Tracking para neg\u00f3cios com canal org\u00e2nico forte e necessidade de separar do pago n\u00e3o \u00e9 apenas uma quest\u00e3o de \u201cmegar a atribui\u00e7\u00e3o\u201d. \u00c9 um problema de confiabilidade de dados que impacta or\u00e7amento, decis\u00f5es e, em \u00faltima inst\u00e2ncia, receita. Empresas com tr\u00e1fego org\u00e2nico relevante costumam conviver com toques que aparecem em diferentes est\u00e1gios do funil, cruzamentos entre canais e sinais que n\u00e3o ficam claros quando pagos e org\u00e2nicos s\u00e3o mesclados no mesmo modelo de atribui\u00e7\u00e3o. O desafio real \u00e9 criar uma linha divis\u00f3ria que n\u00e3o destrua a vis\u00e3o de conjunto, mas que permita medir o que cada canal efetivamente entrega em termos de convers\u00f5es e receita, especialmente quando o lead fecha por WhatsApp ou liga\u00e7\u00e3o telef\u00f4nica meses depois do primeiro clique. Este artigo parte da premissa de que o ecossistema GA4, GTM Web, GTM Server-Side, Meta CAPI e integra\u00e7\u00f5es com BigQuery podem sim oferecer uma leitura mais fiel \u2014 desde que o diagn\u00f3stico esteja correto e as escolhas t\u00e9cnicas sejam alinhadas ao cen\u00e1rio de cada neg\u00f3cio.<\/p>\n
Ao longo desta leitura, voc\u00ea vai encontrar uma abordagem pr\u00e1tica para diagnosticar falhas comuns, desenhar arquiteturas que separem org\u00e2nico do pago sem perder visibilidade de contribui\u00e7\u00e3o, e um roteiro de implementa\u00e7\u00e3o com valida\u00e7\u00e3o ponta a ponta. N\u00e3o se trata de uma teoria gen\u00e9rica; \u00e9 um caminho para quem j\u00e1 auditou setups complexos e sabe que a diferen\u00e7a entre \u201cos dados batem\u201d e \u201cos dados fingem bater\u201d costuma estar em detalhes como a consist\u00eancia de UTMs, o manuseio de GCLID, a configura\u00e7\u00e3o de data layer e o tratamento de convers\u00f5es offline. A tese \u00e9 simples: entender onde o tracking falha, escolher a arquitetura apropriada e validar com dados reais \u2014 inclusive offline \u2014 antes de decidir pela dire\u00e7\u00e3o certa para o neg\u00f3cio. Abaixo, come\u00e7amos pelo diagn\u00f3stico t\u00e9cnico e seguimos com solu\u00e7\u00f5es pr\u00e1ticas e a\u00e7\u00f5es compar\u00e1veis a cen\u00e1rios reais de clientes. <\/p>\n
\n\u201cA atribui\u00e7\u00e3o n\u00e3o \u00e9 apenas escolher entre modelos; \u00e9 garantir que cada toque seja registrado com sua origem, mesmo quando o usu\u00e1rio cruza entre canais, dispositivos e offline.\u201d<\/p>\n<\/blockquote>\n
O problema b\u00e1sico costuma aparecer quando o org\u00e2nico influencia eventos em fases diferentes do funil, mas os dados s\u00e3o capturados com origem confusa ou invertida. Entre as armadilhas mais comuns est\u00e3o a sobreposi\u00e7\u00e3o de fontes em GA4 e nos pixels de Meta, a perda de sess\u00f5es ao depender de cookies ou consentimento, e a dificuldade de associar convers\u00f5es offline a campanhas espec\u00edficas. Em termos pr\u00e1ticos, voc\u00ea pode ver situa\u00e7\u00f5es como: uma venda que fecha via WhatsApp meses ap\u00f3s o clique, uma lead que aparece no CRM sem uma correspond\u00eancia clara com o \u00faltimo toque, ou n\u00fameros de GA4 e Meta que divergem por causa de modelos de atribui\u00e7\u00e3o diferentes ou diferen\u00e7as na janela de convers\u00e3o. Esses desalinhamentos s\u00e3o sinais claros de que a separa\u00e7\u00e3o org\u00e2nico\/pago ainda n\u00e3o est\u00e1 robusta o suficiente para sustentar decis\u00f5es de or\u00e7amento.<\/p>\n
