Data to AI™ / Gemini/Facebook Public Data
Lleve las publicaciones y los perfiles de páginas de la competencia a la terminal o a VS Code, para que analistas y marketers técnicos creen archivos de comparativa y verificaciones sin scraping ni scripts de la Graph API.
Mejores respuestas, menos tokens.
Gemini CLI
¿Cómo se compara nuestra página de Facebook con dos competidores en audiencia y conversación?
Bluebird Roasters tiene la mayor audiencia, pero Kettle & Co genera más conversación: su Talking About Count equivale al 4,1 % de su Fan Count, frente al 1,6 % de Bluebird y el 2,3 % de nuestra página.
| Name | Fan Count | Talking About Count |
|---|---|---|
| Northwind Coffee (nosotros) Profile | 48.200 | 1.110 |
| Bluebird Roasters Profile | 93.500 | 1.490 |
| Kettle & Co Profile | 31.800 | 1.300 |
Cada página es una fuente propia con su Page Identifier; los valores de Profile son los de la última extracción y no se suman en el tiempo.
Facebook Public Data lee el perfil público y las publicaciones de cualquier página de Facebook que indique mediante su Page Identifier, incluidas las de la competencia. Los equipos de marketing lo usan para comparar tamaño de audiencia, ritmo de publicación e interacción con otras marcas.
Lee Posts de todas las páginas seguidas de los últimos siete días y escribe reports/competitor-posts.csv con From, Created Time, Media Type, Likes Total Count, Comments Total Count, Shares Count y Permalink URL.
Cada lunes, un analista ejecuta la instrucción en Gemini CLI y hace commit del archivo, así que el notebook de informes y la agencia trabajan con las cifras de la misma semana.
Une Posts con Profile por From Id e ID, calcula Likes Total Count más Comments Total Count por cada 1.000 de Fan Count para cada publicación y añade el resultado a notebooks/engagement.ipynb.
Una analista de datos normaliza la interacción según el tamaño de la audiencia, para que un rival pequeño con fans fieles no quede por debajo de una página grande que publica más.
Compara las cifras de seguidores citadas en content/compare/*.md con los últimos Fan Count y Followers Count de Profile y lista cada dato desactualizado.
Antes de publicar una página comparativa, un marketer técnico ejecuta la verificación en Gemini CLI y corrige el texto en lugar de publicar las cifras del año pasado.
Data to AI™ se cobra por asiento, como los asistentes de IA que tu equipo ya utiliza, con un ~25% de descuento en la facturación anual. ¿Necesitas contratos a medida o precios por volumen? Habla con nosotros sobre Enterprise.
Entrega datos de negocio gobernados a Claude, ChatGPT y otras herramientas de IA mediante MCP.
$10.49/mes
por asiento
Mínimo 3 asientos
Implemente Dataddo de manera flexible en cualquier entorno híbrido o de nube.
A medida
Tenemos un modelo de pago que funciona para ti
| Sin Dataddo |
Con Dataddo
|
Resultado para ti | |
|---|---|---|---|
| Obtención de los datos | Alguien escribe un script de la Graph API por página, gestiona la paginación y los tokens, y lo mantiene funcionando en un portátil. | Dataddo extrae Posts y Profile de forma programada, y Gemini CLI los consulta por nombre de entidad y de campo a través de la capa semántica. | Sin scripts de scraping que mantener |
| Comparación justa | Los recuentos brutos de me gusta favorecen a la página más grande, y normalizarlos exige unir dos exportaciones a mano. | From Id en Posts coincide con ID en Profile, así que Gemini une cada publicación con el Fan Count de su página en una sola instrucción. | Interacción normalizada por audiencia |
| Cifras en textos publicados | Las cifras de seguidores de la competencia en páginas de marketing se copian una vez y se quedan desactualizadas sin que nadie lo note. | Gemini CLI compara el texto del repositorio con la última extracción de Profile antes de cada despliegue. | Datos verificados antes de publicar |
| Control en la terminal | Un script con acceso a la API ejecuta todas las peticiones sin preguntar a nadie. | Gemini CLI le pide confirmar cada llamada a herramienta de Dataddo, y Always allow puede activarse solo para las herramientas de confianza. | Cada consulta aprobada |
| Consumo de tokens | Gemini gasta tokens explorando columnas sin procesar de Facebook Public Data, muestreando filas y reintentando hasta entender los datos. | Las definiciones de campos y las relaciones se entregan de antemano, así que el modelo se salta la exploración y va directo a la respuesta. | Menos tokens por respuesta |
| Calidad de las respuestas | Propenso a uniones incorrectas, campos inventados y cifras difíciles de comprobar. | Respuestas basadas en campos definidos. En el benchmark de Dataddo se respondió correctamente el 78,5 % de las preguntas, frente al 65,5 % con archivos CSV simples. | Mejores respuestas |
Los datasets de Facebook Public Data que más usan los equipos de marketing, con sus nombres de campo reales. Gemini los consulta por su nombre a través de la capa semántica de Dataddo.
