Data to AI™ / Gemini/Facebook Public Data
Holen Sie Beiträge und Profile von Konkurrenzseiten ins Terminal oder nach VS Code, damit Analysten und technische Marketer Benchmark-Dateien und Prüfungen ohne Scraping oder Graph-API-Skripte erstellen.
Bessere Antworten, weniger Tokens.
Gemini CLI
Wie schneidet unsere Facebook-Seite bei Community und Gesprächsstoff gegenüber zwei Wettbewerbern ab?
Bluebird Roasters hat die größte Community, aber über Kettle & Co wird mehr gesprochen: Der Talking About Count liegt dort bei 4,1 % des Fan Count, bei Bluebird bei 1,6 % und bei unserer Seite bei 2,3 %.
| Name | Fan Count | Talking About Count |
|---|---|---|
| Northwind Coffee (wir) Profile | 48.200 | 1.110 |
| Bluebird Roasters Profile | 93.500 | 1.490 |
| Kettle & Co Profile | 31.800 | 1.300 |
Jede Seite ist eine eigene Quelle mit eigenem Page Identifier; die Profile-Werte stammen aus der letzten Extraktion und werden nicht über die Zeit summiert.
Facebook Public Data liest das öffentliche Profil und die Beiträge jeder Facebook-Seite, die Sie über ihren Page Identifier angeben, auch die von Wettbewerbern. Marketingteams vergleichen damit Reichweite der Community, Posting-Rhythmus und Interaktionen mit anderen Marken.
Lies Posts aller verfolgten Seiten der letzten sieben Tage und schreibe reports/competitor-posts.csv mit From, Created Time, Media Type, Likes Total Count, Comments Total Count, Shares Count und Permalink URL.
Jeden Montag führt ein Analyst den Prompt in Gemini CLI aus und committet die Datei, sodass Reporting-Notebook und Agentur mit den Zahlen derselben Woche arbeiten.
Verknüpfe Posts mit Profile über From Id und ID, berechne Likes Total Count plus Comments Total Count pro 1.000 Fan Count für jeden Beitrag und ergänze das Ergebnis in notebooks/engagement.ipynb.
Eine Datenanalystin normalisiert Interaktionen nach Community-Größe, damit ein kleiner Konkurrent mit treuen Fans nicht hinter einer großen Seite landet, die einfach öfter postet.
Vergleiche die Followerzahlen in content/compare/*.md mit den aktuellen Werten von Fan Count und Followers Count in Profile und liste jede veraltete Angabe.
Bevor eine Vergleichsseite live geht, führt ein technischer Marketer die Prüfung in Gemini CLI aus und korrigiert den Text, statt die Zahlen vom letzten Jahr zu veröffentlichen.
Data to AI™ wird pro Nutzerplatz abgerechnet, wie die KI-Assistenten, die Ihr Team bereits nutzt, mit ~25 % Rabatt bei jährlicher Abrechnung. 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.
$10.49/Monat
pro Nutzerplatz
Mindestens 3 Nutzerplätze
Stellen Sie Dataddo flexibel in jeder Cloud- oder Hybridumgebung bereit.
Benutzerdefiniert
Wir haben ein Zahlungsmodell, das zu Ihnen passt
| Ohne Dataddo |
Mit Dataddo
|
Ihr Ergebnis | |
|---|---|---|---|
| Datenbeschaffung | Jemand schreibt pro Seite ein Graph-API-Skript, kümmert sich um Paginierung und Tokens und hält es auf einem Laptop am Laufen. | Dataddo extrahiert Posts und Profile nach Zeitplan, und Gemini CLI fragt sie über die semantische Schicht nach Entitäts- und Feldnamen ab. | Keine Scraping-Skripte zu pflegen |
| Fairer Vergleich | Rohe Like-Zahlen bevorzugen die größte Seite, und für eine Normalisierung müssen zwei Exporte von Hand verknüpft werden. | From Id in Posts entspricht der ID in Profile, sodass Gemini jeden Beitrag in einem Prompt mit dem Fan Count seiner Seite verknüpft. | Interaktionen nach Community normalisiert |
| Zahlen in veröffentlichten Texten | Followerzahlen der Konkurrenz auf Marketingseiten werden einmal kopiert und veralten unbemerkt. | Gemini CLI prüft die Texte im Repository vor jedem Deploy gegen die letzte Profile-Extraktion. | Angaben vor dem Release geprüft |
| Kontrolle im Terminal | Ein Skript mit API-Zugriff führt jede Anfrage aus, ohne jemanden zu fragen. | Gemini CLI bittet Sie, jeden Dataddo-Tool-Aufruf zu bestätigen, und Always allow lässt sich auf vertrauenswürdige Tools beschränken. | Jede Abfrage bestätigt |
| Token-Verbrauch | Gemini verbraucht Tokens, um rohe Facebook Public Data-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 Facebook Public Data-Datensätze, die Marketing-Teams am häufigsten nutzen, mit ihren echten Feldnamen. Gemini fragt sie über die semantische Schicht von Dataddo beim Namen ab.
| Datensatz | Metriken und Attribute |
Fragen Sie Gemini
|
|---|---|---|
| Posts |
|
Welche Beiträge seit dem 1. Juli liegen beim Comments Total Count über dem Median ihrer Seite, mit Permalink URL? |
| Profile |
|
Welche verfolgten Seiten haben einen anderen Category List Name als wir, und was steht in ihrem About-Text? |
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 →Legen Sie in Dataddo Facebook Public Data-Quellen an, eine pro Page Identifier, mit Posts und Profile, und verbinden Sie sie mit einem Google Gemini-Ziel oder AI Model. Tragen Sie in ~/.gemini/settings.json einen dataddo-Server mit httpUrl https://headless.dataddo.com/mcp-data ein, starten Sie Gemini CLI neu, führen Sie /mcp auth dataddo aus und melden Sie sich an.
In Gemini CLI fällt url auf SSE zurück, das Dataddo nicht unterstützt. Verwenden Sie httpUrl und lassen Sie headers und jeden oauth-Block weg; die Anmeldung läuft über /mcp auth dataddo.
Ja. Der Agent-Modus in VS Code liest dieselbe settings.json wie Gemini CLI. In IntelliJ nutzt Gemini Code Assist eine eigene mcp.json, tragen Sie den Dataddo-Server also dort ein.
Über From Id in Posts und ID in Profile, die auf dieselbe Seite verweisen. So stellt Gemini jeden Beitrag neben Fan Count, Followers Count oder Category List Name seiner Seite.
Ja. Der Page Identifier akzeptiert den Namen aus der URL der Seite, etwa dataddo aus facebook.com/dataddo, oder eine numerische Seiten-ID. Jede Facebook Public Data-Quelle deckt eine Seite ab.
Ja. Nach der Anmeldung erreicht Gemini jeden Flow oder Context, der in diesem Dataddo-Konto mit einem KI-Ziel oder AI Model verbunden ist, nicht nur die von Google Gemini.
Gemini CLI speichert die Zugangsdaten in ~/.gemini/mcp-oauth-tokens.json und erneuert sie automatisch. Läuft eine Sitzung ab oder wird sie widerrufen, führen Sie /mcp auth dataddo erneut aus. Nichts wird zurück in Facebook geschrieben.