Um ponto cr\u00edtico: se a sua fonte de tr\u00e1fego org\u00e2nico n\u00e3o \u00e9 apenas \u201corg\u00e2nico puro\u201d\u2014por exemplo, se voc\u00ea depende de conte\u00fado que gera visitas via buscadores, referrals, social, e tamb\u00e9m est\u00e1 promovendo a\u00e7\u00f5es pagas\u2014o risco de mistura de dados aumenta. A documenta\u00e7\u00e3o oficial de atribui\u00e7\u00e3o do GA4 enfatiza que a escolha do modelo de atribui\u00e7\u00e3o e a forma com que as janelas de convers\u00e3o s\u00e3o definidas podem impactar drasticamente a leitura de cada canal (org\u00e2nico vs pago) quando h\u00e1 m\u00faltiplos touches. Al\u00e9m disso, a integra\u00e7\u00e3o entre GA4, GTM Server-Side e plataformas como Meta exige cuidado com a persist\u00eancia de identificadores (como gclid) e com a consist\u00eancia do data layer para manter a trilha de origem ao longo de todas as sess\u00f5es e eventos no ecossistema. [link externo: documenta\u00e7\u00e3o de atribui\u00e7\u00e3o GA4] <\/p>\n
Da mesma forma, a press\u00e3o por privacidade e consentimento pode reduzir a granularidade dos dados no client-side, tornando ainda mais necess\u00e1ria uma estrat\u00e9gia de server-side que preserve a origem do tr\u00e1fego sem depender exclusivamente de cookies. Em ambientes com LGPD, Consent Mode v2 e caminhos de integra\u00e7\u00e3o com CRM, o risco de dados incompletos ou enviesados \u00e9 real e precisa ser mitigado com arquitetura adequada e valida\u00e7\u00e3o constante. Um segundo sinal de alerta \u00e9 quando o org\u00e2nico parece \u201csubir\u201d n\u00fameros de convers\u00e3o ap\u00f3s o redirecionamento para p\u00e1ginas com UTM ausente ou mal herdado, o que pode indicar que a herdagem de origem n\u00e3o est\u00e1 sendo mantida de forma confi\u00e1vel.<\/p>\n
\n\u201cSem uma governan\u00e7a clara de origem (utm_source\/medium, gclid, data layer), a inclus\u00e3o do org\u00e2nico em modelos de atribui\u00e7\u00e3o externos tende a inflar ou subestimar impactos de campanhas pagas.\u201d<\/p>\n<\/blockquote>\n
Arquiteturas pr\u00e1ticas para separar org\u00e2nico do pago sem perder vis\u00e3o de conjunto<\/h2>\n
Para ter separa\u00e7\u00e3o efetiva entre org\u00e2nico e pago, \u00e9 preciso alinhar quatro pilares: (1) marca\u00e7\u00e3o consistente de origem, (2) preserva\u00e7\u00e3o da origem ao longo de toda a jornada, (3) captura de dados offline de forma confi\u00e1vel e (4) uma estrat\u00e9gia de atribui\u00e7\u00e3o que fa\u00e7a sentido para o neg\u00f3cio. Abaixo, descrevo caminhos pr\u00e1ticos, com foco em GA4, GTM Server-Side, e integra\u00e7\u00f5es com BigQuery e Looker Studio. As escolhas devem sempre considerar o tamanho do funil, a presen\u00e7a de CRM, e a possibilidade de conectar dados offline com o tracking online.<\/p>\n
Marca\u00e7\u00e3o consistente de campanhas: UTMs, GCLID e data layer<\/h3>\n
A base est\u00e1 na consist\u00eancia: use UTMs padronizados para todo tr\u00e1fego org\u00e2nico que pode ser promovido via conte\u00fado pago ou refer\u00eancia externa, mantenha o GCLID para cliques de Google Ads e carregue esse identificador no data layer de cada tela ou passo do funil. O data layer deve transportar informa\u00e7\u00f5es de origem, meio, campanha, e tamb\u00e9m um identificador \u00fanico da sess\u00e3o que persista entre transi\u00e7\u00f5es. Em plataformas de e-commerce com redirecionamento ou em SPAs, a robustez do data layer evita que a origem se perca ao navegar entre p\u00e1ginas. A documenta\u00e7\u00e3o oficial do GTM Server-Side descreve como mover dados de origem para o servidor sem depender apenas de cookies no client-side, o que ajuda a manter consist\u00eancia entre dispositivos e sess\u00f5es.<\/p>\n
