PTENES
MÓDULO 1.4 · TRILHA 1

📣 Generador de informes de estrategia publicitaria en PDF

Genera un informe de estrategia publicitaria en PDF, listo para el cliente, con la biblioteca Python ReportLab. Esta skill revisa el directorio de trabajo actual en busca de todos los archivos de resultados publicitarios, ext…

7
Temas
15 min
Lectura
orquestador
Comando
Ads
Equipo

Propósito de la Skill

Genera un informe de estrategia publicitaria en PDF, listo para el cliente, con la biblioteca Python ReportLab. Esta skill revisa el directorio de trabajo actual en busca de todos los archivos de resultados publicitarios, extrae puntuaciones, perfiles de audiencia, estructura de campañas, asignación de presupuesto e información competitiva, los compila en un JSON estructurado y produce un PDF profesional con una portada que incluye un indicador de Puntuación de Preparación para Anuncios, tarjetas de perfiles de audiencia, diagrama del embudo de campañas, gráfico de asignación de presupuesto, mapa de posicionamiento competitivo, resumen de la dirección creativa y un plan de acción priorizado de 90 días.

Cuándo usar

Cuándo usar PDF vs. Markdown

FormatoMejor paraVentajasDesventajas
PDFPresentaciones para clientes, archivos adjuntos de correo electrónico, propuestas, material de ventasApariencia profesional, gráficos y medidores, imprimible, formato coherenteRequiere un script de Python, más difícil de editar
MarkdownUso interno, referencia rápida, edición iterativa, control de versionesFácil de editar, generación rápida, compatible con gitMenos acabado visual, sin gráficos

Regla general: Si el informe se enviará a un cliente, prospecto o ejecutivo, usa PDF. Si es para uso interno o edición posterior, usa Markdown.

Cómo ejecutar

Etapa 1: Verificar el script de generación de PDF

Primero, verifica si existe el script dedicado para generar PDF:

ls ~/.claude/skills/ads/scripts/generate_ads_pdf.py 2>/dev/null

Si el script existe: Úsalo directamente (salta a la Etapa 4). Si el script no existe: Genera el PDF en línea con ReportLab (sigue todos los pasos).

Etapa 2: Recopilar todos los datos disponibles

Busca en el directorio de trabajo actual todas las salidas de la skill de anuncios. Busca estos archivos:

Fuentes de datos primarias (busca todas estas):

Comando de búsqueda:

ls ADS-*.md 2>/dev/null

Para cada archivo encontrado, extrae:

Etapa 3: Estructurar los datos en JSON

Compila todos los datos extraídos en un objeto JSON estructurado para el generador de PDF:

{
  "report_metadata": {
    "business_name": "[Nome do Negócio]",
    "website_url": "[URL]",
    "industry": "[Indústria]",
    "report_date": "[AAAA-MM-DD]",
    "generated_by": "Estrategista de Anúncios IA"
  },
  "ad_readiness_score": {
    "composite_score": 0,
    "audience_clarity": {"score": 0, "weight": 25, "findings": []},
    "creative_quality": {"score": 0, "weight": 20, "findings": []},
    "funnel_architecture": {"score": 0, "weight": 20, "findings": []},
    "competitive_position": {"score": 0, "weight": 15, "findings": []},
    "budget_efficiency": {"score": 0, "weight": 20, "findings": []}
  },
  "audience_personas": [
    {
      "name": "[Nome da Persona]",
      "age_range": "[Faixa Etária]",
      "role_title": "[Cargo/Título]",
      "pain_points": [],
      "motivations": [],
      "platforms": [],
      "targeting_params": {}
    }
  ],
  "campaign_structure": {
    "funnel_stages": [],
    "campaigns": [],
    "retargeting_flows": []
  },
  "budget_allocation": {
    "total_monthly_budget": 0,
    "platform_split": {},
    "funnel_stage_split": {},
    "projected_metrics": {
      "estimated_impressions": 0,
      "estimated_clicks": 0,
      "estimated_conversions": 0,
      "projected_cpa": 0,
      "projected_roas": 0
    }
  },
  "competitive_intelligence": {
    "competitors_analyzed": [],
    "positioning_gaps": [],
    "messaging_opportunities": []
  },
  "top_ad_copy": {
    "best_hooks": [],
    "top_headlines": [],
    "best_ctas": []
  },
  "action_plan": {
    "week_1": [],
    "week_2_4": [],
    "month_2_3": []
  },
  "critical_findings": [],
  "quick_wins": []
}

Etapa 4: Generar el PDF

Ejecuta el script de generación de PDF con los datos JSON compilados:

python3 ~/.claude/skills/ads/scripts/generate_ads_pdf.py

Si el script no existe, genéralo en línea. El script debe producir un PDF con estas secciones:

Estructura y páginas del PDF

Página 1: Portada

Página 2: Resumen ejecutivo

Página 3: Análisis del público

Página 4: Dirección creativa

Página 5: Arquitectura de campañas

Página 6: Posicionamiento competitivo

Página 7: Asignación de presupuesto

Página 8: Plan de acción de 90 días

Página 9: Apéndice (si hay datos disponibles)

Especificaciones de diseño del PDF

Diseño:

Colores:

Tipografía:

Gráficos (ReportLab Drawing):

Etapa 5: Posgeneración

Después de generar el PDF:

  1. Verifica si se creó el archivo:
ls -la ADS-STRATEGY-REPORT.pdf
  1. Informar al usuario el tamaño y la ubicación del archivo
  2. Sugiere los próximos pasos:

Tratamiento de datos faltantes

Es posible que no se hayan ejecutado todas las skills antes de generar el PDF. Trátalo adecuadamente:

Datos disponiblesComportamiento
Ejecución completa de la estrategia (los 5 agentes)Generar un informe completo con todas las páginas
Datos parciales (algunos agentes)Generar un informe con las secciones disponibles y marcar las secciones faltantes como "Aún no analizado"
Solo foto rápidaGenerar un mininforme (portada + resumen ejecutivo + plan de acción)
No se encontró ningún archivo de datosInformar al usuario que ejecute /ads strategy <url> primero

Datos mínimos necesarios: Al menos un archivo ADS-*.md debe existir. Si no se encuentra ninguno, mostrar:

Nenhum dado de estratégia de anúncios encontrado no diretório atual.
Execute '/ads strategy <url>' primeiro para gerar a análise,
e então use '/ads report-pdf' para criar o relatório em PDF.

Salida

El resultado final es un único archivo PDF: ADS-STRATEGY-REPORT.pdf

Guardado en el directorio de trabajo actual, junto con los archivos fuente en Markdown.

Reglas importantes

--- skills/ads-audit/SKILL.md ---

name: ads-audit description: Auditor de Rendimiento de Anuncios — analiza campañas publicitarias existentes e identifica oportunidades de optimización version: 1.0.0 author: Estratega de Anuncios con IA tags: [ads, audit, performance, optimization, analytics] trigger: /ads audit output: ADS-AUDIT.md

← Módulo 1.3 Módulo 1.5 →