Análise de concorrentes no Twitter: guia do desenvolvedor para 2026

Por Sorsa Editorial

Atualizado em julho de 2026: reformulamos o preço em torno das tarifas por 1.000 em lote, adicionamos a oferta de início gratuito e reverificamos a comparação de custo contra o preço por recurso da API oficial do X de abril de 2026.

Em resumo: Uma análise de concorrentes no Twitter (X) é uma revisão estruturada de como as contas rivais performam, em quatro áreas: benchmarks de perfil (seguidores, taxa de crescimento, cadência), mix de conteúdo e taxas de engajamento, composição da audiência e participação na conversa (share of voice). Rodada em uma programação, ela revela quais formatos e temas geram resultado no seu nicho, e as lacunas que os rivais deixam.

A maioria dos guias de análise de concorrentes para em "abra o painel e olhe". Isso funciona até você estar acompanhando mais de duas ou três contas, comparando janelas de tempo ou puxando os dados para os seus próprios modelos, ponto em que você precisa dos números como registros brutos e estruturados, e não como gráficos na ferramenta de outra pessoa. É essa a lacuna que este guia preenche, e é onde a Sorsa API, um provedor alternativo de API do Twitter (X), entra: ela retorna perfis, tweets, listas de seguidores e menções como JSON limpo em um modelo fixo por requisição que sai a partir de US$ 0,02 por 1.000 tweets e a partir de US$ 0,01 por 1.000 perfis nos endpoints de lote, com um fixo de 20 requisições por segundo em todos os planos, um único cabeçalho ApiKey em vez de OAuth e sem fila de aprovação de conta de desenvolvedor. Você obtém os mesmos dados públicos que a API oficial do X expõe, em uma forma contra a qual dá para escrever scripts, por uma fração do custo.

Este guia cobre a estratégia e a mecânica: quais métricas acompanhar e por quê, como identificar os concorrentes certos, como puxar cada tipo de dado via API com exemplos curtos em Python, quanto o processo inteiro custa em comparação com a API oficial do X e como transformar a saída em uma decisão em vez de uma planilha.

Índice

• O que é uma análise de concorrentes no Twitter?
• Como escolher quais concorrentes acompanhar
• Quais métricas de fato importam
• Fazendo benchmark dos perfis dos concorrentes
• Analisando a estratégia de conteúdo de um concorrente
• Analisando a audiência de um concorrente
• Menções, sentimento e participação na conversa
• Quanto custa acompanhar concorrentes: API oficial do X contra Sorsa
• Com que frequência rodar, e o que fazer com os achados
• Erros comuns
• Automatizando um relatório semanal de concorrentes
• Perguntas frequentes
• Primeiros passos

O que é uma análise de concorrentes no Twitter? {#what-is-a-twitter-competitor-analysis}

Uma análise de concorrentes no Twitter (X) é a prática de medir contas rivais nas mesmas métricas que você acompanha para si mesmo, e depois ler as lacunas. Ela combina dados quantitativos (seguidores, crescimento, taxa de engajamento, frequência de postagem) com revisão qualitativa (tom, temas de conteúdo, quais posts pegam), para você aprender não só o que os concorrentes fazem, mas o que funciona para a audiência que vocês compartilham.

O ponto é o contexto. Seu próprio crescimento de seguidores ou taxa de engajamento significa pouco isolado. Posto contra três ou quatro concorrentes no mesmo nicho, os mesmos números dizem se você está à frente, atrás ou estagnado, e quais alavancas específicas (formato, cadência, tema) estão movendo as contas que estão vencendo. Uma boa análise termina em uma decisão: um formato para testar, um horário de postagem para mudar, uma lacuna de tema para preencher.

Feita à mão, é lenta e desmorona depois de um par de contas. Feita com acesso a dados, ela escala para quantos concorrentes você quiser e atualiza em uma programação.

Como escolher quais concorrentes acompanhar {#how-to-choose-which-competitors-to-track}

Escolha concorrentes em três camadas antes de puxar qualquer dado: diretos (mesmo produto, mesma audiência), indiretos (produto diferente, mesma necessidade de audiência) e aspiracionais (contas no tamanho ou nível de engajamento que você almeja). Acompanhar as três mantém a análise honesta, porque o conjunto aspiracional mostra o que é possível enquanto o conjunto direto mostra o que é realista.