Heran\u00e7a de origem no data layer e na modelagem de eventos<\/h3>\n
Defina um conjunto m\u00ednimo de atributos para cada evento: origem (org\u00e2nico\/pago), fonte, meio, campanha, plataforma (GA4\/Meta), e um identificador de usu\u00e1rio\/conex\u00e3o (poderia ser o gclid ou um session_id herdado). Garanta que os eventos enviados ao GA4 mantenham a mesma origem; evite reatribui\u00e7\u00e3o durante a jornada \u2014 por exemplo, um evento que chega com origem \u201corg\u00e2nico\u201d n\u00e3o deve ser reclassificado como \u201cpagamento\u201d quando o usu\u00e1rio retorna por meio de retargeting. O GTM Server-Side facilita essa persist\u00eancia ao consolidar eventos com uma camada de servidor que n\u00e3o depende de cookies do navegador, reduzindo perdas de atribui\u00e7\u00e3o em cen\u00e1rios de bloqueio de cookies. Veja a documenta\u00e7\u00e3o de GTM Server-Side para entender como estruturar essa passagem de dados entre client e server. [link externo: GTM Server-Side docs]<\/p>\n
Conex\u00f5es com dados offline e CRM<\/h3>\n
Quando a venda acontece fora do ambiente online (WhatsApp, telefone, CRM), a origem precisa ser mapeada para cada registro de convers\u00e3o. Uma pr\u00e1tica comum \u00e9 exportar convers\u00f5es offline para BigQuery ou Looker Studio e vincular com eventos online via identificadores compartilhados (como o gclid ou um identificador de lead gerado no formul\u00e1rio). A integra\u00e7\u00e3o entre GA4, BigQuery e o CRM deve respeitar a convers\u00e3o offline com atribui\u00e7\u00e3o associada \u00e0 origem correspondente. Em termos de responsabilidade de dados, valide se os dados offline possuem consentimento para uso e se o fluxo est\u00e1 em conformidade com as pol\u00edticas de privacidade. A documenta\u00e7\u00e3o oficial do Google Cloud sobre BigQuery e de Analytics pode orientar a modelagem de dados offline para compara\u00e7\u00e3o com dados online. [link externo: BigQuery docs]<\/p>\n
Roteiro pr\u00e1tico de implementa\u00e7\u00e3o e valida\u00e7\u00e3o<\/h2>\n
Este \u00e9 o cora\u00e7\u00e3o pr\u00e1tico do artigo. A seguir est\u00e1 um roteiro com etapas acion\u00e1veis, cada uma pensada para reduzir ru\u00eddo entre org\u00e2nico e pago, ao mesmo tempo em que mant\u00e9m a visibilidade de contribui\u00e7\u00e3o de cada canal. O objetivo \u00e9 chegar a uma configura\u00e7\u00e3o est\u00e1vel em que a origem de cada convers\u00e3o seja identific\u00e1vel, verific\u00e1vel e reproduz\u00edvel em dashboards.<\/p>\n
Checklist de valida\u00e7\u00e3o de dados<\/h3>\n
Antes de ligar a primeira linha de c\u00f3digo, confirme:<\/p>\n
\n
- UTMs padronizados para todos os canais org\u00e2nicos e de m\u00eddia paga, com um mapa claro entre fontes (ex.: utm_source, utm_medium, utm_campaign).<\/li>\n
- GCLID capturado e herdado pelo data layer para cada clique de Google Ads.<\/li>\n
- Data layer com atributos de origem, campanha, plataforma e sess\u00e3o herdados entre p\u00e1ginas e contatos.<\/li>\n
