Data to AI™ / Copilot/HubSpot
Geben Sie RevOps und Finance einen Teams-Agenten, der Fragen zu Pipeline, Phasen und closed won aus HubSpot beantwortet, ohne dass jemand das Deal-Board exportiert.
Weniger Tokens, bessere Antworten.
Microsoft 365 Copilot
Wie lange haben die im September gewonnenen Deals in jeder Phase verbracht?
Die 23 im September gewonnenen Deals brauchten von der Qualifizierung bis zum Vertrag im Schnitt 31 Tage. Decision maker bought-in war mit 12 Tagen oder 39 % des Zyklus die langsamste Phase.
| Stage Label | Deals | Ø Tage in Phase | Anteil am Zyklus |
|---|---|---|---|
| Qualified to buy Properties History | 23 | 6 | 19 % |
| Presentation scheduled Properties History | 23 | 9 | 29 % |
| Decision maker bought-in Properties History | 23 | 12 | 39 % |
| Contract sent Properties History | 23 | 4 | 13 % |
Die Tage werden zwischen den Timestamps der dealstage-Änderungen in Properties History gemessen, wobei Stage IDs über Deal Pipelines auf Stage Label abgebildet werden.
HubSpot ist eine Plattform für Marketing, Vertrieb und Service. Dataddo extrahiert die CRM-Einträge wie Deals, Line Items, Angebote und Owner, mit benutzerdefinierten Feldern auf jedem Objekt, dazu Pipeline-Phasen und den Änderungsverlauf von Properties.
@Deal desk Welche Deals haben diese Woche ein closed won Stage Label erreicht, und welcher Owner hält jeden davon?
Am Freitagnachmittag erwähnt Finance den Agenten im RevOps-Kanal, statt einen Vertriebler um einen Export des Boards zu bitten, mit Owner-Namen aus Owners.
@Deal desk Liste die Line Items der letzten Monat gewonnenen Deals auf, damit ich sie mit unseren gestellten Rechnungen vergleichen kann.
Eine Fakturierungsspezialistin fragt den Agenten vor dem Monatsabschluss, um Deals zu finden, die in HubSpot unterschrieben, dem Kunden aber nie in Rechnung gestellt wurden.
Beschreibe Properties History über die dataddo-Tools und schreibe eine Funktion, die anhand von Timestamp die Tage zwischen dealstage-Änderungen zurückgibt.
Ein Dashboard-Entwickler in VS Code implementiert die Kennzahl gegen die echten Felder Property Name, Value und Timestamp statt gegen eine selbst gebaute Beispieldatei.
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 | |
|---|---|---|---|
| Wo Antworten entstehen | RevOps beantwortet jede Woche dieselben Deal-Fragen in Teams-Chats und exportiert dafür jedes Mal das Board. | Ein in Teams veröffentlichter Copilot Studio-Agent antwortet aus Deals, Deal Pipelines und Owners, sobald ihn jemand erwähnt. | Self-Service in Teams |
| Owner-Namen | Deals enthalten hubspot_owner_id, daher listet eine Antwort in einem Teams-Thread Nummern statt der verantwortlichen Personen. | Verknüpfen Sie den Datensatz Owners über Owner ID, dann antwortet der Agent mit First Name und Last Name jedes Owners. | Menschen statt IDs |
| Deal-Fragen weiterleiten | Microsoft 365 Copilot kann nicht wissen, dass Deal-Fragen zu HubSpot gehören und nicht zu Dateien in SharePoint. | Beschreiben Sie das Dataddo-Tool als Quelle für HubSpot-Deals, Pipeline-Phasen und Owner. Copilot Studio entscheidet anhand dieses Texts, wann es aufgerufen wird. | Deal-Fragen erreichen CRM-Daten |
| Ausgeschiedene Vertriebler | Wenn ein Vertriebler das Unternehmen verlässt, verweisen seine Deals auf einen Owner, den niemand in der aktuellen Nutzerliste findet. | Der Datensatz Owners Archived behält deaktivierte Owner, sodass der Agent weiterhin nennen kann, wer jeden Deal hielt. | Keine verwaisten Deals |
| Token-Verbrauch | Copilot verbraucht Tokens, um rohe HubSpot-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 HubSpot-Datensätze, die Finance- und RevOps-Teams am häufigsten nutzen, mit ihren echten Feldnamen. Copilot fragt sie über die semantische Schicht von Dataddo beim Namen ab.
Liste kuratierter Datasets
Fehlt ein Dataset, eine Kennzahl oder ein Attribut?
Sag uns, was fehlt, und wir fügen es dem Connector hinzu.
Läuft nach Ihrem Zeitplan. Deals und Line Items laden bei jedem Lauf alle aktuellen Einträge, Date Range-Varianten und Properties History lesen ein relatives Fenster. Historie lässt sich nicht nachladen, speichern Sie daher Snapshots mit dem Extraktionszeitstempel.
HubSpot-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 →Synchronisieren Sie HubSpot Deals, Deal Pipelines und Owners in Dataddo und verbinden Sie den Flow mit einem Copilot-Ziel oder AI Model. Fügen Sie in Copilot Studio ein Model Context Protocol-Tool hinzu, das auf https://headless.dataddo.com/mcp-data zeigt, mit OAuth 2.0 Dynamic discovery, und veröffentlichen Sie den Agenten in Teams. Für GitHub Copilot tragen Sie die URL in .vscode/mcp.json ein.
Über Copilot Studio. Fügen Sie Dataddo Data Access einem Agenten als Model Context Protocol-Tool hinzu, melden Sie sich per OAuth an und veröffentlichen Sie ihn unter Channels > Teams and Microsoft Copilot.
Nennen Sie, was sie abdeckt, etwa HubSpot-Deals, Pipeline-Phasen und Owner. Die Beschreibung sagt dem Agenten, wann er Dataddo aufrufen soll.
Ja. Fügen Sie den Dataddo-Server in .vscode/mcp.json hinzu, starten Sie ihn, melden Sie sich an und öffnen Sie Copilot Chat im Agent mode. Bei Copilot Business und Enterprise muss ein Org-Admin die MCP-Server in der Copilot-Richtlinie aktivieren.
Jeder Lauf lädt die aktuelle Deal-Liste, und HubSpot kann keine früheren Stände laden. Um Wochen zu vergleichen, fügen Sie den Extraktionszeitstempel hinzu und hängen Läufe an, sodass der Agent frühere Snapshots lesen kann.
Nein. Der Agent liest HubSpot-Daten, die Dataddo bereits extrahiert hat, und kann nicht in HubSpot schreiben. Phasenwechsel erfolgen in HubSpot und kommen mit dem nächsten Lauf an.
Nein. Das HubSpot-Konto, das Dataddo autorisiert, braucht mindestens Admin-Berechtigungen. Wer den Agenten nutzt, meldet sich nie bei HubSpot an, der Agent erreicht die Daten über Dataddo.