Para achar contas que você ainda não conhece, três sinais funcionam bem:

• Menções compartilhadas. Contas marcadas junto com a sua em conversas do setor costumam ser concorrentes ou players adjacentes.
• Sobreposição de hashtag e palavra-chave. Busque os termos e as tags que você mira e veja quais marcas aparecem postando conteúdo parecido.
• Sobreposição de seguidores. As contas que os seus seguidores também seguem estão disputando a mesma atenção.

Programaticamente, você pode fazer emergir candidatos com uma busca por palavra-chave entre contas e uma varredura de quem menciona um concorrente conhecido, usando endpoints como search-users e mentions. Uma vez que você tenha uma lista curta de @s, o resto da análise roda contra essa lista.

Quais métricas de fato importam {#which-metrics-actually-matter}

Quatro grupos de métricas carregam quase todo o sinal em uma análise de concorrentes no Twitter: métricas de perfil, métricas de conteúdo, métricas de engajamento e métricas de audiência. Acompanhar mais do que essas adiciona ruído sem adicionar insight, e a taxa de engajamento importa mais do que o contador bruto de seguidores porque reflete como uma audiência de fato responde, e não o quão grande ela é.

Os grupos se decompõem assim:

• Métricas de perfil: contador de seguidores e taxa de crescimento, contador de seguindo, total de posts, idade da conta e mudanças de bio ou de link. A taxa de crescimento é a que se deve observar; uma conta menor ganhando de forma estável muitas vezes bate uma conta grande que estagnou.
• Métricas de conteúdo: frequência e horário de postagem, distribuição de formato de conteúdo (texto, imagem, vídeo, threads) e os temas a que um concorrente retorna.
• Métricas de engajamento: curtidas, retweets, respostas, quotes e a taxa de engajamento que os normaliza contra o tamanho da audiência. O objetivo é aprender qual conteúdo gera resposta e qual cai no vazio.
• Métricas de audiência: quem segue um concorrente, quantos desses seguidores são verificados ou de alta autoridade e quanto a audiência deles se sobrepõe à sua.

As seções abaixo tomam cada grupo por vez, com a leitura conceitual primeiro e um exemplo curto de código para puxar os dados em escala.

Fazendo benchmark dos perfis dos concorrentes {#benchmarking-competitor-profiles}

O benchmark de perfil estabelece a linha de base: o quão grande cada concorrente é, o quão rápido está crescendo, com que frequência posta e como se posiciona na bio. Um único snapshot é quase inútil aqui; o valor vem de registrar os mesmos campos em uma programação e ler os deltas, já que taxa de crescimento e cadência são tendências, não valores pontuais.

A forma mais rápida de puxar a linha de base para um conjunto inteiro de concorrentes é uma consulta de perfil em lote. O endpoint /info-batch da Sorsa retorna até 100 perfis completos em uma única requisição, que conta como uma requisição contra a sua cota e inclui contador de seguidores, contador de posts, status de verificado, bio e idade da conta.

import requests

BASE = "https://api.sorsa.io/v3"
HEADERS = {"ApiKey": "YOUR_API_KEY"}

competitors = ["stripe", "wise", "revolutapp"]

resp = requests.get(
    f"{BASE}/info-batch",
    headers=HEADERS,
    params=[("usernames", u) for u in competitors],
    timeout=30,
)
profiles = resp.json().get("users", [])

for p in profiles:
    print(f"@{p['username']:<14} {p['followers_count']:>12,} followers  "
          f"{p['tweets_count']:>9,} posts  verified={p.get('verified')}")

Para transformar snapshots em taxas de crescimento, anexe os resultados a um CSV em uma programação diária ou semanal (cron, GitHub Actions, qualquer executor de tarefas) e calcule a mudança:

Growth rate % = ((followers today - followers N days ago) / followers N days ago) * 100

Como o objeto de perfil também carrega description, links da bio e created_at, comparar snapshots sucessivos faz emergir mudanças de posicionamento (uma bio reescrita, um destino de link trocado) sem custo extra. Para o quadro completo de seguidores e seguindo, veja nosso guia da API de seguidores do Twitter.

