Data to AI™ / Claude/Google Merchant Center
Encuentre los problemas del feed que dejan productos fuera de Google Shopping preguntando a Claude, en lugar de revisar los diagnósticos producto por producto.
Menos tokens, mejores respuestas.
Claude
¿Qué problemas del feed mantienen fuera de Shopping a la mayor cantidad de nuestros productos en este momento?
Los GTIN no válidos afectan a 412 de 5.020 productos (8,2 %), más que las discrepancias de precio y las imágenes demasiado pequeñas juntas (283).
| Problema | Item Level Issue Attribute Name | Productos | Porcentaje del 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 % |
Calculado a partir de la última ejecución de Product statuses, que extrae todos los productos actuales; el dataset no tiene rango de fechas.
Google Merchant Center contiene las fichas de producto que aparecen en Google Shopping. Dataddo extrae dos datasets: Products, con atributos del feed como el precio y la disponibilidad, y Product statuses, con el estado de aprobación y los problemas a nivel de artículo.
Agrupe Product statuses por Item Level Issue Code, cuente los productos afectados y muestre el Item Level Issue Description de los cinco principales.
Un responsable de marketing de Shopping empieza el día en Claude. La lista de correcciones arranca por el problema que oculta más artículos, no por lo que aparezca primero en la página de diagnósticos.
Consulte Products a través del servidor dataddo y escriba en fixes/missing-identifiers.csv cada Offer ID con GTIN y MPN vacíos.
El equipo que mantiene el script del feed guarda la lista de correcciones junto al código que genera el feed y revisa ambos en la misma pull request.
Para nuestras marcas en promoción, enumere las ofertas cuyo Sale Price no tiene Sale Price Effective Date, con Offer ID, Title y Price.
Antes de que arranque la promoción, Claude revisa la configuración de ofertas en todo el catálogo, de modo que las fechas que faltan o han caducado se corrigen antes del día del lanzamiento.
Data to AI™ es gratuito durante la versión preliminar privada. Incorporamos equipos por oleadas y damos forma al producto con sus comentarios. En el lanzamiento, se cobrará como los asistentes de IA que tu equipo ya utiliza. ¿Necesitas contratos a medida o precios por volumen? Habla con nosotros sobre Enterprise.
Entrega datos de negocio gobernados a Claude, ChatGPT y otras herramientas de IA mediante MCP.
Gratis durante la versión preliminar
Implemente Dataddo de manera flexible en cualquier entorno híbrido o de nube.
Tenemos un modelo de pago que funciona para ti
| Sin Dataddo |
Con Dataddo
|
Resultado para ti | |
|---|---|---|---|
| Diagnósticos del feed en Claude | Alguien descarga los diagnósticos, los filtra por problema y pega los recuentos en un chat cada vez que cambia el feed. | Claude lee Product statuses a través del conector, con Item Level Issue Code, Attribute Name y Description como campos que puede agrupar. | Problemas ya contados |
| Qué significan los campos | Columnas como Item Level Issue Servability llegan sin definición, así que el modelo tiene que adivinar qué implica cada valor. | La capa semántica de Dataddo entrega a Claude la descripción de negocio de cada campo, incluidos Item Level Issue Servability y Destination. | Sin adivinar columnas |
| Scripts del feed en un repositorio | Los desarrolladores exportan el catálogo a mano para ver qué ofertas carecen de identificadores antes de modificar el script del feed. | Claude Code lee Products a través del servidor dataddo dentro del repositorio, así que las correcciones se escriben junto al código del feed. | Correcciones en la revisión de código |
| Fecha de la instantánea del catálogo | Una exportación subida muestra el catálogo de algún día anterior, y nada en el chat indica de qué día se trata. | Cada ejecución programada extrae el catálogo completo actual, y Claude puede llamar a data_status para indicar cuándo se produjo esa ejecución. | Una fecha de catálogo conocida |
| Consumo de tokens | Claude gasta tokens explorando columnas sin procesar de Google Merchant Center, muestreando filas y reintentando hasta entender los datos. | Las definiciones de campos y las relaciones se entregan de antemano, así que el modelo se salta la exploración y va directo a la respuesta. | Menos tokens por respuesta |
| Calidad de las respuestas | Propenso a uniones incorrectas, campos inventados y cifras difíciles de comprobar. | Respuestas basadas en campos definidos. En el benchmark de Dataddo se respondió correctamente el 78,5 % de las preguntas, frente al 65,5 % con archivos CSV simples. | Mejores respuestas |
Los datasets de Google Merchant Center que más usan los equipos de marketing, con sus nombres de campo reales. Claude los consulta por su nombre a través de la capa semántica de Dataddo.
Lista de datasets curados
¿Necesita un dataset, métrica o atributo que no ve?
Díganos qué falta y lo añadiremos al conector.
Ninguno de los dos datasets usa un rango de fechas: cada ejecución según su programación, por ejemplo diaria, extrae todos los productos y estados que hay en ese momento en Merchant Center. La columna opcional Dataddo Extraction Timestamp indica cuándo se leyó cada fila.
Conector de Google Merchant Center →Planteamos 43 preguntas registradas de antemano sobre tres conjuntos de datos reales - Google Search Console, deals de HubSpot y Google Ads - y entregamos las mismas filas al mismo modelo de cuatro formas. Solo cambió la capa de datos.
de las preguntas respondidas correctamente - el mejor de los cuatro métodos de entrega probados
menos respuestas erróneas presentadas como seguras - 14,0 % de las ejecuciones frente a 24,0 % y 26,3 %
más respuestas correctas con datos de CRM desordenados - mejor en 8 preguntas, peor en ninguna
El mismo modelo, las mismas instrucciones y las mismas filas en todas las condiciones; 759 ejecuciones evaluadas, con las respuestas de referencia fijadas antes de cualquier ejecución. Solo en Google Search Console, los archivos CSV documentados rindieron igual que Data to AI™: la ventaja viene de datos más complejos, como los deals de HubSpot.
Leer el informe →Cree dos fuentes de Google Merchant Center en Dataddo, una para Products y otra para Product statuses, y vincúlelas a un destino de Claude o a un AI Model. En Claude, añada un conector personalizado llamado Dataddo Data Access con la URL https://headless.dataddo.com/mcp-data e inicie sesión. En Claude Code, ejecute claude mcp add.
Sí, a partir de Product statuses. Cada problema a nivel de artículo tiene un código, el atributo afectado, su servability y una descripción, de modo que Claude puede agrupar los productos por causa.
Los datasets no tienen rango de fechas: cada ejecución extrae todos los productos que hay en ese momento en Merchant Center. Claude ve el feed tal como estaba en la última ejecución; data_status le indica cuándo fue.
Sí. Ejecute claude mcp add con la URL de Dataddo e inicie sesión con /mcp. Claude Code podrá consultar Products y Product statuses mientras usted trabaja en los scripts del feed.
No. Claude solo lee los datos extraídos y puede enumerar qué hay que cambiar. El feed en sí se actualiza mediante su propio proceso.
Todos los planes admiten conectores personalizados; Free permite uno. Los usuarios de Pro y Max añaden Dataddo ellos mismos, y en Team y Enterprise un Owner lo añade una vez mientras los miembros inician sesión con su propia cuenta de Dataddo.
Sí, a partir del dataset Products. Incluye Price, Sale Price, Sale Price Effective Date, Availability y Availability Date para cada oferta, así que Claude puede enumerar artículos con precios erróneos o sin stock.