Package Exports

cdp-edge
cdp-edge/dist/index.js

This package does not declare an exports field, so the exports above have been automatically detected and optimized by JSPM instead. If any package subpath is missing, it is recommended to post an issue to the original package (cdp-edge) to support the "exports" field. If that is not possible, create a JSPM override to customize the exports field for this package.

Readme

🚀 CDP Edge — Quantum Tracking Enterprise

Padrão Quantum Tracking: 100% Cloudflare Edge. Sem GTM. Sem Stape. Sem cookies de terceiros.

v2.5.2 — Auditoria Completa + Sync Total de Agentes + Fix D1 (15 de Abril de 2026) 🔧 v2.5.1 — SDK Bundle + Diagnóstico Pós-Deploy + Gap Fixes (15 de Abril de 2026) 🛠️ v2.3.9 — Quiz Scoring Engine + Sales Engine (14 de Abril de 2026) 🤖💰

📋 CHANGELOG v2.5.2 — Auditoria Completa + Sync Total de Agentes + Fix D1 (15 de Abril de 2026) 🔧

Bug Fix Crítico

schema-ltv-feedback.sql adicionado à ordem de migração — recordLtvFeedback() falhava silenciosamente em todo Purchase, quebrando o ciclo preditivo LTV

Fix de Compatibilidade D1

schema-utm.sql: ADD COLUMN IF NOT EXISTS → ADD COLUMN — D1/SQLite não suporta IF NOT EXISTS em ALTER TABLE

Sincronização Total de Agentes

contracts/agent-versions.json: worker_version 2.2.3 → 2.5.2, 49 agentes registrados (eram 26), depends_on .js → .ts, event count 19 → 25, table count 24 → 31
database-agent.md: main = "worker.js" → "index.ts", 24 → 31 tabelas, roadmap atualizado
devops-agent.md: RESEND_API_KEY, RESEND_FROM_EMAIL, WEBHOOK_SECRET_TICTO adicionados ao *secrets

D1 Produção

31 tabelas aplicadas em cdp-edge-db — todos os schemas confirmados
Worker deployado: Version ID 37776c1a — /health status: ok

📋 CHANGELOG v2.5.1 — SDK Bundle + Diagnóstico Pós-Deploy + Gap Fixes (15 de Abril de 2026) 🛠️

SDK Bundle — cdpTrack.min.js pronto para `<script src="">`

npm run sdk:build → dist/sdk/cdpTrack.min.js (41.6 kB, IIFE, window.cdpTrack)
Um único arquivo sem dependências externas — cola no site e funciona
dist/sdk/install-snippet.html com snippet pronto para antes do </body>

Diagnóstico Pós-Deploy — `cdp-edge validate <url>`

cdp-edge validate https://meusite.com.br
cdp-edge validate https://meusite.com.br --worker https://worker.meusite.workers.dev

Verifica automaticamente:

Página carrega cdpTrack.min.js e Meta Pixel
Worker /health (D1, KV, AI, secrets)
Worker /validate-install (D1 write+read, KV, AI, secrets críticos)
POST /track aceita evento sintético → 200

Gap Fixes Críticos

Endpoint: /api/tracking → /track em todos os módulos SDK
utm_term: injetado pelo Worker após quiz scoring (nunca pelo cliente)
TikTok ttp: cookie _ttp capturado e enviado ao Worker
ROAS por origem: segmentado por utm_content (quiz_* vs video_* vs landing_* vs ctwa_*)

Novos Agentes

lead-scoring-agent.md — quiz de qualificação + análise dimensional Granite
match-quality-agent.md — guardião EMQ com cron 2h e alerta CallMeBot

📋 CHANGELOG v2.3.9 — Quiz Scoring Engine + Sales Engine (14 de Abril de 2026) 🤖💰

O que foi adicionado

ROAS Feedback Loop (modules/ml/roas.ts)

