Data to AI™ / Copilot/HubSpot
Dé a RevOps y finanzas un agente de Teams que responda preguntas sobre pipeline, etapas y deals closed won de HubSpot, sin que nadie tenga que exportar el tablero de deals.
Menos tokens, mejores respuestas.
Microsoft 365 Copilot
¿Cuánto tiempo pasaron en cada etapa los deals que ganamos en septiembre?
Los 23 deals ganados en septiembre tardaron 31 días de media desde la cualificación hasta el contrato. Decision maker bought-in fue la etapa más lenta, con 12 días o el 39 % del ciclo.
| Stage Label | Deals | Días medios en la etapa | Proporción del ciclo |
|---|---|---|---|
| Qualified to buy Properties History | 23 | 6 | 19 % |
| Presentation scheduled Properties History | 23 | 9 | 29 % |
| Decision maker bought-in Properties History | 23 | 12 | 39 % |
| Contract sent Properties History | 23 | 4 | 13 % |
Los días se miden entre los Timestamps de cambio de dealstage en Properties History, con los Stage IDs asignados a Stage Label mediante Deal Pipelines.
HubSpot es una plataforma de marketing, ventas y servicio al cliente. Dataddo extrae sus registros de CRM, como deals, line items, presupuestos y propietarios, con campos personalizados en cada objeto, además de las etapas del pipeline y el historial de cambios de propiedades.
@Deal desk ¿Qué Deals llegaron esta semana a una Stage Label de closed won y qué responsable tiene cada uno?
El viernes por la tarde, finanzas menciona al agente en el canal de RevOps en lugar de pedir a un comercial que exporte el tablero, con los nombres de los responsables combinados desde Owners.
@Deal desk Liste los Line Items de los deals ganados el mes pasado para que pueda compararlos con las facturas que emitimos.
Un especialista en facturación pregunta al agente antes del cierre de mes para detectar deals firmados en HubSpot que nunca se facturaron al cliente.
Describa Properties History mediante las herramientas de dataddo y escriba una función que devuelva los días entre cambios de dealstage usando Timestamp.
Un desarrollador de dashboards en VS Code implementa la métrica con los campos reales Property Name, Value y Timestamp en lugar de con un archivo de muestra hecho a mano.
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 | |
|---|---|---|---|
| Dónde se obtienen las respuestas | Cada semana, RevOps recibe las mismas preguntas sobre deals en chats de Teams y responde cada una exportando el tablero. | Un agente de Copilot Studio publicado en Teams responde a partir de Deals, Deal Pipelines y Owners cada vez que alguien lo menciona. | Autoservicio en Teams |
| Nombres de los responsables | Los deals llevan hubspot_owner_id, así que una respuesta en un hilo de Teams muestra números en lugar de las personas responsables. | Combine el dataset Owners por Owner ID, para que el agente responda con el First Name y el Last Name de cada responsable. | Personas, no IDs |
| Dirigir las preguntas sobre deals | Microsoft 365 Copilot no tiene forma de saber que las preguntas sobre deals corresponden a HubSpot y no a archivos de SharePoint. | Describa la herramienta de Dataddo como la fuente de deals, etapas del pipeline y responsables de HubSpot; Copilot Studio usa ese texto para decidir cuándo llamarla. | Preguntas sobre deals a datos del CRM |
| Comerciales que se fueron | Cuando un comercial se va, sus deals apuntan a un responsable que nadie encuentra en la lista actual de usuarios. | El dataset Owners Archived conserva los responsables desactivados, así que el agente puede seguir indicando quién tenía cada deal. | Ningún deal huérfano |
| Consumo de tokens | Copilot gasta tokens explorando columnas sin procesar de HubSpot, 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 HubSpot que más usan los equipos de finanzas y RevOps, 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.
Se ejecuta según su programación. Deals y Line Items extraen todos los registros actuales en cada ejecución; las variantes Date Range y Properties History leen una ventana relativa. El historial no se puede cargar con efecto retroactivo, así que conserve snapshots con la marca de tiempo de extracción.
Conector de HubSpot →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 →Sincronice Deals, Deal Pipelines y Owners de HubSpot en Dataddo y vincule el flujo a un destino Copilot o a un AI Model. En Copilot Studio, añada una herramienta Model Context Protocol que apunte a https://headless.dataddo.com/mcp-data con OAuth 2.0 y Dynamic discovery, y publique el agente en Teams. Para GitHub Copilot, añada la URL a .vscode/mcp.json.
A través de Copilot Studio. Añada Dataddo Data Access a un agente como herramienta Model Context Protocol, inicie sesión con OAuth y publíquelo en Channels > Teams and Microsoft Copilot.
Indique lo que cubre, como deals, etapas del pipeline y responsables de HubSpot. La descripción le dice al agente cuándo llamar a Dataddo.
Sí. Añada el servidor de Dataddo a .vscode/mcp.json, inícielo, inicie sesión y abra Copilot Chat en Agent mode. En Copilot Business y Enterprise, un administrador de la organización tiene que habilitar los servidores MCP en la directiva de Copilot.
Cada ejecución extrae la lista actual de deals, y HubSpot no permite cargar estados pasados. Para comparar semanas, añada la marca de tiempo de extracción y anexe las ejecuciones, para que el agente pueda leer snapshots anteriores.
No. El agente lee datos de HubSpot que Dataddo ya ha extraído y no puede escribir en HubSpot. Los cambios de etapa se hacen en HubSpot y llegan con la siguiente ejecución.
No. La cuenta de HubSpot que autoriza Dataddo necesita permisos de nivel administrador como mínimo. Quienes usan el agente nunca inician sesión en HubSpot; el agente accede a los datos a través de Dataddo.