Um GA4 dashboard focado inteiramente em m\u00e9tricas de gera\u00e7\u00e3o de leads pode ser o divisor de \u00e1guas para equipes de tr\u00e1fego que convivem com dados desalinhados entre GA4, Meta e CRM. A dor n\u00e3o \u00e9 apenas \u201cn\u00fameros diferentes\u201d: \u00e9 a sensa\u00e7\u00e3o de que leads somem entre o clique e a oportunidade, que o pipeline n\u00e3o conversa com o funil de campanhas e que o algoritmo otimiza para sinais que n\u00e3o correspondem ao real valor de neg\u00f3cio. Quando voc\u00ea centraliza a vis\u00e3o em gera\u00e7\u00e3o de leads, fica claro onde o tempo, o or\u00e7amento e a confian\u00e7a est\u00e3o sendo gastos: na qualidade de captura, na consist\u00eancia de dados entre fontes e na velocidade com que um lead entra de fato no CRM. A proposta deste texto \u00e9 entregar uma abordagem pr\u00e1tica para desenhar, implementar e manter um dashboard do GA4 que mostre, de ponta a ponta, o que acontece com cada lead desde o primeiro toque at\u00e9 a qualifica\u00e7\u00e3o, com \u00eanfase em m\u00e9tricas acion\u00e1veis e na governan\u00e7a dos dados.<\/p>\n
Nesse cen\u00e1rio, o objetivo n\u00e3o \u00e9 apenas ter belos gr\u00e1ficos. \u00c9 criar visibilidade sobre o desempenho real da gera\u00e7\u00e3o de leads: origem do lead, tempo at\u00e9 converter, custo por lead por canal, qualidade do lead medida por etapas do CRM, e a correla\u00e7\u00e3o entre cliques, chamadas e mensagens recebidas. O leitor vai encontrar um caminho claro para diagnosticar rapidamente onde o tracking falha \u2014 se \u00e9 na implementa\u00e7\u00e3o de eventos, na atribui\u00e7\u00e3o entre janelas diferentes, na integra\u00e7\u00e3o com WhatsApp ou na captura de offline \u2014 e como corrigir sem precisar reescrever toda a pilha. Ao final, voc\u00ea ter\u00e1 um blueprint que facilita decis\u00f5es imediatas: onde investir, que m\u00e9tricas exigir do fornecedor de dados, e como alinhar o GA4 com o CRM para manter uma vis\u00e3o confi\u00e1vel da receita associada \u00e0s campanhas.<\/p>\n
Dashboards gen\u00e9ricos de tr\u00e1fego costumam misturar m\u00e9tricas de aquisi\u00e7\u00e3o, engajamento e convers\u00e3o sem distinguir a qualidade de cada lead. Em muitos cen\u00e1rios, o GA4 mostra convers\u00f5es que n\u00e3o se replicam no CRM, ou leads aparecem com timestamps que n\u00e3o refletem a jornada real. Esse desalinhamento gera decis\u00f5es que parecem justific\u00e1veis com n\u00fameros, mas que n\u00e3o se traduzem em receita. Al\u00e9m disso, quando o clique que gerou o lead \u00e9 via WhatsApp ou uma liga\u00e7\u00e3o, a atribui\u00e7\u00e3o pode ficar especialmente fr\u00e1gil: o lead fecha 20, 30 dias depois do clique, ou o offline nunca chega ao relat\u00f3rio ativo. Um dashboard que foca apenas no volume de convers\u00f5es n\u00e3o captura a lat\u00eancia, a qualidade e a origem real de cada lead, abrindo espa\u00e7o para desperd\u00edcios de or\u00e7amento e para discuss\u00f5es prolongadas com clientes sobre o que est\u00e1 \u201cfalhando\u201d.<\/p>\n
\nNota t\u00e9cnica: sem uma vis\u00e3o de lead-level, fica dif\u00edcil entender onde exatamente o funil quebra \u2014 no formul\u00e1rio, na integra\u00e7\u00e3o com o CRM ou na janela de atribui\u00e7\u00e3o.<\/p>\n<\/blockquote>\n
A diferen\u00e7a entre m\u00e9tricas de aquisi\u00e7\u00e3o, engajamento e convers\u00e3o<\/h3>\n
