Você abre o ChatGPT conectado aos dados do seu Google Analytics 4, pergunta "qual a taxa de rejeição da minha landing page principal?" e recebe: 94. Parece ótimo. 0.94, ou 94%? Espere. Se você ou o LLM interpretarem como 0.94 (um decimal entre 0 e 1), a conclusão automática é que a página está excelente, com apenas 6% de rejeição. Mas a API do GA4 retorna bounceRate como percentual de 0 a 100. O número 94 significa 94% de rejeição, um desastre de engajamento. Essa armadilha semântica, documentada no código do conector GA4 da Kondado, já levou analistas e assistentes de IA a diagnósticos completamente invertidos.
O que torna essa armadilha perigosa: bounceRate na API do GA4 vai de 0 a 100 (percentual), não de 0 a 1 (decimal). Um valor de 94 é 94% de rejeição (péssimo), e não 0.94, que seria 6% de rejeição (ótimo). A confusão existe porque engagementRate na UI do GA4 é 0 a 1, mas bounceRate = (1 - engagementRate) × 100 na API: a unidade muda no meio do caminho e LLMs não sabem disso por padrão. Com o MCP da Kondado, você pergunta em português e recebe a interpretação correta. "Qual landing page tem bounceRate > 60% nos últimos 30 dias?" retorna as páginas certas porque o modelo aprendeu a tratar bounceRate como percentual, conhecimento que vem direto do código-fonte do conector. A solução não é aprender os detalhes da API do Google. É usar o MCP da Kondado, que entende essa e outras armadilhas e entrega a interpretação correta quando você pergunta em português.
O que a API do GA4 realmente retorna no campo bounceRate?
O Google Analytics 4 expõe bounceRate como uma métrica da Data API v1beta. A documentação oficial está disponível no portal de desenvolvedores do Google. Na definição do Google, a descrição é: "the percentage of sessions that were not engaged sessions." A palavra-chave aqui é percentage: o intervalo de retorno é 0 a 100.
Na prática, o que a API entrega é um número como 94.0, 67.3 ou 12.8. Não é um ratio normalizado entre 0 e 1 como outras métricas do ecossistema Google. Por exemplo, click-through rate na API de anúncios retorna como 0.05 para 5%. O bounceRate já vem escalado × 100.
O código do conector GA4 da Kondado (creator.py:683-686) trata esse campo exatamente como a API entrega, percentual bruto, sem aplicar nenhuma normalização adicional. Isso é intencional: normalizar para 0 a 1 introduziria ambiguidade. Mas um LLM não sabe disso a não ser que alguém ensine.
Por que a confusão entre 0.94 e 94% quebra qualquer análise?
O problema começa na interface do próprio GA4. O relatório de engajamento mostra engagement rate como um decimal entre 0 e 1. Por exemplo, 0.35 significa 35% de taxa de engajamento. Como bounceRate é o inverso (bounceRate = (1 - engagementRate) × 100), a unidade muda no meio do caminho.
Veja o que acontece na prática com uma landing page real:
- A UI do GA4 mostra engagement rate de 0.06 (6% de engajamento, página ruim)
- A API retorna bounceRate de 94.0 (94% de rejeição, consistente)
- Um LLM sem contexto recebe "94" e, vendo que outras métricas do GA4 usam decimal, assume que é 0.94
- Conclusão do LLM: "a página tem 94% de engajamento, está excelente". O oposto da realidade.
As consequências são graves:
- Orçamento de tráfego pago desperdiçado. Você direciona Google Ads para uma página que 94% dos visitantes abandonam sem interagir, achando que ela retém 94%.
- Diagnóstico de conteúdo invertido. O time de marketing acredita que um artigo está performando bem e investe mais em link building, quando na verdade ele precisa ser reescrito.
- Relatórios e dashboards comprometidos. Toda análise de funil, segmentação por canal e comparação de período fica errada quando a métrica-base de engajamento está com a interpretação trocada. Dashboards que dependem dessa coluna viram fonte de decisão equivocada.
Nenhum concorrente documenta essa armadilha no contexto de IA + GA4. É um conhecimento que só existe lendo o código-fonte do conector. E é exatamente esse tipo de informação que o MCP da Kondado injeta no prompt do sistema para o LLM não errar.
