Data to AI™ / Claude/YouTube
Pregunte a Claude qué vídeos acumulan tiempo de visualización, cómo los encuentran los espectadores y quién los ve, con los datos de su canal en lugar de un montón de informes exportados.
Menos tokens, mejores respuestas.
Claude
¿Qué fuentes de tráfico aportaron más tiempo de visualización a los vídeos que publicamos en septiembre?
Los vídeos sugeridos generaron el 63 % del tiempo de visualización de estas tres fuentes, aproximadamente el doble que la búsqueda de YouTube, y retuvieron más a los espectadores, con un 46 % de duración media de visualización.
| Traffic Source Type | Views | Watch Time (Minutes) | Average View Duration (%) |
|---|---|---|---|
| Suggested videos Owned Channel Videos Traffic Sources | 48.200 | 212.100 | 46 % |
| YouTube search Owned Channel Videos Traffic Sources | 31.500 | 101.000 | 38 % |
| External Owned Channel Videos Traffic Sources | 9.800 | 21.600 | 27 % |
Views y Watch Time (Minutes) se suman por fuente de tráfico; Average View Duration (%) se pondera por Views, no es una media simple de los vídeos.
YouTube Organic extrae el rendimiento no pagado de su canal: visualizaciones, tiempo de visualización, suscriptores, fuentes de tráfico, audiencia, comentarios y listas de reproducción, por vídeo y por día.
¿Qué valores de Traffic Source Type y Traffic Source Detail atraen espectadores a cada vídeo del último trimestre, y qué Tags comparten los que mejor funcionan?
Claude cruza las vías de descubrimiento con los Titles y Tags de Videos Metadata, así el equipo de contenido detecta temas que ya atraen espectadores pero de los que todavía hay pocos vídeos.
Resuma las preguntas que hacen los espectadores en Comments y Replies este mes, agrupadas por Video ID, con las Engaged Views de cada vídeo.
El equipo de vídeo elige temas de continuación que los espectadores ya han pedido, porque Claude relaciona las preguntas recurrentes con la interacción del vídeo en el que se publicaron.
Compare Videos Metadata con Videos by Playlists a través del servidor dataddo y añada a content/backlog.md los vídeos que no están en ninguna lista de reproducción.
Un analista de marketing mantiene el backlog de contenido en el repositorio, así que Claude Code añade los vídeos huérfanos como un cambio revisable en lugar de una hoja de cálculo que nadie vuelve a abrir.
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 | |
|---|---|---|---|
| Combinar tipos de informe | Los informes de tráfico, dispositivos, datos demográficos y listas de reproducción se exportan uno a uno y se unen por Video ID antes de que Claude los vea. | Los datasets comparten Date, Channel ID y Video ID, así que Claude los combina a través de la capa semántica en una sola conversación. | Una pregunta, varios informes |
| Métricas parecidas | Views y Engaged Views, o Average View Duration en segundos y en porcentaje, aparecen juntas en una tabla pegada sin definiciones. | Cada campo llega a Claude con su descripción de negocio, así que sabe con qué duración o con qué recuento de visualizaciones está trabajando. | La métrica correcta en cada caso |
| Datos de quienes comentan | Una exportación de comentarios lleva Author Display Name y los enlaces a los canales a cada chat en el que se pega. | Desmarque campos como Author Display Name al ajustar los atributos, y Claude solo verá el texto de los comentarios y los recuentos del flujo. | Menos datos personales en los chats |
| Consumo de tokens | Claude gasta tokens explorando columnas sin procesar de YouTube, 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 YouTube 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.
Se ejecuta según la programación que defina, por ejemplo a diario. Los datasets de YouTube Organic no usan un rango de fechas, así que cada ejecución extrae todos los datos disponibles en ese momento.
Conector de YouTube →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 una fuente de YouTube Organic en Dataddo con datasets como Owned Channel Videos Basic User Activity y Owned Channel Videos Traffic Sources, y vincúlela a un destino de Claude o a un AI Model. Añada https://headless.dataddo.com/mcp-data como conector personalizado en Claude e inicie sesión, o use claude mcp add en Claude Code.
La cuenta de Google que autorice necesita al menos permisos de nivel administrador. Si no los tiene, un compañero con el rol de autorizador en Dataddo puede autorizar YouTube por usted.
Sí, con Owned Channel Videos Demographics. Ofrece Views Percentage por Age Group y Gender para cada vídeo, junto con Country Code, de modo que Claude puede describir quién ve qué.
No. YouTube Organic sustituye a los conectores YouTube Analytics y YouTube Video, así que cree las nuevas configuraciones de Claude sobre datasets de YouTube Organic.
Sí. Ejecute claude mcp add con la URL de Dataddo e inicie sesión con /mcp. Claude Code guarda las credenciales en el llavero del sistema y consulta las mismas entidades de YouTube desde la terminal.
Los datasets de YouTube Organic no usan un rango de fechas, así que cada ejecución programada extrae todos los datos disponibles en ese momento. Claude lee lo que contiene la última ejecución del flujo.
Sí. En los permisos de herramientas del conector, configure refresh para que pida confirmación y mantenga permitidos query y describe_entity. Así Claude le consultará antes de solicitar datos nuevos.