Para gera\u00e7\u00e3o de leads, \u00e9 crucial olhar al\u00e9m do tick de \u201clead convertido\u201d. Voc\u00ea precisa de m\u00e9tricas que conectem a origem do lead ao est\u00e1gio do CRM: origem (utm_source\/utm_medium), canal (org\u00e2nico, pago, parceiros), tempo at\u00e9 o lead, custo por lead (CPL) e qualidade de lead medida pelo avan\u00e7o no CRM (MQL, SQL). Em alguns casos, leads entram pelo formul\u00e1rio no site, em outros pela intera\u00e7\u00e3o de WhatsApp Business API ou por chamadas que s\u00e3o registradas no CRM. A vis\u00e3o integrada ajuda a responder perguntas como: qual canal entrega leads com maior probabilidade de fechar? qual etapa do CRM \u00e9 o gargalo? quanto custa, de fato, cada lead que faz x ponto de contato? Em dashboards n\u00e3o focados, essas perguntas tendem a gerar respostas vagas e decis\u00f5es mal fundamentadas.<\/p>\n
Arquitetura pr\u00e1tica: dados, eventos e fontes<\/h2>\n
Eventos de lead: quais registrar<\/h3>\n
Defina eventos expl\u00edcitos para cada ponto de contato que resulta em lead: envio de formul\u00e1rio, clique no bot\u00e3o de WhatsApp, telefonema iniciado, envio de chat, e evento de offline quando a venda \u00e9 fechada ap\u00f3s intera\u00e7\u00e3o fora da web. Em GA4, crie convers\u00f5es para cada est\u00e1gio relevante (lead, MQL, SQL) para que o dashboard possa segmentar a jornada e atribuir o valor correto. Al\u00e9m disso, garanta que cada evento contenha propriedades \u00fateis: origem da campanha (utm_source, utm_medium, utm_campaign), identificador do lead (lead_id), canal (canal), dispositivo, momento da captura e, se poss\u00edvel, o ID do CRM vinculado. Essa consist\u00eancia \u00e9 essencial para uma leitura confi\u00e1vel no Looker Studio e para evitar caixas de dados isoladas que nunca conversam entre si.<\/p>\n
\nObserva\u00e7\u00e3o: a consist\u00eancia de identificadores e de par\u00e2metros entre fontes \u00e9 o que transforma um conjunto de dados desconexo em uma hist\u00f3ria de neg\u00f3cio confi\u00e1vel.<\/p>\n<\/blockquote>\n
Fontes de dados e integra\u00e7\u00f5es: GA4, GTM-SS, Meta CAPI e BigQuery<\/h3>\n
Para sustentar um dashboard de Lead Gen, conv\u00e9m ter uma arquitetura que harmonize dados de v\u00e1rias fontes: GA4 para eventos e convers\u00f5es, GTM Web para instrumenta\u00e7\u00e3o r\u00e1pida e GTM Server-Side para reduzir ad blockers e melhorar a confiabilidade, Meta CAPI para atribui\u00e7\u00e3o de an\u00fancios em ambientes com bloqueadores de pixels, e BigQuery para armazenar dados offline ou complementar com fontes do CRM. N\u00e3o se deixe levar pela tenta\u00e7\u00e3o de \u201cpular etapas\u201d: sem uma camada server-side, a fidelidade entre cliques, impress\u00f5es e convers\u00f5es pode se deteriorar rapidamente, especialmente com intera\u00e7\u00f5es cross-channel. Al\u00e9m disso, a an\u00e1lise de offline \u2014 como contatos fechados via telefone ou WhatsApp que n\u00e3o ficam no GA4 por padr\u00e3o \u2014 tende a exigir pipelines que passam por BigQuery e pela integra\u00e7\u00e3o com o CRM, para n\u00e3o perder o fechamento da venda da jornada do lead.<\/p>\n
\nNota: a integra\u00e7\u00e3o entre GA4 e o CRM, com suporte de BigQuery para dados offline, tende a reduzir o desentendimento entre o que o an\u00fancio gerou e o que de fato converte.<\/p>\n<\/blockquote>\n
Privacidade, Consent Mode v2 e LGPD<\/h3>\n
