Data to AI™ / Copilot/LinkedIn Organic
Deixe os times de comunicação e social perguntarem a um agente no Teams como foi o post de ontem, como o engajamento está evoluindo e quais vídeos as pessoas assistem, com dados atuais do LinkedIn.
Respostas melhores, menos tokens.
Microsoft 365 Copilot
Qual das nossas páginas de empresa ganhou mais seguidores em setembro e quanto disso foi pago?
As três páginas ganharam 2.090 seguidores em setembro. A Northwind Group foi a que mais cresceu, 1.240, e 31% desse ganho veio de Paid Follower Gain; a página de carreiras cresceu quase toda de forma orgânica.
| Organization Name | Organic Follower Gain | Paid Follower Gain |
|---|---|---|
| Northwind Group Company Daily Follower Metrics | 860 | 380 |
| Northwind Careers Company Daily Follower Metrics | 540 | 12 |
| Northwind Labs Company Daily Follower Metrics | 290 | 8 |
Organic Follower Gain e Paid Follower Gain ficam separados como o LinkedIn os informa, lidos com granularidade mensal para cada página de empresa.
O LinkedIn Organic cobre as páginas de empresa do LinkedIn que você administra: seguidores por dia e por segmento de público, visualizações da página, engajamento da página e dos posts, e análise de vídeo. O Dataddo extrai esses dados por página de empresa, para que o marketing pergunte sobre crescimento de público e desempenho de conteúdo em linguagem natural. Campanhas pagas ficam em um conector separado, o LinkedIn Ads.
@Page Pulse Como foi o nosso post de lançamento desde o Created At? Mostre Impression Count, Like Count, Comment Count e Share Count.
O gerente de comunicação pergunta no canal de comunicação na manhã seguinte ao lançamento, e a atualização para a diretoria cita números reais em vez de uma impressão.
@Page Pulse Para os posts de vídeo deste mês, liste Post ID com o Value de VIDEO_VIEW e TIME_WATCHED, ordenado por tempo assistido.
O time interno de vídeo confere no Microsoft 365 Copilot quais formatos as pessoas realmente assistem antes de agendar a próxima gravação.
Use as ferramentas do dataddo para descrever Company Daily Engagement Metrics e gere um tipo TypeScript para os campos, incluindo Unique Impressions Counts e Engagement.
Um desenvolvedor web usa o GitHub Copilot em Agent mode para manter o dashboard social interno tipado de acordo com o schema real do LinkedIn Organic.
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 | |
|---|---|---|---|
| Resultados de posts para a diretoria | Uma gerente de social abre a análise do LinkedIn, copia os números de um post em um e-mail e o envia no dia seguinte. | Qualquer pessoa do canal de comunicação pergunta ao agente no Teams, que lê Post Lifetime Engagement Metrics da última extração agendada. | Resultados quando alguém pede |
| Tendência de engajamento | O engajamento semanal é refeito à mão a partir de exportações diárias, e a linha de tendência muda de uma apresentação para outra. | Company Daily Engagement Metrics oferece granularidade diária ou mensal, então o agente responde tendências semanais e mensais com os mesmos dados. | Uma só tendência de engajamento |
| Desempenho de vídeo | Visualizações e tempo assistido são conferidos post a post, e o estúdio nunca vê qual formato prende a atenção. | Video Analytics devolve uma linha por post e por Metric Type, como VIDEO_VIEW, VIEWER e TIME_WATCHED, para o agente comparar. | Formatos de vídeo comparados |
| Consumo de tokens | O Copilot gasta tokens explorando colunas brutas de LinkedIn Organic, 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 LinkedIn Organic que equipes de marketing mais usam, com os nomes reais dos campos. O Copilot consulta cada um pelo nome por meio da camada semântica da Dataddo.
| Dataset | Métricas e atributos |
Pergunte ao Copilot
|
|---|---|---|
| Company Daily Follower Metrics |
|
Que parcela dos novos seguidores veio de Paid Follower Gain em cada mês deste ano na nossa página principal? |
| Company Daily Engagement Metrics |
|
Qual foi o Engagement mensal de cada Organization Name nos últimos seis meses? |
| Company Daily Views Metrics |
|
Quais semanas tiveram mais Overview Page Views, e Life At Page Views seguiu o mesmo padrão? |
| Company Lifetime Follower Metrics by Seniority |
|
Como a composição de seguidores por Seniority difere entre cada Organization Name que gerenciamos? |
| Company Lifetime Follower Metrics by Function |
|
Nossos seguidores por Function Name correspondem às funções compradoras que as campanhas querem atingir? |
| Post Lifetime Engagement Metrics |
|
Quais dez posts tiveram mais Comment Count e Share Count desde janeiro? |
| Posts Metadata |
|
Qual Author publicou mais posts na nossa página de empresa neste trimestre? |
| Video Analytics |
|
Quais vídeos alcançaram mais pessoas, com base no Metric Type VIEWER? |
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 LinkedIn Organic na Dataddo com Post Lifetime Engagement Metrics, Company Daily Engagement Metrics e Video Analytics e conecte-a a um destino Copilot ou AI Model. No Copilot Studio, adicione uma ferramenta Model Context Protocol para https://headless.dataddo.com/mcp-data com OAuth 2.0 Dynamic discovery e publique o agente no Teams.
Crie um agente no Copilot Studio, adicione o Dataddo Data Access como ferramenta Model Context Protocol com OAuth 2.0 Dynamic discovery e publique-o pelos Channels no Teams e no Microsoft 365 Copilot.
Pela descrição do servidor que você escreve no Copilot Studio. Diga que ele contém seguidores, visualizações, posts e análise de vídeo da página de empresa, para que essas perguntas disparem uma chamada à Dataddo.
As pessoas para quem você publicar o agente. No Teams ou no Microsoft 365 Copilot elas digitam @ e o selecionam, e o agente responde com os fluxos do LinkedIn Organic conectados na Dataddo.
Video Analytics aceita quatro valores de Metric Type: VIDEO_VIEW, VIEWER, TIME_WATCHED e TIME_WATCHED_FOR_VIDEO_VIEWS. Você escolhe quais extrair ao criar a fonte.
Sim. Adicione o servidor da Dataddo ao .vscode/mcp.json, inicie-o, faça login e use o Copilot Chat em Agent mode. No Business e no Enterprise, um admin da organização precisa antes ativar os servidores MCP na política do Copilot.
