RevisaCV

O problema

Saí da Rappi em 2023 e, como qualquer pessoa em busca ativa, comecei a aprimorar meu currículo. Em uma conversa, alguém sugeriu a ideia de revisá-lo com o ChatGPT. Testei, e acabei totalmente envolvido: refinando o prompt repetidas vezes, pesquisando o que fazia um currículo passar (ou não) pelos filtros ATS, lendo boas práticas de redação para recrutamento.

Em algum momento o prompt deixou de ser algo que eu usava só para mim. Se estava me dando um feedback acionável e específico — não genérico — provavelmente ajudaria qualquer pessoa no mesmo momento de incerteza pelo qual eu passava. Essa foi a origem: não um plano de negócio, mas um prompt que ficou bom o suficiente para eu deixar de guardá-lo só para mim.

A construção

V1 — Web gratuita (dezembro de 2023)

A primeira versão foi, literalmente, “construa com o que você sabe usar”. Escolhi a Azure porque queria aprender mais sobre essa nuvem, não porque fosse a opção mais barata ou simples — uma decisão consciente de usar o projeto também como desculpa para aprender infraestrutura.

• Azure — App Service dentro de uma máquina virtual, hospedando a web e o servidor de emails.
• WordPress + Spectra para o front, com Photoshop para o logo.
• Solid (plugin de segurança do WordPress) para senhas fortes, bloqueio de usuários com emails comprometidos e proteção contra força bruta.
• Zapier como orquestrador: recebia o currículo, chamava a API da OpenAI para a análise, injetava o resultado em um template HTML (montado com ajuda do ChatGPT, pensado para ficar bom também no modo escuro) e disparava o envio por email.

Falta imagem: V1 — landing page no WordPress (roxa), janeiro de 2024

Anunciei a web no LinkedIn em 22 de janeiro de 2024. O MVP não tinha nenhuma camada de monetização — era 100% gratuito, pensado para validar se a necessidade era real antes de complicar qualquer outra coisa.

V2 — Bot de WhatsApp, com Christian Pasquel (outubro de 2024)

Com a validação da V1 em mãos, mas o custo da Azure pesando, o objetivo da V2 foi direto: baixar o custo de infraestrutura para quase zero e testar um canal diferente — o WhatsApp, onde as pessoas já estão, sem a fricção de “entrar em um site”.

• Hetzner para a infraestrutura (bem mais barata que a Azure).
• N8N gerenciando todo o fluxo conversacional e orquestrando a análise com a API da OpenAI.
• Webflow para uma web estática, usada apenas como landing page promocional — o produto de verdade vivia no chat, não na web.

Falta imagem: V2 — fluxo de análise via WhatsApp

O trade-off foi explícito: menos controle e personalização (todo o “produto” rodava dentro das limitações de um fluxo de WhatsApp) em troca de uma infraestrutura quase gratuita e de encontrar as pessoas em um canal que elas já usavam diariamente.

V3 — Web com publicidade (agosto de 2026)

A V2 provou que a análise funcionava e que as pessoas valorizavam isso, mas esbarrou em duas paredes: trazer tráfego para um bot de WhatsApp é difícil, e depender de uma plataforma de terceiros é frágil (as mudanças do WhatsApp acabaram quebrando o modelo — mais detalhes em Escalonamento). A V3 volta para uma web própria, mas com uma abordagem de distribuição completamente diferente: em vez de pagar ou disputar tráfego canal por canal, apostar em SEO técnico multi-idioma como canal orgânico de longo prazo, monetizado com publicidade em vez de venda direta.

• Vercel hospeda o frontend.
• Supabase como backend (auth, storage, Edge Functions, Postgres) — substitui toda a orquestração manual de N8N/Zapier por infraestrutura gerenciada.
• Login sem senha via magic link por email, com templates próprios traduzidos para os 15 idiomas — coerente com o resto do produto, nada de uma tela de login em um único idioma enquanto tudo o mais está localizado.
• Gemini como modelo LLM para a análise (substitui a OpenAI).
• Claude para o design técnico e visual do produto, e Claude Code como a ferramenta de desenvolvimento de ponta a ponta.
• Conteúdo e UI em 15 idiomas, com boas práticas de SEO técnico (hreflang, sitemap, metadata) replicadas em cada um — a aposta de distribuição central desta versão.
• GEO (Generative Engine Optimization): a distribuição não mira só nos buscadores tradicionais, mas também em permitir que agentes de IA (ChatGPT, Perplexity, Claude, etc.) leiam o site diretamente. Isso incluiu prerendering real (SSR) das páginas públicas — uma SPA em React é, por padrão, uma <div> vazia para qualquer crawler que não execute JavaScript, e vários dos maiores bots de IA não executam — mais dados estruturados (JSON-LD: Article, FAQPage, BreadcrumbList) para que um agente extraia conteúdo sem precisar interpretar o HTML, um robots.txt com permissões explícitas para GPTBot, ClaudeBot, PerplexityBot e Google-Extended, e um llms.txt com um resumo curado do site como ponto de entrada para agentes.

