A biblioteca de campanhas

A biblioteca dá dois pontos de partida:

modelos de campanha por setor: um plano pronto para cotar na cidade que você escolher, com as premissas escritas e as perguntas que o job vai responder;
casos públicos: fenômenos reais com resultado publicado, que mostram o que o motor previu fora da amostra e com que erro.

Ler a biblioteca não custa nada. A simulação que você roda a partir de um modelo tem o preço de sempre, cotado antes.

Os modelos

Setor	Modelo	Para que serve
varejo	Lançamento de loja ou promoção	Quantas pessoas de renda média ficam sabendo de uma loja nova ou de uma promoção, e quanto o rádio soma ao digital.
imobiliário	Lançamento de um loteamento	Se a mensagem de um loteamento chega às famílias que podem comprar, e em quanto tempo.
telecom	Oferta de internet	Quantos adultos jovens uma oferta só no digital alcança, e quanto o boca a boca a espalha.
saúde pública	Campanha de rastreamento	Quantas mulheres de 50 anos ou mais uma campanha de saúde alcança, e por qual canal.
educação	Campanha de matrículas	Quantos jovens de 20 a 29 anos uma campanha de matrículas alcança, no digital e no rádio.
serviços públicos	Aviso à população	Em quantos dias um aviso de serviço público chega à cidade inteira.

Cada modelo traz:

o plano sem lugar: o público nos grupos da grade, os canais com os dias e a intensidade, o horizonte, as réplicas e os indicadores;
as premissas em palavras, para você conferir antes de rodar;
as perguntas sugeridas do contrato de resposta.

Como usar um modelo

No app: em Biblioteca, escolha um modelo e clique em Usar este modelo. Escolha o projeto, as UFs e as cidades, e a Nova simulação abre preenchida, com o preço ao lado. Tudo continua editável antes de rodar. A Nova simulação também tem um atalho para a biblioteca.
No chat: quando você não sabe por onde começar, o assistente oferece um modelo da biblioteca e o cota para a cidade que você disser.
Pela API: GET /v1/biblioteca lista os modelos e os casos. GET /v1/biblioteca/{modelo} devolve um modelo; com uf ou municipio (repetidos para mais de um), ele vem também com pedido, o pedido pronto para POST /v1/jobs/estimate. Qualquer chave do projeto lê a biblioteca, e cada leitura conta nos limites de chamadas.
Pelo MCP: list_campaign_templates e get_campaign_template, com ufs ou municipios para receber o cenário daquele lugar (Ferramentas do MCP).

curl "https://api.brasilsintetico.com/v1/biblioteca/varejo-lancamento?municipio=3106200&municipio=3118601" \
  -H "Authorization: Bearer $BS_KEY"

Com só as cidades, as UFs são as delas. Um lugar que a release não tem é recusado com o código do contrato, como na cotação (Erros).

O que o lugar preenche

Campo	Valor
`geografia`	As UFs e as cidades escolhidas.
`release`	A release mais nova oferecida.
`mensagem`	A mensagem de referência: o texto ainda não muda o resultado da recepção.
`grupo_comparacao`	`biblioteca-` e o id do modelo. Dois jobs do mesmo modelo dividem os sorteios, então a diferença entre eles vem do plano (Comparar dois jobs).
`nome`	O nome do modelo.
`horizonte.data_inicio`	O primeiro dia do mês seguinte.
`contrato_de_resposta`	As perguntas sugeridas, sobre as cidades escolhidas.

As perguntas sugeridas

O território de cada pergunta são as cidades escolhidas. Uma UF inteira, sem cidade, roda sem perguntas: os achados continuam valendo.
Uma pergunta sobre “o público” conta só o público do plano, nos eixos da grade em que o job responde. As outras contam todo mundo no território: o boca a boca alcança qualquer pessoa.
Uma pergunta de onde compara cidades, por isso precisa de duas ou mais.
No app, as perguntas acompanham o plano. Se você tira um canal, a comparação sem ele sai; se encurta o horizonte, sai a pergunta de uma semana que ficou depois dele. Você também pode tirar todas as perguntas.

Os casos públicos

Um caso só entra com a fonte citada e uma licença que permita publicá-lo. Cada caso diz o que o motor reproduziu e com que erro, ou que ainda não foi conferido. Outros casos entram quando a fonte permitir publicá-los.

A adoção do Pix

O que foi medido: quanto a adoção do Pix simulada pelo motor se afasta da observada, UF por UF, nos 12 meses seguintes à janela de calibração (novembro de 2021 a outubro de 2022), meses que a calibração não viu.
O resultado: na release v2.0.0, 20 UFs passam nos testes, e 7 têm uma reprovação declarada, num teste de ordem (na v1.2.0, 21 e 6). Para cada UF, o caso traz o veredito (passou, reprovado_declarado ou nao_pontuado), o erro do total da UF no pior trimestre e cada reprovação, com o valor e o limite.
A fonte: Banco Central do Brasil, Estatísticas do Pix (dados abertos), licença ODbL, com atribuição.
O que ele não mostra: quanto o motor acerta a recepção de uma mensagem, que ainda não foi calibrada, ou a adoção de outro produto.

O método, os três testes e a tabela completa estão em O que medimos.