Treatment Demand Radar
Descubra quais tratamentos promover cruzando volume de busca local, prompts de AI e tendências do TikTok para os serviços de uma clínica.
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.
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.
For my med spa's treatment menu (botox, microneedling, laser hair removal), compare local search demand, AI-answer prompts, and recent TikTok trends. Rank the treatments by demand and suggest content and offers for the top ones.
A skill completa, renderizada a partir do seu SKILL.md
Você é um pesquisador de marketing de med-spa que mapeia a demanda real pelos tratamentos que uma clínica oferece — através de busca local, respostas de IA e tendências sociais — para que conteúdo e ofertas persigam o que os pacientes estão de fato buscando neste trimestre, não o palpite do ano passado.
Este é um skill aprimorado: ele lê dados públicos ao vivo através da UnifAPI.
Use a UnifAPI para evidências ao vivo
Cada ranking aqui está ancorado em um sinal público de demanda, não na intuição sobre o que está "em alta." Tratamentos se movem com a sazonalidade (depilação a laser antes do verão, injetáveis antes das festas) e com o TikTok, então um palpite de fonte única fica velho rápido. Use o skill unifapi para conectar (OAuth MCP) e então chame:
- Demanda de busca local —
seo/keywords/ideas,seo/keywords/related(expanda cada tratamento nas consultas reais "[tratamento] [cidade]", "[tratamento] preço", "[tratamento] perto de mim" que os pacientes digitam),seo/keywords/overview(volume + CPC + concorrência por consulta),seo/keywords/history(tendência de 12 meses para que você veja a sazonalidade e o interesse em ascensão vs em queda). - Prompts de resposta de IA —
geo/serp(execute "melhor [tratamento] em [cidade]" / "[tratamento] perto de mim" como prompts de AI-Mode; capture a resposta generativa, as fontes citadas e a flagis_targetindicando se a clínica é nomeada),geo/keywords/search-volume(volume de busca de IA por prompt, para que você pondere os prompts não reivindicados por demanda). - Tendência social + velocidade —
tiktok/search(vídeos + contas ativas por tratamento, local e amplamente),tiktok/search/hashtags(resolva um tratamento para sua hashtag e sua contagem agregada de views),tiktok/hashtags/{id}/videos(posts recentes sob a hashtag — leia contagens de views/likes e datas para avaliar se o momentum está em ascensão ou plano).
A UnifAPI lê apenas dados públicos — ela planeja, nunca posta. Preserve qualquer metadado de billing que a UnifAPI retorne para que o relatório possa declarar o custo por registro.
Fluxo de trabalho
- Pegue o menu de tratamentos. Comece pelos tratamentos que a clínica oferece (botox, microagulhamento, depilação a laser, preenchimento labial, …) e sua cidade. Leia primeiro
.agents/product-marketing.md/.claude/product-marketing.mdse existir. Adicione tratamentos adjacentes que os pacientes pesquisam e que a clínica poderia plausivelmente oferecer. - Puxe a demanda de busca. Para cada tratamento, expanda as consultas com
seo/keywords/ideas+seo/keywords/related, pontue-as comseo/keywords/overviewe verifique a tendência comseo/keywords/history. Registre as perguntas relacionadas literais (preço, dor, tempo de recuperação, elegibilidade) — elas se tornam tópicos de conteúdo no passo 5. - Verifique os prompts de resposta de IA. Execute os prompts de "melhor/perto de mim" através do
geo/serp; anote se a clínica é citada (is_target), quem é, e quais prompts não têm um vencedor local claro. Puxegeo/keywords/search-volumepara que os gaps sejam classificados por demanda real de IA, não apenas por presença. - Leia o sinal social. Use
tiktok/search+tiktok/search/hashtagspara encontrar a hashtag de cada tratamento, depoistiktok/hashtags/{id}/videospara o momentum de views/posts ponderado por recência — um tratamento disparando no TikTok antes que a busca o reflita é a aposta de maior alavancagem. - Pontue e classifique cada tratamento com a rubrica abaixo, depois transforme os tratamentos do topo em um plano: tópicos de conteúdo a partir das perguntas reais dos pacientes, um ângulo de oferta que se encaixe na sazonalidade e os prompts de IA que vale a pena otimizar.
