Data to AI™ / Copilot/Google Ad Manager
Geben Sie Ad Ops und Sales einen Copilot-Agenten, der Fragen zu Order-Status, Auslieferung pro Werbetreibendem und Ad Tags aus Google Ad Manager beantwortet, genau dort, wo sie bereits chatten.
Weniger Tokens, bessere Antworten.
Microsoft 365 Copilot
Welche Ad Units haben letzte Woche am meisten verdient, und wo blieb Inventar unverkauft?
video_preroll verdiente am meisten, 6.840 aus 380.000 Impressions, ein eCPM von 18,00. article_sidebar lieferte die meisten Impressions aus, ließ aber 412.000 ungefüllt.
| Ad Unit Name | Total Impressions | Total Line Item Level All Revenue | Total Inventory Level Unfilled Impressions |
|---|---|---|---|
| video_preroll Google Ad Manager | 380.000 | 6.840 | 21.000 |
| article_sidebar Google Ad Manager | 2.310.000 | 5.544 | 412.000 |
| homepage_leaderboard Google Ad Manager | 1.240.000 | 4.960 | 86.000 |
Die letzte Woche wird bei jedem geplanten Lauf neu eingelesen, daher werden ihre Zeilen ersetzt und nicht doppelt hinzugefügt.
Google Ad Manager ist die Ad-Serving-Plattform von Google für Publisher und Werbetreibende. Dataddo extrahiert pro Netzwerk einen flexiblen Berichtsdatensatz: Wählen Sie aus 101 Standardmetriken, 100 Dimensionen und Line-Item-Attributen.
@Ad Ops Liste den Order Delivery Status jeder Order auf, die diese Woche gestartet ist, gruppiert nach Advertiser Name, mit den bisherigen Total Impressions.
Trafficking- und Account-Mitarbeitende fragen den Agenten in Teams, statt Ad Manager zu öffnen oder auf den Morgenbericht zu warten, und besprechen hängende Orders im selben Thread.
@Ad Sales Fasse Total Impressions, Total Clicks und Total CTR für diesen Advertiser Name im letzten Quartal für mein Verlängerungsgespräch zusammen.
Eine Account Managerin erwähnt den Agenten in Microsoft 365 Copilot und fügt die Auslieferung des Quartals in die Meetingnotizen ein, bevor sie mit dem Kunden spricht.
Nutze die dataddo Tools, um Total Code Served Count mit Total Impressions pro Ad Unit Name seit dem gestrigen Tag-Release zu vergleichen.
Ein Frontend-Entwickler im Agent mode von GitHub Copilot entdeckt Ad Units, bei denen Code ausgeliefert wurde, die Impressions aber gesunken sind, ein Zeichen dafür, dass Anzeigen nicht mehr gerendert werden.
Data to AI™ ist während der privaten Vorabversion kostenlos. Wir nehmen Teams in Wellen auf und entwickeln das Produkt mit ihrem Feedback weiter. Zum Launch wird es so abgerechnet wie die KI-Assistenten, die Ihr Team bereits nutzt. Sie brauchen individuelle Verträge oder Mengenpreise? Sprechen Sie mit uns über Enterprise.
Stellen Sie Claude, ChatGPT und anderen KI-Tools governte Geschäftsdaten über MCP bereit.
Kostenlos in der Vorabversion
Stellen Sie Dataddo flexibel in jeder Cloud- oder Hybridumgebung bereit.
