Data to AI™ / ChatGPT/Microsoft Ads
Revise el ritmo del presupuesto mensual, el retorno por mercado y los tipos de campaña en una conversación de ChatGPT que lee informes programados de Microsoft Advertising, con cada consulta confirmada por usted.
Mejores respuestas, menos tokens.
ChatGPT
¿Qué campañas perdieron más impresiones por presupuesto el mes pasado y fueron rentables?
Brand Search perdió el 38 % de las impresiones posibles por presupuesto y devolvió 6,2 por cada unidad invertida, así que es el caso más claro para aumentar el presupuesto. Generic Search perdió menos y devolvió mucho menos.
| Campaign Name | Spend | Impression Lost To Budget Percent | Return On Ad Spend |
|---|---|---|---|
| Brand Search Campaign Performance Report | 4.100 US$ | 38 % | 6,2 |
| Generic Search Campaign Performance Report | 9.800 US$ | 21 % | 1,9 |
| Performance Max Campaign Performance Report | 6.300 US$ | 12 % | 3,4 |
Las tres columnas provienen de un único Campaign Performance Report con agregación temporal Monthly, así que los porcentajes no se promedian a partir de filas diarias.
Microsoft Advertising (antes Bing Ads) gestiona campañas de búsqueda pagada en Bing y en la red de socios de Microsoft. Dataddo extrae sus informes, desde la cuenta y la campaña hasta la palabra clave, el término de búsqueda y el anuncio, con los atributos y métricas que usted elija para cada tipo de informe.
Ejecuta data_status en el flujo de presupuesto de Microsoft Ads y luego enumera cada Campaign Name con Monthly Budget, Month To Date Spend y el Daily Spend de ayer.
Usted confirma cada llamada a herramienta, comprueba que el día de ayer ya está cargado y obtiene una proyección de cierre de mes por campaña, así que el exceso de gasto se detecta a mitad de mes y no en la factura.
Del Geographic Performance Report, ordena cada Country por Return On Ad Spend del último trimestre y muestra las tres ciudades con más Spend en cada uno.
ChatGPT convierte el informe geográfico en una lista corta de mercados para escalar y ciudades donde bajar la puja, y redacta las notas de segmentación por ubicación en la misma conversación.
En el Campaign Performance Report, compara Spend, Conversions y Cost Per Conversion por Campaign Type en los últimos 60 días.
La respuesta muestra si las campañas de Performance Max añaden conversiones a un coste razonable o simplemente restan presupuesto a las campañas de búsqueda, lo que enmarca la siguiente conversación sobre el reparto.
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 | |
|---|---|---|---|
| Datos de ritmo en el chat | Alguien exporta la vista de presupuesto y sube el archivo, y la respuesta sobre el ritmo solo es tan reciente como esa subida. | ChatGPT lee Monthly Budget y Month To Date Spend del Budget Summary Report programado, y data_status indica cuándo terminó la última ejecución. | Ritmo con el gasto actual |
| Control de cada consulta | Una exportación subida comparte todas las cuentas y columnas a la vez, incluidos datos que la pregunta nunca necesitó. | El modo desarrollador le pide confirmar cada llamada a herramienta, y puede desactivar herramientas concretas de Dataddo en la configuración de la app. | Usted aprueba cada consulta |
| Cobertura de tipos de campaña | Los resultados de Performance Max no aparecen en las exportaciones por palabra clave, así que la comparación con búsqueda queda incompleta. | El Campaign Performance Report incluye Campaign Type y contiene los datos de Performance Max, así que ChatGPT compara ambos con las mismas métricas. | Ningún tipo de campaña fuera |
| Consumo de tokens | ChatGPT gasta tokens explorando columnas sin procesar de Microsoft Ads, 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 Microsoft Ads que más usan los equipos de marketing, con sus nombres de campo reales. ChatGPT los consulta por su nombre a través de la capa semántica de Dataddo.
| Dataset | Métricas y atributos |
Pregunte a ChatGPT
|
|---|---|---|
| Campaign Performance Report |
|
¿Qué campañas tienen el Impression Lost To Budget Percent más alto aunque conviertan bien? |
| Keyword Performance Report |
|
¿Cómo varía el Cost Per Conversion según el Delivered Match Type de nuestras principales palabras clave? |
| Search Query Performance Report |
|
¿Qué términos de búsqueda convierten bien pero todavía no son su propia Keyword? |
| Ad Performance Report |
|
¿Qué anuncios tienen un Ctr alto pero una Conversion Rate inferior a la media de su grupo de anuncios? |
| Budget Summary Report |
|
Con el Daily Spend actual, ¿qué campañas superarán su Monthly Budget antes de fin de mes? |
| Professional Demographics Audience Report |
|
¿Qué segmentos de Job Function Name consumen más Spend sin convertir? |
| Geographic Performance Report |
|
¿Qué ciudades, según City, gastan más con un retorno inferior a la media? |
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 →Extraiga el Budget Summary Report y el Campaign Performance Report con una fuente de Microsoft Ads en Dataddo y vincúlelos a un destino o AI Model de ChatGPT. En ChatGPT, active el modo desarrollador, cree la app Dataddo Data Access con https://headless.dataddo.com/mcp-data y OAuth, inicie sesión y selecciónela en un chat.
Pro, Plus, Business, Enterprise y Education, porque la conexión usa el modo desarrollador, que solo funciona en ChatGPT web. En Business y Enterprise puede que un administrador del espacio de trabajo tenga que permitirlo primero.
El modo desarrollador confirma cada llamada a herramienta antes de ejecutarla, así que usted ve cada consulta sobre sus datos de anuncios. También puede desactivar las herramientas de Dataddo que no quiera que ChatGPT use.
Tanto como la última ejecución. Cada ejecución vuelve a leer el rango de fechas relativo, por ejemplo los últimos 7 días, y reemplaza los datos de esa ventana. Pida a ChatGPT que ejecute data_status para ver cuándo terminó el flujo.
Sí. La agregación temporal se define por fuente como Daily, Weekly, Monthly u Hourly. Cree una fuente por cada agregación que necesite y vincule cada una a su destino o AI Model de ChatGPT.
La API de Microsoft Ads no admite todas las combinaciones de atributos y métricas. En el Account Performance Report y el Ad Group Performance Report, algunas columnas de atributos y de cuota de impresiones son mutuamente excluyentes.
Solo si están en los datos extraídos. Una fuente empieza con su rango de fechas relativo, así que ejecute una resincronización completa de datos con un rango más amplio para cargar meses anteriores que ChatGPT pueda comparar.
