Data to AI™ / Gemini/Google Ads
Leve os dados dos relatórios do Google Ads para scripts, notebooks e pull requests direto do terminal, para que falhas de rastreamento e de feed apareçam antes de um deploy e não no relatório do mês seguinte.
Respostas melhores, menos tokens.
Gemini CLI
Quais campanhas de pesquisa perderam mais parcela de impressões por orçamento no mês passado?
Competitor terms perdeu 44% das impressões de pesquisa qualificadas por orçamento, e Generic - Running shoes perdeu 31%. Brand - Exact perdeu apenas 2%.
| Campaign - Name | Cost Micros (Spend) | Search Impression Share | Search Budget Lost Impression Share |
|---|---|---|---|
| Competitor terms Campaign Report | 5.410 | 38% | 44% |
| Generic - Running shoes Campaign Report | 12.880 | 54% | 31% |
| Brand - Exact Campaign Report | 3.240 | 91% | 2% |
Cost Micros (Spend) foi dividido por 1.000.000 para corresponder aos valores mostrados na interface do Google Ads.
Os dados do Google Ads chegam como Reports with Metrics, Reports without Metrics e Keyword Planner Historical Metrics. Você escolhe um tipo de relatório, como campanha, palavra-chave, termo de pesquisa ou shopping, e depois os atributos, segmentos e métricas a extrair.
Usando o servidor dataddo, liste cada Campaign - Name do Campaign Report dos últimos 7 dias com Conversions acima de 0, mas Conversions Value igual a 0.
Um desenvolvedor que publicou uma mudança no checkout roda isso na manhã seguinte. Uma lista vazia indica que os valores de conversão continuam chegando; cada linha vai para o ticket do bug.
No Shopping Performance View, encontre cada Item ID com Conversions Value neste mês, mas com Brand ou Product Type Level 1 vazios, e grave em feeds/missing-attributes.csv.
O engenheiro que mantém o gerador do feed de produtos abre o CSV no Gemini Code Assist no VS Code, corrige o mapeamento e cita o arquivo no pull request.
Consulte Keyword Planner Historical Metrics para a nossa lista de sementes e salve Keyword, Avg Monthly Searches, Competition e os dois lances de topo da página, divididos por 1.000.000, em data/keyword-ideas.parquet.
Um profissional de marketing técnico agrupa as ideias em um notebook ao lado do repositório e propõe novos grupos de anúncios, sem exportar nada do Keyword Planner manualmente.
O Data to AI™ é cobrado por assento, como os assistentes de IA que sua equipe já usa, com ~25% de desconto no faturamento anual. Precisa de contratos personalizados ou preços por volume? Fale conosco sobre o Enterprise.
Entregue dados de negócio governados ao Claude, ChatGPT e outras ferramentas de IA via MCP.
$10.49/mês
por assento
Mínimo de 3 assentos
Implante o Dataddo com flexibilidade em qualquer ambiente de nuvem ou híbrido.
Personalizado
Temos um modelo de pagamento que funciona para você
| Sem Dataddo |
Com Dataddo
|
Resultado para você | |
|---|---|---|---|
| Consultas pontuais a partir do código | Cada verificação pontual exige seu próprio cliente e sua própria consulta da API do Google Ads, então a maioria nunca chega a ser escrita. | O Gemini CLI consulta os relatórios extraídos por entidade e nome de campo por meio de um único servidor MCP, e o repositório não guarda código da API do Google Ads. | Verificações sem infraestrutura de API |
| Micros nos arquivos gerados | Um script copia o Cost Micros (Spend) como está para um CSV, e alguém depois lê um gasto um milhão de vezes maior. | O campo traz sua descrição da camada semântica, então o Gemini pode dividir os micros por 1.000.000 antes de gravar o arquivo. | Arquivos em moeda real |
| Controle de cada chamada | Um script com credenciais de API salvas pode puxar qualquer relatório a qualquer momento, e ninguém revisa o que ele pediu. | O Gemini CLI pede que você confirme cada chamada de ferramenta do Dataddo, e você decide por ferramenta se escolhe Always allow. | Cada consulta visível |
| Configuração por projeto | Cada pessoa do time configura o próprio acesso ao Google Ads, e os scripts do repositório assumem contas diferentes. | Um .gemini/settings.json no projeto guarda o servidor do Dataddo, e cada pessoa faz login com a própria conta do Dataddo. | A mesma configuração para o time |
| Consumo de tokens | O Gemini gasta tokens explorando colunas brutas de Google Ads, amostrando linhas e tentando de novo até entender os dados. | Definições de campos e relações chegam prontas, então o modelo pula a exploração e vai direto à resposta. | Menos tokens por resposta |
| Qualidade das respostas | Sujeito a joins errados, campos inventados e números difíceis de conferir. | Respostas baseadas em campos definidos. No benchmark da Dataddo, 78,5% das perguntas foram respondidas corretamente, contra 65,5% com arquivos CSV simples. | Respostas melhores |
Os datasets de Google Ads que equipes de marketing mais usam, com os nomes reais dos campos. O Gemini consulta cada um pelo nome por meio da camada semântica da Dataddo.