Analisando a estratégia de conteúdo de um concorrente {#analyzing-a-competitors-content-strategy}

A análise de conteúdo decompõe o que um concorrente posta em um mix que você pode comparar: posts originais contra respostas contra quotes, a fatia que carrega mídia, o engajamento médio por post e o punhado de melhores desempenhos que revela o que a audiência dele recompensa. O padrão importa mais do que qualquer tweet isolado, então puxe uma amostra significativa (os últimos algumas centenas de posts) antes de tirar conclusões.

O endpoint /user-tweets da Sorsa retorna até 20 posts por página e pagina com um next_cursor. Ao contrário da API oficial do X, não há teto histórico de 3.200 posts, então a paginação pode alcançar o primeiro tweet de uma conta.

def fetch_user_tweets(username, max_pages=10):
    tweets, cursor = [], None
    for _ in range(max_pages):
        body = {"username": username}
        if cursor:
            body["next_cursor"] = cursor
        r = requests.post(f"{BASE}/user-tweets",
                          headers={**HEADERS, "Content-Type": "application/json"},
                          json=body, timeout=30)
        data = r.json()
        tweets.extend(data.get("tweets", []))
        cursor = data.get("next_cursor")
        if not cursor:
            break
    return tweets

tweets = fetch_user_tweets("stripe")
total = len(tweets)
originals = sum(1 for t in tweets if not t.get("is_reply") and not t.get("retweeted_status"))
with_media = sum(1 for t in tweets if t.get("entities"))
avg_likes = sum(t.get("likes_count", 0) for t in tweets) / total

print(f"{total} posts | {originals/total:.0%} original | "
      f"{with_media/total:.0%} with media | {avg_likes:.0f} avg likes")

Cada objeto de post inclui likes_count, retweet_count, reply_count, quote_count e view_count, então ordenar os posts de um concorrente por engajamento para achar o melhor e o pior conteúdo dele é uma ordenação, não uma requisição à parte. Para comparar duas janelas de tempo da mesma conta (este trimestre contra o anterior), mude para /search-tweets com os operadores from:, since: e until:; nossa referência de operadores de busca do Twitter lista a sintaxe completa. Para respostas, quotes e quem deu retweet especificamente, veja o guia da API de engajamento do Twitter.

Analisando a audiência de um concorrente {#analyzing-a-competitors-audience}

A análise de audiência responde quem segue um concorrente e quanto a audiência dele se sobrepõe à sua. Há dois caminhos com perfis de custo muito diferentes: a fatia de seguidores verificados (pequena, de alto sinal, barata) e o grafo completo de seguidores (completo, mas caro para contas grandes). Comece pelos seguidores verificados, a menos que você especificamente precise do grafo inteiro.

O endpoint /verified-followers retorna apenas contas verificadas seguindo um @, até 200 por página. Essa é a fatia de mais alto sinal de qualquer audiência e uma fração do custo de puxar todos.

def fetch_verified(username, max_pages=5):
    users, cursor = [], None
    for _ in range(max_pages):
        params = {"username": username}
        if cursor:
            params["next_cursor"] = cursor
        r = requests.get(f"{BASE}/verified-followers",
                         headers=HEADERS, params=params, timeout=30)
        data = r.json()
        users.extend(data.get("users", []))
        cursor = data.get("next_cursor")
        if not cursor:
            break
    return users

Para o grafo completo, /followers também retorna até 200 perfis por página; uma conta de um milhão de seguidores é, portanto, cerca de 5.000 requisições, então faça o orçamento antes de rodar. Uma vez que você tenha conjuntos de IDs de seguidores de duas contas, a sobreposição de audiência é uma interseção de conjuntos:

a = {u["id"] for u in fetch_verified("competitor_a")}
b = {u["id"] for u in fetch_verified("competitor_b")}
print(f"Shared: {len(a & b):,} | Only A: {len(a - b):,} | Only B: {len(b - a):,}")

Uma sobreposição alta significa que vocês estão brigando exatamente pela mesma audiência; uma sobreposição baixa significa que um concorrente alcançou pessoas que você não alcançou. Para transformar listas de seguidores de concorrentes em prospects, veja descoberta de público-alvo, e para medir quanto do seguimento de um rival é real, os mesmos dados de seguidores movem uma auditoria de seguidores falsos. Uma ressalva sobre a divisão específica de cripto: /followers-stats categoriza seguidores em influenciadores, projetos e VCs, mas só cobre contas já rastreadas no banco de dados de cripto da Sorsa, então é útil para contas Web3 e incompleto em outros lugares.