Cruza leads com compras reais por campanha no D1
Calcula: conversion_rate, revenue_per_lead, ltv_accuracy (valida o modelo preditivo)
Recomendação automática de bid: increase | maintain | decrease | pause
Relatório semanal via CallMeBot com top campanhas e alertas
Persiste histórico em roas_reports + VIEW v_roas_latest

Nurture Engine (modules/nurture.ts)

Sequências automáticas pós-quiz por qualificação:
- interessado → D+1, D+3, D+7 (WhatsApp)
- curioso → D+2, D+5 (conteúdo)
- comprador → contato imediato via hot lead (já existente)
- perdido → cohort_label = excluded (remove do remarketing)
scheduleNurture() chamado no QuizComplete em background
runNurtureQueue() executado pelo Intelligence Agent (cron diário)
D1: nurture_sequences + VIEWs de fila e stats

Lookalike Dinâmico (syncMetaLookalikeSeed() em intelligence.ts)

Seed de Lookalike com compradores CONFIRMADOS (Purchase event) — não apenas high_intent
Une compradores reais + leads qualificados como comprador no quiz
Atualiza cohort_label = buyer_confirmed nos perfis
Persiste histórico em lookalike_seeds
Roda automaticamente no cron semanal do Intelligence Agent

Schema D1: schema-sales-engine.sql — roas_reports, nurture_sequences, lookalike_seeds + 5 VIEWs

Migração

cd server-edge-tracker
wrangler d1 execute cdp-edge-db --file=schema-sales-engine.sql --remote
wrangler deploy

📋 CHANGELOG v2.4.0 — Quiz Scoring Engine (14 de Abril de 2026) 🤖

Quiz Scoring Engine (modules/ml/quiz.ts) — análise dimensional automática via Granite 4.0 Micro:

Detecta o TIPO de cada pergunta: urgency | budget | timeline | fit | engagement | awareness | objection
Atribui peso automático por dimensão (budget/urgency=5, fit=4, timeline=3, engagement=2)
Score ponderado → comprador | interessado | curioso | perdido
Fallback heurístico por palavras-chave quando AI indisponível
quiz_sessions no D1 com breakdown completo por dimensão

Integração no pipeline /track:

QuizComplete + quiz_answers[] → scoring antes do LTV
intentionLevel qualificado alimenta LTV Prediction → comprador = LTV High automático
QuizComplete adicionado ao LTV_EVENTS

Migração: wrangler d1 execute cdp-edge-db --file=schema-quiz.sql --remote

📋 CHANGELOG v2.3.8 — Fix Definitivo: api-versions.json (14 de Abril de 2026) 🔒

build.js copia extracted-skill/.../contracts/ → contracts/ no prepare script. A fonte estava na v1.0.0, sobrescrevendo o arquivo correto a cada npm publish. Ambos os arquivos agora sincronizados em v1.1.0.

⚠️ REGRA DE OURO (SQUAD): Todas as atualizações devem ser documentadas de forma sincronizada em README.md, CLAUDE.md e CDP-EDGE-BUSINESS-BOOK.md. Nenhuma alteração passa sem esse tripé.

🤖 MANIFESTO: EU, CDP EDGE

Eu não sou um simples "script de pixel". Eu sou uma arquitetura Enterprise Tier 10 nascida e construída 100% nativa na infraestrutura da Cloudflare.

Quando um evento de Lead bate no endpoint /track:

Fraud Gate: Bloqueio bots silenciosamente antes de qualquer processamento (~2ms via KV)
Quiz Scoring Engine: Classifico as respostas do quiz com Granite 4.0 Micro — comprador | interessado | curioso | perdido
A/B LTV Testing: Sorteio de prompt via KV Cache em ~0ms
LTV Predictor: Machine Learning para qualificar intenção e gerar valor preditivo em BRL
Nurture Scheduler: Agendar sequência de follow-up baseada na qualificação (background)
CAPI Dispatch: Meta/GA4/TikTok recebem payload limpo com LTV e intention injetados
Sales Engine: Semanalmente, calculo ROAS real por campanha e atualizo o seed de Lookalike com compradores confirmados

