Ya tienes los datos.
Ahora, dales un destino.
Crea una hoja semanal, pide un informe a Claude, prepara un dashboard o carga registros en tu almacén.
Reúne la investigación en una hoja compartida.
Programa un scraper y añade los registros a Google Sheets. Tu equipo podrá revisar nuevos anuncios y otros cambios en un solo lugar.
Sheets funciona bien para equipos pequeños. Para un historial grande o datos anidados, suele convenir un almacén.
Empieza con una lista pequeña
Elige un scraper, límite pequeño y lista fija de marcas, consultas o empresas. Revisa el primer dataset antes de programar ejecuciones.
Envía ejecuciones correctas a Sheets
Usa módulos Apify de Make o n8n para detectar ejecuciones correctas, obtener registros y añadir campos a Sheets. También puedes empezar importando CSV manualmente.
Conserva el historial de ejecuciones
Añade collected_at y run_id. Elimina duplicados por ID dentro de cada captura. Aplana los campos necesarios y guarda JSON original aparte.
Deja espacio para tus notas
Añade temas de mensajes, ideas de campaña y próximos pasos. Usa filtros o una tabla dinámica en la revisión semanal.
Obtén un informe con fuentes que puedas comprobar.
Conecta Claude al servidor MCP de Apify. Pídele que ejecute un scraper para responder una pregunta concreta y resuma los resultados con enlaces a los registros.
Tu cuenta Apify y los precios actuales del Actor determinan los costes. Los conectores de Claude dependen de tu cliente y cuenta.
Conecta Claude a Apify
En Claude Desktop, añade el conector Apify o uno personalizado con https://mcp.apify.com. Inicia sesión en Apify cuando se te pida.
Indica el scraper y un límite
Da a Claude el nombre del Actor JMLP y pídele comprobar el esquema. Especifica objetivos, mercados y un límite pequeño.
Pide fuentes junto al resumen
Solicita enlaces originales o ID. Pide a Claude separar observaciones e hipótesis y señalar campos ausentes o huecos de cobertura.
Revisa los registros antes de usar el informe
Revisa registros y creatividades originales. Las fechas y rangos de alcance no indican ventas, conversiones ni rentabilidad publicitaria.
Usa jmlp/meta-ad-library-scraper para recopilar hasta 50 anuncios activos de ZARA en GB. Comprueba primero el esquema del Actor. Agrupa mensajes por gancho y oferta, cita ID originales y propón tres hipótesis de campaña comprobables. No deduzcas gasto ni conversiones.
Sigue los cambios en un dashboard.
Conecta los resultados del scraper en Google Sheets a Looker Studio. Sigue anuncios, posiciones de búsqueda o contratación entre ejecuciones.
Mantén visibles los campos ausentes. No sumes rangos de alcance ni observaciones repetidas como una audiencia total.
Prepara la tabla de informes
Empieza llevando resultados a Sheets. Define qué representa cada fila: una creatividad observada o un resultado de búsqueda, por ejemplo.
Conecta Looker Studio
Añade la tabla de Sheets como fuente. Configura tipos de fechas y números y filtros por anunciante, país o consulta.
Decide qué seguir
Prueba una cronología de creatividades, posiciones de búsqueda u ofertas por puesto y lugar. Muestra periodo de recopilación y cobertura.
Lleva el historial a BigQuery cuando lo necesites
Para más datos, conecta Looker Studio a tablas modeladas de BigQuery. Si usas Looker, emplea la conexión gobernada y el modelo LookML de tu equipo.
Conserva un historial que tus analistas puedan consultar.
Carga los resultados en BigQuery y conserva las capturas originales. Usa SQL y dbt para crear tablas fiables para tu equipo.
Necesitarás programación, credenciales de API y tareas de carga en tus herramientas. Puedo ayudarte a diseñar y construir ese pipeline.
Guarda la ejecución original
Obtén JSON de cada ejecución correcta con la API o el cliente Python de Apify. Guarda registros con run_id, collected_at y source en una tabla inicial de BigQuery.
Define qué representa un registro
El mismo anuncio en dos países sigue siendo una creatividad. Conserva ID de plataforma y separa observaciones regionales cuando sea necesario.
Crea modelos SQL y dbt
Normaliza fechas y nombres en modelos de staging. Añade tests de unicidad y no nulos de dbt donde la fuente lo permita. Mantén null los campos no disponibles.
Comparte tablas útiles para tu equipo
Publica tablas de inventario creativo, visibilidad de búsqueda o empresas. Verifica identidades antes de unir con tu CRM o campañas.
-- Assumes a normalized BigQuery observation table.
-- Counts observed records, not audience or ad performance.
SELECT
source,
source_id,
advertiser,
collected_at
FROM `your_project.marketing.ad_observations`
QUALIFY ROW_NUMBER() OVER (
PARTITION BY source, source_id
ORDER BY collected_at DESC
) = 1;Lista de empresas de un nicho concreto.
Google Search + Website Contacts
Una agencia que estudie tiendas independientes de outdoor puede empezar con búsquedas de Google en su mercado. Verifica dominios y envía la selección a Website Contacts.
En Sheets, une por dominio normalizado. Conserva consulta, contactos publicados y notas sobre encaje. En BigQuery separa búsquedas y contactos para no contar varias veces una empresa encontrada por distintas consultas.
Tendrás una lista de empresas con fuentes revisables por tu equipo.
Ver Website ContactsLos anuncios de una marca,
comparados entre canales.
Meta + Google + TikTok + LinkedIn
Elige un competidor y el mismo periodo. Recopila una muestra limitada de las cuatro fuentes. Comprueba la identidad del anunciante en cada plataforma antes de comparar mensajes.
Conserva ID, fechas y enlaces. Revisa las creatividades antes de etiquetar ganchos, ofertas y enfoques. Claude puede ordenar los hallazgos y proponer pruebas con sus fuentes.
El informe compara mensajes entre canales y muestra registros o campos ausentes.
Ver Meta Ad LibraryHablemos de
tu proyecto.
Cuéntame qué necesitas recopilar o entender. Puedo ayudarte con un scraper a medida, un pipeline o el análisis.
Hablemos de tu proyecto