- Configura\u00e7\u00e3o de GA4 para usar um modelo de atribui\u00e7\u00e3o que reflita a realidade do funil (por exemplo, atribui\u00e7\u00e3o baseada em intera\u00e7\u00f5es com janela de convers\u00e3o adequada).<\/li>\n
- Server-Side Tracking ativo para reduzir depend\u00eancia de cookies e manter a origem entre navega\u00e7\u00f5es e dispositivos.<\/li>\n
- Mapeamento de convers\u00f5es offline com o CRM\/BW e a capacidade de atribuir cada convers\u00e3o offline \u00e0 origem correspondente de origem online.<\/li>\n<\/ul>\n
Passo a passo de configura\u00e7\u00e3o<\/h3>\n
\n
- Audite as fontes de tr\u00e1fego existentes: identifique todas as origens que entram no funil (org\u00e2nico, social, referral) e verifique se a marca\u00e7\u00e3o atual est\u00e1 presente e \u00e9 consistente.<\/li>\n
- Padronize o data layer: implemente um conjunto m\u00ednimo de propriedades (origin, source, medium, campaign, gclid, session_id) que sejam preenchidas em todas as telas, inclusive em SPAs.<\/li>\n
- Herde a origem no GA4 e no servidor: configure o GTM Server-Side para receber os dados de origem do client e repassar ao GA4, mantendo a unicidade de session_id e o gclid quando dispon\u00edvel.<\/li>\n
- Assegure a captura de convers\u00f5es offline: alinhe o CRM\/WhatsApp com os eventos online usando um identificador comum; exporte esses dados para o BigQuery para valida\u00e7\u00e3o cruzada.<\/li>\n
- Valide a consist\u00eancia entre GA4 e Meta: compare relat\u00f3rios de atribui\u00e7\u00e3o com o foco em modelos compat\u00edveis, ajustando a janela de convers\u00e3o conforme o comportamento do funil.<\/li>\n
- Implemente dashboards de valida\u00e7\u00e3o: use Looker Studio para cruzar dados online (GA4), dados de an\u00fancios (Google Ads, Meta) e dados offline, mantendo a origem vis\u00edvel em cada convers\u00e3o.<\/li>\n<\/ol>\n
Ser\u00e3o necess\u00e1rios ciclos de valida\u00e7\u00e3o peri\u00f3dicos. Pequenas mudan\u00e7as nos fluxos de WhatsApp, atualiza\u00e7\u00f5es de consentimento ou varia\u00e7\u00f5es de redirecionamento podem exigir ajustes finos na configura\u00e7\u00e3o do data layer e nos mapeamentos de origem. Esta pr\u00e1tica evita surpresas nas m\u00e9tricas dispon\u00edveis para clientes ou para a diretoria, mantendo a leitura de investimento em m\u00eddia alinhada com a realidade de cada canal.<\/p>\n
Decis\u00f5es estrat\u00e9gicas: quando cada abordagem faz sentido e como escolher<\/h2>\n
Quando optar por client-side vs server-side<\/h3>\n
Client-side tracking continua sendo \u00fatil para velocidade e para redes com poucas restri\u00e7\u00f5es de privacidade. No entanto, ele \u00e9 mais vulner\u00e1vel a bloqueadores de cookies, limita\u00e7\u00f5es de cross-domain e perdas de dados quando o usu\u00e1rio navega entre dispositivos. Server-side tracking reduz o ru\u00eddo causado por bloqueadores, browsers com pol\u00edticas mais r\u00edgidas e consentimentos inconsistentes, mantendo a origem de convers\u00e3o mais est\u00e1vel entre sess\u00f5es. Em cen\u00e1rios de org\u00e2nico forte, a combina\u00e7\u00e3o \u00e9 comum: use client-side para capta\u00e7\u00e3o r\u00e1pida de sinais e server-side para consolidar atribui\u00e7\u00e3o de convers\u00f5es cr\u00edticas, especialmente offline. A documenta\u00e7\u00e3o de GTM Server-Side e de integra\u00e7\u00f5es com GA4 oferece diretrizes sobre quando cada camada faz sentido. [link externo: GTM Server-Side docs]<\/p>\n
Como lidar com LGPD e Consent Mode<\/h3>\n
