Data to AI™ / Claude/Amazon Ads
Fragen Sie Claude, welche Kampagnen, Suchbegriffe und ASINs ihre Ausgaben in Sponsored Products, Sponsored Brands und DSP wert sind, ohne einen einzigen Bericht herunterzuladen.
Weniger Tokens, bessere Antworten.
Claude
Welche Sponsored Products Kampagnen hatten letzten Monat den höchsten ACOS auf Basis der 14-Tage-Umsätze?
Generic - Kitchen hatte mit 42,0 % den höchsten ACOS, mehr als das Vierfache von Brand - Exact mit 10,0 %. Competitor ASINs folgte mit 33,0 % auf Platz zwei.
| Campaign Name | Spend | Sales 14d | Acos Clicks 14d |
|---|---|---|---|
| Generic - Kitchen Sponsored Products: Campaign | 4.120 | 9.810 | 42,0 % |
| Competitor ASINs Sponsored Products: Campaign | 2.460 | 7.450 | 33,0 % |
| Brand - Exact Sponsored Products: Campaign | 1.350 | 13.500 | 10,0 % |
Spend und Sales 14d nutzen dasselbe 14-tägige Attributionsfenster; Sales 7d wird nie beigemischt.
Amazon Ads Berichte decken Sponsored Products, Sponsored Brands, Sponsored Display und Amazon DSP ab. Jede Quelle liest einen Berichtstyp für das gewählte Profil, täglich oder als Zusammenfassung für den Datumsbereich.
Welche Search Term Werte hatten in den letzten 30 Tagen Cost über 50, aber null Purchases 7d? Zeige jeweils das Keyword und den Match Type dahinter.
Jeden Montag fragt ein PPC-Manager Claude nach Suchbegriffen, die Geld kosten, ohne zu konvertieren. Claude gruppiert sie nach Keyword und Match Type und entwirft eine Negativliste, die Sie prüfen, bevor Sie Kampagnen bearbeiten.
Frage die Entität Sponsored Products Campaign über den dataddo Server ab, sortiere nach Acos Clicks 14d und aktualisiere reports/amazon-acos.md mit Spend und Sales 14d.
Die Retail-Media-Zusammenfassung liegt neben dem Reporting-Code. Claude Code holt Acos Clicks 14d und Roas Clicks 14d pro Kampagne und aktualisiert die Markdown-Datei, die das Team in einem Pull Request prüft.
Welcher Anteil der Sponsored Brands Sales stammte in jeder der letzten sechs Wochen aus New To Brand Sales, aufgeteilt nach Campaign Name?
Brand Manager wollen wissen, ob Sponsored Brands neue Kunden gewinnt oder überwiegend bestehende zurückholt. Claude liefert das wöchentliche Verhältnis als Tabelle für das quartalsweise Marken-Review.
Data to AI™ ist während der privaten Vorabversion kostenlos. Wir nehmen Teams in Wellen auf und entwickeln das Produkt mit ihrem Feedback weiter. Zum Launch wird es so abgerechnet wie die KI-Assistenten, die Ihr Team bereits nutzt. Sie brauchen individuelle Verträge oder Mengenpreise? Sprechen Sie mit uns über Enterprise.
Stellen Sie Claude, ChatGPT und anderen KI-Tools governte Geschäftsdaten über MCP bereit.
Kostenlos in der Vorabversion
Stellen Sie Dataddo flexibel in jeder Cloud- oder Hybridumgebung bereit.
