Como analisar dados do RD Station Marketing no ChatGPT: o guia técnico com MCP da Kondado

Gestores de marketing e agências que usam o RD Station Marketing acumulam dados de landing pages, emails, workflows e leads em dezoito tabelas distintas. A Kondado replica essas tabelas para o Via Kondado e, através do MCP (Model Context Protocol), o ChatGPT e o Claude conseguem consultar esses dados com perguntas em linguagem natural. Em vez de exportar CSVs ou montar dashboards manualmente, você pergunta "qual landing page converte mais?" e recebe a resposta com KSQL gerada automaticamente sobre seus dados reais.

A Kondado replica dezoito tabelas literais do RD Station Marketing para o Via Kondado, incluindo a família de rdstation_leads, as tabelas de contatos com eventos de conversão e oportunidade, landing pages, pop-ups, forms, emails e três tabelas de analytics. O endpoint MCP da Kondado conecta ChatGPT e Claude via OAuth 2.1, permitindo consultas KSQL em linguagem natural sobre esses dados replicados. Cada pergunta vira uma decisão de negócio prática, desde desligar uma landing page com baixa conversão até calcular o CPL real por campanha cruzando Google Ads.

Como funciona o MCP da Kondado com RD Station Marketing

O MCP da Kondado é um canal de dados, não um assistente de suporte. Ele expõe as tabelas replicadas no Via Kondado para que ChatGPT e Claude executem consultas KSQL em modo somente leitura. Para começar a analisar dados do RD Station Marketing no ChatGPT, siga três passos.

1. Replique o RD Station Marketing para o Via Kondado. Crie uma integração na Kondado selecionando RD Station Marketing como fonte de dados e Via Kondado como destino. A replicação é incremental para quatorze das dezoito tabelas, com webhook obrigatório para a família rdstation_leads e OAuth do RD Station para rdstation_contatos, rdstation_emails, rdstation_landing_pages e as três tabelas de analytics.
2. Conecte o cliente MCP ao endpoint da Kondado. No Claude Desktop, ChatGPT custom GPT ou Cursor, adicione uma conexão MCP apontando para https://mcp.kondado.io/mcp via OAuth 2.1.
3. Selecione o Via Kondado correto. Se você gerencia múltiplas contas, escolha qual ambiente o agente de IA pode acessar antes de fazer a primeira pergunta.

Após esses três passos, você pode fazer perguntas em português ou em inglês que o LLM traduz em consultas KSQL sobre as dezoito tabelas do RD Station Marketing. A Kondado mantém o catálogo de conectores atualizado com todos os campos disponíveis para replicação.

10 perguntas que viram decisão

Cada pergunta abaixo corresponde a uma dor real de gestores de marketing mapeada em tickets de suporte. O MCP recebe a pergunta em linguagem natural, traduz para KSQL e executa direto sobre as tabelas RDMK no Via Kondado.

Qual landing page do meu RD Station gerou mais conversões nos últimos 90 dias?

Pergunta ao ChatGPT em linguagem natural. O MCP traduz para a query KSQL abaixo, cruzando rdstation_landing_pages com rdstation_assets_analytics.

SELECT
 lp.title,
 aa.visits_count,
 aa.conversion_count,
 aa.conversion_rate
FROM rdstation_landing_pages lp
JOIN rdstation_assets_analytics aa
 ON aa.asset_id = lp.id AND aa.asset_type = 'LandingPage'
WHERE aa.metric_start_date >= CURRENT_DATE - INTERVAL '90 days'
ORDER BY aa.conversion_count DESC;

Decisão que vira viável: desligar landing pages com conversion_rate < 2%; duplicar criativos das top 3.

Quais workflows de email tiveram a maior queda de open rate nos últimos 30 dias?

O MCP consulta rdstation_workflow_emails_analytics, comparando a janela recente com o trimestre anterior.

