Data to AI™ / Gemini/Instagram Public Data
Lleve posts de competidores y creadores a la terminal o al IDE y deje que Gemini escriba los CSV, notebooks y scripts en los que ya se basa su analítica de marketing.
Mejores respuestas, menos tokens.
Gemini CLI
¿Con qué frecuencia publicó cada competidor en septiembre y qué posts recibieron más me gusta?
@northpeak_coffee fue quien menos publicó, pero obtuvo la media más alta de me gusta por post. @harbor_roasters publicó casi a diario, con alrededor de un tercio de los me gusta por post.
| Username | Posts | Avg Like Count | Avg Comments Count |
|---|---|---|---|
| @northpeak_coffee Posts | 9 | 4.820 | 212 |
| @harbor_roasters Posts | 27 | 1.610 | 48 |
| @bluestone_brew Posts | 14 | 2.370 | 95 |
Los posts se cuentan por Timestamp; Like Count y Comments Count son los totales públicos en el momento de la extracción, promediados por post.
Instagram Public Data lee lo que cualquiera puede ver en un perfil público de Instagram que usted indica por su nombre de usuario, como un competidor, una marca de referencia o un creador: el perfil con sus cifras de seguidores y publicaciones, y sus posts con me gusta, comentarios y reproducciones. No sirve para cuentas personales.
Consulta Posts de todas las cuentas seguidas con Media Id, Timestamp, Media Type, Like Count, Comments Count y View Count, y guárdalo como data/competitor-posts.csv.
Una analista de marketing carga el archivo en un notebook de Jupyter existente que grafica el ritmo semanal y la respuesta, en lugar de mantener un scraper propio.
Compara Followers Count por Username entre los dos valores más recientes de dataddo_extraction_timestamp e imprime las cuentas que variaron más de un cinco por ciento.
Un ingeniero de growth ejecuta el control desde la terminal cada lunes y pega la lista en la actualización del equipo cuando un competidor gana seguidores de golpe.
Lee Caption y Like Count de todos los posts seguidos de los últimos 90 días, extrae palabras clave y hashtags recurrentes y escribe los términos principales con su media de me gusta en reports/caption-terms.md.
Un marketer técnico sube el informe al repositorio de contenidos, para que los redactores vean en qué palabras se apoyan los rivales antes del siguiente brief.
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 | |
|---|---|---|---|
| Llevar los datos al código | Los analistas copian cifras de perfiles rivales en una hoja, la exportan y la cargan a mano antes de poder analizar nada. | Gemini CLI consulta Posts y Profile a través de Dataddo y escribe el archivo directamente en el directorio de trabajo. | Los datos llegan al código |
| Nombres de campo en los scripts | Los scripts fallan cuando alguien renombra una columna en una exportación manual de datos de la competencia. | Posts y Profile mantienen los mismos nombres de campo en cada ejecución, como Like Count, Comments Count y Followers Count. | Entradas estables para scripts |
| Control en la terminal | Un CSV pegado le da todo al modelo de una vez y usted no ve qué leyó realmente. | Gemini CLI le pide confirmar cada llamada a herramientas de Dataddo, y puede elegir Always allow por herramienta cuando confíe en ella. | Cada llamada visible |
| Consumo de tokens | Gemini gasta tokens explorando columnas sin procesar de Instagram 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 Instagram 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 posts de vídeo, filtrados por Media Type, tienen el View Count más alto y cuál es su Permalink? |
| Profile |
|
¿Cómo cambió el Followers Count de cada Username entre las dos últimas extracciones programadas? |
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 una fuente Instagram Public Data con Posts y Profile para cada Username público y vincúlela a un destino o AI Model de Google Gemini en Dataddo. Añada dataddo en mcpServers con httpUrl https://headless.dataddo.com/mcp-data en ~/.gemini/settings.json, reinicie Gemini CLI y ejecute /mcp auth dataddo para iniciar sesión.
Con la clave url, Gemini CLI recurre a SSE, que Dataddo no admite. Use httpUrl con https://headless.dataddo.com/mcp-data, sin bloque headers ni oauth, y luego ejecute /mcp auth dataddo.
Sí. Agent mode en VS Code lee el mismo settings.json que Gemini CLI. En IntelliJ, añada el servidor de Dataddo al mcp.json de Gemini Code Assist e inicie sesión de la misma forma.
No. Una vez iniciada la sesión, Gemini accede a todos los flujos o Contexts vinculados a un destino de IA o AI Model en esa cuenta de Dataddo, no solo a los de Google Gemini. Téngalo en cuenta al compartir una cuenta.
Like Count, Comments Count y View Count son totales públicos en el momento de la extracción. Ningún dataset usa un rango de fechas, así que cada ejecución programada los actualiza, y dataddo_extraction_timestamp indica cuándo se leyó cada fila.
La columna Id de Posts hace referencia al Id de Profile, así que Gemini puede unir cada post con su Username y su Followers Count, mientras que Media Id identifica el post en sí.
Las credenciales se guardan en ~/.gemini/mcp-oauth-tokens.json y se renuevan automáticamente. Si una sesión caduca o se revoca, ejecute de nuevo /mcp auth dataddo e inicie sesión con su email y contraseña de Dataddo.
No. Gemini consulta los datos extraídos a través de la capa semántica por nombre de entidad y de campo. Dataddo nunca acepta SQL del modelo y no se escribe nada de vuelta en Instagram.
