alimentar modelos de atribui\u00e7\u00e3o mais precisos e permitir a reconcilia\u00e7\u00e3o com os dados do GA4 e do Looker Studio.<\/p>\n
Arquitetura de implementa\u00e7\u00e3o: client-side vs server-side<\/h3>\n
Em termos pr\u00e1ticos, a escolha entre client-side e server-side n\u00e3o \u00e9 apenas uma discuss\u00e3o de performance; \u00e9 sobre confiabilidade de dados. O server-side, com GTM Server-Side, tende a oferecer maior controle sobre quais eventos chegam e como chegam, reduzindo perdas de dados em navegadores com bloqueio de cookies, ad blockers ou pol\u00edticas de privacidade. Por\u00e9m, exige uma implanta\u00e7\u00e3o mais madura, com configura\u00e7\u00e3o de fluxo de dados, credenciais e maior governan\u00e7a. J\u00e1 o client-side pode ser mais r\u00e1pido de colocar em produ\u00e7\u00e3o, por\u00e9m \u00e9 mais suscet\u00edvel a perdas de dados, especialmente para eventos que ocorrem fora do dom\u00ednio de navega\u00e7\u00e3o.<\/p>\n
Princ\u00edpio de valida\u00e7\u00e3o e governan\u00e7a de dados<\/h3>\n
Qualquer solu\u00e7\u00e3o que envolva WhatsApp deve ter um pipeline de valida\u00e7\u00e3o. Antes de confiar nos n\u00fameros, valide o mapeamento de toques com casos reais: abertura de chat por campanha, resposta do lead, fechamento registrado no CRM, e importa\u00e7\u00e3o offline. Defina responsabilidades de governan\u00e7a de dados, monitore desvios entre GA4 e BigQuery, e trate discrep\u00e2ncias como hip\u00f3teses a serem testadas, n\u00e3o como dados absolutos. A ideia \u00e9 reduzir a depend\u00eancia de uma \u00fanica fonte e manter transpar\u00eancia sobre como cada toque \u00e9 contabilizado.<\/p>\n
Roteiro de implementa\u00e7\u00e3o: passo a passo para incluir WhatsApp na atribui\u00e7\u00e3o<\/h2>\n
\n
- Defina quais toques do WhatsApp ser\u00e3o rastreados (in\u00edcio de conversa, envio de conte\u00fado, cliques em links, fechamento no CRM).<\/li>\n
- Padronize UTMs e identidades que conectem o toque do WhatsApp com o caminho de aquisi\u00e7\u00e3o (campanha, criativo, canal, session_id, GA4 user_id, GCLID quando existirem).<\/li>\n
- Escolha o mecanismo de coleta (GTM Server-Side recomendado para menos perda de dados) e implemente a passagem de eventos do WhatsApp para GA4 e BigQuery.<\/li>\n
- Integre com o CRM para refletir convers\u00f5es e contatos resultantes do WhatsApp (RD Station, HubSpot, Pipedrive etc.), exportando ou sincronizando dados com o data layer.<\/li>\n
- Habilite o Consent Mode v2 e implemente CMP adequado, assegurando que o rastreamento de toques do WhatsApp respeite a privacidade do usu\u00e1rio.<\/li>\n
- Configure a janela de atribui\u00e7\u00e3o e escolha o modelo (data-driven quando aplic\u00e1vel, ou last non-direct) de forma alinhada ao tempo t\u00edpico de fechamento do seu funil.<\/li>\n
- Execute uma auditoria de ponta a ponta com cen\u00e1rios reais (campanha com WhatsApp inicia, conversa convertendo, venda registrada) para validar a cadeia de eventos e ajustar apontamentos.<\/li>\n<\/ol>\n
Essas etapas criam uma linha de racioc\u00ednio pr\u00e1tica para adaptar seu ambiente a uma vis\u00e3o multicanal mais fiel. O objetivo n\u00e3o \u00e9 apenas capturar muitos eventos, mas conect\u00e1-los de modo que o caminho de cada convers\u00e3o possa ser tra\u00e7ado com consist\u00eancia entre an\u00fancios, site, WhatsApp e CRM. Em ambientes com dados sens\u00edveis, lembre-se de que cada integra\u00e7\u00e3o precisa respeitar as regras de privacidade e consentimento, com documenta\u00e7\u00e3o clara para auditoria.<\/p>\n
Erros comuns com corre\u00e7\u00f5es pr\u00e1ticas<\/h3>\n
