Data to AI™ / Gemini/LinkedIn Organic
Holen Sie Beiträge, Follower-Zuwachs und Seitenaufrufe Ihrer Unternehmensseite ins Terminal oder in VS Code, damit Marketing-Analysten Content-Datensätze und Berichtsprüfungen ohne eigene LinkedIn-App erstellen.
Bessere Antworten, weniger Tokens.
Gemini CLI
Welche unserer Unternehmensseiten hat im September die meisten Follower gewonnen, und wie viel davon war bezahlt?
Die drei Seiten gewannen im September 2.090 Follower. Northwind Group legte mit 1.240 am stärksten zu, 31 % davon kamen aus Paid Follower Gain; die Karriereseite wuchs fast ausschließlich organisch.
| Organization Name | Organic Follower Gain | Paid Follower Gain |
|---|---|---|
| Northwind Group Company Daily Follower Metrics | 860 | 380 |
| Northwind Careers Company Daily Follower Metrics | 540 | 12 |
| Northwind Labs Company Daily Follower Metrics | 290 | 8 |
Organic Follower Gain und Paid Follower Gain bleiben getrennt, so wie LinkedIn sie meldet, gelesen mit monatlicher Granularität pro Unternehmensseite.
LinkedIn Organic umfasst die LinkedIn-Unternehmensseiten, die Sie verwalten: Follower pro Tag und nach Zielgruppensegment, Seitenaufrufe, Interaktionen mit Seite und Beiträgen sowie Videoanalysen. Dataddo extrahiert sie pro Unternehmensseite, damit das Marketing in natürlicher Sprache nach Zielgruppenwachstum und Content-Performance fragen kann. Bezahlte Kampagnen deckt ein eigener Konnektor ab, LinkedIn Ads.
Verknüpfe Posts Metadata und Post Lifetime Engagement Metrics über die Beitrags-ID für dieses Jahr, behalte Content Type, Published At, Impression Count, Click Count und Engagement und speichere analysis/linkedin-posts.csv.
Eine Marketing-Analystin erstellt in Gemini CLI eine saubere Tabelle aller Beiträge der Unternehmensseite und öffnet sie im Notebook, das modelliert, welche Formate Klicks bringen.
Summiere Impression Count und Click Count aus Company Daily Engagement Metrics für September und vergleiche sie mit reports/september.json. Markiere jede abweichende Zahl.
Bevor das monatliche Social-Dashboard neu ausgerollt wird, führt ein technischer Marketer die Prüfung im Terminal aus und stoppt das Release, wenn eine Summe abweicht.
Schreibe scripts/linkedin_growth.py, das Organic Follower Gain und Paid Follower Gain pro Organization Name für die letzten 7 Tage ausgibt und die Zahlen über die dataddo-Tools holt.
Ein RevOps-Engineer in VS Code lässt sich das Skript von Gemini Code Assist im Agentenmodus schreiben und führt es jeden Montag vor dem Pipeline-Review aus.