Qualquer dashboard de lead gen precisa considerar consentimento, privacidade e regras de LGPD. O Consent Mode v2 ajuda a preservar dados de convers\u00e3o mesmo quando o usu\u00e1rio n\u00e3o consente cookies completos, mas nem todas as integra\u00e7\u00f5es comportam o mesmo n\u00edvel de granularidade. Em alguns cen\u00e1rios, voc\u00ea ter\u00e1 que ajustar a coleta de dados, priorizar IDs an\u00f4nimos e adotar fluxos de tratamento que respeitem o CMP do site do cliente. N\u00e3o h\u00e1 solu\u00e7\u00e3o \u00fanica: depende do modelo de neg\u00f3cio, do tipo de lead e do canal de aquisi\u00e7\u00e3o. O objetivo \u00e9 manter a governan\u00e7a de dados sem comprometer o insight estrat\u00e9gico.<\/p>\n
Roteiro de implementa\u00e7\u00e3o: do zero ao dashboard operacional<\/h2>\n
\n
- Mapear a jornada do lead: identificar pontos de captura (formul\u00e1rio, WhatsApp, telefone) e decidir quais est\u00e1gios comp\u00f5em o funil de gera\u00e7\u00e3o de leads (lead, MQL, SQL, oportunidade).<\/li>\n
- Definir m\u00e9tricas-alvo: CPL, lead rate por canal, tempo m\u00e9dio at\u00e9 o lead, taxa de qualifica\u00e7\u00e3o (lead -> MQL\/SQL), qualidade do lead medida pelo avan\u00e7o no CRM.<\/li>\n
- Estruturar eventos de lead no GTM (Web) e no GTM Server-Side: criar eventos com par\u00e2metros consistentes (lead_id, origin, source, medium, campaign, gclid, fbp, device, page_path), al\u00e9m de configurar caminhos de fallback para identifiers.<\/li>\n
- Padronizar UTM e gclid entre plataformas: garantir que a origem do clique seja replicada com precis\u00e3o no GA4, no CRM e no BigQuery; implementar fallback para cliques que sobram no redirecionamento ou que perdem a janela de atribui\u00e7\u00e3o.<\/li>\n
- Mapear integra\u00e7\u00f5es com CRM e fontes externas: vincular GA4 a CRM (lead_id como chave), conectar Meta CAPI e Google Ads para atribui\u00e7\u00e3o consistente, e estabelecer fluxo de dados offline via BigQuery quando necess\u00e1rio.<\/li>\n
- Configurar convers\u00f5es no GA4 para cada est\u00e1gio: criar convers\u00f5es espec\u00edficas para lead, MQL e SQL, associ\u00e1-las a metas do CRM e alinhar com o pipeline de vendas; validar que a janela de atribui\u00e7\u00e3o reflete a realidade do funil.<\/li>\n
- Montar o dashboard principal em Looker Studio (ou GA4 explorations): projetar filtros por canal\/origem, janela de atribui\u00e7\u00e3o, criativo, campanha e estado (lead, MQL, SQL); incorporar m\u00e9tricas-chave como CPL, lead rate, tempo at\u00e9 lead e taxa de fechamento, com dados vindos de GA4, BigQuery e CRM.<\/li>\n<\/ol>\n
Esses passos s\u00e3o oferecidos para evitar armadilhas comuns: dashboards que exibem dados de v\u00e1rias fontes sem alinhamento de identidade, ou sem a pr\u00f3pria valida\u00e7\u00e3o de que o lead registrado no CRM foi, de fato, gerado pela campanha exibida. O ideal \u00e9 construir um pipeline que preserve a cadeia de cust\u00f3dia dos dados, desde o clique at\u00e9 a venda, com uma bateria de valida\u00e7\u00e3o que n\u00e3o dependa apenas de uma fonte isolada.<\/p>\n
Valida\u00e7\u00e3o, governan\u00e7a e decis\u00f5es t\u00e9cnicas cruciais<\/h2>\n
Valida\u00e7\u00e3o de dados entre GA4, CRM e offline<\/h3>\n
