> For the complete documentation index, see [llms.txt](https://docs.patagon.ai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.patagon.ai/marketing-e-atribuicao/meta-ads/meta-conversions-api/conversions-api-data.md).

# Quais dados a Patagon AI envia para a Meta

Quando um lead é qualificado no WhatsApp, a Patagon AI envia uma conversão para a **API de Conversões da Meta (CAPI)**. Junto com o evento, a Patagon AI também envia **dados de correspondência (matching)** — sinais que permitem que a Meta vincule a conversão à pessoa certa e ao anúncio que originou a conversa.

Quanto mais ricos esses dados de correspondência, melhor a Meta consegue parear a conversão e otimizar suas campanhas. **O que é enviado depende do tipo de campanha** que originou a conversa — há dois caminhos.

## Campanhas Landing → WhatsApp

Para as conversas que começam na sua landing page, a Patagon AI monta a correspondência a partir de dois tipos de dados: os **parâmetros do navegador** capturados na página, e os **parâmetros do usuário** obtidos no WhatsApp.

### Parâmetros do navegador

O script de rastreamento da Patagon AI captura estes dados do navegador do visitante quando ele clica no seu botão de WhatsApp:

| Parâmetro   | Observações                                                                                     |
| ----------- | ----------------------------------------------------------------------------------------------- |
| `fbclid`    | O identificador de clique da Meta                                                               |
| `fbc`       | Capturado se estiver presente; se não estiver, a Patagon AI **o constrói a partir do `fbclid`** |
| `fbp`       | O cookie de navegador da Meta                                                                   |
| User agent  | A string de navegador/dispositivo do visitante                                                  |
| Endereço IP | Capturado **somente em países permitidos** — veja a nota abaixo                                 |

{% hint style="info" %}
**Endereço IP e privacidade.** A Patagon AI **não** captura o endereço IP do usuário no **Brasil** (LGPD) nem na **União Europeia** (GDPR). Nessas regiões a conversão ainda é enviada — apenas é pareada com os parâmetros restantes.
{% endhint %}

O script também captura suas **UTMs**, mas elas são usadas para a atribuição *dentro* da Patagon AI — não fazem parte da correspondência da API de Conversões.

### Parâmetros do usuário

Esses vêm da própria conversa, e se dividem em dois grupos:

**Automáticos** — capturados assim que o lead envia sua primeira mensagem no WhatsApp:

* Número de telefone
* País (inferido a partir do número de telefone)

**Baseados na conversa** — capturados somente se o lead os compartilhar durante o chat:

* Nome
* Sobrenome
* Email
* Cidade
* Estado
* CEP / código postal
* Gênero
* Data de nascimento

### Quando a conversão é enviada

Para que a Patagon AI envie uma conversão, você primeiro precisa de um **mapeamento de conversão** — a regra que diz à Patagon AI qual evento de lead qualificado deve disparar uma conversão na Meta. Isso é configurado em [Como conectar a Meta e mapear conversões](/marketing-e-atribuicao/meta-ads/meta-conversions-api.md); sem ele, nenhuma conversão é enviada, independentemente dos dados capturados.

Com o mapeamento no lugar: com base nas UTMs capturadas, se a conversa veio de uma **campanha da Meta**, a Patagon AI faz ping na API de Conversões com **todos os dados disponíveis para aquele lead** — cada parâmetro do navegador e do usuário que ela conseguiu capturar. Quanto mais campos presentes, mais forte a correspondência para a Meta.

## Campanhas Click-to-WhatsApp

Click-to-WhatsApp (CTWA) funciona de forma diferente — e mais simples. Quando alguém toca em um anúncio CTWA, a Meta anexa um **`ctwa_clid`** (o identificador de clique de Click-to-WhatsApp) à conversa, e a Patagon AI o extrai automaticamente.

Esse único identificador vincula a conversa diretamente ao anúncio, então:

* **O lead não precisa fazer nada** e não precisa compartilhar nenhum dado pessoal — o `ctwa_clid` é a correspondência.
* **Você não precisa configurar nada manualmente.** O único requisito é um **dataset de mensagens (business messaging)** para receber as conversões — a Patagon AI configura isso quando você conecta a Meta. Veja [O dataset que suas conversões de CTWA precisam](/marketing-e-atribuicao/meta-ads/meta-conversions-api.md#o-dataset-que-suas-conversoes-de-ctwa-precisam).

{% hint style="warning" %}
**Leads e Vendas são duas feras diferentes.** Quando você cria campanhas CTWA, um objetivo de **Leads** e um objetivo de **Vendas (Sales)** são configurados e otimizados de forma distinta — disparam contra eventos de conversão diferentes (ex. `Lead` vs `Purchase`). Escolha o objetivo que corresponda à conversão que você mapeou na Patagon AI, e mantenha essa coerência. Veja [Como criar campanhas Click-to-WhatsApp](/marketing-e-atribuicao/meta-ads/meta-campaigns/click-to-whatsapp.md).
{% endhint %}


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:

```
GET https://docs.patagon.ai/marketing-e-atribuicao/meta-ads/meta-conversions-api/conversions-api-data.md?ask=<question>&goal=<endgoal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.