🏗️ ARQUITETURA QUANTUM ENTERPRISE

POST /track (QuizComplete)
  │
  ├─ [1] 🛡️  Fraud Gate (KV blocklist + velocity) ~2ms
  ├─ [2] 🤖  Quiz Scoring Engine (Granite 4.0 Micro) → comprador/interessado/curioso/perdido
  ├─ [3] 🔮  A/B LTV Sorting (KV cache ~0ms)
  ├─ [4] 🧮  LTV Prediction (Granite 4.0 Micro) — intent qualificado → High LTV
  ├─ [5] 💾  D1 Writes background (quiz_sessions + leads + nurture_sequences)
  └─ [6] 📡  CAPI paralelo (Meta v22.0 + GA4 + TikTok v1.3)

Cron semanal (Intelligence Agent):
  ├─ ROAS Feedback — cruza leads × purchases por campanha → bid recommendation
  ├─ Nurture Queue — envia D+1/D+3/D+7 para leads qualificados
  ├─ Lookalike Seed — compradores confirmados → Meta Custom Audience
  ├─ LTV Model Training — regressão logística com dados reais
  └─ A/B LTV Auto-winner — declara vencedor quando amostra suficiente

📊 BANCO DE DADOS D1 — 25 Tabelas + 12 VIEWs

CORE TRACKING          ML & INTELLIGENCE         SALES ENGINE
──────────────         ─────────────────────     ──────────────────
leads                  ml_segments               roas_reports
events                 ml_segment_members        nurture_sequences
sessions               bid_recommendations       lookalike_seeds
webhook_events         ltv_ab_tests              quiz_sessions
api_failures           ltv_ab_variations
device_graph           ltv_ab_assignments
user_profiles          fraud_signals
intelligence_logs      fraud_alerts
messaging_history      match_quality_logs
automation_rules       utm_mappings
edge_fingerprints

VIEWS (12)
──────────────────────────────────────────────────────────────────
v_active_segments           v_active_bid_recs
v_ab_test_performance       v_fraud_dashboard
v_quiz_qualification_summary v_quiz_dimension_impact
v_roas_latest               v_nurture_pending
v_nurture_stats             v_quiz_session_summary
v_leads_segmented           v_ltv_feedback

🧠 CATÁLOGO DE MÓDULOS ML

Módulo	Arquivo	Função
Quiz Scoring	`modules/ml/quiz.ts`	Análise dimensional automática das respostas
LTV Prediction	`modules/ml/ltv.ts`	Score 0-100 + valor BRL via Granite + A/B test
Fraud Gate	`modules/ml/fraud.ts`	Detecção de bots e fraude na borda
ML Clustering	`modules/ml/segmentation.ts`	K-means vetorial com bge-m3 embeddings
Bidding ML	`modules/ml/bidding.ts`	Recomendação de bid por segmento × plataforma
ROAS Feedback	`modules/ml/roas.ts`	ROAS real por campanha, alimenta bidding
Match Quality	`modules/ml/matchquality.ts`	Score de qualidade de dados para CAPI
Logistic	`modules/ml/logistic.ts`	Regressão logística para LTV model treinável
Nurture Engine	`modules/nurture.ts`	Sequências automáticas pós-qualificação

🧠 CATÁLOGO DE AGENTES

Categoria	Agente	Função
Orquestração	`master-orchestrator.md`	Coordena todo o setup
Análise	`page-analyzer.md`	Detecta CTAs, forms e nicho
Plataformas	`meta-agent.md`, `google-agent.md`, `tiktok-agent.md`...	Especialistas por plataforma
Infra	`server-tracking.md`, `devops-agent.md`	Arquitetura Cloudflare
Enterprise	`ml-clustering-agent.md`	Segmentação dinâmica ML
Enterprise	`bidding-agent.md`	Bids ML por segmento
Enterprise	`ab-ltv-agent.md`	A/B testing de prompts LTV
Enterprise	`fraud-detection-agent.md`	Detecção de fraude na borda
Monitoramento	`intelligence-agent.md`	Cron — ROAS, Nurture, Lookalike, LTV training

