Data to AI™ / Gemini/X Ads
Holen Sie X Ads-Daten im Terminal in Skripte, Notebooks und Pull Requests, damit Namensfehler und defektes Conversion-Tracking vor einem Release auffallen und nicht erst im Bericht des nächsten Monats.
Bessere Antworten, weniger Tokens.
Gemini CLI
Welche X Ads-Kampagnen hatten letzte Woche die günstigsten Link-Klicks?
Spring Webinar Promo hatte mit 0,41 $ pro Klick die günstigsten Link-Klicks, bei weniger als einem Viertel der Ausgaben. Brand Awareness Q2 erhielt das meiste Budget, kostete aber 1,12 $ pro URL Click.
| Campaign Name | Spend | URL Clicks | Impressions |
|---|---|---|---|
| Spring Webinar Promo Campaign Analytics | 1.230 $ | 3.000 | 184.500 |
| Product Launch Retarget Campaign Analytics | 2.050 $ | 3.420 | 142.800 |
| Brand Awareness Q2 Campaign Analytics | 4.480 $ | 4.000 | 611.200 |
Spend ist Billed Charge Local Micro geteilt durch 1.000.000, in der Währung des Werbekontos, für Platzierungen direkt auf X.
X Ads (früher Twitter Ads) extrahiert bezahlte und organische Leistungsdaten aus einem X-Werbekonto: Ausgaben und Interaktionen pro Kampagne, Ergebnisse gesponserter Posts mit Web-Conversions und vollständig angesehenen Videos, Post-Texte sowie Budgets und Status der Kampagnen.
Liste über den dataddo-Server jede Tweet Id aus Promoted Tweets der letzten 7 Tage mit Clicks über 0, aber Conversion Site Visits Order Quantity gleich 0.
Ein Entwickler, der das Landingpage-Template geändert hat, führt dies am nächsten Tag aus. Eine leere Liste heißt, dass Website-Besuche weiter zugeordnet werden; jede Zeile wandert direkt ins Bug-Ticket.
Lies Name aus Campaigns und prüfe jeden Namen gegen das Muster in config/naming.yml. Schreibe die Namen ohne Treffer nach reports/x-ads-naming.md.
Ein Marketing-Ops-Engineer führt die Prüfung in Gemini Code Assist vor dem Merge einer Reporting-Änderung aus, damit falsch benannte Kampagnen nicht aus den Dashboards fallen.
Frage Promoted Tweets der letzten 7 Tage ab und speichere Tweet Id, Spend, Conversion Sign Ups Order Quantity und Conversion Sign Ups Sale Amount in data/x-signups.parquet.
Ein Growth-Analyst lädt die Datei in ein Notebook neben dem Repository, verknüpft sie mit Full text aus Promoted Tweets Metadata und modelliert die Kosten pro Registrierung je Botschaft.
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 | |
|---|---|---|---|
| Werbedaten im Code | Jedes Skript braucht einen eigenen X Ads API-Client, signierte Anfragen und ein Limit von 20 entity IDs pro Statistik-Aufruf. | Gemini CLI fragt die extrahierten Datensätze über einen einzigen MCP-Server nach Entitäts- und Feldnamen ab, ohne X API-Code im Repository. | Prüfungen ohne API-Aufwand |
| Snapshots, bevor Daten verfallen | Eine vergessene Abfrage bedeutet eine verlorene Woche, da die X API nur bis zu 7 Tage rückwirkend extrahieren lässt. | Der Flow extrahiert nach Zeitplan, und ein Skript im Repository kann Gemini nach jedem Lauf eine datierte CSV schreiben lassen. | Wöchentliche Dateien in Git |
| Kontrolle jedes Aufrufs | Ein Skript mit gespeicherten X-Zugangsdaten kann jeden Endpoint aufrufen, und niemand prüft, was es angefordert hat. | Gemini CLI fragt bei jedem Dataddo-Tool-Aufruf nach Ihrer Bestätigung, und Sie entscheiden pro Tool, ob Sie Always allow wählen. | Jede Abfrage sichtbar |
| Token-Verbrauch | Gemini verbraucht Tokens, um rohe X Ads-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 X Ads-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
|
|---|---|---|
| Campaign Analytics |
|
Welche Kampagnen hatten an einem bestimmten Date Start Spend, aber keine URL Clicks? |
| Promoted Tweets |
|
Was haben wir diese Woche pro Billed Engagements für jeden gesponserten Post nach Tweet Id bezahlt? |
| Promoted Tweets Metadata |
|
Wie verteilt sich unser gesponserter Content auf die einzelnen Tweet type? |
| Campaigns |
|
Bei welchen Kampagnen weicht der Effective Status vom Entity Status ab? |
| Organic Tweets |
|
Welche organischen Posts erhielten mehr Likes als unser bester gesponserter Post? |
| Account Analytics |
|
Welche Werbekonto-Account ID hatte in den letzten 7 Tagen die meisten Engagements? |
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 →Extrahieren Sie X Ads-Datensätze wie Promoted Tweets und Campaigns in Dataddo und verbinden Sie sie mit einem Google Gemini-Ziel oder AI Model. Tragen Sie Dataddo unter mcpServers in ~/.gemini/settings.json mit httpUrl https://headless.dataddo.com/mcp-data ein, starten Sie Gemini CLI neu, führen Sie /mcp auth dataddo aus und melden Sie sich an.
Nein. Dataddo extrahiert die X Ads-Datensätze in einen Flow, und Gemini CLI liest diesen Flow über den Dataddo MCP-Server. Die Einrichtung ist dieselbe wie bei jeder anderen Dataddo-Quelle.
Verwenden Sie den Schlüssel httpUrl, nicht url, denn url fällt auf SSE zurück, was Dataddo nicht unterstützt. Lassen Sie headers- und oauth-Blöcke weg, starten Sie Gemini CLI neu und prüfen Sie /mcp.
Ja, über Gemini Code Assist. In IntelliJ nutzt es eine eigene mcp.json, tragen Sie den Dataddo-Server dort ein. Der Agent-Modus in VS Code liest dieselbe settings.json wie Gemini CLI.
Auf jeden Flow oder Context, der in Ihrem Dataddo-Konto mit einem KI-Ziel oder AI Model verbunden ist, nicht nur auf die Google Gemini-Ziele. Halten Sie Twitter Ads-Konten aus KI-Zielen heraus, wenn Gemini sie nicht sehen soll.
Die Zugangsdaten liegen in ~/.gemini/mcp-oauth-tokens.json und werden automatisch erneuert. Läuft eine Sitzung ab oder wird sie widerrufen, führen Sie /mcp auth dataddo erneut aus und melden sich an.
Nein. Gemini fragt extrahierte Daten über die semantische Schicht nach Entitäts- und Feldnamen ab. Dataddo nimmt nie SQL vom Modell an, und nichts wird nach X zurückgeschrieben.