| Dataset | Métricas e atributos |
Pergunte ao Gemini
|
|---|---|---|
| Campaign Report |
|
Quais campanhas tiveram conversões na semana passada, mas valor de conversão zero? |
| Campaign Budget Report |
|
Qual é o orçamento total de todos os orçamentos ativos, convertido de micros para moeda? |
| Keyword View Reports |
|
Quais textos de palavra-chave são usados com mais de um tipo de correspondência? |
| Search Term View Report |
|
Quais termos de pesquisa contêm o nome da nossa marca, mas foram correspondidos por um tipo de correspondência que não é exata? |
| Shopping Performance View |
|
Quais Item ID têm valor de conversão neste mês, mas marca ou categoria de produto de primeiro nível vazia? |
| Ad Group Ad Reports |
|
Quantos títulos cada anúncio responsivo de pesquisa tem, e esse número acompanha a força do anúncio? |
| Keyword Planner Historical Metrics |
|
Quais ideias de palavras-chave passam de 5.000 pesquisas mensais com lance máximo para o topo da página abaixo de 2 em moeda? |
Fizemos 43 perguntas pré-registradas sobre três conjuntos de dados reais - Google Search Console, negócios do HubSpot e Google Ads - e entregamos as mesmas linhas ao mesmo modelo de quatro formas. Só a camada de dados mudou.
das perguntas respondidas corretamente - o melhor dos quatro métodos de entrega testados
menos respostas erradas dadas com confiança - 14,0% das execuções contra 24,0% e 26,3%
mais respostas corretas em dados de CRM bagunçados - melhor em 8 perguntas, pior em nenhuma
Mesmo modelo, mesmos prompts e mesmas linhas em todas as condições; 759 execuções avaliadas, com o gabarito definido antes de qualquer execução. Só no Google Search Console, os arquivos CSV documentados tiveram o mesmo desempenho do Data to AI™ - a vantagem vem de dados mais complexos, como os negócios do HubSpot.
Ler o benchmark →Extraia no Dataddo relatórios do Google Ads como o Campaign Report e vincule-os a um destino Google Gemini ou a um AI Model. Adicione o Dataddo em mcpServers no ~/.gemini/settings.json com httpUrl https://headless.dataddo.com/mcp-data, reinicie o Gemini CLI, execute /mcp auth dataddo e faça login.
Não. O Dataddo extrai os relatórios do Google Ads para um fluxo, e o Gemini CLI lê esse fluxo pelo servidor MCP do Dataddo. A configuração é a mesma de qualquer outra fonte no Dataddo.
Use a chave httpUrl, não url, porque url recorre ao SSE, que o Dataddo não suporta. Não inclua blocos headers nem oauth, reinicie o Gemini CLI e confira /mcp.
Sim. O modo agente no VS Code lê o mesmo settings.json do Gemini CLI. No IntelliJ, adicione o servidor do Dataddo ao mcp.json do Gemini Code Assist.
Todo fluxo ou Context vinculado a um destino de IA ou AI Model na sua conta do Dataddo, não só os do Google Gemini. Deixe fora dos destinos de IA as contas do Google Ads que o Gemini não deve ver.
O Google reporta Performance Max apenas no nível de campanha. Adicione uma fonte Campaign Report ao fluxo para que o Gemini inclua essas campanhas.
Não. O Gemini consulta dados extraídos pela camada semântica, por entidade e nome de campo. O Dataddo nunca aceita SQL do modelo e nada é gravado de volta no Google Ads.