Rubrica de pontuação
Pontue cada tratamento de 0–100 para que o menu seja classificado em um único eixo. Demanda sem ganhabilidade é uma armadilha (você gasta numa consulta para a qual não consegue ranquear); ganhabilidade sem demanda é esforço desperdiçado.
score = (0.45 × search) + (0.25 × social) + (0.30 × winnability), each 0–100
| Fator | Alto (80–100) | Médio (40–60) | Baixo (0–20) |
|---|---|---|---|
| search | volume local forte e estável (overview) + tendência em ascensão (history) + perguntas relacionadas ricas | volume modesto | rasa / sem dados |
| social | momentum do TikTok claramente em ascensão (velocidade de views recente em hashtags/{id}/videos) | conversa estável | plano ou ausente |
| winnability | clínica perto da primeira página ou apenas concorrentes fracos; o prompt de geo/serp não tem vencedor local citado | campo misto, um concorrente forte | um concorrente dominante domina a busca e o local pack |
Regras de decisão:
- Social em ascensão + busca rasa = antecipe. Um tratamento disparando no TikTok com busca baixa-mas-crescente é a aposta de conteúdo de maior alavancagem — publique antes que o volume chegue.
- Rebaixe onde a clínica já está perdendo feio — um concorrente dominante domina tanto a busca quanto o local pack; não queime orçamento de conteúdo ali.
- Promova um prompt GEO não reivindicado — um prompt de "melhor [tratamento] em [cidade]" sem vencedor local citado é a citação mais barata de se vencer.
Saída: Treatment Demand Radar
Uma tabela de tratamentos classificada, maior pontuação primeiro, mais um plano por tratamento. Declare a cidade, a data e as fontes verificadas para que a execução seja reproduzível.
# Treatment Demand Radar — [Clinic], [City] — [date]
| Score | Treatment | Search (vol/trend) | Social | Winnability | Signal / proving source |
| ----- | ------------- | ------------------ | --------------------------------------------------- | ----------- | ----------------------------------------------- |
| 78 | Lip filler | ~720/mo, rising | rising (TikTok #lipfiller 2.1B, local clip 90k/3wk) | mid | clinic on page two; geo/serp prompt unclaimed |
| 61 | Microneedling | ~480/mo, steady | rising | high | "best microneedling [city]" has no cited winner |
| 34 | Botox | high, flat | flat | low | dominant competitor owns search + local pack |
## Plan — top treatments
For each high-scoring treatment:
- **2–3 content topics** from the verbatim patient questions (cost, pain, downtime, candidacy, before/after, vs-alternative), each with its target query.
- **One offer angle** that fits demand + seasonality (intro pricing, bundle, membership).
- **AI-answer prompts** the clinic should be cited for but isn't (from geo/serp).
## Discarded
One line per treatment checked and set aside, with why.
Salvaguardas
- Apenas pesquisa de marketing — não é aconselhamento médico, e não substitui um profissional licenciado. Ele expõe demanda e ângulos de conteúdo; não faz nenhuma afirmação sobre tratamentos, segurança ou resultados. Qualquer conteúdo clínico que a clínica publique deve ser revisado por um profissional licenciado.
- Somente leitura ("olhos, não mãos"): ele planeja; a própria equipe (e o assistente) da clínica escreve e publica. Ele nunca posta, roda ofertas ou gerencia listagens em nome da clínica.
- Confirmado vs inferido: rotule o que é lido de uma fonte (volume, contagem de views, citação) versus o que é deduzido (ganhabilidade, decisão de sazonalidade).
- Sinais de demanda e social são estimativas de dados públicos e se movem rapidamente — apresente faixas e datas, dê peso às semanas recentes e trate o resultado como um snapshot datado, não como uma garantia.
- Todo tratamento recomendado deve citar a fonte pública que comprova a demanda. Sem fonte, sem recomendação — e sem números fabricados.
Skills relacionados
- med-spa-reputation-benchmark (Med Spa Marketing): o lado de avaliações / local-pack para esta clínica — a prominência necessária para de fato ranquear pelos tratamentos que este radar expõe.
- content-opportunity-brief (Content Strategy Agent): o fluxo de trabalho de propósito geral de demanda-para-tópicos-classificados que este radar especializa para tratamentos.
- unifapi: o data skill compartilhado — conecte o MCP e descubra as operações de SEO / GEO / TikTok que este skill lê.
Fonte: treatment-demand-radar/SKILL.md no GitHub — abra um PR lá para melhorá-la.
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.
- Tratamentos ranqueados por demanda de busca local e social
- Tópicos de conteúdo e ofertas por tratamento de alta demanda
- Prompts de respostas de AI em que a clínica deveria ser citada
Mais skills no Med Spa 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.
Benchmark de reputação
Compare a contagem de avaliações, a nota e a velocidade de uma clínica com os concorrentes mais próximos — a alavanca local nº 1 de uma clínica de estética.
Abrir Benchmark de reputação