Menções, sentimento e participação na conversa {#mentions-sentiment-and-share-of-voice}

A análise de menções mede com que frequência as pessoas falam de um concorrente, como se sentem a respeito dele e qual fatia da conversa total cada marca detém (share of voice). Filtrar menções por engajamento mínimo antes de analisá-las remove respostas de bot e automarcações, que de outro modo afogam o sinal.

O endpoint /mentions da Sorsa aceita min_likes, min_replies, min_retweets e filtros de data, então você pode puxar só menções que passaram de um piso de engajamento em uma dada janela:

def fetch_mentions(handle, min_likes=10, max_pages=5):
    out, cursor = [], None
    for _ in range(max_pages):
        body = {"query": handle, "order": "popular", "min_likes": min_likes}
        if cursor:
            body["next_cursor"] = cursor
        r = requests.post(f"{BASE}/mentions",
                          headers={**HEADERS, "Content-Type": "application/json"},
                          json=body, timeout=30)
        data = r.json()
        out.extend(data.get("tweets", []))
        cursor = data.get("next_cursor")
        if not cursor:
            break
    return out

Para sentimento, uma biblioteca de código aberto como o VADER roda localmente sem custo por chamada e lida razoavelmente bem com texto de mídia social; canalize menções de alto engajamento ou sinalizadas para um LLM apenas quando você precisar de leituras mais afiadas de sarcasmo ou reclamações técnicas. Nosso passo a passo de análise de sentimento do Twitter cobre a etapa de classificação inteira, e o guia da API de menções do Twitter cobre o conjunto de filtros em profundidade.

A participação na conversa (share of voice) é então uma razão sobre um período fixo:

Share of voice = (your mentions) / (your mentions + sum of competitor mentions)

Acompanhe a mudança semana a semana em vez do número absoluto, porque eventos de nível de categoria inflam o volume de menções de todo mundo de uma vez e obscurecem o seu próprio movimento.

Quanto custa acompanhar concorrentes: API oficial do X contra Sorsa {#what-competitor-tracking-costs-official-x-api-vs-sorsa}

Puxar dados de concorrentes é muito mais barato em uma API fixa por requisição do que em uma por recurso, porque um modelo por recurso cobra à parte por cada post e cada perfil em uma resposta, incluindo o perfil do autor anexado a cada tweet. Uma única página de busca que retorna 20 posts mais os 20 perfis dos autores é cobrada como 40 leituras separadas no modelo oficial, mas como uma requisição em um modelo fixo.

A API oficial do X roda um modelo de consumo: a partir do seu preço de abril de 2026, ler posts custa US$ 0,005 por post, ler usuários (e seguidores ou seguindo) custa US$ 0,010 por recurso, contas de pagamento por uso são limitadas a 2 milhões de leituras de post por mês, e o acesso usa OAuth 2.0 com um bearer token. A Sorsa cobra uma requisição por chamada de API independentemente do que ela retorna, embute o perfil do autor em cada tweet de graça e autentica com uma única chave. Aqui está o mesmo trabalho de análise de concorrentes precificado das duas formas:

Em volume realista de análise de concorrentes, a diferença se compõe rapidamente. Acompanhar cinco concorrentes com perfis, posts recentes e menções em uma cadência semanal roda na ordem de US$ 60 por mês na API oficial uma vez contadas as leituras de autor, e cabe dentro do plano Starter de US$ 49 da Sorsa com folga. Em cargas de trabalho de leitura intensa, o modelo de tarifa fixa é até 50x mais barato, e o detalhamento completo está na nossa análise de preços da API do Twitter. Para como o modelo de tarifa fixa se compara ao campo mais amplo de provedores, veja nosso guia de alternativas à API do Twitter.

A troca honesta: a API oficial do X é a que se deve usar quando você precisa escrever (postar, responder, enviar DMs) ou precisa de streaming filtrado, porque a Sorsa é somente leitura por design. Para análise, que é um trabalho somente de leitura, essa limitação nunca se aplica, e a estabilidade somente leitura é parte do porquê os dados permanecem consistentes.

Se você prefere não escrever código nenhum, a ferramenta gratuita de comparação de perfis põe dois @s lado a lado em seguidores, taxa de engajamento, média de curtidas e retweets, frequência de postagem e idade da conta, e a calculadora de taxa de engajamento faz a conta de engajamento por tweet para uma única conta.

