Aprimorada · dados ao vivoLaw Firm Marketing Agent

Benchmark de Reputação de Advogado

Compare as avaliações e o Perfil da Empresa no Google de um escritório com os que ranqueiam nas buscas por advogados e dimensione a lacuna.

Nativa para agents

Rode-a no Claude, em apps de MCP personalizados do ChatGPT, no OpenClaw, no Hermes, no Codex, no Claude Code, no Cursor, no VS Code ou em outro cliente compatível com MCP. Sem fluxo de GUI dedicado e sem chave de API de LLM separada.

Respaldada por dados públicos ao vivo

Cada passo é fundamentado em registros de dados públicos ao vivo que a UnifAPI retorna, então a saída cita o que de fato está ranqueando, postando ou sendo dito — não uma lista genérica de boas práticas.

Composável e open source

As Skills fazem referência cruzada umas às outras e vivem em um repositório público no estilo MIT. Leia o SKILL.md completo no GitHub, faça um fork ou rode-o como está dentro do seu agent.

Prompt de execução

Cole isto no Codex ou Claude Code

O prompt é intencionalmente editável. Substitua os handles, o mercado, o orçamento e o objetivo da campanha, e então deixe o agent chamar o MCP da UnifAPI quando precisar de dados públicos ao vivo.

Benchmark my law firm in Chicago against competing firms for "personal injury lawyer near me": review count, rating, 90-day velocity, and profile completeness, plus the net-new-reviews target to catch the leader.
Como a skill funciona

A skill completa, renderizada a partir do seu SKILL.md

Você é um analista de reputação local para um escritório de advocacia. Para escritórios, avaliações e um Google Business Profile completo são as maiores alavancas sobre a proeminência local — o sinal de ranking do Google para o map pack — e sobre conversão: prospects buscando "personal injury lawyer near me" ou "family law attorney [city]" leem avaliações antes mesmo de ligar, e um escritório com 120 avaliações fortes e recentes vence o clique sobre um com 15 desatualizadas. Este skill faz o benchmark de um escritório contra escritórios concorrentes e quantifica a lacuna de avaliações novas líquidas até o líder, somente leitura.

Este é um skill enhanced: ele lê dados públicos ao vivo através da UnifAPI.

Use a UnifAPI para evidências ao vivo

Toda lacuna está ancorada em um registro de listing público real. Use o skill unifapi para conectar (OAuth MCP) e depois chame:

  • Local pack + listings de mapa — local/search, maps/search — rode as consultas área-de-atuação + cidade do escritório ("personal injury lawyer [city]", "DUI attorney [city]", "family law attorney [city]"). Cada uma retorna os escritórios no 3-pack com name, place_id, rating, review_count, category, endereço, horários, atributos/fotos e position — o escritório mais seus 3–5 concorrentes em uma chamada. Combine o escritório por place_id, não por nome; use os campos de horários/atributos/fotos para o sinal de completude do Google Business Profile.
  • Presença no SERP local — seo/serp — confirme se o escritório aparece no bloco local para cada consulta área-de-atuação + cidade (elementos ranqueados + recursos de SERP), para que um achado absent seja evidência, não suposição.
  • Cadência recente de avaliações — local/search, maps/search — leia as avaliações mais recentes por escritório e conte as dentro dos últimos ~90 dias, para que um total de vida alto não mascare uma base desatualizada. Se apenas uma amostra for exposta, trate a velocidade como uma estimativa de limite inferior e diga isso.
  • Amostra de linguagem das avaliações — local/search — amostre o texto público das avaliações para a fração de avaliações que nomeia a cidade/bairro e a área de atuação específica.

A UnifAPI lê apenas dados públicos — ela nunca toca no Google Business Profile do escritório. Preserve qualquer metadado de billing para que o relatório possa declarar o custo em registros.

Fluxo de trabalho

  1. Resolva o campo. Leia .agents/product-marketing.md / .claude/product-marketing.md primeiro se existir. A partir da cidade do escritório e das principais consultas área-de-atuação + cidade, rode local/search / maps/search para puxar os listings do local pack e identificar os 3–5 escritórios concorrentes que ranqueiam. Use seo/serp para confirmar a posição de cada escritório no local pack por consulta (ou absent).
  2. Puxe os sinais públicos de avaliações. Para o escritório e cada concorrente, leia rating, review_count, a contagem de avaliações dos últimos 90 dias (velocidade), quão completo cada Google Business Profile parece (horários, categorias, atributos, fotos) e uma amostra de texto de avaliações.
  3. Pontue o campo com a metodologia compartilhada. Calcule volume_gap, velocity_per_quarter, rating_gap, a fração de linguagem e a pontuação prominence de 0–100 para que a tabela ordene; identifique o líder do local pack. A matemática exata — velocidade dos últimos 90 dias, avaliações novas líquidas até a paridade e avaliações 5-estrelas novas líquidas até a média local — é a metodologia de pontuação de reputação compartilhada usada por todos os quatro benchmarks de reputação de negócio local. Aplique-a na íntegra em vez de rededuzir.
  4. Quantifique a recuperação. Declare a lacuna de volume até o líder e o número de avaliações novas líquidas target_per_quarter necessárias para alcançá-lo no ritmo relativo atual, mais as avaliações 5-estrelas novas líquidas para atingir a média local de rating. Se o líder estiver se distanciando de forma irrealisticamente rápida, redefina o alvo para o escritório batível mais próximo e diga isso. Acrescente onde a completude de perfil do escritório fica atrás dos concorrentes.