Para manter a confiabilidade, implemente uma rotina de valida\u00e7\u00e3o que compare contagens de leads por fonte entre GA4, CRM e BigQuery pelo menos uma vez por semana. Verifique discrep\u00e2ncias por canal, por campanha e por etapa do funil. Se houver desvio sistem\u00e1tico, identifique onde a desconex\u00e3o ocorre \u2014 na captura do lead, na atribui\u00e7\u00e3o de janela, ou na transfer\u00eancia para o CRM. N\u00e3o assuma que a diverg\u00eancia \u00e9 apenas \u201cerro de uma fonte\u201d: pode haver lat\u00eancia, diferen\u00e7as de janela ou aus\u00eancia de dados offline. Essa pr\u00e1tica evita que decis\u00f5es sejam tomadas com base em dados que parecem consistentes, mas que n\u00e3o chegam \u00e0 verdade operacional.<\/p>\n
\nObserva\u00e7\u00e3o: a governan\u00e7a de dados n\u00e3o \u00e9 glamourosa, mas \u00e9 o que separa diagn\u00f3stico r\u00e1pido de reparo cont\u00ednuo e caro.<\/p>\n<\/blockquote>\n
Erros comuns com corre\u00e7\u00f5es pr\u00e1ticas<\/h3>\n
Entre os erros frequentes est\u00e3o: (a) usar apenas o \u00faltimo clique como respons\u00e1vel pela convers\u00e3o, (b) n\u00e3o alinhar as janelas de atribui\u00e7\u00e3o entre GA4 e CRM, (c) perder leads que chegam por WhatsApp devido a campos de lead n\u00e3o padronizados, (d) n\u00e3o incluir gclid\/utm em todos os caminhos de aquisi\u00e7\u00e3o, (e) confundir \u201cconvers\u00f5es\u201d com \u201cleads\u201d sem distinguir MQL\/SQL. A corre\u00e7\u00e3o passa por instrumenta\u00e7\u00e3o de eventos consistente, cria\u00e7\u00e3o de convers\u00f5es espec\u00edficas, valida\u00e7\u00e3o cruzada e, se necess\u00e1rio, uma camada de BigQuery para enriquecer dados offline antes de alimentar o dashboard.<\/p>\n
Decis\u00f5es t\u00e9cnicas estrat\u00e9gicas para o seu ambiente<\/h2>\n
Quando escolher client-side vs server-side<\/h3>\n
Client-side \u00e9 mais r\u00e1pido para iniciar e funciona bem para fontes que n\u00e3o dependem de dados sens\u00edveis. Por\u00e9m, em ambientes com alta taxa de bloqueio de cookies, ou quando a confiabilidade precisa de uma redu\u00e7\u00e3o de perda de dados, o servidor (GTM Server-Side) tende a entregar maior fidelidade, especialmente para leads oriundos de WhatsApp, formul\u00e1rios din\u00e2micos e integra\u00e7\u00f5es com CRM. Em termos de atribui\u00e7\u00e3o, o servidor facilita capturar eventos com menos varia\u00e7\u00f5es por usu\u00e1rio, mas exige investimento em infraestrutura e governan\u00e7a de dados adicional.<\/p>\n
Modelos de atribui\u00e7\u00e3o e janela<\/h3>\n
A decis\u00e3o entre modelos de atribui\u00e7\u00e3o (last-click, linear, position-based) tende a depender da jornada do lead. Para gera\u00e7\u00e3o de leads de alto valor, pode fazer sentido equilibrar entre \u00faltima intera\u00e7\u00e3o e participa\u00e7\u00e3o de v\u00e1rias fontes que contribu\u00edram para o lead. A janela de atribui\u00e7\u00e3o precisa refletir o tempo t\u00edpico de fechamento em seu funil; janelas curtas podem subestimar o papel de campanhas que geram leads h\u00e1 dias, enquanto janelas longas podem supervalorizar toques de canais assistentes. A escolha correta depende do seu hist\u00f3rico de dados e da maturidade da pipeline de vendas.<\/p>\n
Erros de implementa\u00e7\u00e3o que destroem a confiabilidade (e como evitar)<\/h2>\n
Sinais de que o setup est\u00e1 quebrado<\/h3>\n
Se as m\u00e9tricas de lead, MQL e SQL n\u00e3o se alinham com o CRM, ou se h\u00e1 picos sazonais que n\u00e3o coincidem com campanhas ativas, \u00e9 sinal de que o pipeline de dados possui gaps. Lat\u00eancia de envio de dados, aus\u00eancia de correspond\u00eancia de lead_id entre fontes, ou eventos duplicados s\u00e3o indicadores comuns. Investigue as integra\u00e7\u00f5es, valide a consist\u00eancia dos identificadores, e reavalie as regras de deduplica\u00e7\u00e3o do CRM antes de insistir no mesmo relat\u00f3rio.<\/p>\n
