Data to AI™ / Gemini/Google Ad Manager
Ad-Ops-Engineers und Publisher-Entwickler holen Netzwerk-Reports ins Terminal oder in den Editor, gleichen das Trafficking mit dem Code ab und committen das Ergebnis.
Bessere Antworten, weniger Tokens.
Gemini CLI
Welche Ad Units haben letzte Woche am meisten verdient, und wo blieb Inventar unverkauft?
video_preroll verdiente am meisten, 6.840 aus 380.000 Impressions, ein eCPM von 18,00. article_sidebar lieferte die meisten Impressions aus, ließ aber 412.000 ungefüllt.
| Ad Unit Name | Total Impressions | Total Line Item Level All Revenue | Total Inventory Level Unfilled Impressions |
|---|---|---|---|
| video_preroll Google Ad Manager | 380.000 | 6.840 | 21.000 |
| article_sidebar Google Ad Manager | 2.310.000 | 5.544 | 412.000 |
| homepage_leaderboard Google Ad Manager | 1.240.000 | 4.960 | 86.000 |
Die letzte Woche wird bei jedem geplanten Lauf neu eingelesen, daher werden ihre Zeilen ersetzt und nicht doppelt hinzugefügt.
Google Ad Manager ist die Ad-Serving-Plattform von Google für Publisher und Werbetreibende. Dataddo extrahiert pro Netzwerk einen flexiblen Berichtsdatensatz: Wählen Sie aus 101 Standardmetriken, 100 Dimensionen und Line-Item-Attributen.
Finde über dataddo Line Items, deren Line Item Start Date Time nach dem Line Item End Date Time liegt oder deren Line Item Cost Type nicht CPM ist, und speichere sie in checks/line-items.csv.
Ein Ad-Operations-Engineer führt das jeden Nachmittag im Terminal aus, bevor neue Kampagnen starten, und hängt die Datei an das Trafficking-Ticket.
Lies src/ads/slots.ts, frage dann Ad Unit Name mit Total Impressions für die letzten 7 Tage ab und nenne mir Plätze aus der Datei ohne Auslieferung sowie Ad Units, die in der Datei fehlen.
Eine Front-End-Entwicklerin nutzt den Agent-Modus von Gemini Code Assist in VS Code beim Umbau der Templates, damit kein aktiver Platz versehentlich wegfällt.
Hole Total Line Item Level All Revenue und Ad Exchange Estimated Revenue nach Country Name für jeden der letzten 12 Monate und schreibe data/gam-revenue-by-country.csv.
Ein Monetarisierungsanalyst aktualisiert die Eingabe des Prognose-Notebooks mit einem Befehl und committet die CSV daneben, damit der Lauf reproduzierbar bleibt.
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 | |
|---|---|---|---|
| Reports als Dateien im Repository | Jemand lädt einen Report in der Ad Manager Oberfläche herunter und kopiert ihn in den Projektordner, wo er unbemerkt veraltet. | Gemini CLI fragt den geplanten Dataddo-Flow ab und schreibt CSV oder JSON direkt in den Arbeitsbaum, sodass sich die Datei mit demselben Prompt neu erzeugen lässt. | Reproduzierbare Report-Dateien |
| Kontrolle über Abfragen | Ein Skript mit gespeicherter API-Zugangsberechtigung zieht, was einprogrammiert wurde, und niemand prüft die Aufrufe, die es gegen das Netzwerk absetzt. | Gemini CLI lässt Sie jeden Dataddo-Tool-Aufruf bestätigen, und Sie können Always allow nur für Tools wählen, denen Sie vertrauen, etwa die Feldbeschreibung. | Jeder Aufruf von Ihnen freigegeben |
| Trafficking-Fehler | Vertauschte Laufzeitdaten oder der falsche Kostentyp fallen erst auf, wenn ein Line Item nicht ausliefert oder falsch abrechnet, meist Tage nach dem Start. | Line-Item-Attribute liegen im selben Ad Manager Datensatz wie die Auslieferung, sodass ein Check im Terminal verdächtige Line Items vor dem Livegang auflistet. | Fehler vor dem Start erkannt |
| Token-Verbrauch | Gemini verbraucht Tokens, um rohe Google Ad Manager-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 Google Ad Manager-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
|
|---|---|---|
| Delivery |
|
Exportiere Total Clicks und Total CTR pro Tag für die letzten 30 Tage als CSV, die ich in ein Notebook laden kann. |
| Revenue |
|
Schreibe die tägliche Ad Exchange Estimated Revenue der letzten 90 Tage in eine CSV-Datei in diesem Repository. |
| Inventory and fill |
|
An welchen der letzten 30 Tage stieg Total Code Served Count, während Ad Exchange Coverage sank? |
| Viewability |
|
Liste die Wochen dieses Jahres, in denen Total Active View Viewable Impressions Rate unter 70 % lag, als Tabelle auf. |
| Orders and line items |
|
Gib jeden Order Name mit seinen Line Item Name-Einträgen als JSON aus, damit ein Skript unsere Namenskonvention prüft. |
| Inventory dimensions |
|
Welche Ad Unit Name-Werte aus dem Report fehlen in der Liste der Anzeigenplätze im Code unserer Website? |
| Line item attributes |
|
Bei welchen Line Items liegt Line Item Start Date Time nach Line Item End Date Time? |
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 →Richten Sie in Dataddo eine Google Ad Manager Quelle mit Line Item Name, Line Item Start Date Time und Total Impressions ein und verknüpfen Sie sie mit einem Google Gemini Ziel oder AI Model. Tragen Sie unter mcpServers in ~/.gemini/settings.json einen httpUrl-Eintrag für https://headless.dataddo.com/mcp-data ein, starten Sie Gemini CLI neu und führen Sie /mcp auth dataddo aus.
Dieses Setup nutzt keine. Dataddo extrahiert Ihren Ad Manager Report nach Zeitplan in einen Flow, und Gemini CLI greift über den Dataddo Data Access MCP-Server auf diesen Flow zu.
Legen Sie unter mcpServers einen Server dataddo nur mit dem Schlüssel httpUrl auf https://headless.dataddo.com/mcp-data an, ohne headers- oder oauth-Block. Der Schlüssel url fällt auf SSE zurück, das Dataddo nicht unterstützt.
Nein. Die Anmeldung nutzt Ihre Dataddo-E-Mail und Ihr Passwort, bei Bedarf mit MFA. Gemini CLI öffnet die Seite in einem Browser, daher braucht der Rechner, auf dem es läuft, einen.
Ja, sobald Sie den Dataddo-Server in die mcp.json von Gemini Code Assist in IntelliJ eintragen. In VS Code liest der Agent-Modus bereits dieselbe settings.json wie Gemini CLI.
Nein. Gemini liest nur bereits extrahierte Ad Manager Reportdaten über die semantische Schicht, nach Entitäts- und Feldnamen. Dataddo nimmt nie SQL vom Modell an, und keine Änderung erreicht Ihr Netzwerk.
Vermutlich ist die Sitzung abgelaufen oder wurde widerrufen. Tokens liegen in ~/.gemini/mcp-oauth-tokens.json und werden normalerweise automatisch erneuert; führen Sie /mcp auth dataddo erneut aus, um sich wieder anzumelden.