📋 TODOS OS ENDPOINTS

Core

Rota	Método	Função
`/track`	POST	Evento principal — Fraud Gate → Quiz Scoring → LTV → CAPI
`/health`	GET	Smoke test D1 + KV + AI
`/webhook/ticto`	POST	Purchase webhook (HMAC)
`/export/customer-match`	GET	Export leads para Google Ads

ML Clustering (Fase 1)

Rota	Método	Função
`/api/segmentation/cluster`	POST	K-means vetorial (bge-m3 + Granite)
`/api/segmentation/list`	GET	Segmentos ativos
`/api/segmentation/outliers`	GET	Outliers comportamentais
`/api/segmentation/update`	PUT	Atualiza metadados

Bidding (Fase 2)

Rota	Método	Função
`/api/bidding/recommend`	POST	Bid por segmento × plataforma
`/api/bidding/history`	GET	Histórico de recomendações
`/api/bidding/status`	GET	Snapshot atual

A/B LTV (Fase 3)

Rota	Método	Função
`/api/ltv/ab-test/create`	POST	Cria experimento
`/api/ltv/ab-test/list`	GET	Lista experimentos
`/api/ltv/ab-test/results`	GET	Accuracy por variação
`/api/ltv/ab-test/winner`	POST	Declara vencedor

Fraud (Fase 4)

Rota	Método	Função
`/api/fraud/stats`	GET	Dashboard 24h
`/api/fraud/alerts`	GET	Log de sinais
`/api/fraud/blocklist`	GET	IPs bloqueados
`/api/fraud/blocklist/add`	POST	Bloquear
`/api/fraud/blocklist/remove`	DELETE	Desbloquear

🚀 DEPLOY COMPLETO

cd server-edge-tracker

# Schemas D1 (ordem correta — todos idempotentes)
wrangler d1 execute cdp-edge-db --file=schema.sql --remote
wrangler d1 execute cdp-edge-db --file=migrate-v6.sql --remote
wrangler d1 execute cdp-edge-db --file=schema-segmentation.sql --remote
wrangler d1 execute cdp-edge-db --file=schema-bidding.sql --remote
wrangler d1 execute cdp-edge-db --file=schema-ab-ltv.sql --remote
wrangler d1 execute cdp-edge-db --file=schema-fraud.sql --remote
wrangler d1 execute cdp-edge-db --file=schema-indexes.sql --remote
wrangler d1 execute cdp-edge-db --file=migrate-v7.sql --remote
wrangler d1 execute cdp-edge-db --file=schema-ltv-feedback.sql --remote  # Fase 5b: colunas LTV em user_profiles
wrangler d1 execute cdp-edge-db --file=schema-utm.sql --remote
wrangler d1 execute cdp-edge-db --file=schema-quiz.sql --remote        # Fase 6
wrangler d1 execute cdp-edge-db --file=schema-sales-engine.sql --remote # Fase 7

# Secrets
wrangler secret put META_ACCESS_TOKEN
wrangler secret put GA4_API_SECRET
wrangler secret put TIKTOK_ACCESS_TOKEN

# Deploy
wrangler deploy

💻 INSTALAÇÃO

npx cdp-edge install
# ou
npm install -g cdp-edge
cdp-edge install . --name "Nome do Projeto"

🗺️ GRAPHIFY — Navegando o Código

/graphify .                                          # gera o mapa
/graphify query "como funciona o quiz scoring?"      # exploração BFS
/graphify query "nurture engine → meta audience"     # exploração DFS
/graphify path "quiz_answers" "meta capi"            # menor caminho

CDP Edge — By Rica Soares

"Dados sem inteligência são apenas ruído. No Quantum Tier Enterprise, transformamos dados em ROAS."

cdp-edge