Um erro recorrente \u00e9 tratar o WhatsApp como um toque puramente offline, sem conect\u00e1-lo aos eventos online. A corre\u00e7\u00e3o \u00e9 estabelecer um fluxo de dados que leve o toque de WhatsApp at\u00e9 o GA4, com uma identifica\u00e7\u00e3o de sess\u00e3o que permane\u00e7a consistente ao longo da jornada. Outro problema comum \u00e9 a falta de padroniza\u00e7\u00e3o de UTMs entre an\u00fancios e links que levam ao WhatsApp \u2014 padronize as UTM parameters e utilize um esquema de nomes consistente para facilitar a reconciliac\u0327a\u0303o de dados.<\/p>\n
\n\u201cSem uma ponte confi\u00e1vel entre WhatsApp e GA4, voc\u00ea mede apenas parte da jornada.\u201d<\/p>\n<\/blockquote>\n
Outro ponto cr\u00edtico \u00e9 o timing. Se o modelo de atribui\u00e7\u00e3o n\u00e3o contempla a janela de convers\u00e3o adequada para conversas no WhatsApp, voc\u00ea pode subestimar o papel do toque final. Ajuste a janela para refletir o tempo t\u00edpico de fechamento do seu funil e valide com casos reais de venda que ocorreram ap\u00f3s conversas no WhatsApp.<\/p>\n
Como adaptar a implementa\u00e7\u00e3o ao seu contexto de projeto<\/h3>\n
Nem toda empresa tem o mesmo ecossistema. Se voc\u00ea opera com uma loja que usa apenas p\u00e1ginas web, a integra\u00e7\u00e3o pode ser mais simples do que em um cen\u00e1rio com SPA (Single Page Application), WhatsApp Business API complexo, m\u00faltiplos CRMs e diferentes plataformas de automa\u00e7\u00e3o. Em ambientes com LGPD estrita, priorize a minimiza\u00e7\u00e3o de dados, apenas o necess\u00e1rio para atribui\u00e7\u00e3o, com consentimento expl\u00edcito do usu\u00e1rio para coleta de dados de conversa\u00e7\u00e3o. Em setups de ag\u00eancia, padronize entreg\u00e1veis com contratos claros sobre a responsabilidade pela implementa\u00e7\u00e3o, prazos de entrega e governan\u00e7a de dados, para evitar retrabalho cr\u00edtico com o cliente.<\/p>\n
Arquitetura recomendada, valida\u00e7\u00e3o e casos de uso<\/h2>\n
Para quem busca uma solu\u00e7\u00e3o robusta, recomendo uma arquitetura que combine GA4, GTM Server-Side e BigQuery, com integra\u00e7\u00f5es de WhatsApp via API e CRM. Abaixo, apresento diretrizes para casos comuns e como evitar armadilhas. Este conjunto \u00e9 baseado em padr\u00f5es que j\u00e1 observei em projetos reais e que tendem a sustentar uma leitura est\u00e1vel de atribui\u00e7\u00e3o, mesmo diante de ambientes com alto ru\u00eddo de dados e varia\u00e7\u00f5es de configura\u00e7\u00e3o.<\/p>\n
Casos de uso t\u00edpicos e como trat\u00e1-los<\/h3>\n
Casos com abertura de chat via an\u00fancio: capture o chat iniciado como um toque, vincule ao UTM da campanha, e registre quando a conversa resulta em lead ou venda no CRM. Casos de venda fechada ap\u00f3s conversa: traga o fechamento para o GA4 como uma convers\u00e3o offline ou uma convers\u00e3o registrada, com o documento correspondente no BigQuery. Casos de descontinuidade de dados: implemente logs de valida\u00e7\u00e3o que comparem eventos de WhatsApp com dados do CRM, e crie alertas para discrep\u00e2ncias que indiquem falha de pipeline.<\/p>\n
Think com abordagem de valida\u00e7\u00e3o e governan\u00e7a<\/h3>\n
Vale a pena manter um regime de valida\u00e7\u00e3o peri\u00f3dico, especialmente ap\u00f3s mudan\u00e7as em CMP, consentimento ou integration points. Use o BigQuery para cruzar eventos do WhatsApp com cliques e sess\u00f5es do GA4, e crie dashboards que permitam rapidamente identificar gaps entre fontes de dados. Lembre-se: a qualidade da atribui\u00e7\u00e3o depende da qualidade da integra\u00e7\u00e3o entre cada ponto do funil e da consist\u00eancia de identidades entre plataformas.<\/p>\n
Ferramentas e refer\u00eancias \u00fateis<\/h3>\n
