Vous avez les données.
Voici où les envoyer.
Créez un tableau hebdomadaire, demandez une synthèse à Claude, préparez un tableau de bord ou chargez les données dans votre entrepôt.
Rassemblez vos recherches dans un tableau partagé.
Planifiez un extracteur et ajoutez ses résultats dans Google Sheets. Votre équipe pourra revoir les nouvelles publicités et autres changements au même endroit.
Sheets convient aux petites équipes. Un entrepôt est souvent préférable pour un long historique ou des données imbriquées.
Commencez avec une petite liste
Choisissez un extracteur, une petite limite et une liste fixe de marques, requêtes ou entreprises. Vérifiez les premiers résultats avant de planifier.
Envoyez les exécutions réussies dans Sheets
Utilisez les modules Apify de Make ou n8n pour suivre les succès, récupérer les résultats et ajouter les champs à Sheets. Un import CSV manuel convient aussi pour commencer.
Gardez l’historique des exécutions
Ajoutez collected_at et run_id. Dédupliquez par identifiant dans chaque instantané. Aplatissez les champs utiles et gardez le JSON brut ailleurs.
Laissez de la place aux notes
Ajoutez thèmes, idées de campagne et prochaines actions. Utilisez filtres ou tableau croisé dynamique pour la revue hebdomadaire.
Obtenez une synthèse avec des sources vérifiables.
Connectez Claude au serveur MCP d’Apify. Demandez-lui de lancer un extracteur pour répondre à une question précise, puis de résumer les résultats avec leurs liens.
Votre compte Apify et les tarifs actuels de l’Actor déterminent les coûts. Les connecteurs Claude dépendent du client et du compte.
Connectez Claude à Apify
Dans Claude Desktop, ajoutez le connecteur Apify ou un connecteur personnalisé avec https://mcp.apify.com. Connectez-vous à Apify lorsque demandé.
Nommez l’extracteur et fixez une limite
Donnez le nom de l’Actor JMLP à Claude et demandez le schéma. Précisez cibles, marchés et petite limite.
Demandez les sources avec la synthèse
Demandez liens d’origine ou identifiants. Faites séparer observations et hypothèses et signaler champs absents ou lacunes de couverture.
Vérifiez les résultats avant d’utiliser la synthèse
Vérifiez résultats et créations d’origine. Dates et plages de portée ne donnent ni ventes, conversions ni retour publicitaire.
Utilise jmlp/meta-ad-library-scraper pour collecter jusqu’à 50 annonces actives ZARA en GB. Vérifie d’abord le schéma de l’Actor. Regroupe messages par accroche et offre, cite les identifiants d’origine et propose trois hypothèses de campagne testables. Ne déduis ni dépenses ni conversions.
Suivez les changements dans un tableau de bord.
Connectez les résultats Google Sheets d’un extracteur à Looker Studio. Suivez publicités, positions de recherche ou recrutements au fil des exécutions.
Gardez visibles les champs absents. N’additionnez pas plages de portée et observations répétées en une audience totale.
Préparez la table de rapport
Commencez par envoyer les résultats dans Sheets. Définissez chaque ligne : création observée ou résultat de recherche, par exemple.
Connectez Looker Studio
Ajoutez le tableau Sheets comme source. Définissez types de date et nombre, puis filtres par annonceur, pays ou requête.
Choisissez quoi suivre
Essayez une chronologie créative, des positions de recherche ou des offres par poste et lieu. Affichez période de collecte et couverture.
Transférez l’historique dans BigQuery au besoin
Pour plus de données, connectez Looker Studio aux tables modélisées BigQuery. Dans Looker, utilisez la connexion gouvernée et le modèle LookML de votre équipe.
Conservez un historique que vos analystes peuvent interroger.
Chargez les résultats dans BigQuery et conservez les instantanés bruts. Utilisez SQL et dbt pour créer des tables fiables pour votre équipe.
Vous aurez besoin de planification, d’identifiants API et de tâches de chargement dans vos outils. Je peux vous aider à construire ce pipeline.
Gardez l’exécution brute
Récupérez le JSON de chaque succès via l’API ou le client Python Apify. Stockez les résultats avec run_id, collected_at et source dans une table d’arrivée BigQuery.
Définissez ce que représente un résultat
Une annonce vue dans deux pays reste une création. Gardez les identifiants de plateforme et séparez les observations régionales au besoin.
Créez les modèles SQL et dbt
Normalisez dates et noms dans les modèles intermédiaires. Ajoutez tests dbt d’unicité et de non-nullité si la source le permet. Gardez null les champs indisponibles.
Partagez des tables utilisables par l’équipe
Publiez des tables de créations, de visibilité de recherche ou d’entreprises. Vérifiez les identités avant de joindre CRM ou campagnes.
-- 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;Liste d’entreprises dans un créneau précis.
Google Search + Website Contacts
Une agence étudiant des boutiques outdoor indépendantes peut commencer par des recherches Google sur son marché. Vérifiez les domaines et envoyez la sélection à Website Contacts.
Dans Sheets, joignez sur domaine normalisé. Gardez requête, contacts publiés et notes de pertinence. Dans BigQuery, séparez recherches et contacts pour ne pas compter plusieurs fois une entreprise trouvée par plusieurs requêtes.
Vous aurez une liste d’entreprises avec sources vérifiables par l’équipe.
Découvrir Website ContactsLes publicités d’une marque,
comparées entre canaux.
Meta + Google + TikTok + LinkedIn
Choisissez un concurrent et une même période. Collectez un échantillon limité des quatre sources. Vérifiez l’identité de l’annonceur sur chaque plateforme avant de comparer les messages.
Gardez identifiants, dates et liens. Examinez les créations avant d’annoter accroches, offres et angles. Claude peut organiser les constats et suggérer des tests avec les sources.
La synthèse compare les messages entre canaux et montre résultats ou champs manquants.
Découvrir Meta Ad LibraryParlons de
votre projet.
Dites-moi ce que vous devez collecter ou comprendre. Je peux vous aider avec un extracteur sur mesure, un pipeline ou l’analyse.
Parlons de votre projet