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 | |
|---|---|---|---|
| Beitragsdaten für Notebooks | Eine Analystin lädt den Update-Export jeder Seite herunter, korrigiert Datumsformate und kopiert die Beitragstexte in ein eigenes Blatt, bevor die Modellierung beginnt. | Gemini CLI fragt Posts Metadata und Post Lifetime Engagement Metrics nach Feldnamen ab und schreibt die verknüpfte Tabelle direkt ins Repository. | Beitragstabelle bereit fürs Notebook |
| Zugriff auf die LinkedIn-API | Wer die LinkedIn-API aus einem Skript aufruft, muss eine eigene App registrieren und deren Tokens auf jedem Laptop ablegen, der das Skript ausführt. | LinkedIn wird einmal in Dataddo autorisiert; Gemini CLI speichert nur die Dataddo-Anmeldetokens in ~/.gemini/mcp-oauth-tokens.json und erneuert sie. | Keine LinkedIn-App zu pflegen |
| Prüfungen vor dem Release | Dashboard-Zahlen werden nach Augenmaß mit der LinkedIn-Seitenanalyse verglichen, und Abweichungen finden erst die Leser. | Eine Prüfung im Repository fragt Gemini nach den Summen aus Company Daily Engagement Metrics und vergleicht sie vor jedem Deployment mit den Testdaten des Dashboards. | Summen vor dem Deployment geprüft |
| Kontrolle im Terminal | Ein Skript mit vollem API-Zugriff sendet ungefragt alle Anfragen, für die es geschrieben wurde. | 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 LinkedIn Organic-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 LinkedIn Organic-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
|
|---|---|---|
| Company Daily Follower Metrics |
|
Schreibe Organic Follower Gain und Paid Follower Gain nach Start-Datum für die letzten 90 Tage in eine CSV für das Wachstumsdiagramm. |
| Company Daily Engagement Metrics |
|
Hole Impression Count, Unique Impressions Counts und Click Count nach Start für die letzten 30 Tage in ein Notebook. |
| Company Daily Views Metrics |
|
Schreibe tägliche All Page Views und Careers Page Views nach Start in eine CSV für den Employer-Branding-Bericht. |
| Company Lifetime Follower Metrics by Seniority |
|
Exportiere Organic Follower Count und Paid Follower Count nach Seniority als Tabelle für den Zielgruppenbericht. |
| Company Lifetime Follower Metrics by Function |
|
Vergleiche den Organic Follower Count nach Function Name über alle Organization Name im Konto und speichere ihn als JSON. |
| Post Lifetime Engagement Metrics |
|
Liste Post ID, Created At und Engagement aller Beiträge dieses Jahres in einer CSV für die Content-Auswertung auf. |
| Posts Metadata |
|
Gruppiere die Beiträge der letzten 90 Tage nach Visibility und Content Type und speichere die Anzahl in einer Datei. |
| Video Analytics |
|
Schreibe den Value von VIDEO_VIEW und TIME_WATCHED pro Post ID und Start in eine CSV. |
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 eine LinkedIn-Organic-Quelle mit Posts Metadata und Post Lifetime Engagement Metrics an und verbinden Sie sie mit einem Google-Gemini-Ziel oder AI Model. Fügen Sie in ~/.gemini/settings.json unter mcpServers einen dataddo-Server mit httpUrl https://headless.dataddo.com/mcp-data hinzu, starten Sie Gemini CLI neu und führen Sie /mcp auth dataddo aus.
Verbinden Sie den LinkedIn-Organic-Flow in Dataddo mit einem Google-Gemini-Ziel oder AI Model. Tragen Sie den dataddo-Server mit httpUrl in settings.json ein, starten Sie Gemini CLI neu, führen Sie /mcp auth dataddo aus und prüfen Sie mit /mcp.
In Gemini CLI fällt url auf SSE zurück, das Dataddo nicht unterstützt. Verwenden Sie httpUrl, lassen Sie headers und jeden oauth-Block weg und melden Sie sich über /mcp auth dataddo an.
Ja. Der Agentenmodus 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 auch dort ein.
Auf jeden Flow und jeden Context, der in diesem Dataddo-Konto mit einem KI-Ziel oder AI Model verbunden ist, nicht nur auf die Google-Gemini-Verbindungen.
Nein. Gemini fragt extrahierte LinkedIn-Organic-Daten über die semantische Schicht nach Entitäts- und Feldnamen ab. Dataddo nimmt nie SQL vom Modell an, und nichts wird nach LinkedIn zurückgeschrieben.
Ja. Company Daily Engagement, Follower und Views Metrics bieten die Zeitgranularität Day oder Month, die Sie beim Anlegen der Quelle wählen. Für beide legen Sie zwei Quellen an und sagen Gemini, welche ein Skript lesen soll.
