Data to AI™ / Copilot/YouTube
Dé al equipo de vídeo un agente de Copilot en Teams que responda sobre visualizaciones, tiempo de visualización y cambios de suscriptores directamente con los datos de su canal de YouTube.
Menos tokens, mejores respuestas.
Microsoft 365 Copilot
¿Qué fuentes de tráfico aportaron más tiempo de visualización a los vídeos que publicamos en septiembre?
Los vídeos sugeridos generaron el 63 % del tiempo de visualización de estas tres fuentes, aproximadamente el doble que la búsqueda de YouTube, y retuvieron más a los espectadores, con un 46 % de duración media de visualización.
| Traffic Source Type | Views | Watch Time (Minutes) | Average View Duration (%) |
|---|---|---|---|
| Suggested videos Owned Channel Videos Traffic Sources | 48.200 | 212.100 | 46 % |
| YouTube search Owned Channel Videos Traffic Sources | 31.500 | 101.000 | 38 % |
| External Owned Channel Videos Traffic Sources | 9.800 | 21.600 | 27 % |
Views y Watch Time (Minutes) se suman por fuente de tráfico; Average View Duration (%) se pondera por Views, no es una media simple de los vídeos.
YouTube Organic extrae el rendimiento no pagado de su canal: visualizaciones, tiempo de visualización, suscriptores, fuentes de tráfico, audiencia, comentarios y listas de reproducción, por vídeo y por día.
@Video desk ¿Cuántas Views y Engaged Views ha alcanzado el vídeo de lanzamiento desde el martes, y cuál es su Average View Duration (%)?
El canal de product marketing pregunta al agente cada vez que llega una ejecución programada, así nadie tiene que abrir YouTube Analytics por separado ni publicar capturas durante la semana de lanzamiento.
@Video desk ¿Qué End Screen Element Type y qué Card Type obtienen la mayor tasa de clics en nuestros tutoriales este trimestre?
En Microsoft 365 Copilot, el responsable del canal compara las llamadas a la acción entre vídeos y decide qué elementos de pantalla final y qué tarjetas mantener en los próximos tutoriales.
Use las herramientas de dataddo para clasificar nuestras listas de reproducción por Playlist Starts y Playlist Saves Added de los últimos 90 días.
Un desarrollador web pregunta a GitHub Copilot en Agent mode antes de decidir qué listas destaca primero el componente de hub de vídeo del sitio, sin salir de VS Code ni exportar un informe.
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 | |
|---|---|---|---|
| Cifras de lanzamiento en Teams | Alguien abre YouTube Studio después de cada lanzamiento y publica capturas de las visualizaciones en el canal de product marketing. | El agente de Copilot Studio de ese canal lee Owned Channel Videos Basic User Activity desde Dataddo cada vez que se le menciona. | Cifras de lanzamiento a petición |
| Varios canales | Los canales de marca, de producto y regionales se reportan por separado y se combinan a mano en cada revisión. | La extracción multicuenta obtiene el mismo dataset de todos los canales a los que tiene acceso, y Managed Channels Videos Basic User Activity cubre los canales gestionados. | Todos los canales en un solo agente |
| Preguntas que cruzan dimensiones | El dispositivo, la ubicación de reproducción y la fuente de tráfico están en informes separados, así que una pregunta combinada necesita varias exportaciones. | Owned Channel Videos Combined Playback Insights reúne ubicación de reproducción, fuente de tráfico, tipo de dispositivo y sistema operativo en un dataset que el agente puede consultar. | Respuestas combinadas en una sola pregunta |
| Consumo de tokens | Copilot gasta tokens explorando columnas sin procesar de YouTube, 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 YouTube 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.
Se ejecuta según la programación que defina, por ejemplo a diario. Los datasets de YouTube Organic no usan un rango de fechas, así que cada ejecución extrae todos los datos disponibles en ese momento.
Conector de YouTube →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 de YouTube Organic en Dataddo con datasets como Owned Channel Videos Basic User Activity y Playlist Basic User Activity, y vincúlela a un destino de Copilot o a un AI Model. En Copilot Studio, añada la herramienta MCP https://headless.dataddo.com/mcp-data con OAuth 2.0 y Dynamic discovery, y publique el agente en Teams.
Vaya a Tools > Add a tool > New tool > Model Context Protocol, introduzca la URL de Dataddo, elija OAuth 2.0 con Dynamic discovery e inicie sesión. El agente podrá consultar los flujos de YouTube vinculados en Dataddo.
Sí. La extracción multicuenta recoge el mismo dataset de todos los canales a los que tiene acceso, y Managed Channels Videos Basic User Activity agrega la actividad de todos los canales gestionados.
Sí, una vez que lo publique en Channels > Teams and Microsoft Copilot. Los miembros del equipo mencionan al agente y obtienen respuestas a partir de los mismos datos de YouTube.
Sí. Los datasets Owned Channel Videos incluyen Country Code, así que el agente puede desglosar Views y Watch Time (Minutes) por país del espectador para cualquier vídeo.
Sí, en VS Code. Añada el servidor a .vscode/mcp.json con type http, inicie sesión y pregunte en Agent mode. Las organizaciones Business y Enterprise deben habilitar antes los servidores MCP en la política de Copilot.
La cuenta autorizada necesita al menos permisos de nivel administrador. La falta de permisos es uno de los motivos habituales por los que falla la vista previa de datos al configurar la fuente.