WITH recent AS (
 SELECT workflow_id, workflow_name, AVG(email_opened_rate) AS open_30d
 FROM rdstation_workflow_emails_analytics
 WHERE metric_start_date >= CURRENT_DATE - INTERVAL '30 days'
 GROUP BY 1,2
),
baseline AS (
 SELECT workflow_id, AVG(email_opened_rate) AS open_90d
 FROM rdstation_workflow_emails_analytics
 WHERE metric_start_date BETWEEN CURRENT_DATE - INTERVAL '120 days' AND CURRENT_DATE - INTERVAL '30 days'
 GROUP BY 1
)
SELECT r.workflow_name, r.open_30d, b.open_90d, (r.open_30d - b.open_90d) AS delta
FROM recent r JOIN baseline b USING(workflow_id)
ORDER BY delta ASC;

Decisão: reescrever assunto e template dos workflows com delta < -5pp.

Quem são meus leads com fit_score alto que ninguém tocou ainda?

O MCP consulta rdstation_leads filtrando por qualificação e ausência de marcação de oportunidade.

SELECT id, email, name, company, job_title, fit_score, interest, lead_stage, public_url
FROM rdstation_leads
WHERE fit_score = 'a'
 AND interest >= 60
 AND opportunity = FALSE
 AND last_marked_opportunity_date IS NULL
ORDER BY interest DESC, number_conversions DESC
LIMIT 50;

Decisão: lista entregue para o SDR. O ChatGPT pode até gerar email personalizado por lead na mesma sessão.

Qual canal ou UTM traz meu lead mais qualificado?

O MCP cruza rdstation_contatos_eventos_conversoes_traffic_source com rdstation_contatos e rdstation_leads para correlacionar UTM source com fit_score médio.

SELECT
 ts.traffic_source_param_value AS utm_source,
 COUNT(DISTINCT l.email) AS leads,
 AVG(CASE WHEN l.fit_score = 'a' THEN 3 WHEN l.fit_score = 'b' THEN 2 ELSE 1 END) AS fit_medio,
 SUM(CASE WHEN l.opportunity THEN 1 ELSE 0 END) AS oportunidades
FROM rdstation_contatos_eventos_conversoes_traffic_source ts
JOIN rdstation_contatos c ON ts.contact_uuid = c.uuid
JOIN rdstation_leads l ON l.email = c.email
WHERE ts.traffic_source_param_key = 'utm_source'
GROUP BY 1
ORDER BY fit_medio DESC, oportunidades DESC;

Decisão: redistribuir budget de mídia paga para a utm_source com melhor combinação de fit e oportunidades.

Como junto RD Station Marketing e RD Station CRM no mesmo contexto de IA?

Essa pergunta exige cruzar a tabela rdstation_leads (do conector RDMK) com rdstation_crm_contacts e rdstation_crm_deals (do conector RD Station CRM, conector separado, não confunda).

SELECT
 l.email,
 l.first_conversion_date,
 d.created_at AS deal_criado,
 d.amount,
 d.deal_stage_name,
 DATEDIFF('day', l.first_conversion_date, d.created_at) AS dias_lead_ate_deal
FROM rdstation_leads l
LEFT JOIN rdstation_crm_contacts c ON c.email = l.email
LEFT JOIN rdstation_crm_deals d ON d.contact_id = c.id
WHERE l.first_conversion_date >= CURRENT_DATE - INTERVAL '180 days'
ORDER BY dias_lead_ate_deal DESC NULLS LAST;

Decisão: SLA de SDR (se dias_lead_ate_deal > 30, o lead esfriou); identificar gargalo entre MQL e SQL.

Qual o CPL real, somando gasto Google Ads e leads RD por campanha?

O MCP cruza rdstation_contatos_eventos_conversoes e rdstation_contatos_eventos_conversoes_traffic_source com google_ads_campaign_daily. Atenção: o JOIN é por utm_campaign (nome), nunca por id, explicação no bloco seguinte.