Wir haben ein Zahlungsmodell, das zu Ihnen passt
| Ohne Dataddo |
Mit Dataddo
|
Ihr Ergebnis | |
|---|---|---|---|
| Wer eine Order prüfen kann | Nur Personen mit Ad-Manager-Zugriff können die Auslieferung nachsehen, also warten Sales- und Account-Teams darauf, dass Ad Ops einen Status schickt. | Ein in Teams veröffentlichter Copilot Studio Agent antwortet aus dem Ad Manager Flow für alle im Kanal, die ihn mit @ erwähnen. | Status ohne Ticket |
| Wann der Agent Dataddo aufruft | Ein allgemeiner Assistent weiß nicht, dass Fragen zu Orders und Auslieferung aus dem Reporting Ihres Netzwerks beantwortet werden sollten. | Die Serverbeschreibung, die Sie in Copilot Studio schreiben, weist den Agenten an, Dataddo bei Fragen zu Ad Manager Orders, Line Items und Umsatz aufzurufen. | Richtige Fragen, richtige Daten |
| Line-Item-Daten neben der Auslieferung | Um zu prüfen, ob ein Line Item rechtzeitig fertig wird, müssen Start- und Enddaten aus einem Export mit der Auslieferung aus einem anderen abgeglichen werden. | Line-Item-Attribute wie Line Item Start Date Time und Line Item End Date Time stehen im selben Datensatz wie die Auslieferungskennzahlen. | Pacing in einer Antwort |
| Entwickler prüfen Tags | Nach einem Tag-Release warten Entwickler darauf, dass jemand aus Ad Ops einen Bericht zu ausgeliefertem Code und Impressions zieht. | GitHub Copilot in VS Code liest dieselben Ad Manager Daten über .vscode/mcp.json im Agent mode, ohne separaten Export für das Entwicklerteam. | Tag-Checks direkt im Editor |
| Token-Verbrauch | Copilot verbraucht Tokens, um rohe Google Ad Manager-Spalten zu erkunden, Zeilen zu sichten und neu anzusetzen, bis die Daten verstanden sind. | Felddefinitionen und Beziehungen werden vorab geliefert, sodass das Modell die Erkundung überspringt und direkt antwortet. | Weniger Tokens pro Antwort |
| Antwortqualität | Anfällig für falsche Joins, erfundene Felder und schwer überprüfbare Zahlen. | Antworten auf Basis definierter Felder. Im Dataddo-Benchmark wurden 78,5 % der Fragen korrekt beantwortet, gegenüber 65,5 % mit einfachen CSV-Dateien. | Bessere Antworten |
Die Google Ad Manager-Datensätze, die Marketing-Teams am häufigsten nutzen, mit ihren echten Feldnamen. Copilot fragt sie über die semantische Schicht von Dataddo beim Namen ab.
Läuft nach dem von Ihnen festgelegten Zeitplan mit einem relativen Datumsbereich, zum Beispiel gestern, der sich bei jedem Lauf weiterbewegt. Ältere Berichtsdaten werden einmalig per vollständiger Neusynchronisierung geladen.
Google Ad Manager-Konnektor →Wir haben 43 vorab registrierte Fragen zu drei echten Datensätzen gestellt - Google Search Console, HubSpot-Deals und Google Ads - und dieselben Zeilen auf vier Arten an dasselbe Modell geliefert. Nur die Datenschicht hat sich geändert.
der Fragen richtig beantwortet - der beste der vier getesteten Bereitstellungswege
weniger selbstsicher falsche Antworten - 14,0 % der Durchläufe gegenüber 24,0 % und 26,3 %
mehr richtige Antworten bei unübersichtlichen CRM-Daten - besser bei 8 Fragen, bei keiner schlechter
Dasselbe Modell, dieselben Prompts und dieselben Zeilen in jeder Bedingung; 759 bewertete Durchläufe, Referenzantworten vor dem ersten Durchlauf festgelegt. Allein bei Google Search Console schnitten dokumentierte CSV-Dateien genauso gut ab wie Data to AI™ - der Vorteil entsteht bei unübersichtlicheren Daten wie HubSpot-Deals.
Benchmark lesen →Konfigurieren Sie in Dataddo eine Google Ad Manager Quelle mit Feldern wie Order Name, Order Delivery Status, Advertiser Name und Total Impressions, verknüpfen Sie sie mit einem Copilot-Ziel oder einem AI Model, fügen Sie dann https://headless.dataddo.com/mcp-data als MCP-Tool mit OAuth zu einem Copilot Studio Agenten hinzu und veröffentlichen Sie ihn in Teams.
Ja, über einen Copilot Studio Agenten, dem Dataddo Data Access als Model Context Protocol Tool hinzugefügt wurde. Veröffentlichen Sie den Agenten, tippen Sie dann @ und wählen Sie ihn aus, um nach Ihren Ad Manager Daten zu fragen.
Gehen Sie nach der Veröffentlichung in Copilot Studio zu Channels > Teams and Microsoft Copilot und fügen Sie den Kanal hinzu. Ad Ops kann den Agenten dann in Teams erwähnen.
Die Serverbeschreibung, die Sie in Copilot Studio schreiben, legt fest, wann der Agent Dataddo aufruft. Beschreiben Sie den Server daher als Quelle für Auslieferung, Orders und Umsatz aus Ad Manager.
Ja. Fügen Sie den Server zu .vscode/mcp.json hinzu, starten Sie ihn, melden Sie sich an und nutzen Sie dann Copilot Chat im Agent mode. Bei Business und Enterprise muss ein Admin die MCP-Server in der Copilot-Richtlinie aktivieren.
Daten erscheinen, nachdem der Flow einmal gelaufen ist, und eine neue Quelle beginnt mit ihrem relativen Datumsbereich. Laden Sie ältere Berichtsdaten per vollständiger Neusynchronisierung.