About this project
it-programming / data-science-1
Open
Boa noite! Como vai? Estamos desenvolvendo uma plataforma própria de tracking para marketing de performance, inspirada em soluções como RedTrack, Voluum e Keitaro. Nosso objetivo, porém, vai além de um tracker tradicional: estamos construindo um tracker inteligente baseado em Inteligência Artificial, capaz de analisar, interpretar e agir sobre os dados de tráfego em tempo real, identificando gargalos de atribuição, sugerindo otimizações e automatizando decisões para maximizar a performance das campanhas.
O projeto está sendo desenvolvido no Lovable, com código versionado no GitHub. Desenvolvido num vibe code. Está funcionando, mas precisa de atenção.
Estamos buscando um especialista para auditar nossa arquitetura atual de tracking, identificar gargalos de atribuição e propor uma arquitetura server-side robusta, escalável e preparada para a evolução da plataforma.
Stack Tecnológica Atual
Frontend: React
Linguagem: TypeScript
Backend/Database: Supabase (Postgres + Edge Functions)
Controle de Versão: GitHub
Ambiente de Desenvolvimento: Lovable
Funcionalidades Já Implementadas
Postback Server-to-Server com redes de afiliados (Everflow, Terra Leads e ClickBank)
Captura de click_id proprietário
Cookies First-Party
Fingerprint como mecanismo de fallback
Desafio Atual
Nosso principal desafio está na atribuição server-side para:
Meta CAPI
Google Ads
GA4
TikTok Ads
As principais fontes de tráfego são:
MGID
Google Ads
Meta Ads
TikTok Ads
Hoje processamos aproximadamente 3.000 cliques por dia e estamos enfrentando perda de atribuição em parte das conversões.
Escopo da Fase 1 (Auditoria e Arquitetura)
O objetivo desta primeira fase é realizar uma auditoria completa da arquitetura atual e entregar um plano técnico para a implementação das melhorias.
1. Revisão da Arquitetura
Analisar a arquitetura do tracker.
Revisar Edge Functions.
Revisar banco de dados.
Validar todo o fluxo desde o clique até a conversão.
2. Auditoria de Atribuição
Revisar a captura e persistência de:
gclid
fbclid
fbp
fbc
utms
click ids
identificar exatamente onde ocorre perda de atribuição.
3. Revisão das Integrações
Avaliar a implementação atual de:
Meta Conversions API
Google Ads Conversion Tracking
GA4
Measurement Protocol (quando aplicável)
4. Arquitetura Server-Side
Propor uma arquitetura moderna utilizando Google Tag Manager Server-Side integrada ao backend atual da plataforma.
5. Revisão da Estrutura de Tracking
Analisar:
Data Layer
Cookies
Persistência de parâmetros
Estratégia de deduplicação entre Pixel e CAPI
Fluxo completo dos eventos
Entregáveis
Documento técnico da arquitetura proposta.
Diagrama do fluxo completo de clique → conversão.
Lista priorizada dos gargalos encontrados.
Sugestões técnicas de melhoria.
Guia de troubleshooting para o time interno.
Roadmap da Fase 2 contendo estimativa de horas para implementação.
Prova de conceito validando o fluxo completo utilizando GTM Preview, GA4 DebugView e Meta Events Manager.
Category IT & Programming
Subcategory Data Science
Project size Small
Delivery term: Not specified
Skills needed