| Dataset | Métricas y atributos |
Pregunte a Gemini
|
|---|---|---|
| Posts |
|
¿Qué publicaciones desde el 1 de julio superan la mediana de Comments Total Count de su página, con su Permalink URL? |
| Profile |
|
¿Qué páginas seguidas tienen un Category List Name distinto del nuestro y qué dice su texto About? |
Planteamos 43 preguntas registradas de antemano sobre tres conjuntos de datos reales - Google Search Console, deals de HubSpot y Google Ads - y entregamos las mismas filas al mismo modelo de cuatro formas. Solo cambió la capa de datos.
de las preguntas respondidas correctamente - el mejor de los cuatro métodos de entrega probados
menos respuestas erróneas presentadas como seguras - 14,0 % de las ejecuciones frente a 24,0 % y 26,3 %
más respuestas correctas con datos de CRM desordenados - mejor en 8 preguntas, peor en ninguna
El mismo modelo, las mismas instrucciones y las mismas filas en todas las condiciones; 759 ejecuciones evaluadas, con las respuestas de referencia fijadas antes de cualquier ejecución. Solo en Google Search Console, los archivos CSV documentados rindieron igual que Data to AI™: la ventaja viene de datos más complejos, como los deals de HubSpot.
Leer el informe →Cree fuentes Facebook Public Data en Dataddo, una por Page Identifier, con Posts y Profile, y asígnelas a un destino Google Gemini o a un AI Model. Añada un servidor dataddo con httpUrl https://headless.dataddo.com/mcp-data a ~/.gemini/settings.json, reinicie Gemini CLI, ejecute /mcp auth dataddo e inicie sesión.
En Gemini CLI, url recurre a SSE, que Dataddo no admite. Use httpUrl y no incluya headers ni ningún bloque oauth; el inicio de sesión se hace con /mcp auth dataddo.
Sí. El modo agente de VS Code lee el mismo settings.json que Gemini CLI. En IntelliJ, Gemini Code Assist usa su propio mcp.json, así que añada allí el servidor de Dataddo.
Use From Id en Posts e ID en Profile, que se refieren a la misma página. Así Gemini puede poner cada publicación junto al Fan Count, Followers Count o Category List Name de su página.
Sí. Page Identifier acepta el nombre de la URL de la página, como dataddo de facebook.com/dataddo, o un ID numérico de página. Cada fuente Facebook Public Data cubre una página.
Sí. Una vez iniciada la sesión, Gemini accede a todos los flujos o Contexts asignados a un destino de IA o AI Model en esa cuenta de Dataddo, no solo a los de Google Gemini.
Gemini CLI guarda las credenciales en ~/.gemini/mcp-oauth-tokens.json y las renueva automáticamente. Si una sesión caduca o se revoca, ejecute de nuevo /mcp auth dataddo. Nunca se escribe nada de vuelta en Facebook.