Como perguntar bounceRate certo pro ChatGPT ou Claude via MCP da Kondado?
O MCP da Kondado conecta ChatGPT, Claude ou qualquer cliente compatível ao seu destino de dados na Via Kondado. Em vez de consumir a API do GA4 diretamente, o LLM consulta as tabelas SQL que a Kondado já replicou, inclusive combinando dados de múltiplas integrações na mesma consulta. E o mais importante: o conhecimento das armadilhas semânticas, incluindo a unidade do bounceRate, está embutido no comportamento do modelo para suas queries.
Isso significa três coisas na prática:
- Você não precisa explicar que bounceRate é percentual. O LLM já trata o campo corretamente. Perguntar "qual a taxa de rejeição?" retorna interpretação em percentual, não em decimal.
- Filtros funcionam como você espera. "Mostre landing pages com bounceRate > 60" filtra corretamente páginas com mais de 60% de rejeição, sem precisar pensar se o threshold deveria ser 0.6 ou 60.
- Comparações e rankings saem certos. "Ordene as páginas por maior bounceRate" coloca as piores no topo, não as melhores.
Para conectar, basta adicionar a URL do endpoint MCP nas configurações do seu cliente ChatGPT ou Claude: https://mcp.kondado.io/mcp. A autenticação OAuth 2.1 vincula sua sessão ao seu workspace Kondado. O LLM passa a consultar seus dados em KSQL read-only, sem consumir quota da API do Google a cada pergunta. Veja o passo a passo completo no guia de instalação do MCP.
Exemplo prático: quais landing pages têm bounceRate acima de 60% nos últimos 30 dias?
Esta é uma pergunta real que você faz em português no ChatGPT conectado ao MCP da Kondado. O LLM traduz para KSQL, consulta a tabela ga4_landing_page_analysis e retorna:
- Lista de landing pages com bounceRate > 60, ordenadas da pior para a melhor
- engagedSessions de cada página, para você saber se a rejeição alta é em página com muito ou pouco tráfego
- screenPageViews total, para dimensionar o impacto de cada página problemática
A tabela ga4_landing_page_analysis é uma das 13 tabelas que a Kondado replica do GA4. Ela traz, por landing page e por dia, métricas como bounceRate, engagedSessions, screenPageViews, newUsers e sessionSourceMedium. Com o MCP, você cruza esses dados com outras fontes conectadas na mesma Via Kondado (Google Ads, Meta Ads ou seu ERP) e faz perguntas que nenhuma ferramenta isolada responde.
No GA4 tradicional, essa mesma análise exigiria: abrir o relatório de páginas de destino, adicionar bounceRate como métrica secundária, criar um filtro de threshold, definir o período de 30 dias, exportar para planilha e ordenar manualmente. Com o MCP, é uma frase em português.
Outras perguntas que o MCP responde corretamente porque entende a unidade do bounceRate:
- "Qual canal de tráfego tem o maior bounceRate?" Cruza
sessionSourceMediumcom bounceRate e filtra corretamente. - "Compare o bounceRate de mobile vs desktop nas minhas 10 principais landing pages" Usa
deviceCategoryda tabelaga4_device_region_performance. - "O bounceRate melhorou ou piorou este mês comparado ao mês passado?" Compara janelas de 30 dias sem erro de interpretação.
- "Quais páginas têm bounceRate < 30 E mais de 1000 pageViews?" Identifica páginas de alto tráfego com baixa rejeição, que são seus ativos de conteúdo mais valiosos.
Dados prontos para IA: conecte seu GA4 ao ChatGPT
Comece seu teste grátis de 14 dias na Kondado. A Kondado replica 13 tabelas do Google Analytics 4 para o destino que você escolher: BigQuery, PostgreSQL, Redshift, Google Sheets ou MySQL. Com o MCP ativado, você pergunta em português no ChatGPT ou no Claude e recebe análises baseadas nos seus dados reais, sem abrir a interface do GA4, sem escrever SQL e sem cair em armadilhas de unidade como a do bounceRate. O conhecimento das 9 armadilhas semânticas do GA4 (incluindo bounceRate percentual, eventValue em moeda local, e a diferença entre purchaseRevenue e totalRevenue) está embutido nas queries que o MCP executa. Conecte seu GA4 hoje.
