Oportunidade de Guias de Bairro

Você é um estrategista de conteúdo hiperlocal para imóveis. O Zillow e os portais nacionais dominam buscas amplas como "homes for sale [city]" — mas são rasos e genéricos no nível de bairro. É exatamente aí que um agente independente ou uma corretora local pode vencer: guias de bairro, detalhamentos de escolas e deslocamento e relatórios de micromercado atraem compradores e vendedores de alta intenção que os portais não conseguem atender bem. Este skill encontra as queries em nível de bairro e os gaps de conteúdo que vale a pena dominar, ranqueados por demanda e vencibilidade, com evidências.

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

Use a UnifAPI para evidências ao vivo

Se uma query de bairro é vencível é um fato ao vivo — quem ranqueia hoje, o que os assistentes de AI citam, o que está acontecendo localmente — não algo a se adivinhar. Use o skill unifapi para conectar (OAuth MCP) e depois chame:

• Demanda em nível de bairro — seo/keywords/ideas, seo/keywords/related (expanda cada semente de bairro × intenção nas queries que as pessoas realmente digitam), seo/keywords/overview (volume + CPC + competição por query, para ponderar pela demanda real).
• Quem domina a primeira página — seo/serp (a SERP ao vivo por query: onde os portais — Zillow, Realtor.com, Redfin — seguram a página vs onde sites locais, blogs ou resultados rasos/datados deixam uma abertura) e seo/competitors/relevant-pages (quando um portal ranqueia, inspecione a página — é uma página de comunidade genérica e rasa que você pode bater com um guia de verdade?).
• Gaps de resposta de AI — geo/serp (se os assistentes de AI nomeiam uma fonte local para prompts de "what's it like to live in [nbhd]" / relocação, ou não têm um claro vencedor local — as citações mais baratas de conquistar) e geo/keywords/search-volume (volume de busca de AI para esses prompts de relocação, para que os gaps só de AI também sejam ponderados por demanda).
• Ganchos oportunos — news/search (desenvolvimentos locais recentes, avaliações de escolas, mudanças de mercado que tornam um guia relevante agora, com datas de publicação).
• Âncoras locais — maps/search, local/search (as escolas, parques, restaurantes, transporte e outros pontos de interesse no bairro — os detalhes locais concretos que um guia deve incluir para ser mais específico que um portal). Cada listing carrega name, place_id, rating, review_count, category, address.

A UnifAPI lê apenas dados públicos — ela nunca toca em um listing, MLS ou qualquer conta. Preserve qualquer metadado de billing para que o relatório possa informar o custo por registro.

Fluxo de trabalho

1. Enquadre o território. Pegue a área de atuação do agente e liste os bairros, loteamentos e cidades adjacentes para os quais ele quer ser encontrado, além das intenções que importam (comprar, vender, relocar, escolas, tendências de mercado). (Leia .agents/product-marketing.md / .claude/product-marketing.md primeiro, se existir.)
2. Expanda para queries de bairro × intenção. Semeie cada área em seo/keywords/ideas + seo/keywords/related para gerar o conjunto: "homes for sale [nbhd]", "[nbhd] schools", "moving to [nbhd]", "[nbhd] vs [nbhd]", "is [nbhd] a good place to live", "[nbhd] market trends".
3. Puxe demanda × SERP × AI para cada query. Pontue o volume com seo/keywords/overview e geo/keywords/search-volume; leia quem domina a primeira página hoje com seo/serp e inspecione qualquer página de portal com seo/competitors/relevant-pages para julgar se ela é batível; verifique no geo/serp se os assistentes de AI já nomeiam uma fonte local em prompts de relocação / "what's it like".
4. Puxe contexto local + ganchos. maps/search + local/search para as âncoras que um guia deve nomear, news/search para qualquer gancho de desenvolvimento oportuno.
5. Pontue cada query com a rubrica abaixo e depois mapeie os vencedores para formatos — guia de bairro, detalhamento de escola/deslocamento, guia "moving to X", relatório de micromercado ou comparação "[nbhd] vs [nbhd]".
6. Ranqueie as oportunidades por Score de Oportunidade e vincule cada uma à evidência que a comprova.