Como adaptar o setup \u00e0 realidade do projeto<\/h3>\n
Nem todo cliente tem uma integra\u00e7\u00e3o de CRM pronta para recebimento de dados em tempo real. Em casos assim, a solu\u00e7\u00e3o pr\u00e1tica \u00e9 planejar um pipeline offline com BigQuery que agrega dados do GA4, do CRM e de fontes adicionais, e construir o dashboard com esse consolidado. Para projetos com limita\u00e7\u00f5es de privacidade, priorize eventos agregados com menos depend\u00eancia de identidades sens\u00edveis, mantendo a capacidade de segmenta\u00e7\u00e3o por canal e por est\u00e1gio do funil.<\/p>\n
Casos de uso pr\u00e1ticos e exemplos concretos<\/h2>\n
Imagine uma campanha de WhatsApp que gera leads via formul\u00e1rio no site e tamb\u00e9m por mensagens diretas. Sem um dashboard dedicado, \u00e9 comum ver n\u00fameros conflitantes entre GA4 e CRM, com leads que aparecem em GA4 mas n\u00e3o chegam ao CRM, ou com o tempo de fechamento subestimado. Ao construir o dashboard com eventos de lead padronizados, voc\u00ea consegue responder perguntas como: qual canal gera leads com maior probabilidade de fechar via WhatsApp? Em quanto tempo, ap\u00f3s o clique, esses leads se tornam oportunidades? Qual \u00e9 o CPL por fonte de tr\u00e1fego que realmente resulta em venda, considerando o ciclo de venda t\u00edpico de 14 a 30 dias? Esses s\u00e3o exemplos de decis\u00f5es r\u00e1pidas que o dashboard dedicado permite sustentar, sem depender de suposi\u00e7\u00f5es.<\/p>\n
Modelos de estrutura de eventos e UTMs<\/h3>\n
Crie um modelo de eventos que inclua: lead_form_submitted, whatsapp_started, call_started, crm_contact_created. Associar cada evento a par\u00e2metros padronizados (lead_id, origin, campaign, source, medium, gclid) facilita a agrega\u00e7\u00e3o no GA4 e o cruzamento com o CRM. Al\u00e9m disso, mantenha uma \u00e1rvore de decis\u00e3o simples para mapear cada lead para MQL\/SQL com base em regras de CRM \u2014 por exemplo, \u201cse est\u00e1gio no CRM for MQL, atribuir 0,75 ao peso do lead no CPL\u201d para manter a coer\u00eancia entre dados de m\u00faltiplas fontes. Esse tipo de estrutura reduz a ambiguidade na hora de interpretar as m\u00e9tricas de gera\u00e7\u00e3o de leads.<\/p>\n
A implementa\u00e7\u00e3o pr\u00e1tica exige valida\u00e7\u00e3o constante: pe\u00e7a para a equipe de dados revisar semanalmente as discrep\u00e2ncias, acompanhe a evolu\u00e7\u00e3o das m\u00e9tricas de lead ao longo do tempo e ajuste os eventos \u00e0 medida que o funil amadurece. Com a governan\u00e7a adequada, o dashboard n\u00e3o \u00e9 apenas uma vitrine de n\u00fameros, mas uma ferramenta de diagn\u00f3stico r\u00e1pido para a tomada de decis\u00f5es embasadas.<\/p>\n
Conclus\u00e3o pr\u00e1tica: o que fazer hoje para avan\u00e7ar<\/h2>\n
