Data to AI™ / Claude/Marketo
Erhalten Sie Antworten zu Lead-Zufluss, MQL-Qualität und Scoring aus Marketo in Claude, damit Marketing Ops das Pipeline-Review in Minuten vorbereitet, statt Smart-List-Exporte neu aufzubauen.
Bessere Antworten, weniger Tokens.
Claude
Welche Lead-Quellen haben im September die meisten neuen Leads gebracht, und wie gut sind sie bewertet?
Webinar brachte mit 1.240 die meisten neuen Leads, bei einem durchschnittlichen Lead Score von 46. Paid Search lieferte 980 Leads, aber mit niedrigerem Score, im Schnitt 21.
| Lead Source | Leads | Lead Score |
|---|---|---|
| Webinar Leads | 1.240 | 46 |
| Paid Search Leads | 980 | 21 |
| Trade Show Leads | 410 | 38 |
Leads umfasst Datensätze, deren Created At im Datumsfenster der Quelle liegt; der Lead Score wird pro Quelle gemittelt, nicht summiert.
Adobe Marketo Engage ist eine Marketing-Automation-Plattform für E-Mail, Lead-Management und Scoring. Dataddo extrahiert einen flexiblen Marketo-Datensatz: Wählen Sie das Objekt Leads oder Activities und die benötigten Felder, einschließlich benutzerdefinierter Lead-Felder Ihrer Instanz, damit Marketing Ops Fragen zu Lead-Zufluss und Engagement in natürlicher Sprache stellen kann.
Zähle die Marketo-Leads nach Lead Source mit Created At im September, ergänze den durchschnittlichen Lead Score je Quelle und vergleiche mit August.
Vor dem monatlichen Marketing-Review erhält die Marketing-Ops-Leitung von Claude das Quellen-Ranking und nutzt das Meeting für Budgetentscheidungen statt für den Abgleich von Exporten.
Wie viele der in diesem Quartal erstellten Leads haben welchen Lead Status erreicht, und welchen Lead Score hatten sie, als der Vertrieb sie abgelehnt hat?
Marketing- und Vertriebsleitung sehen, ob die Scoring-Schwelle zu viele schwache Leads an die Vertriebler schickt, und einigen sich mit Zahlen auf eine neue Schwelle.
Rufe mit dem dataddo-Server die Change-Score-Aktivitäten des letzten Monats mit Campaign Id und Attributes ab und schreibe scoring/changes-by-campaign.csv.
Ein Marketing-Analyst nutzt Claude Code neben dem Scoring-Notebook und committet die Datei, damit die nächste Regeländerung darauf basiert, was jede Kampagne tatsächlich bewirkt hat.
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 | |
|---|---|---|---|
| Reporting der Lead-Quellen | Marketing Ops baut eine Smart List, exportiert sie, wertet Lead Source und Lead Score in einer Tabelle aus und kopiert das Ergebnis in den Chat. | Claude liest das Objekt Leads mit Lead Source, Lead Status und Lead Score direkt aus der letzten Extraktion. | Lead-Review ohne Exporte |
| Scoring-Verlauf | Score-Änderungen sind nur Lead für Lead im Aktivitätenprotokoll sichtbar, niemand kann sagen, welche Kampagne die Zahlen bewegt hat. | Das Objekt Activities enthält Change-Score-Zeilen mit Campaign Id, Activity Date und den typspezifischen Attributes. | Scoring-Änderungen erklärt |
| Benutzerdefinierte Lead-Felder | Benutzerdefinierte Felder Ihrer Instanz fehlen in Standardberichten, und wer einen Export liest, rät, was jede Spalte bedeutet. | Dataddo listet die Lead-Felder, die Ihre Marketo-Instanz bereitstellt, einschließlich benutzerdefinierter, und Sie wählen sie beim Anlegen der Quelle. | Eigene Felder inklusive |
| Teamzugriff in Claude | Jede Person im Marketing hat einen eigenen Export, daher hängt die Lead-Zahl davon ab, wer sie wann gezogen hat. | Ein Owner von Claude Team oder Enterprise fügt den Konnektor einmal hinzu, und alle im Marketing melden sich mit ihrem eigenen Dataddo-Konto an. | Eine Lead-Zahl fürs Team |
| Token-Verbrauch | Claude verbraucht Tokens, um rohe Marketo-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 Marketo-Datensätze, die Marketing-Teams am häufigsten nutzen, mit ihren echten Feldnamen. Claude fragt sie über die semantische Schicht von Dataddo beim Namen ab.
| Datensatz | Metriken und Attribute |
Fragen Sie Claude
|
|---|---|---|
| Leads: source and status |
|
Welche Lead Source hat letzten Monat laut Created At die meisten neuen Leads gebracht? |
| Leads: company and contactability |
|
Welche Industry und welches Country machen den Großteil der in diesem Monat erstellten Leads aus? |
| Activities: email engagement |
|
Wie viele Open-Email- und Click-Email-Aktivitäten hatte jeder Primary Attribute Value letzte Woche? |
| Activities: forms and web visits |
|
Welches Formular hatte laut Primary Attribute Value diesen Monat die meisten Fill-Out-Form-Aktivitäten? |
| Activities: scoring and data changes |
|
Welche Campaign Id hat letzten Monat die meisten Change-Score-Aktivitäten ausgelöst? |
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 Marketo-Quelle an, autorisiert mit Ihrer Marketo-Domain, Client ID und Client Secret, und wählen Sie das Objekt Leads oder Activities mit den benötigten Feldern. Verbinden Sie sie mit einem Claude-Ziel oder AI Model und fügen Sie dann Dataddo Data Access aus dem Konnektor-Verzeichnis von Claude hinzu. Melden Sie sich an.
Ihre Marketo-Domain sowie Client ID und Client Secret. Erstellen Sie diese unter Admin > Integrations > LaunchPoint mit New und dann View Details. Das Konto hinter dem Service braucht mindestens Administratorrechte.
Ja, als zwei Quellen. Jede Marketo-Quelle extrahiert ein Objekt, Leads oder Activities. Legen Sie daher je eine an und verbinden Sie beide Flows. Claude kann sie über Lead Id verknüpfen.
Jeder Lauf liest die Leads, deren Created At im relativen Datumsfenster der Quelle liegt. Damit Claude ältere Leads oder Aktivitäten sieht, führen Sie einmal eine vollständige Neusynchronisierung mit größerem Zeitraum aus.
Ja. Mit Ihrem Claude-Konto angemeldet, lädt Claude Code den Dataddo-Konnektor, sodass Sie Marketo-Leads und -Aktivitäten im Terminal abfragen, während Sie in einem Repository arbeiten.
Nein. Claude fragt extrahierte Daten über die semantische Schicht nach Entitäts- und Feldnamen ab. Dataddo akzeptiert nie SQL vom Modell, und nichts wird nach Marketo zurückgeschrieben.
Ja. Claude zeigt die Tool-Berechtigungen des Konnektors, und Sie legen pro Tool fest, ob Claude es frei nutzen darf oder Sie vorher fragen muss, etwa vor einem refresh.
