Data to AI™ / Claude/Google Merchant Center
Finden Sie die Feed-Probleme, die Produkte aus Google Shopping fernhalten, indem Sie Claude fragen, statt die Diagnose Produkt für Produkt durchzuscrollen.
Weniger Tokens, bessere Antworten.
Claude
Welche Feed-Probleme halten derzeit die meisten unserer Produkte aus Shopping fern?
Ungültige GTINs betreffen 412 von 5.020 Produkten (8,2 %), mehr als Preisabweichungen und zu kleine Bilder zusammen (283).
| Problem | Item Level Issue Attribute Name | Produkte | Anteil am Katalog |
|---|---|---|---|
| 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 % |
Gezählt aus dem letzten Lauf von Product statuses, der jedes aktuelle Produkt lädt; der Datensatz hat keinen Datumsbereich.
Google Merchant Center enthält die Produkteinträge, die in Google Shopping erscheinen. Dataddo extrahiert zwei Datensätze: Products mit Feed-Attributen wie Preis und Verfügbarkeit sowie Product statuses mit Freigabestatus und Problemen auf Artikelebene.
Gruppiere Product statuses nach Item Level Issue Code, zähle die betroffenen Produkte und zeige die Item Level Issue Description für die Top fünf.
Eine Shopping-Marketerin beginnt den Tag in Claude. Die Fehlerliste startet mit dem Problem, das die meisten Artikel verbirgt, nicht mit dem, was zufällig oben auf der Diagnoseseite steht.
Frage Products über den dataddo-Server ab und schreibe jede Offer ID mit leerer GTIN und MPN in fixes/missing-identifiers.csv.
Das Team, das das Feed-Skript pflegt, hält die Korrekturliste neben dem Code, der den Feed erzeugt, und prüft beides im selben Pull Request.
Liste für unsere beworbenen Marken alle Angebote, deren Sale Price kein Sale Price Effective Date hat, mit Offer ID, Title und Price.
Bevor die Aktion startet, prüft Claude die Sale-Einstellungen im gesamten Katalog, sodass fehlende oder abgelaufene Daten vor dem Launch-Tag korrigiert 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 | |
|---|---|---|---|
| Feed-Diagnose in Claude | Jemand lädt die Diagnose herunter, filtert sie nach Problem und fügt die Zahlen bei jeder Feed-Änderung in einen Chat ein. | Claude liest Product statuses über den Konnektor, mit Item Level Issue Code, Attribute Name und Description als Felder, nach denen es gruppieren kann. | Probleme automatisch gezählt |
| Was die Felder bedeuten | Spalten wie Item Level Issue Servability kommen ohne Definitionen an, sodass das Modell raten muss, was jeder Wert bedeutet. | Die semantische Schicht von Dataddo liefert Claude die fachliche Beschreibung jedes Felds, einschließlich Item Level Issue Servability und Destination. | Kein Raten bei Spalten |
| Feed-Skripte in einem Repository | Entwickler exportieren den Katalog von Hand, um zu sehen, welchen Angeboten Kennungen fehlen, bevor sie das Feed-Skript ändern. | Claude Code liest Products über den dataddo-Server direkt im Repository, sodass die Korrekturen neben dem Feed-Code entstehen. | Korrekturen landen im Code-Review |
| Zeitpunkt des Katalog-Snapshots | Ein hochgeladener Export zeigt den Katalog von irgendeinem früheren Tag, und nichts im Chat verrät, von welchem. | Jeder geplante Lauf lädt den vollständigen aktuellen Katalog, und Claude kann data_status aufrufen, um zu melden, wann dieser Lauf stattfand. | Ein bekanntes Katalogdatum |
| Token-Verbrauch | Claude verbraucht Tokens, um rohe Google Merchant Center-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 Merchant Center-Datensätze, die Marketing-Teams am häufigsten nutzen, mit ihren echten Feldnamen. Claude fragt sie über die semantische Schicht von Dataddo beim Namen ab.
Liste kuratierter Datasets
Fehlt ein Dataset, eine Kennzahl oder ein Attribut?
Sag uns, was fehlt, und wir fügen es dem Connector hinzu.
Keiner der beiden Datensätze nutzt einen Datumsbereich: Jeder Lauf nach Ihrem Zeitplan, zum Beispiel täglich, lädt alle Produkte und Status, die aktuell in Merchant Center vorhanden sind. Die optionale Spalte Dataddo Extraction Timestamp zeigt, wann jede Zeile gelesen wurde.
Google Merchant Center-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 →Legen Sie in Dataddo zwei Google Merchant Center-Quellen an, eine für Products und eine für Product statuses, und verknüpfen Sie sie mit einem Claude-Ziel oder AI Model. Fügen Sie in Claude einen benutzerdefinierten Konnektor namens Dataddo Data Access mit der URL https://headless.dataddo.com/mcp-data hinzu und melden Sie sich an. Für Claude Code führen Sie claude mcp add aus.
Ja, anhand von Product statuses. Jedes Problem auf Artikelebene hat einen Code, das betroffene Attribut, seine Servability und eine Beschreibung, sodass Claude Produkte nach Ursache gruppieren kann.
Die Datensätze haben keinen Datumsbereich: Jeder Lauf lädt alle Produkte, die aktuell in Merchant Center vorhanden sind. Claude sieht den Feed zum Stand des letzten Laufs; data_status verrät ihm, wann das war.
Ja. Führen Sie claude mcp add mit der Dataddo-URL aus und melden Sie sich mit /mcp an. Claude Code kann dann Products und Product statuses abfragen, während Sie an Feed-Skripten arbeiten.
Nein. Claude liest nur extrahierte Daten und kann auflisten, was zu ändern ist. Der Feed selbst wird über Ihren eigenen Prozess aktualisiert.
Jeder Plan unterstützt benutzerdefinierte Konnektoren; Free erlaubt einen. Nutzer von Pro und Max fügen Dataddo selbst hinzu, bei Team und Enterprise fügt ein Owner ihn einmal hinzu, und die Mitglieder melden sich mit ihrem eigenen Dataddo-Konto an.
Ja, anhand des Datensatzes Products. Er enthält Price, Sale Price, Sale Price Effective Date, Availability und Availability Date für jedes Angebot, sodass Claude falsch bepreiste oder nicht vorrätige Artikel auflisten kann.