Consent Mode v2 introduz vari\u00e1veis que afetam a coleta de dados com consentimento do usu\u00e1rio. Em neg\u00f3cios que dependem de dados first-party, \u00e9 essencial entender que nem todos os dados estar\u00e3o dispon\u00edveis de imediato ou de forma completa. A implementa\u00e7\u00e3o cuidadosa de CMP, op\u00e7\u00f5es de consentimento e fluxo de opt-in \u00e9 parte integrante da estrat\u00e9gia de separa\u00e7\u00e3o entre org\u00e2nico e pago. N\u00e3o subestime a necessidade de ajustes cont\u00ednuos; a privacidade n\u00e3o \u00e9 uma barreira est\u00e1tica, \u00e9 uma vari\u00e1vel que influencia a qualidade de dados e a velocidade de diagn\u00f3stico. Consulte fontes oficiais para entender as implica\u00e7\u00f5es t\u00e9cnicas e operacionais. [link externo: documenta\u00e7\u00e3o de Consent Mode]<\/p>\n
Integra\u00e7\u00e3o com dados offline e CRM<\/h3>\n
Para neg\u00f3cios que fecham via WhatsApp ou telefone, a convers\u00e3o muitas vezes ocorre fora do ecossistema online. Nesses casos, a separa\u00e7\u00e3o entre org\u00e2nico e pago s\u00f3 \u00e9 confi\u00e1vel se houver um mapeamento claro entre o lead\/cliente offline e a origem online que o gerou. O caminho comum envolve um identificador compartilhado (padr\u00f5es como gclid ou session_id quando compat\u00edvel) e a exporta\u00e7\u00e3o de dados offline para o BigQuery para valida\u00e7\u00e3o com os eventos online. Se a infraestrutura de dados n\u00e3o permitir esse mapeamento, a imagem de atribui\u00e7\u00e3o pode continuar distorcida. Consulte a documenta\u00e7\u00e3o oficial de BigQuery para entender as pr\u00e1ticas de importa\u00e7\u00e3o\/exporta\u00e7\u00e3o de dados e associar com GA4. [link externo: BigQuery docs]<\/p>\n
Erros comuns com corre\u00e7\u00f5es pr\u00e1ticas<\/h2>\n
Alguns erros aparecem repetidamente em implementa\u00e7\u00f5es com org\u00e2nico forte. Abaixo, v\u00e3o falhas t\u00edpicas e como corrigi-las rapidamente:<\/p>\n
\n
- Erro: n\u00e3o mant\u00e9m a origem ao longo de transi\u00e7\u00f5es entre p\u00e1ginas. Corre\u00e7\u00e3o: garanta que o data layer seja preenchido na primeira visita e propagado em toda a navega\u00e7\u00e3o, incluindo estados de SPA.<\/li>\n
- Erro: GCLID n\u00e3o \u00e9 herdado em todas as telas de convers\u00e3o. Corre\u00e7\u00e3o: inclua GCLID como parte do dataset de sess\u00e3o que \u00e9 enviado ao GA4 e ao GTM Server-Side, sempre que dispon\u00edvel.<\/li>\n
- Erro: convers\u00f5es offline n\u00e3o s\u00e3o ligadas a campanhas. Corre\u00e7\u00e3o: crie um fluxo de mapeamento entre CRM\/WhatsApp e GA4 com identificadores compartilhados e envie para BigQuery para valida\u00e7\u00e3o cruzada.<\/li>\n
- Erro: modelos de atribui\u00e7\u00e3o inconsistentes entre GA4 e Meta. Corre\u00e7\u00e3o: alinhe janelas de convers\u00e3o e escolha um modelo de atribui\u00e7\u00e3o que reflita o ciclo t\u00edpico do funil do seu neg\u00f3cio, documentando as diferen\u00e7as para a lideran\u00e7a.<\/li>\n<\/ul>\n
Adaptando a pr\u00e1tica ao cliente e ao projeto<\/h2>\n