O caminho recomendado come\u00e7a com o mapeamento da jornada do lead e a defini\u00e7\u00e3o clara de m\u00e9tricas de gera\u00e7\u00e3o. Em seguida, implemente eventos de lead consistentes no GTM (Web) e, se poss\u00edvel, no GTM Server-Side, conecte GA4 a CRM e \u00e0s fontes de dados externas, e construa um Looker Studio que reflita exatamente o que importa para o neg\u00f3cio: leads, tempo de convers\u00e3o, custo por lead, e qualidade de lead em cada est\u00e1gio do funil. N\u00e3o subestime a import\u00e2ncia da valida\u00e7\u00e3o de dados e da governan\u00e7a \u2014 esses elementos evitam a ideia equivocada de que \u201cmais dados\u201d equivalem a melhores decis\u00f5es. O pr\u00f3ximo passo realiz\u00e1vel hoje \u00e9 iniciar o checklist de valida\u00e7\u00e3o de dados, alinhando identidades entre GA4 e CRM e definindo as m\u00e9tricas-chave do dashboard para a primeira itera\u00e7\u00e3o. Se preferir, avance com o mapeamento da jornada e a cria\u00e7\u00e3o dos primeiros eventos de lead no GTM, priorizando os pontos de contato com maior probabilidade de fechar, como formul\u00e1rios de site e intera\u00e7\u00f5es de WhatsApp.<\/p>\n
Para quem quer aprofundar a implementa\u00e7\u00e3o t\u00e9cnica, consulte a documenta\u00e7\u00e3o oficial de GA4 para eventos e convers\u00f5es, a integra\u00e7\u00e3o com BigQuery para dados offline e as boas pr\u00e1ticas de GTM Server-Side. Essas refer\u00eancias ajudam a consolidar a base de dados e a manter a confiabilidade do dashboard ao longo do tempo. Em caso de d\u00favidas espec\u00edficas sobre LGPD, Consent Mode v2 ou integra\u00e7\u00f5es com plataformas de CRM, recomendo consultar um especialista para diagnosticar o melhor caminho para o seu neg\u00f3cio.<\/p>\n
Quer avan\u00e7ar com o projeto de forma pr\u00e1tica? Comece definindo as m\u00e9tricas de lead que importam e configure a instrumenta\u00e7\u00e3o de eventos de lead nos seus pontos de contato. Em seguida, conecte GA4 ao CRM para alinhar a jornada com a receita, enquanto mant\u00e9m a governan\u00e7a de dados em dia. O esfor\u00e7o inicial compensa com um pipeline confi\u00e1vel que sustenta decis\u00f5es de investimento e de planejamento com base em dados reais de gera\u00e7\u00e3o de leads.<\/p>\n","protected":false},"excerpt":{"rendered":"
Um GA4 dashboard focado inteiramente em m\u00e9tricas de gera\u00e7\u00e3o de leads pode ser o divisor de \u00e1guas para equipes de tr\u00e1fego que convivem com dados desalinhados entre GA4, Meta e CRM. A dor n\u00e3o \u00e9 apenas \u201cn\u00fameros diferentes\u201d: \u00e9 a sensa\u00e7\u00e3o de que leads somem entre o clique e a oportunidade, que o pipeline 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":[4],"tags":[9,42,13,43,39],"content_language":[5],"class_list":["post-939","post","type-post","status-publish","format-standard","hentry","category-blogen","tag-crm","tag-dashboard","tag-ga4","tag-geracao-de-leads","tag-governanca-de-dados","content_language-en"],"acf":[],"_links":{"self":[{"href":"https:\/\/cms.funnelsheet.com\/index.php?rest_route=\/wp\/v2\/posts\/939","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=939"}],"version-history":[{"count":0,"href":"https:\/\/cms.funnelsheet.com\/index.php?rest_route=\/wp\/v2\/posts\/939\/revisions"}],"wp:attachment":[{"href":"https:\/\/cms.funnelsheet.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=939"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/cms.funnelsheet.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=939"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/cms.funnelsheet.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=939"},{"taxonomy":"content_language","embeddable":true,"href":"https:\/\/cms.funnelsheet.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcontent_language&post=939"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}