WITH leads_por_campanha AS (
 SELECT
  ts.traffic_source_param_value AS utm_campaign,
  COUNT(DISTINCT ec.contact_uuid) AS leads
 FROM rdstation_contatos_eventos_conversoes ec
 JOIN rdstation_contatos_eventos_conversoes_traffic_source ts
  ON ts.contact_uuid = ec.contact_uuid AND ts.event_number = ec.event_number
 WHERE ts.traffic_source_param_key = 'utm_campaign'
  AND ec.event_timestamp >= CURRENT_DATE - INTERVAL '30 days'
 GROUP BY 1
),
gasto AS (
 SELECT campaign_name, SUM(cost_micros)/1e6 AS gasto
 FROM google_ads_campaign_daily
 WHERE date >= CURRENT_DATE - INTERVAL '30 days'
 GROUP BY 1
)
SELECT g.campaign_name, g.gasto, lc.leads, g.gasto / NULLIF(lc.leads, 0) AS cpl
FROM gasto g
LEFT JOIN leads_por_campanha lc ON lc.utm_campaign = g.campaign_name
ORDER BY cpl DESC;

Decisão: realocar budget para campanhas com CPL abaixo da média; pausar as acima.

Quais pop-ups e formulários ainda valem a pena manter ativos?

O MCP cruza rdstation_pop_ups, rdstation_forms e rdstation_assets_analytics para listar ativos com baixa conversão recente.

SELECT
 asset.type AS tipo,
 asset.title,
 aa.conversion_count,
 CASE WHEN aa.conversion_count < 5 THEN 'descontinuar' ELSE 'manter' END AS recomendacao
FROM (
 SELECT id, title, status, 'Popup' AS type FROM rdstation_pop_ups WHERE status = 'active'
 UNION ALL
 SELECT id, title, status, 'Form' AS type FROM rdstation_forms   WHERE status = 'active'
) asset
LEFT JOIN rdstation_assets_analytics aa
 ON aa.asset_id = asset.id AND aa.asset_type = asset.type
 AND aa.metric_start_date >= CURRENT_DATE - INTERVAL '60 days'
ORDER BY aa.conversion_count DESC NULLS LAST;

Decisão: desligar pop-ups e forms inativos do portfólio, menos é mais.

Qual o snapshot atual do meu funil RDMK + RD Station CRM?

Análise estratégica que combina visitantes, conversões, MQL/SQL e deals em uma só consulta.

SELECT
 COUNT(DISTINCT aa.asset_id) FILTER (WHERE aa.metric_start_date >= CURRENT_DATE - INTERVAL '30 days') AS assets_ativos,
 SUM(aa.visits_count)    FILTER (WHERE aa.metric_start_date >= CURRENT_DATE - INTERVAL '30 days') AS visitas,
 COUNT(DISTINCT ec.contact_uuid) FILTER (WHERE ec.event_timestamp >= CURRENT_DATE - INTERVAL '30 days') AS conversoes,
 COUNT(DISTINCT l.id)    FILTER (WHERE l.opportunity = TRUE) AS oportunidades,
 COUNT(DISTINCT d.id)    FILTER (WHERE d.win = TRUE) AS deals_ganhos
FROM rdstation_assets_analytics aa
FULL OUTER JOIN rdstation_contatos_eventos_conversoes ec ON TRUE
FULL OUTER JOIN rdstation_leads l ON l.email = (
 SELECT email FROM rdstation_contatos WHERE uuid = ec.contact_uuid LIMIT 1
)
FULL OUTER JOIN rdstation_crm_deals d ON d.contact_id = l.id;

Decisão: report semanal automático para CEO ou diretor de marketing, com narrativa gerada pelo LLM.

Quais leads abriram email mas não converteram nos últimos 30 dias?

O MCP cruza rdstation_email_analytics com rdstation_contatos_eventos_conversoes para identificar oportunidades de retarget.

