agentleFS
PitterLopesPitterLopes/google-ads-claude-plugin/skills/audit-ad-copy/SKILL.md

audit-ad-copy

Skill0 starsChanged 20 days agoMITView on GitHub

Audita os anúncios RSA de uma conta ou campanha do Google Ads - limites, políticas, repetição, força do anúncio, uso de palavra-chave, provas e oferta - e propõe reescritas prontas. Use quando o usuário pedir para revisar, auditar ou melhorar anúncios do Google Ads.

The file

Files
SKILL.md

Auditoria de anúncios

Aplique account-conventions e ad-copy-principles.

  1. Colete: RSAs ativos com títulos, descrições, caminhos, URL final, força do anúncio e métricas de 30 dias (GAQL "Anúncios RSA" em account-conventions/references/gaql-queries.md, conector, ou export do usuário). Pegue também as 5 palavras-chave de maior gasto de cada grupo.
  2. Pontue cada anúncio (0-2 por critério, total /16):
    • Quantidade: 12-15 títulos e 4 descrições
    • Diversidade: sem títulos redundantes em ideia
    • Relevância: palavra-chave do grupo em 2+ títulos
    • Especificidade: números, prazos, provas
    • Oferta / redução de risco presente
    • CTA claro
    • Política e limites ok
    • Coerência com a landing page (leia a URL final se possível)
  3. Priorize por gasto: anúncios que concentram verba e pontuam baixo primeiro.
  4. Reescreva: para cada anúncio prioritário, entregue o conjunto novo completo (15 títulos / 4 descrições) com contagem de caracteres, marcando o que manter, trocar e adicionar. Não apague títulos que performam bem (se o conector fornecer desempenho por recurso, use "Melhor"/"Bom"/"Baixo").
  5. Saída: tabela-resumo (campanha · grupo · gasto · força · nota · principal problema), depois as reescritas. Se o usuário quiser aplicar, gere o CSV no formato de create-campaign/references/editor-csv-format.md como novo anúncio no mesmo grupo (o antigo é pausado depois de o novo acumular dados), e valide com create-campaign/scripts/validate_editor_csv.py.

Nunca edite anúncios na conta sem confirmação explícita.

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.