Data to AI™ / Gemini/Google Merchant Center
Dê aos engenheiros que montam o feed de produtos os problemas por item, preços e identificadores atuais no terminal ou no VS Code, ao lado do código que gera o feed.
Respostas melhores, menos tokens.
Gemini CLI
Quais problemas do feed estão deixando mais produtos fora do Shopping agora?
GTINs inválidos afetam 412 de 5.020 produtos (8,2%), mais do que divergências de preço e imagens pequenas somadas (283).
| Problema | Item Level Issue Attribute Name | Produtos | Parcela do catálogo |
|---|---|---|---|
| Invalid GTIN Product statuses | gtin | 412 | 8,2% |
| Price mismatch Product statuses | price | 186 | 3,7% |
| Image too small Product statuses | image_link | 97 | 1,9% |
Contado a partir da execução mais recente de Product statuses, que traz todos os produtos atuais; o dataset não tem intervalo de datas.
O Google Merchant Center guarda as listagens de produtos que aparecem no Google Shopping. A Dataddo extrai dois datasets: Products, com atributos do feed como preço e disponibilidade, e Product statuses, com o status de aprovação e os problemas por item.
Antes de eu fazer merge desta mudança no gerador do feed, conte os produtos por Item Level Issue Code e salve o resultado em checks/gmc-issues-before.csv.
Uma engenheira de ecommerce registra a linha de base no Gemini CLI, publica a mudança e, depois da próxima extração agendada, grava um segundo arquivo. O diff entre os dois mostra se o release eliminou problemas ou criou novos.
Compare Price Currency por Target Country em Products com as moedas de config/markets.json e liste cada Offer ID que não bate.
Um desenvolvedor que mexe nas configurações de mercado pergunta ao Gemini Code Assist no modo agente. Ele lê o arquivo de configuração do workspace aberto e as ofertas da Dataddo, e aponta os mercados cujos preços apareceriam na moeda errada.
Pegue 20 valores de Item Group ID com Offer ID, Title, Condition e Availability e transforme em um fixture JSON para os testes unitários do gerador do feed.
Em vez de linhas de exemplo inventadas, os testes do gerador do feed rodam com grupos de variantes no formato do catálogo real, cobrindo casos-limite como Availability misturada dentro de um mesmo grupo.
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 | |
|---|---|---|---|
| Saúde do feed na revisão de código | Os engenheiros abrem o diagnóstico do Merchant Center no navegador e colam prints no pull request, que os revisores não conseguem pesquisar nem comparar. | O Gemini CLI grava a contagem de problemas por Item Level Issue Code em um CSV na branch, e os números aparecem no diff ao lado da mudança de código. | Impacto no feed visível no PR |
| Saber quando o catálogo foi lido | Uma exportação baixada não diz se reflete o feed antes ou depois do último upload, e a próxima pessoa precisa adivinhar. | Nenhum dataset usa intervalo de datas; cada execução agendada lê todos os produtos atuais. Ative a coluna opcional Dataddo Extraction Timestamp e o Gemini pode gravá-la em cada arquivo. | Horário do snapshot em cada linha |
| Controle das chamadas de ferramentas | Um script caseiro com acesso amplo roda sem supervisão, e ninguém vê quais dados de produtos ele puxou nem quando. | O Gemini CLI pede que você confirme cada chamada de ferramenta da Dataddo antes de rodar, e você escolhe Always allow só para as ferramentas em que confia. | Cada consulta aprovada |
| Consumo de tokens | O Gemini gasta tokens explorando colunas brutas de Google Merchant Center, 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 Merchant Center 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
|
|---|---|---|
| Product statuses |
|
Quais valores de Product ID passaram para Status disapproved desde o snapshot CSV que versionamos na semana passada? |
| Product statuses: item-level issues |
|
Quais textos de Item Level Issue Description apontam para atributos gerados pelo script de exportação do feed deste repositório? |
| Products: catalog |
|
Quais valores de Item Group ID têm variantes com Brand diferente, algo que nosso gerador de feed nunca deveria produzir? |
| Products: price and availability |
|
Cada Price Currency do feed bate com a moeda que a configuração da loja define para aquele mercado? |
| Products: identifiers and targeting |
|
Quais pares de Target Country e Content Language do feed estão faltando na lista de locales do repositório da loja? |
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 →Crie uma fonte de Google Merchant Center na Dataddo com os datasets Products e Product statuses e vincule-a a um destino Google Gemini ou a um AI Model. No ~/.gemini/settings.json, adicione uma entrada dataddo em mcpServers com httpUrl https://headless.dataddo.com/mcp-data, reinicie o Gemini CLI e execute /mcp auth dataddo para entrar.
Não nesta configuração. A Dataddo extrai Products e Product statuses na sua programação e os disponibiliza pelo servidor MCP Data Access. O Gemini CLI entra nele com sua conta da Dataddo, não com seu login do Merchant Center.
Depois da próxima execução agendada da fonte de Merchant Center na Dataddo. Cada execução puxa todos os produtos e status atuais do Merchant Center, então, com agendamento diário, a correção aparece nos dados do dia seguinte.
Sim. Product statuses traz Item Level Issue Code, Item Level Issue Description, Item Level Issue Attribute Name e Item Level Issue Servability, então o Gemini diz qual atributo está errado e se ele bloqueia o anúncio.
Sim. Coloque a entrada dataddo no .gemini/settings.json dentro desse projeto, e não no ~/.gemini/settings.json. O Gemini Code Assist no VS Code lê o mesmo arquivo; no IntelliJ ele usa o próprio mcp.json.
O login abre a página da Dataddo em um navegador, então o Gemini CLI precisa de um navegador na mesma máquina. Você entra com e-mail e senha da Dataddo, com MFA se solicitado; SSO do Google e da Microsoft não é oferecido aqui.
Todo fluxo ou Context vinculado a um destino de IA ou AI Model na conta da Dataddo com que você entrou, não só os vinculados ao Google Gemini.
Não. O acesso é somente leitura pela camada semântica. O Gemini pede entidades e campos pelo nome, a Dataddo nunca aceita SQL do modelo e nada é gravado de volta na sua conta do Merchant Center.