SELECT
 c.uuid,
 c.email,
 ea.campaign_name,
 ea.email_opened_count
FROM rdstation_contatos c
JOIN rdstation_email_analytics ea ON ea.metric_start_date >= CURRENT_DATE - INTERVAL '30 days'
LEFT JOIN rdstation_contatos_eventos_conversoes ec
 ON ec.contact_uuid = c.uuid
 AND ec.event_timestamp >= CURRENT_DATE - INTERVAL '30 days'
WHERE ea.email_opened_count > 0
 AND ec.contact_uuid IS NULL
ORDER BY ea.email_opened_count DESC;

Decisão: exportar a lista para Meta Custom Audience ou Google Customer Match e rodar campanha de retarget.

Quais custom fields do meu RD Station têm sinal forte de qualificação?

O MCP consulta rdstation_contatos_custom_fields em runtime e correlaciona cada coluna dinâmica com opportunity = TRUE em rdstation_leads. Custom fields são descobertos no momento da consulta (sem pré-configuração), porque o conector RDMK introspecta a API do RD Station a cada execução.

SELECT
 cf.field_name,
 cf.field_value,
 COUNT(DISTINCT l.id) AS leads_no_grupo,
 AVG(CASE WHEN l.opportunity THEN 1.0 ELSE 0.0 END) AS taxa_oportunidade
FROM rdstation_contatos_custom_fields cf
JOIN rdstation_contatos c ON c.uuid = cf.uuid
JOIN rdstation_leads l ON l.email = c.email
GROUP BY 1, 2
HAVING COUNT(DISTINCT l.id) >= 20
ORDER BY taxa_oportunidade DESC;

Decisão: ChatGPT identifica o custom field com maior poder preditivo e recomenda incluí-lo no scoring oficial.

Atenção ao cruzar com Google Ads e Meta Ads

Cruzar dados do RD Station Marketing com Google Ads ou Meta Ads é poderoso, mas tem duas armadilhas técnicas que invalidam a análise se ignoradas.

Learning 104: o JOIN é por nome, nunca por id. O campo campaign__id que aparece em rdstation_contatos_eventos_conversoes_traffic_source é um hash interno do RD Station (formato hexadecimal como 6543210fedcba), não corresponde ao campaign_id numérico do Google Ads ou ao campaign_id do Meta. Se você tentar joinar pelos ids, recebe zero matches. O join correto é por utm_campaign (o valor literal que o anunciante setou), comparando contra campaign_name no lado Ads.

Learning 125: se aparecer utm_campaign = '{campaignname}' literal, é problema do anunciante, não da Kondado. Esse placeholder significa que o ValueTrack do Google Ads não está ativo na URL final do anúncio. O fix é do lado Google Ads (adicionar {campaign} ou {campaignid} à URL com ValueTrack), não da Kondado nem do MCP. Quando você perguntar sobre CPL e o ChatGPT retornar uma linha com '{campaignname}' como utm, esse é o sinal.

Custom fields dinâmicos: o que o MCP descobre em runtime

Custom fields do RD Station Marketing são únicos por cliente. Uma operadora de saúde pode ter plano_saude e dependentes; uma e-commerce de moda pode ter tamanho_preferido e categoria_favorita. O conector RDMK da Kondado replica esses campos em duas tabelas, rdstation_leads_custom_fields e rdstation_contatos_custom_fields, com schema descoberto a cada execução. Não há configuração manual: o sourcer chama contacts/fields no momento do replication e materializa cada campo como uma coluna no Via Kondado.

Quando você conecta o MCP, o ChatGPT recebe o schema atualizado das duas tabelas. Pergunte "qual custom field do meu RD prevê melhor oportunidade?" e o LLM consulta as colunas que existem hoje, sem precisar avisar manualmente. É um diferencial profundo que dashboard estático e ferramenta de ETL com mapeamento fixo não entregam: a análise se adapta sozinha quando o time de marketing adiciona um campo novo no RD Station.