Com que frequência rodar, e o que fazer com os achados {#how-often-to-run-it-and-what-to-do-with-the-findings}

Rode uma análise profunda de concorrentes trimestralmente e uma leve semanalmente. A passada trimestral redefine sua visão do cenário (quem está crescendo, quem mudou o posicionamento, quais formatos assumiram), enquanto a passada semanal pega mudanças rápidas em postagem e engajamento. Dados tão voláteis ficam obsoletos em semanas, então uma análise única vale muito menos que uma agendada. O mesmo princípio de agendamento sustenta o monitoramento em tempo real de menções e atividade de concorrentes.

Achados só são úteis se viram um plano. Uma forma simples de estruturar a saída é por horizonte de tempo:

• Ganhos rápidos (este mês): mudanças que você pode testar imediatamente, como um horário de postagem do qual um concorrente claramente se beneficia, um formato que supera consistentemente no seu nicho ou um ajuste de bio.
• Médio prazo (um a três meses): mudanças no calendário de conteúdo, novos formatos para experimentar ou uma cadência de gestão de comunidade baseada em como os líderes do seu espaço respondem à audiência deles.
• Longo prazo (três a seis meses): apostas maiores que os dados justificam, como uma nova série de conteúdo ou um reposicionamento, respaldadas por evidência em vez de palpite.

Uma passada de SWOT sobre os dados reunidos (onde os concorrentes são fortes, onde são fracos, o que está aberto, o que ameaça você) é uma forma rápida de traduzir métricas brutas nesses três baldes.

Erros comuns {#common-mistakes}

Os erros recorrentes na análise de concorrentes no Twitter são previsíveis. Evite estes:

• Perseguir métricas de vaidade. O contador de seguidores lisonjeia contas grandes e estagnadas. A taxa de engajamento e a taxa de crescimento descrevem o que de fato está acontecendo.
• Copiar em vez de aprender. O objetivo é entender por que algo funciona para uma audiência compartilhada, e depois adaptá-lo, não clonar o calendário de um concorrente.
• Comparar contas descasadas. Uma conta estabelecida há uma década com uma equipe grande não é um benchmark de igual para igual para uma marca de um ano. Segmente os concorrentes para que a comparação seja justa.
• Ignorar custo e escala. Revisão manual e preço por recurso ambos desmoronam depois de algumas contas. Se a análise não for barata e repetível, ela não vai se manter regular.
• Tirar conclusões de amostras minúsculas. Um punhado de posts não é uma estratégia de conteúdo. Puxe algumas centenas antes de decidir qual é o mix de um concorrente.

Automatizando um relatório semanal de concorrentes {#automating-a-weekly-competitor-report}

As cinco análises acima se compõem em um único trabalho agendado, a fundação de um acompanhamento contínuo de concorrentes: puxar perfis do conjunto de concorrentes, registrar um snapshot e calcular o crescimento, decompor o conteúdo recente, buscar seguidores verificados, classificar menções e calcular a participação na conversa, tudo a partir da mesma chave. Para três concorrentes em cadência semanal na profundidade padrão, o relatório inteiro roda na ordem de 150 a 200 requisições por execução, confortavelmente abaixo de 1.000 requisições por mês.

Construindo e operando a API da Sorsa desde 2022, o padrão que vemos com mais frequência é equipes costurando essas chamadas em um cron job ou um fluxo do GitHub Actions que escreve um CSV ou posta um resumo no Slack. O script consolidado completo, com cada função auxiliar conectada, vive na nossa documentação de fluxo de análise de concorrentes, e a documentação de autenticação cobre a configuração de chave.

Na prática, uma agência de análise social de cerca de 12 pessoas com quem trabalhamos acompanhava cerca de 20 @s de concorrentes semanalmente entre as contas de seus clientes. Na API oficial do X, as leituras de perfil de autor cobradas à parte anexadas a cada post faziam a conta mensal oscilar com o volume e rastejar em direção ao teto de leitura por mês. Mover a carga de leitura para um modelo fixo por requisição, com perfis de autor empacotados em cada tweet sem cobrança extra, tornou o custo previsível de mês para mês e o cortou fortemente, que é o desfecho esperado dado o cálculo de por recurso contra por requisição acima. Nenhuma mudança nos dados que eles coletavam, só no que aquilo custava e no quão estável a conta era.