Se voc\u00ea atua em uma ag\u00eancia ou trabalha com clientes com necessidades diversas, \u00e9 comum ter que adaptar a arquitetura para diferentes cen\u00e1rios: e-commerce com WhatsApp como canal principal, servi\u00e7os com demonstra\u00e7\u00e3o offline, ou produtos com ciclos de venda longos. O segredo \u00e9 manter um conjunto de regras de implementa\u00e7\u00e3o que possam ser ajustadas sem reescrever toda a configura\u00e7\u00e3o a cada cliente. Padronizar UTMs, data layer e fluxos de envio de dados para o servidor reduz o tempo de entrega de novas contas e minimiza retrabalho. Em casos com alta complexidade, vale a pena mapear rapidamente as depend\u00eancias com o time t\u00e9cnico antes de come\u00e7ar a implementa\u00e7\u00e3o, para n\u00e3o perder tempo com ajustes que poderiam ter sido previstos previamente. Em situa\u00e7\u00f5es em que o cliente depende fortemente de dados offline, procure construir uma linha de base com o CRM para entender a contribui\u00e7\u00e3o de cada campanha no ciclo completo de venda.<\/p>\n
Para quem precisa de apoio externo, a revis\u00e3o t\u00e9cnica de setups grandes pode acelerar a identifica\u00e7\u00e3o de gargalos e a defini\u00e7\u00e3o de prioridades. Se quiser alinhar essa estrat\u00e9gia com a sua equipe, marque uma conversa com a Funnelsheet para diagnosticar seu setup de rastreamento e planejar a implementa\u00e7\u00e3o necess\u00e1ria. <\/p>\n
Encerro com um caminho acion\u00e1vel: comece com o diagn\u00f3stico de origem e a padroniza\u00e7\u00e3o de data layer, avance para a configura\u00e7\u00e3o server-side com GTM e, finalmente, conecte dados offline para valida\u00e7\u00e3o cruzada em BigQuery. O segredo est\u00e1 na consist\u00eancia de origem em cada toque \u2014 e na disciplina de validar resultados com dados reais antes de decidir sobre o or\u00e7amento de m\u00eddia. Quer que eu te ajude a mapear seu cen\u00e1rio atual e propor o roteiro de implementa\u00e7\u00e3o espec\u00edfico para o seu neg\u00f3cio? Entre em contato para uma avalia\u00e7\u00e3o t\u00e9cnica r\u00e1pida e direta.<\/p>\n","protected":false},"excerpt":{"rendered":"
Tracking para neg\u00f3cios com canal org\u00e2nico forte e necessidade de separar do pago n\u00e3o \u00e9 apenas uma quest\u00e3o de \u201cmegar a atribui\u00e7\u00e3o\u201d. \u00c9 um problema de confiabilidade de dados que impacta or\u00e7amento, decis\u00f5es e, em \u00faltima inst\u00e2ncia, receita. Empresas com tr\u00e1fego org\u00e2nico relevante costumam conviver com toques que aparecem em diferentes est\u00e1gios do funil, cruzamentos…<\/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":[20,13,14,17,49],"content_language":[6],"class_list":["post-1677","post","type-post","status-publish","format-standard","hentry","category-blogbr","tag-bigquery","tag-ga4","tag-gtm-server-side","tag-gtm-web","tag-meta-capi","content_language-br"],"acf":[],"_links":{"self":[{"href":"https:\/\/cms.funnelsheet.com\/index.php?rest_route=\/wp\/v2\/posts\/1677","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=1677"}],"version-history":[{"count":0,"href":"https:\/\/cms.funnelsheet.com\/index.php?rest_route=\/wp\/v2\/posts\/1677\/revisions"}],"wp:attachment":[{"href":"https:\/\/cms.funnelsheet.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=1677"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/cms.funnelsheet.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=1677"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/cms.funnelsheet.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=1677"},{"taxonomy":"content_language","embeddable":true,"href":"https:\/\/cms.funnelsheet.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcontent_language&post=1677"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}