Decodificação base64 de UTMs em rdstation_contatos_eventos_conversoes_traffic_source

O RD Station Marketing armazena os parâmetros UTM de cada conversão em formato codificado. O conector da Kondado decodifica essa string base64 em runtime, materializando cada parâmetro como linha na tabela rdstation_contatos_eventos_conversoes_traffic_source com colunas traffic_source_param_key e traffic_source_param_value. Resultado: você consulta WHERE traffic_source_param_key = 'utm_source' e recebe o valor literal que o anunciante setou, sem precisar parsear nada.

Essa decodificação habilita análise de atribuição que a UI do RD Station Marketing não permite, porque a UI mostra UTMs como string única e não expõe filtros por parâmetro individual. Via MCP, o ChatGPT consegue agregar conversões por utm_source, utm_medium, utm_campaign e utm_content separadamente, comparar performance entre UTMs, e até detectar inconsistências (utm_medium escrito como "cpc" em uma campanha e "CPC" em outra).

Por que usar Via Kondado como destino para RD Station Marketing

Via Kondado é o destino canônico que o servidor MCP da Kondado consulta. A Kondado replica as dezoito tabelas do RD Station Marketing para o Via Kondado do cliente, e o endpoint https://mcp.kondado.io/mcp expõe essas tabelas para que ChatGPT e Claude executem consultas KSQL via OAuth 2.1. Sem warehouse intermediário, sem planilha, sem ETL extra. Você liga o MCP no Claude Desktop ou no ChatGPT custom GPT e começa a perguntar.

Perguntas Frequentes

O MCP da Kondado armazena minhas perguntas ou dados?

Não. O MCP é um canal de leitura somente. Suas perguntas são processadas pelo LLM (ChatGPT ou Claude) e as consultas KSQL executam diretamente sobre seus dados no Via Kondado, sem armazenamento intermediário.

Preciso saber SQL para usar o MCP?

Não. O MCP traduz perguntas em linguagem natural para KSQL automaticamente. Você pergunta "quais landing pages converteram mais" e o sistema gera e executa a consulta.

Quais tabelas do RD Station Marketing estão disponíveis no Via Kondado?

Dezoito tabelas literais, mantidas pela Kondado com schema explícito por campo:

1. rdstation_leads
2. rdstation_leads_tags
3. rdstation_leads_first_conversion_content
4. rdstation_leads_last_conversion_content
5. rdstation_leads_custom_fields
6. rdstation_contatos
7. rdstation_contatos_custom_fields
8. rdstation_contatos_eventos_conversoes
9. rdstation_contatos_eventos_conversoes_traffic_source
10. rdstation_contatos_eventos_oportunidades
11. rdstation_contatos_funis
12. rdstation_emails
13. rdstation_landing_pages
14. rdstation_pop_ups
15. rdstation_forms
16. rdstation_email_analytics
17. rdstation_workflow_emails_analytics
18. rdstation_assets_analytics

As tabelas com prefixo rdstation_crm_ pertencem ao conector RD Station CRM, que é um conector separado na Kondado.

Posso conectar outras fontes além do RD Station Marketing?

Sim. A Kondado oferece mais de oitenta fontes de dados. Você pode cruzar RD Station Marketing com Google Ads, Meta Ads, VTEX, Shopify, Bling, Omie e outras fontes no mesmo Via Kondado, viabilizando análises como CPL real por campanha (RDMK + Google Ads) ou ROAS por origem (RDMK + Meta Ads + receita Bling).

Quais planos da Kondado incluem o MCP?

O MCP é parte do Via Kondado, o destino canônico de dados da Kondado. Consulte os planos da Kondado para detalhes atualizados de limites e recursos.

Comece a analisar seus dados de marketing com IA

Conecte seu RD Station Marketing ao Via Kondado e comece a fazer perguntas em linguagem natural sobre seus dados de marketing. Sem exportar CSVs, sem montar dashboards manuais, só perguntar e decidir. Cadastre-se gratuitamente e comece seu teste grátis de 14 dias.