| name | search-terms-pruning |
| description | Workflow recorrente de auditoria e limpeza dos search terms do Google Ads. Identifica termos que gastam sem converter pra negativar, termos que convertem pra promover a exact match, e padrões de busca que sugerem nova campanha. Use semanalmente ou quando o usuário sentir que CAC subiu sem motivo claro. |
search-terms-pruning
Search terms são as buscas reais que dispararam seu ad (diferente de keywords, que são o que VOCÊ definiu). O Google match keyword com search term de várias formas (broad, phrase, exact), e quase sempre algumas combinações são desperdício.
Pruning recorrente é o cuidado básico de manutenção do Google Ads. Sem ele, o gasto cresce sem performance correspondente.
Quando esta habilidade é acionada
- Cadência semanal ou quinzenal (recomendado)
- CAC subindo sem mudança em campanha
- Aumento de cliques sem aumento proporcional de conversão
- Suspeita de keyword amplificada matchando errado
- Antes de aumentar budget de campanha (limpar primeiro)
O workflow padrão (45 minutos)
1. Puxar os search terms dos últimos 30 dias
Via script:
python api/google-ads/read_performance.py --report search-terms --days 30 --min-cost 50
Filtro --min-cost 50 ignora termos que custaram menos de R$ 50 (ruído).
Via UI: Google Ads > Keywords > Search Terms > exportar CSV.
2. Classificar cada termo
Pra cada search term, decidir uma das ações:
| Decisão | Critério | Ação |
|---|
| NEGATIVAR | Gastou >R$ 100 com 0 conversão E intent não bate | Adicionar como negativa |
| NEGATIVAR (intent errada) | Atrai público fora do ICP, mesmo se converteu (ex: "curso de") | Negativar |
| PROMOVER PRA EXACT | Converteu 2+ vezes com CAC abaixo do alvo | Adicionar como exact match na campanha apropriada |
| NOVA CAMPANHA | Volume alto + intent diferente das campanhas existentes | Sugerir nova campanha (não adicionar na atual, vai poluir) |
| MANTER | Performando bem na campanha atual | Nada |
| OBSERVAR | Pouco volume ainda, intent OK | Aguardar mais dados |
3. Padrões comuns que viram negativações em massa
Quando você ver 5+ termos com o mesmo padrão, negativa o padrão broad ao invés de cada um:
[termo] grátis, [termo] free, [termo] download → negativa grátis, free, download grátis[termo] tcc, [termo] artigo, [termo] universidade → negativa tcc, monografia, universidade[termo] vaga, [termo] currículo, [termo] emprego → negativa vaga, currículo, emprego[termo] curso, [termo] aprender, [termo] como fazer → negativa curso, aula, como fazer (cuidado: depende se você vende educação)[termo] api, [termo] github, [termo] open source → negativa se você vende SaaS, não API standalone
4. Aplicar negativações
python api/google-ads/add_negative_keywords.py \
--campaign-id 123456789 \
--negatives "free,grátis,curso,tcc,monografia"
Ou no nível de ad group, ou na lista de negativas compartilhada (recomendado pra não duplicar).
5. Documentar no knowledge/ads-history.md
Atualiza a seção "Negativações importantes" com o que foi adicionado.
Heurísticas práticas
"Quando negativar agressivo vs ser paciente"
- Se gasto > 3x o CAC alvo sem conversão: negativa imediato
- Se gasto entre 1x e 3x do CAC alvo, sem conversão: aguarda mais 7 dias
- Se converteu 1 vez mas com CAC 2x acima do alvo: aguarda 14 dias antes de decidir
"Quando promover pra exact match"
- Search term apareceu 5+ vezes
- Converteu 2+ vezes
- CAC do search term < CAC alvo da campanha
- Tem volume justificável (>10 buscas/mês)
Adiciona como exact match e roda em ad group dedicado, pra você poder dar lance específico.
"Quando search term sugere nova campanha"
Sinal: você vê 10+ search terms com intent claramente diferente da campanha atual, com volume alto.
Exemplo: campanha "AcmeRH - Clima Organizacional" começa a receber muito search por "feedback contínuo software". É hora de criar campanha nova "AcmeRH - Feedback Contínuo".
Auditoria assistida com Claude
Pega o CSV exportado e cola na conversa, ou (melhor) usa o script:
python api/google-ads/read_performance.py --report search-terms --days 30 --min-cost 50 > search_terms.csv
Pede pro Claude:
Leu search_terms.csv (anexo). Pra cada termo:
- Classifica em uma das ações: NEGATIVAR, NEGATIVAR (intent errada), PROMOVER PRA EXACT, NOVA CAMPANHA, MANTER, OBSERVAR
- Justifica em 1 linha
- Se for NEGATIVAR, sugere se vai como negativa específica ou padrão broad
- No final, agrupa as negativações por padrão (ex: todas com "grátis" viram 1 broad)
Considera CAC alvo de knowledge/pricing.md (R$ 30k pra Tier 1) e ICP de knowledge/icp.md.
Confirma com usuário o que negativar antes de rodar add_negative_keywords.py.
Métricas de saúde do pruning
Mantenha histórico no knowledge/ads-history.md:
- % de gasto em search terms convertendo: alvo > 70% (do gasto total, quanto está em terms que já trouxeram pelo menos 1 conv)
- Taxa de novos search terms negativados: depois de 6 meses de pruning, deve cair pra <5% por semana. Se continuar 15%+, sua keyword raiz está broad demais.
- CAC médio antes/depois do pruning: trimestralmente
O que NÃO fazer
- Não negativa palavra que aparece junto com termo bom (cuidado:
grátis é seguro; software é arriscado pode matar busca legítima)
- Não negativa imediato sem ler intent. Search term que parece estranho pode ser cliente real.
- Não promova pra exact com 1 conversão. Pode ter sido sorte.
- Não esquece de aplicar negativa em todas as campanhas relevantes (lista compartilhada resolve)
- Não pula a documentação. Sem histórico, daqui 6 meses você não sabe por que negativou X.
