Data to AI™ / Gemini/Similarweb
Holen Sie Traffic und Engagement von Wettbewerbern aus Similarweb ins Terminal, wo Analysten und Marketing-Engineers daraus Skripte, Notebooks und versionierte Berichte machen.
Bessere Antworten, weniger Tokens.
Gemini CLI
Wie haben sich unser Traffic und Engagement im letzten Monat im Vergleich zu unseren zwei engsten Wettbewerbern entwickelt?
Im letzten Monat hatte ourshop.com 1,42 Mio. Besuche, hinter rivalstore.com mit 2,05 Mio., aber vor shopnext.com. Unsere Bounce Rate war die niedrigste der drei.
| Domain | Visits | Bounce Rate | Pages per Visit |
|---|---|---|---|
| rivalstore.com Monthly Visit Data | 2.050.000 | 48,1 % | 5,2 |
| ourshop.com Monthly Visit Data | 1.420.000 | 41,7 % | 5,9 |
| shopnext.com Monthly Visit Data | 980.000 | 52,3 % | 4,4 |
Monthly Visit Data enthält eine Zeile pro Country. Visits werden daher über die Länder summiert, Bounce Rate und Pages per Visit nach Visits gewichtet.
Similarweb schätzt Website-Traffic und Engagement für Ihre eigene Domain und für Wettbewerber. Dataddo extrahiert Besuche, Absprungrate, Seiten pro Besuch, Besuchsdauer, Länderverteilung und Traffic-Quellen pro Domain, damit das Marketing Websites in natürlicher Sprache vergleichen kann.
Lies die wöchentlichen Visits - all traffic und Bounce rate - all traffic für jede beobachtete Domain der letzten acht Wochen und schreibe data/similarweb/benchmark.csv mit einer Zeile pro Domain und Woche.
Ein Marketing-Analyst startet Gemini CLI jeden Montag im Reporting-Repo, prüft den Diff und committet ihn, sodass der BI-Job eine Datei mit klarer Historie übernimmt.
Erstelle notebooks/competitor-mobile.ipynb, das die mobilen Web-Visits nach Source Type für unsere Domain und zwei Wettbewerber darstellt, mit Daten vom dataddo-Server.
Ein Growth-Engineer hat in wenigen Minuten ein funktionierendes Notebook und ergänzt vor dem Strategie-Meeting den Kommentar, statt mit einer leeren Datei zu beginnen.
Bevor ich die Marktbericht-Website deploye, vergleiche Pages Per Visit und Average Visit Duration in report/data.json mit den aktuellen Similarweb-Werten und liste Abweichungen auf.
Ein technischer Marketer findet veraltete Zahlen im statischen Bericht, bevor er live geht, und Gemini lässt jeden Dataddo-Tool-Aufruf unterwegs bestätigen.
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 | |
|---|---|---|---|
| Daten im Repository | Benchmarks kommen als Tabellen per E-Mail, werden von Hand ins Repo kopiert und weichen mit der Zeit von der Quelle ab. | Gemini CLI fragt den Similarweb-Flow ab und schreibt CSV oder JSON direkt in den Arbeitsbaum, bereit zum Prüfen und Committen. | Versionierte Benchmark-Dateien |
| Feldnamen im Code | Skripte raten Spaltennamen aus einem alten Export und brechen, sobald jemand eine Überschrift umbenennt. | Gemini liest die echten Felder wie Source Type, Organic Visits und Paid Visits, bevor es den Code schreibt. | Code, der zu den Daten passt |
| Editor und Terminal | Der Analyst wechselt zwischen Browser, Similarweb und Editor, um Zahlen in ein Notebook zu übertragen. | Gemini Code Assist im Agent mode von VS Code liest dieselbe settings.json, sodass der Server auch im Editor verfügbar ist. | Ein Setup, zwei Orte |
| Token-Verbrauch | Gemini verbraucht Tokens, um rohe Similarweb-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 Similarweb-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
|
|---|---|---|
| Visits - all traffic |
|
An welchem Date sind die Visits jeder Domain am stärksten eingebrochen, damit wir das mit Releases abgleichen können? |
| Monthly Visit Data |
|
Welche Länder kombinieren viele Visits mit einer hohen Bounce Rate auf unserer Domain? |
| Average visit duration - all traffic |
|
Welche Domain hält Besucher im ausgewählten Country gemessen an der Average Visit Duration am längsten? |
| Bounce rate - all traffic |
|
Wie groß ist der Abstand bei der Bounce Rate zwischen unserer Domain und dem nächsten Wettbewerber? |
| Pages per visit - all traffic |
|
Wie stabil sind die täglichen Pages Per Visit für jede beobachtete Domain? |
| Traffic Sources Overview - Desktop |
|
Bei welchem Source Type sind die Paid Visits einer Wettbewerber-Domain im letzten Monat am schnellsten gewachsen? |
| Traffic Sources Overview - Mobile Web |
|
Wie unterscheidet sich der Mix der mobilen Web-Visits nach Source Type zwischen uns und einer Wettbewerber-Domain? |
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 Similarweb-Quelle mit Ihrem API-Schlüssel an und verbinden Sie den Flow mit einem Google Gemini Ziel oder AI Model. Fügen Sie dataddo unter mcpServers in ~/.gemini/settings.json mit httpUrl https://headless.dataddo.com/mcp-data hinzu, starten Sie Gemini CLI neu, führen Sie /mcp auth dataddo aus und melden Sie sich an.
In Gemini CLI fällt url auf SSE zurück, was Dataddo nicht unterstützt. Fügen Sie den Server unter mcpServers mit dem Schlüssel httpUrl und ohne headers- oder oauth-Block hinzu und starten Sie Gemini CLI neu.
Führen Sie /mcp auth dataddo aus. Gemini CLI öffnet eine Anmeldeseite in einem Browser auf demselben Rechner, wo Sie Ihre Dataddo-E-Mail und Ihr Passwort verwenden, bei Bedarf mit MFA. Prüfen Sie danach /mcp.
Nein. Der Agent mode in VS Code liest dieselbe settings.json wie Gemini CLI, während Gemini Code Assist in IntelliJ eine eigene mcp.json verwendet, in die Sie den Dataddo-Server separat eintragen.
Nach der Anmeldung erreicht Gemini jeden Flow und jeden Context, der in diesem Dataddo-Konto mit einem AI-Ziel oder AI Model verbunden ist, nicht nur die von Google Gemini. Verbinden Sie nur die Similarweb-Flows, die abgefragt werden sollen.
Ja. Legen Sie pro Domain eine Similarweb-Quelle an, jeweils mit einer einzelnen Domain wie example.com. Gemini kann sie dann in einer Abfrage vergleichen, weil jede Zeile das Feld Domain enthält.
Nein. Gemini fragt Daten über die semantische Schicht nach Entitäts- und Feldname ab. Dataddo nimmt nie SQL vom Modell an, und nichts wird an Similarweb zurückgeschrieben.