Escalonamento

Mais do que “o que quebrou ao crescer” no sentido clássico de tráfego/carga, cada versão do RevisaCV quebrou por um motivo diferente — e cada quebra definiu a versão seguinte:

• V1 → V2: não foi um problema de escala de usuários (200 currículos em um mês não é muito volume), mas de custo fixo insustentável. Manter a Azure para esse volume não fechava a conta, então a prioridade da V2 passou a ser baixar o custo de infraestrutura quase a zero antes de adicionar features.
• V2 → V3: aqui sim houve duas quebras reais. Uma de distribuição — trazer tráfego para um bot de WhatsApp se mostrou consistentemente difícil, sem um canal orgânico próprio. E uma de dependência de plataforma — mudanças nas políticas/condições do WhatsApp acabaram tornando o modelo inviável do jeito que estava montado, algo completamente fora do meu controle. Essa fragilidade foi a razão principal para voltar a um canal próprio (web + SEO) em vez de continuar otimizando dentro do WhatsApp.
• A V3 foi projetada, desde o primeiro dia, para evitar as duas quebras anteriores: custo variável baixo (Supabase + Vercel em vez de Azure) e um canal de distribuição que não depende da boa vontade de terceiros (SEO próprio em 15 idiomas, em vez de um canal de mensagens emprestado).

Resultados

Versão	Período	Resultado	Custo
V1	Jan 2024 (1 mês)	+200 currículos revisados de graça, ~80 pessoas	Alto (Azure)
V2	Out 2024 – Dez 2025	1.870 currículos revisados · US$ 150 de lucro · 8% de conversão sobre chats iniciados (benchmark: 5%)	US$ 1,50/mês
V3	Ago 2026 – presente	Recém-lançada, ainda sem métricas consolidadas — é o modelo que estou testando agora (pendente de revisão do AdSense)	—

Não guardei evidências (capturas, URLs, dashboards) da V1 nem da V2 além desses números — nenhuma das duas está mais online. É, aliás, um dos aprendizados abaixo.

Aprendizados

• “Construa com o que você tem e valide a necessidade” ganha de construir o ideal desde o primeiro dia. A V1 custava caro e não era a arquitetura certa a longo prazo, mas cumpriu seu único trabalho real: confirmar que a necessidade existia antes de investir mais.
• Infraestrutura barata é uma vantagem real, mas não basta se não resolver a distribuição. A V2 baixou o custo para US$ 1,50/mês, uma conquista em si, mas continuava sem resolver o problema de fundo: trazer gente para o produto.
• Nunca construa o coração do seu produto sobre uma plataforma que você não controla. O bot de WhatsApp funcionava bem tecnicamente, mas uma mudança de políticas alheia a mim o tornou inviável de um dia para o outro. É a razão de fundo pela qual a V3 aposta em um canal próprio (SEO) em vez de depender de um canal emprestado.
• Guarde evidências de cada iteração. Não ter nem uma URL nem uma captura da V1 ou da V2 hoje é uma perda real para mostrar a jornada completa — daqui para frente, documentar cada versão antes de desligá-la.
• Cada versão mudou mais do que o stack: mudou o modelo de negócio. Gratuito sem monetização (V1) → lucro marginal direto por volume (V2) → publicidade + escala via SEO (V3). Não foi uma migração técnica em linha reta, foram três apostas de produto diferentes usando o mesmo core (feedback de currículo com IA).
• O SEO sozinho já não basta — agora também é preciso pensar em como um agente te lê. Uma SPA sem prerendering é uma <div> vazia para crawlers que não executam JavaScript, e essa é exatamente a categoria em que caem vários dos bots de IA mais usados hoje. Construir a V3 pensando em GEO desde o início (não como um remendo posterior) foi essencial para que a aposta de distribuição desta versão alcance tanto os buscadores tradicionais quanto a nova geração de agentes que as pessoas usam para encontrar respostas.