Wir haben ein Zahlungsmodell, das zu Ihnen passt
| Ohne Dataddo |
Mit Dataddo
|
Ihr Ergebnis | |
|---|---|---|---|
| Berichte in Claude bringen | Jemand lädt pro Amazon-Berichtstyp eine CSV herunter, bereinigt die Kopfzeilen und lädt die Dateien vor jedem Review in einen Claude-Chat hoch. | Claude fragt die verknüpften Amazon Ads Berichtsquellen über den Konnektor Dataddo Data Access ab, sobald eine Frage sie braucht. | Keine Berichts-Downloads mehr |
| Attributionsfenster | Hochgeladene Dateien zeigen Sales 7d und Sales 14d ohne Erklärung nebeneinander, sodass Claude Fenster in einem ACOS-Wert vermischen kann. | Die semantische Schicht beschreibt jedes Feld, sodass Claude weiß, dass Sales 14d und Purchases 7d zu unterschiedlichen Attributionsfenstern gehören. | ACOS auf einem Fenster |
| Arbeiten aus einem Repository | Ein Skript fordert Amazon-Berichte an, fragt ab, bis jeder fertig ist, und ordnet Spalten zu, bevor jemand die Ausgabe im Code analysieren kann. | Claude Code verbindet sich mit claude mcp add, meldet sich mit /mcp an und liest dieselben Berichtsentitäten wie Claude im Browser. | Dieselben Daten in Chat und Code |
| Zugriff für das Team | Jeder Analyst hat einen privaten Exportordner, und die Dateien in geteilten Claude-Projekten driften mit der Zeit auseinander. | Bei Team und Enterprise fügt ein Owner den Konnektor einmal hinzu, und jedes Mitglied meldet sich mit seinem eigenen Dataddo-Konto an. | Eine Einrichtung für alle |
| Token-Verbrauch | Claude verbraucht Tokens, um rohe Amazon Ads-Spalten zu erkunden, Zeilen zu sichten und neu anzusetzen, bis die Daten verstanden sind. | Felddefinitionen und Beziehungen werden vorab geliefert, sodass das Modell die Erkundung überspringt und direkt antwortet. | Weniger Tokens pro Antwort |
| Antwortqualität | Anfällig für falsche Joins, erfundene Felder und schwer überprüfbare Zahlen. | Antworten auf Basis definierter Felder. Im Dataddo-Benchmark wurden 78,5 % der Fragen korrekt beantwortet, gegenüber 65,5 % mit einfachen CSV-Dateien. | Bessere Antworten |
Die Amazon Ads-Datensätze, die Marketing-Teams am häufigsten nutzen, mit ihren echten Feldnamen. Claude fragt sie über die semantische Schicht von Dataddo beim Namen ab.
Läuft nach dem von Ihnen festgelegten Zeitplan über einen relativen Datumsbereich, zum Beispiel gestern, der sich bei jedem Lauf weiterbewegt. Ältere Zeiträume werden per vollständiger Neusynchronisierung geladen, und neue Daten können sich verzögern, während Amazon den Bericht erstellt.
Amazon Ads-Konnektor →Wir haben 43 vorab registrierte Fragen zu drei echten Datensätzen gestellt - Google Search Console, HubSpot-Deals und Google Ads - und dieselben Zeilen auf vier Arten an dasselbe Modell geliefert. Nur die Datenschicht hat sich geändert.
der Fragen richtig beantwortet - der beste der vier getesteten Bereitstellungswege
weniger selbstsicher falsche Antworten - 14,0 % der Durchläufe gegenüber 24,0 % und 26,3 %
mehr richtige Antworten bei unübersichtlichen CRM-Daten - besser bei 8 Fragen, bei keiner schlechter
Dasselbe Modell, dieselben Prompts und dieselben Zeilen in jeder Bedingung; 759 bewertete Durchläufe, Referenzantworten vor dem ersten Durchlauf festgelegt. Allein bei Google Search Console schnitten dokumentierte CSV-Dateien genauso gut ab wie Data to AI™ - der Vorteil entsteht bei unübersichtlicheren Daten wie HubSpot-Deals.
Benchmark lesen →Erstellen Sie in Dataddo Amazon Ads Quellen, eine pro Berichtstyp wie Sponsored Products Campaign oder Search Term, und verknüpfen Sie sie mit einem Claude-Ziel oder einem AI Model. Fügen Sie in Claude einen benutzerdefinierten Konnektor mit der URL https://headless.dataddo.com/mcp-data hinzu und melden Sie sich an. Führen Sie in Claude Code claude mcp add aus und authentifizieren Sie sich mit /mcp.
Ja, mit jeweils einer eigenen Quelle. Jeder Berichtstyp hat einen eigenen API-Endpunkt und wird daher separat extrahiert, und Claude fragt alle über einen Konnektor ab.
Die Berichtserstellung bei Amazon hängt vom API-Verkehr ab, daher können neue Zeilen verspätet eintreffen. Lassen Sie Claude data_status ausführen, um zu sehen, wann der Flow zuletzt aktualisiert wurde.
Das, das Sie nennen. Die Felder tragen ihr Fenster im Namen, etwa Sales 7d oder Acos Clicks 14d. Geben Sie es daher in Ihrem Prompt an.
Ja. Führen Sie claude mcp add mit der Dataddo-URL aus und melden Sie sich mit /mcp an. Claude Code liest dann dieselben Berichtsentitäten in Ihrem Repository.
Nein. Claude liest nur extrahierte Daten nach Entität und Feldname. Gebote, Budgets und Negative Keywords ändern Sie weiterhin in Amazon Ads.
So viel, wie der verknüpfte Flow enthält. Eine neue Quelle beginnt mit ihrem relativen Datumsbereich. Laden Sie frühere Zeiträume daher per vollständiger Neusynchronisierung.