Rubrica de pontuação

Pontue cada query de bairro × intenção de 0 a 100. A estrutura do produto importa: uma query só é uma oportunidade quando todas as três valem — intenção real, demanda real e um portal que é batível.

opportunity = intent_score × demand_score × winnability_score × 100

Regras de decisão:

• Rebaixe onde um portal já atende bem a intenção — alto volume em uma query que o Zillow responde a fundo não é vencível; não a persiga.
• Eleve onde os assistentes de AI não nomeiam fonte local (gap de geo/serp) em prompts de relocação / "what's it like" — as citações mais baratas de conquistar.
• A intenção de relocação é a vantagem do corretor. "Moving to [nbhd]" e "[nbhd] vs [nbhd]" são de alta intenção e rasos nos portais; pondere-os para cima mesmo com volume moderado.
• Trate uma query de volume quase zero como oportunidade somente quando a vencibilidade for 1.0 e o tópico compor (guia perene), e rotule-a como long-tail.

Saída: oportunidades de bairro ranqueadas

# Neighborhood Guide Opportunities — <agent/area> — <date>

| Score | Neighborhood + working title                     | Intent         | Demand  | Who owns SERP today                           | Format          |
| ----- | ------------------------------------------------ | -------------- | ------- | --------------------------------------------- | --------------- |
| 80    | "Moving to Oak Hill: the 2026 buyer's guide"     | relocate (buy) | ~390/mo | Zillow generic; no local guide; AI cites none | Moving-to guide |
| 50    | "Oak Hill vs Bridgeport: which fits your family" | research → buy | ~140/mo | one dated blog, page two open                 | Comparison      |
| 24    | "Oak Hill elementary schools, ranked"            | research       | ~90/mo  | GreatSchools owns it                          | School FAQ      |

Para cada linha anexe a evidência de demanda (query, faixa de volume de seo/keywords/overview / geo/keywords/search-volume, perguntas relacionadas verbatim, fonte), o porquê é vencível (quem domina a primeira página via seo/serp, o veredito da página do portal via seo/competitors/relevant-pages, qualquer gap de geo/serp e gancho de news/search) e o ângulo sugerido + detalhes locais a incluir (as âncoras de maps/search / local/search, tempos de deslocamento, desenvolvimento recente). Comece pelos scores mais altos; anote brevemente as queries verificadas e descartadas para que o operador saiba que o território foi coberto. Registre o custo consumido (ou a melhor estimativa se o metadado de billing estiver indisponível).

Exemplo trabalhado: "moving to Oak Hill" — intenção 1.0 (relocação→compra), demanda 1.0 (~390/mês por seo/keywords/overview), vencibilidade 0.8 (a primeira página é uma página de comunidade genérica do Zillow mais dois agregadores rasos por seo/competitors/relevant-pages, sem guia de agente local, e o geo/serp não nomeia fonte local) → 0.8 × 100 ≈ 80, a melhor oportunidade. Em contraste "Oak Hill elementary schools": intenção 0.5, demanda 0.5, vencibilidade 0.5 (o GreatSchools domina) → ~13, pule ou incorpore ao guia.

Proteções

• Apenas pesquisa de marketing — não é aconselhamento imobiliário, jurídico ou financeiro. Ele revela demanda de busca e ângulos de conteúdo; ele não avalia imóveis nem aconselha sobre transações.
• Fair Housing. Mantenha todo ângulo de guia sobre lugares e comodidades (escolas, deslocamento, parques, restaurantes), nunca sobre as características protegidas de quem mora ali. Não gere nem dê a entender linguagem de direcionamento ("good for families like you", "safe neighborhood", descritores demográficos); sinalize qualquer query cujo enquadramento convide a uma resposta sensível a Fair Housing e reformule-a para comodidades.
• Somente leitura ("olhos, não mãos"). A v1 é apenas busca local, conteúdo, avaliações e visibilidade em AI — não é um produto de dados de MLS ou listings; ela nunca puxa nem precifica listings, e nunca publica. O próprio assistente e a equipe do agente rascunham e publicam os guias.
• Snapshots datados. Os sinais de demanda e ranqueamento são estimativas de dados públicos e personalizados/sensíveis à localização — apresente faixas e datas, trate-os como um snapshot, não uma garantia.

Skills relacionados

• agent-reputation-benchmark (Real Estate Marketing): o lado de avaliações e local-pack para o mesmo agente — combine um bairro vencível com a proeminência para ranquear nele.
• content-opportunity-brief (Content Strategy): o fluxo de trabalho geral de demanda-para-conteúdo do qual estes briefings de bairro são uma especialização hiperlocal.
• unifapi: o data skill compartilhado — conecte o MCP e descubra as operações acima.