Dá-lhe a tua voz de marca

O problema: um tom genérico

O skill /post funciona, mas o seu resultado soa genérico. Cada plataforma recebe o mesmo tom: os posts do Twitter parecem LinkedIn, o LinkedIn parece demasiado descontraído, e tudo isto poderia ter sido escrito por qualquer marca de qualquer setor. Para a Lea, é inaceitável: a sua marca tem uma voz — calorosa, comprometida, nunca moralista — e as suas clientes reconhecem-na. Um conteúdo que não soa a «Lea» é pior do que inútil: dilui a marca.

Este problema não é um bug, é uma propriedade dos modelos de linguagem. Um LLM é treinado no conjunto do texto disponível: sem instrução em contrário, produz a média estatística do que viu — um tom passe-partout, fórmulas consensuais, uma estrutura previsível. A voz por defeito de uma IA é a voz de ninguém.

Porque é que a IA escreve «como a IA»

Certamente já identificaste estes tiques: os travessões em cascata, as fórmulas em três tempos («não apenas X, mas Y e até Z»), as palavras inchadas como «revolucionário», «mergulhar em», «desbloquear o potencial», as conclusões que resumem o que acabou de ser dito. Estes marcadores vêm do facto de o modelo otimizar um texto «bem formado» no sentido escolar — equilibrado, exaustivo, polido — quando um bom post social é exatamente o oposto: assertivo, incompleto, com verdadeira personalidade.

A consequência prática: não se corrige um tom genérico pedindo «escreve de forma mais humana» (instrução vaga, resultado vago). Corrige-se com duas alavancas concretas: regras negativas explícitas (a lista do que se proíbe) e amostras reais (o modelo é excelente a imitar um estilo que lhe mostramos — muito melhor do que a adivinhar um estilo que lhe descrevemos).

Cada plataforma tem a sua gramática

Para além da voz da marca, cada rede tem os seus códigos — e misturá-los é o sinal mais visível de um conteúdo automatizado sem cuidado:

O teu skill deve portanto codificar duas camadas: a voz da marca (constante em todo o lado) e a gramática de cada plataforma (variável). É exatamente o que faz o prompt seguinte.

O prompt «humanize»

adiciona as minhas amostras de voz de marca e o meu estilo ao skill /post:

# ESTILO (todas as plataformas):
- linguagem clara e simples, frases curtas e impactantes
- voz ativa, não passiva
- insights práticos e acionáveis
- discurso direto: «tu» e «teu»
- EVITA travessões, metáforas, clichés, generalizações
- EVITA as palavras vazias (revolucionário, disruptivo, poderoso, mergulhar, desbloquear…)

# AMOSTRAS POR PLATAFORMA:
Twitter: <COLAR 3 EXEMPLOS>
LinkedIn: <COLAR 3 EXEMPLOS>
Instagram: <COLAR 3 EXEMPLOS>

Cola posts verdadeiros que escreveste — os teus melhores, os que funcionaram bem ou de que te orgulhas. Quantos mais exemplos deres, melhor o Claude decalca o teu tom: três por plataforma é um bom começo, cinco ou seis é ainda melhor. As regras de estilo no topo eliminam os marcadores que traem um texto de IA; as amostras fornecem o positivo que as regras sozinhas não dão.

Conselho de organização: em vez de amontoar tudo no SKILL.md, pede ao Claude para criar um ficheiro dedicado brand-voice.md que o skill referencia. Vantagens: podes atualizar a voz sem tocar no skill, o mesmo ficheiro servirá a outros skills (o /plan-week do capítulo 7), e um ficheiro de referência carregado a pedido mantém o skill leve.

Ainda sem exemplos?

Se não tens amostras — marca novinha em folha, reconversão, rede nova — pede ao Claude para ir procurá-las: «vai encontrar 10 exemplos de escrita de [autor que admiras] no LinkedIn». Ele usá-los-á como referência de voz. Escolhe alguém cujo tom corresponda realmente ao que pretendes, não apenas alguém conhecido: herdas os seus tiques tanto como as suas qualidades.

Considera isto um andaime temporário. Assim que publicares e certos posts tiverem bom desempenho, substitui os exemplos emprestados pelos teus posts verdadeiros. Ao longo das semanas, a tua biblioteca de amostras torna-se o teu ativo mais precioso: a definição operacional da tua marca.

Iterar metodicamente, não ao acaso

A primeira versão não será perfeita — é normal e está previsto. O que conta é iterar com método. Gera o mesmo tema em duas plataformas, lê os resultados em voz alta (o teste mais fiável para detetar o «tom IA»), e identifica precisamente o que falha: uma palavra, uma construção, um comprimento. Depois corrige a regra, não o post: «adiciona a palavra sublimar à lista de palavras proibidas», «os posts Twitter ultrapassam 200 caracteres, aperta a instrução».

flowchart LR
  G["Gerar um post de teste"] --> L["Ler em voz alta"]
  L --> D{"Algo está mal?"}
  D -->|"Sim: identificar o tique preciso"| R["Corrigir a regra no skill"]
  R --> G
  D -->|"Não"| V["Voz validada"]

A grande lição: um skill evolui

Recua um pouco sobre o que acabámos de fazer: não substituímos o skill — aumentámo-lo com contexto. Isto é essencial: os teus skills nunca devem ficar congelados. Como uma competência humana, melhoram-se continuamente: o que funciona, os casos-limite encontrados, as tuas preferências que se vão precisando. Cada melhoria beneficia todas as utilizações futuras — é um investimento com juros compostos.

Concretamente, ganha o hábito da frase «atualiza o skill para que…» sempre que um resultado te desiludir. Corrigir o resultado repara uma vez; corrigir o skill repara para sempre. Este hábito — melhorar a ferramenta em vez do produto final — é o fio condutor de todo o curso, e voltarás a encontrá-lo no capítulo 7 como padrão central.