Data to AI™ / Copilot/Google Merchant Center
Permita que los equipos de ecommerce y marketing pregunten a un agente de Copilot en Teams qué productos están bloqueados, tienen precios erróneos o carecen de datos en Merchant Center.
Menos tokens, mejores respuestas.
Microsoft 365 Copilot
¿Qué problemas del feed mantienen fuera de Shopping a la mayor cantidad de nuestros productos en este momento?
Los GTIN no válidos afectan a 412 de 5.020 productos (8,2 %), más que las discrepancias de precio y las imágenes demasiado pequeñas juntas (283).
| Problema | Item Level Issue Attribute Name | Productos | Porcentaje del catálogo |
|---|---|---|---|
| Invalid GTIN Product statuses | gtin | 412 | 8,2 % |
| Price mismatch Product statuses | price | 186 | 3,7 % |
| Image too small Product statuses | image_link | 97 | 1,9 % |
Calculado a partir de la última ejecución de Product statuses, que extrae todos los productos actuales; el dataset no tiene rango de fechas.
Google Merchant Center contiene las fichas de producto que aparecen en Google Shopping. Dataddo extrae dos datasets: Products, con atributos del feed como el precio y la disponibilidad, y Product statuses, con el estado de aprobación y los problemas a nivel de artículo.
@Feed Health ¿Cuántos productos por Brand tienen ahora mismo al menos un problema a nivel de artículo? Muestre las cinco peores marcas.
Los category managers mencionan al agente en su canal de Teams, ven qué marcas acumulan más problemas y asignan las correcciones al contacto del proveedor adecuado en la misma conversación.
@Feed Health Enumere las ofertas en las que Sale Price es igual o superior a Price, con Offer ID, Title y Price Currency.
En Microsoft 365 Copilot, el equipo de precios obtiene una lista de precios de oferta que no descuentan nada y los corrige antes de la siguiente carga del feed.
Use las herramientas de dataddo para describir la entidad Products y actualice nuestras reglas de validación del feed para Price, Availability y GTIN.
Un desarrollador usa GitHub Copilot en Agent mode para alinear la validación interna con los atributos que Merchant Center indica en Item Level Issue Attribute Name.
Data to AI™ es gratuito durante la versión preliminar privada. Incorporamos equipos por oleadas y damos forma al producto con sus comentarios. En el lanzamiento, se cobrará como los asistentes de IA que tu equipo ya utiliza. ¿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.
Gratis durante la versión preliminar
Implemente Dataddo de manera flexible en cualquier entorno híbrido o de nube.
Tenemos un modelo de pago que funciona para ti
| Sin Dataddo |
Con Dataddo
|
Resultado para ti | |
|---|---|---|---|
| Estado del feed para todo el equipo | Una sola persona tiene el acceso a Merchant Center y reenvía capturas de los diagnósticos a quien se las pida. | Un agente de Copilot Studio en Teams responde a cualquier category manager con los mismos datos de Product statuses. | Todos ven los mismos problemas |
| Dirigir las preguntas a los datos | Copilot responde a las preguntas sobre el feed con conocimiento general, porque no puede ver su catálogo. | La descripción del servidor en Copilot Studio indica al agente que llame a Dataddo para productos, precios, disponibilidad y problemas a nivel de artículo. | Respuestas basadas en su feed |
| Código de validación en VS Code | Los desarrolladores copian nombres de atributos de páginas de documentación y esperan que coincidan con lo que contiene realmente el feed. | GitHub Copilot lee los nombres de campo desde Dataddo a través de .vscode/mcp.json, una vez que un administrador de la organización en Business o Enterprise habilita los servidores MCP en la política de Copilot. | Reglas acordes con el feed |
| Consumo de tokens | Copilot gasta tokens explorando columnas sin procesar de Google Merchant Center, 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 Google Merchant Center que más usan los equipos de marketing, con sus nombres de campo reales. Copilot los consulta por su nombre a través de la capa semántica de Dataddo.
Lista de datasets curados
¿Necesita un dataset, métrica o atributo que no ve?
Díganos qué falta y lo añadiremos al conector.
Ninguno de los dos datasets usa un rango de fechas: cada ejecución según su programación, por ejemplo diaria, extrae todos los productos y estados que hay en ese momento en Merchant Center. La columna opcional Dataddo Extraction Timestamp indica cuándo se leyó cada fila.
Conector de Google Merchant Center →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 de Dataddo para Products y Product statuses de Google Merchant Center y vincúlelas a un destino de Copilot o a un AI Model. En Copilot Studio, añada una herramienta Model Context Protocol con https://headless.dataddo.com/mcp-data, seleccione OAuth 2.0 con Dynamic discovery, inicie sesión y publique en Teams y Microsoft Copilot.
En Microsoft 365 Copilot y en Teams, después de publicar el agente de Copilot Studio mediante Channels > Teams and Microsoft Copilot. Los usuarios escriben @ y seleccionan el agente.
Redacte la descripción del servidor en Copilot Studio en torno a los productos, precios, disponibilidad y problemas a nivel de artículo de Merchant Center. El agente usa esa descripción para decidir cuándo llamar a Dataddo.
Sí, con GitHub Copilot. Añada el servidor a .vscode/mcp.json, inícielo, inicie sesión y use Agent mode. Las organizaciones Business y Enterprise necesitan habilitar los servidores MCP en la política de Copilot.
Cada ejecución extrae el catálogo completo actual sin rango de fechas, así que el agente responde sobre el catálogo tal como estaba en la última ejecución, no sobre un historial de cambios.
No. Solo lee los datos extraídos de Products y Product statuses. Las actualizaciones del feed se hacen en Merchant Center o en sus propias herramientas de feed.