Perguntas frequentes {#faq}

Qual é a diferença entre análise de concorrentes no Twitter e benchmarking? A análise de concorrentes é a prática mais ampla de estudar a estratégia, o conteúdo e a audiência de contas rivais para achar oportunidades. Benchmarking é a etapa mais estreita de comparar métricas específicas, como taxa de engajamento ou crescimento de seguidores, contra esses concorrentes ou uma média do setor. O benchmarking é um componente de uma análise de concorrentes completa, fornecendo os números contra os quais você se mede.

Dá para fazer uma análise de concorrentes no Twitter sem programar? Sim. Ferramentas no-code gratuitas cobrem o básico: a ferramenta de comparação de perfis da Sorsa põe dois @s lado a lado em seguidores, taxa de engajamento, média de curtidas e retweets, frequência de postagem e idade da conta, e sua calculadora de taxa de engajamento faz a conta por tweet para uma conta. Para acompanhar muitos concorrentes em uma programação ou alimentar dados nos seus próprios modelos, uma API é o caminho mais prático.

Como analisar tweets de concorrentes de forma acessível em escala? Use uma API fixa por requisição em vez do preço por recurso da API oficial do X. A Sorsa API retorna tweets, perfis, listas de seguidores e menções como JSON por uma requisição por chamada, embute o perfil do autor de cada tweet de graça e começa em US$ 49 para 10.000 requisições com um fixo de 20 requisições por segundo, o que faz puxar centenas de posts de concorrentes custar centavos em vez de dólares.

Até que ponto no passado dá para analisar os tweets de um concorrente? Mais para trás do que a API oficial permite. A API oficial do X limita as leituras de linha do tempo de usuário a 3.200 posts, mas o endpoint user-tweets da Sorsa pagina sem esse teto, então você pode alcançar os primeiros posts de uma conta, e seu endpoint de busca com os operadores since e until puxa posts de qualquer janela histórica.

Quais métricas do Twitter mais importam para análise de concorrentes? Taxa de engajamento, taxa de crescimento de seguidores, cadência de postagem e distribuição de formato de conteúdo carregam o maior sinal. A taxa de engajamento bate o contador bruto de seguidores porque reflete como uma audiência responde em vez de o quão grande ela é, e a taxa de crescimento revela momentum que um total estático de seguidores esconde.

É permitido analisar os dados públicos de um concorrente no X? Analisar dados de conta disponíveis publicamente, como posts públicos, contadores de seguidores e números de engajamento, é pesquisa competitiva padrão e somente leitura por natureza, já que coleta informação pública existente em vez de postar ou interagir. Isto é informação geral, não aconselhamento jurídico; confira os termos atuais da plataforma e suas próprias exigências legais para o seu caso específico.

Primeiros passos {#getting-started}

Você pode rodar sua primeira extração de concorrentes em cerca de três minutos. Comece com 100 requisições grátis, única vez, sem cartão, que nunca expiram e cobrem todos os 40 endpoints somente leitura, e depois crie uma chave sem nenhuma aprovação de conta de desenvolvedor exigida. O mesmo cabeçalho ApiKey funciona em todos os endpoints, de consultas de perfil em lote a menções com filtros de engajamento. Os planos pagos começam a partir de US$ 0,02 por 1.000 tweets (US$ 49 para 10.000 requisições no Starter), todo plano roda a um fixo de 20 requisições por segundo, e não há janelas por endpoint para gerenciar.

Comece no playground da API para testar endpoints no navegador sem código, leia o script completo do relatório semanal na nossa documentação ou compare planos na página de preços. Para volumes acima de 500.000 requisições por mês ou um rate limit dedicado, fale com o time de vendas.

Revisado por Keksich, fundador da Sorsa, profissional de marketing e pesquisador da API do X.

Como este guia foi montado: ele se apoia no nosso trabalho prático construindo e operando a API alternativa do Twitter (X) da Sorsa, na própria API ao vivo e na documentação atual da Sorsa API. A comparação de custo usa o preço por requisição publicado da Sorsa e o preço por recurso de abril de 2026 da API oficial do X, precificado para tarefas idênticas de análise de concorrentes. Nomes de endpoint, limites e campos de resposta foram checados contra a referência da Sorsa API v3. Verificado em 6 de julho de 2026.