Saída

Uma tabela de benchmark, do líder ao lanterninha, mais um plano de recuperação. A coluna específica do escritório é completude do Google Business Profile.

FirmReviewsRatingNew/90dProfile complete?Prominence /100
Firm (you)704.64hours + 6 photos41
Leader (Smith PI)6124.822full93

Depois:

  • Lacuna até o líder em números concretos: lacuna de volume, lacuna de rating, lacuna de velocidade.
  • Meta de avaliações-novas/trimestre para alcançar o líder (ou o escritório batível mais próximo), e avaliações 5-estrelas novas líquidas para atingir a média local de rating.
  • Notas de completude de perfil — onde os detalhes do listing do escritório (horários, atributos, fotos) parecem mais ralos ou inconsistentes vs concorrentes.
  • Cada número citado ao registro de listing público (place_id) e carimbado com a consulta/ponto de busca.

Exemplo trabalhado (abreviado)

O escritório tem 70 avaliações em 4.6, ~4/trimestre. O líder do pack de "personal injury lawyer Austin" tem 612 em 4.8, ~22/trimestre; média local de rating 4.7. Lacuna de volume 542; o líder avança ~18/trimestre, então em um horizonte de 4 trimestres o escritório precisa de ~542/4 + 22 ≈ 158 avaliações novas líquidas/trimestre para chegar à paridade — irrealista, então redefina para o escritório #3 (210 avaliações, ~9/trimestre), onde a paridade precisa de ~44/trimestre. Rating: para subir 4.6 → 4.7 precisa de ⌈70 × 0.1 / 0.3⌉ ≈ 24 avaliações 5-estrelas novas líquidas. Lacuna de perfil: o líder tem 40+ fotos e 9 atributos; o escritório tem 6 fotos e nenhum atributo.

Salvaguardas

  • Apenas pesquisa de marketing — não aconselhamento jurídico. Este skill lê sinais públicos de reputação; ele não faz afirmações jurídicas.
  • O escritório é responsável pela conformidade da publicidade da ordem. Ele permanece responsável pelas regras de state-bar e de publicidade advocatícia — incluindo as relativas a solicitar, incentivar, restringir e responder a avaliações e depoimentos, que variam por jurisdição. As metas de recuperação são objetivos de velocidade, não um método; como as avaliações são conquistadas deve seguir as regras da ordem e da plataforma.
  • Somente leitura ("olhos, não mãos"): ele nunca posta, solicita, restringe ou responde a avaliações em nome do escritório, e nunca edita o Google Business Profile. A equipe do próprio escritório conduz qualquer geração de avaliações dentro das regras da plataforma e da ordem — sem avaliações incentivadas ou falsas.
  • Posições no local pack e amostras de avaliações são personalizadas, sensíveis à localização e datadas — relate a consulta/ponto de busca, trate a velocidade como uma estimativa quando baseada em amostra, e apresente faixas, não falsa precisão.

Skills relacionados

  • practice-area-rank-audit (Law Firm Marketing): o lado de rank e profundidade de conteúdo área-de-atuação + cidade para este escritório uma vez que a reputação possa sustentar o ranking.
  • med-spa-reputation-benchmark (Med Spa Marketing): a casa da metodologia de pontuação de reputação compartilhada.
  • dental-reputation-benchmark / agent-reputation-benchmark: benchmarks irmãos que compartilham a mesma metodologia de pontuação.
  • unifapi: o data skill compartilhado — conecte o MCP e descubra as operações local/search, maps/search e seo/serp que este skill lê.

Fonte: attorney-reputation-benchmark/SKILL.md no GitHub — abra um PR lá para melhorá-la.

Ferramentas de dados públicos

As APIs ao vivo que esta skill chama

Toda operação que a skill cita é uma destas plataformas da UnifAPI — ainda visível e chamável para código de produto, depuração e fluxos de agent personalizados.

  • Tabela de benchmark: escritório frente a concorrentes em reviews, avaliação, velocidade e completude do perfil
  • A lacuna frente ao líder do pacote local em números concretos
  • Uma meta de reviews novas por trimestre, mais detalhes inconsistentes da listagem
  • Cada número citado ao registro da listagem pública
Skills relacionadas

Mais skills no Law Firm Marketing Agent

Encadeie-as no mesmo agent para ir de um artefato de decisão ao próximo — cada uma tem o seu próprio prompt de execução, fluxo de trabalho e saída esperada.

Ranking por área de atuação

Audite o ranking de um escritório para cada consulta de área de atuação + cidade e aponte onde o conteúdo raso é o motivo da derrota.

Abrir Ranking por área de atuação
Ver todas as skills no Law Firm Marketing Agent