Instagram Intel

Use o Apify MCP. Roda o actor 'apify/instagram-scraper' com esses inputs:

{
  "username": ["handle_player_01", "handle_player_02", ...],
  "resultsType": "posts",
  "resultsLimit": 100,
  "addParentData": true,
  "searchType": "user",
  "searchLimit": 1
}

Custo estimado: ~US$ 0.50 por 1000 posts.

Pra cada player, devolve:
- profile.json: bio, followers, following, posts count, link
- posts.json: lista de posts com:
  * id, type (image/video/sidecar), shortcode
  * caption (texto da legenda completo)
  * likes, comments, view (se vídeo)
  * timestamp
  * hashtags extraídas
  * mentions extraídas
  * URL da mídia (download depois separado se quiser)

Salva por player em /06-instagram/[handle]/

Tenho posts.json de [N] players. Quero ranking de TOP 20 posts por engagement de CADA player.

Engagement score = (likes + comments × 5) / followers × 100

Pra cada TOP 20, extrai:
1. PRIMEIRA LINHA da legenda (= o "hook" do post)
2. TIPO DE HOOK:
   - Pergunta retórica
   - Statement provocativo
   - Promessa de benefício
   - Story ("Há 5 anos eu...")
   - Polêmica/Contradição
   - Stat / número impressionante
   - Confissão / vulnerabilidade
3. FORMATO: image, carousel, reel, IGTV
4. CTA usado (se houver)
5. Hashtags principais (top 3)

Depois cruza:
- Que tipo de hook gera mais engajamento por player?
- Que tipo de hook é PADRÃO do nicho (todos usam)?
- Que tipo é GIMMICK específico (só 1 player explora)?
- Existe diferença de performance entre Reels e Carrossel?
- Frequência de posts de venda vs. valor (% por player)

Pra cada player, filtra apenas posts type='video' (Reels) com top 10 view count.

Baixa os Reels (URL do vídeo está em posts.json).

  yt-dlp "URL_DO_REEL"

Extrai os primeiros 5 SEGUNDOS de cada Reel e transcreve com Whisper:

  ffmpeg -i reel.mp4 -t 5 -vn -ar 16000 -ac 1 reel-hook.mp3
  whisper reel-hook.mp3 --language Portuguese --model small --output_format txt

Devolve TOP 10 hooks de Reels por player com:
- View count
- Hook (transcrição literal dos 5 primeiros segundos)
- Tipo de hook (mesmo classifier do prompt anterior)
- Tem texto na tela? (sim/não, se yes, qual é)
- Tem corte rápido nos primeiros 2s? (visual reset, sinal de retenção)

Identifica padrão de hooks que SEMPRE viralizam no nicho. Esses 10 hooks de cada player são o seu "swipe file" de Reels.

Use o Apify MCP com actor 'apify/instagram-scraper' configurado pra scrape de highlights:

{
  "username": ["handle"],
  "resultsType": "stories",
  "addParentData": true
}

Os highlights são as "histórias salvas" no perfil, versão curada do conteúdo do player.

Devolve por highlight:
- Nome do highlight
- Quantidade de stories
- Thumbnails
- Conteúdo de cada story (imagem ou vídeo)
- Texto sobreposto (transcrito por OCR ou da própria mídia)

Por que importa: highlights são onde o player concentra o melhor conteúdo evergreen, depoimentos, FAQ, demos do produto, autoridade. Bom material pra modelagem.

Pra cada player, baixa as 30 thumbnails mais recentes do feed.

Use Playwright pra abrir o perfil e capturar 30 screenshots dos últimos posts.

Analisa visualmente:
1. CORES DOMINANTES : extrair palette com algoritmo simples (média de pixels)
2. ESTILO DE FOTOGRAFIA: estúdio / lifestyle / mockup / texto puro
3. GRID: tem padrão? (alternância foto/quote, blocos temáticos por linha, etc.)
4. TIPOGRAFIA: tem fonte característica que aparece em quotes?
5. RATIO de conteúdos: % foto / % carrossel / % reel / % quote

Devolve mood-board de cada player com:
- 5 cores principais (hex)
- 3 estilos fotográficos identificados
- Padrão de grid descrito em texto
- Vibe geral (luxo / casual / autoridade / lifestyle / técnico)

Cross-reference: o nicho tem estética dominante?

Pra cada player, captura comentários dos top 20 posts:

Apify actor 'apify/instagram-comment-scraper':
{
  "directUrls": ["URL_POST_01", "URL_POST_02", ...],
  "resultsLimit": 50
}

Pra cada comentário:
- Texto
- Likes do comentário (sinal de "outros concordam")
- Tipo de comentário:
  * Elogio genérico ("amei", "tooop")
  * Pergunta sobre produto
  * Pergunta sobre dor (problema)
  * Depoimento espontâneo
  * Tag de outra pessoa ("@maria olha isso")
  * Crítica
  * Spam/bot

Filtra elogio genérico e spam.

Dos restantes (perguntas + depoimentos), extrai:
- VOCABULÁRIO RECORRENTE: top 50 palavras/expressões que aparecem
- PERGUNTAS REPETIDAS: top 10 dúvidas (= objeções não respondidas pelo conteúdo)
- DORES espontaneamente mencionadas: top 10
- PROMESSAS que o público quer ver entregues: top 5

Esse output alimenta diretamente o briefing da SUA oferta, você vai usar a mesma linguagem.