Algumas plataformas que costumam aparecer nesses cen\u00e1rios incluem GA4, GTM Server-Side, Meta CAPI, BigQuery, Looker Studio, e CRMs como RD Station ou HubSpot. Em termos de leitura oficial, vale consultar materiais da documenta\u00e7\u00e3o oficial para entender limites, melhores pr\u00e1ticas e edge cases, como a documenta\u00e7\u00e3o de GA4 e de Eventos, ou as orienta\u00e7\u00f5es de integra\u00e7\u00e3o de Conversions API da Meta. Al\u00e9m disso, a leitura de guias de LGPD e CMP \u00e9 essencial para manter conformidade durante a coleta de dados de WhatsApp.<\/p>\n
Para aprofundar aspectos t\u00e9cnicos, recomendo consultar fontes oficiais como a documenta\u00e7\u00e3o do GA4 sobre modelos de atribui\u00e7\u00e3o, a refer\u00eancia de GTM Server-Side e as diretrizes da Conversions API da Meta. Essas fontes ajudam a apoiar decis\u00f5es com base em especifica\u00e7\u00f5es t\u00e9cnicas atuais e a manter a implementa\u00e7\u00e3o alinhada com as pol\u00edticas das plataformas.<\/p>\n
Se voc\u00ea precisa de orienta\u00e7\u00e3o pr\u00e1tica para o seu caso espec\u00edfico, a abordagem de diagn\u00f3stico t\u00e9cnico ajuda a evitar surpresas em produ\u00e7\u00e3o. Combine a an\u00e1lise de dados com um plano de implementa\u00e7\u00e3o iterativo, validando a cada etapa com cen\u00e1rios reais de uso, e mantendo a comunica\u00e7\u00e3o com as equipes de dev, m\u00eddia e CRM para evitar silos de dados.<\/p>\n
Links \u00fateis de refer\u00eancia oficial:
\n– Modelos de atribui\u00e7\u00e3o no GA4: Documenta\u00e7\u00e3o GA4 – Modelos de atribui\u00e7\u00e3o<\/a>
\n– GTM Server-Side: Guia GTM Server-Side<\/a>
\n– Conversions API da Meta: Conversions API<\/a>
\n– WhatsApp Business API: WhatsApp Business API<\/a><\/p>\nPr\u00f3ximo passo: pe\u00e7a uma avalia\u00e7\u00e3o t\u00e9cnica com a Funnelsheet para diagnosticar o fluxo de WhatsApp no seu stack, alinhar UTMs, integrar com GA4 e CRM e definir a janela de atribui\u00e7\u00e3o adequada para o seu funil de convers\u00e3o.<\/p>\n","protected":false},"excerpt":{"rendered":"
O tema central \u00e9 simples, mas sistem\u00e1tico: modelos de atribui\u00e7\u00e3o n\u00e3o podem ignorar o WhatsApp como touchpoint. No Brasil, muitos caminhos de convers\u00e3o passam por mensagens de WhatsApp antes de qualquer venda ser registrada no CRM ou no GA4. Se o seu modelo de atribui\u00e7\u00e3o trata apenas de cliques em an\u00fancios, visitas ao site ou…<\/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":[13,14,49,281,7],"content_language":[6],"class_list":["post-1610","post","type-post","status-publish","format-standard","hentry","category-blogbr","tag-ga4","tag-gtm-server-side","tag-meta-capi","tag-modelos-de-atribuicao","tag-whatsapp","content_language-br"],"acf":[],"_links":{"self":[{"href":"https:\/\/cms.funnelsheet.com\/index.php?rest_route=\/wp\/v2\/posts\/1610","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=1610"}],"version-history":[{"count":0,"href":"https:\/\/cms.funnelsheet.com\/index.php?rest_route=\/wp\/v2\/posts\/1610\/revisions"}],"wp:attachment":[{"href":"https:\/\/cms.funnelsheet.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=1610"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/cms.funnelsheet.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=1610"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/cms.funnelsheet.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=1610"},{"taxonomy":"content_language","embeddable":true,"href":"https:\/\/cms.funnelsheet.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcontent_language&post=1610"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}