Der Ads-MCP-Server von Meta ist jetzt im Databricks Marketplace verfügbar und verbindet Unternehmensdaten und -modelle mit agentenbasierten Werbe-Workflows.
von Katy Yuan, Jen McNamee und Rohith Bhatia
Hier ist ein vertrautes Szenario für Werbetreibende in Unternehmen: Das Datenteam hat ganze Arbeit geleistet. Es gibt ein Churn-Modell in der Produktion, einen LTV-Score, der wertvolle Kunden identifiziert, und Attributionsdaten, die zeigen, welches Creative den Umsatz gesteigert hat.
In der Zwischenzeit passt das Medienteam die Kampagnenbudgets anhand der Zahlen im Meta Ads Manager an. Die Erkenntnisse, die diese Entscheidungen beeinflussen könnten, sind jedoch einen manuellen Schritt entfernt: ein CSV-Export, eine benutzerdefinierte Marketing-API-Integration, die gepflegt werden muss, oder ein wöchentlicher Abstimmungstermin am Donnerstag, bei dem alle hoffen, dass die Ergebnisse in die nächste Kampagne einfließen.
Der Ads-MCP-Server von Meta, der jetzt im Databricks Marketplace verfügbar ist, bietet Marketern einen direkteren Weg von diesen Erkenntnissen zu Kampagnenentscheidungen. Durch die Verknüpfung des Ads-MCP-Servers mit Genie können Marketer in natürlicher Sprache die Performance von Meta-Kampagnen direkt neben ihren verwalteten Geschäftsdaten in Databricks analysieren. Der Churn-Score, die Margentabelle und die Kampagnenergebnisse können nun in dieselbe Diskussion einfließen.
Dieses Release erweitert unsere Zusammenarbeit mit Meta nach der Einführung der Meta Conversions-API im Databricks Marketplace, die Werbetreibenden hilft, First-Party-Conversion-Signale von Databricks an Meta zu senden, um die Anzeigenmessung und -optimierung zu verbessern.
MCP (Model Context Protocol) ist ein offener Standard, der es KI-Agenten ermöglicht, mit Tools und Datenquellen zu interagieren. Der Ads-MCP-Server von Meta stellt über 25 Tools für den gesamten Kampagnen-Lebenszyklus bereit: Erstellung von Kampagnen und Anzeigengruppen, Änderung von Budgets und Geboten, Definition von Zielgruppen, Verwaltung von Creatives und Katalogen, Abruf von Performance-Daten und Diagnose der Signalqualität.
Marketer arbeiten bereits in Genie One, wo sie Fragen stellen und sofortige Erkenntnisse auf Basis des Unternehmenskontexts erhalten (einschließlich von Datenteams kuratierter Metriken und Definitionen) sowie Maßnahmen in externen Tools ergreifen können. Die Integration des Ads-MCP-Servers von Meta in Genie bringt Kampagnen-Reporting und Werbetools in denselben Kontext.
Marketing- und Werbeteams können ein Modell aktivieren, anstatt ein Segment zu exportieren. In Genie One können Marketer beispielsweise folgenden Prompt eingeben: „Nutze unseren Churn-Risiko-Score, um wertvolle, abwanderungsgefährdete Kunden zu identifizieren, und starte eine Retention-Kampagne mit einem täglichen Budget von 8.000 USD.“ Genie One sucht dann nach den entsprechenden Daten, findet den relevanten Unternehmenskontext über verbundene Tools und Systeme hinweg und erstellt die Kampagne mit einem umfassenden Verständnis dafür, wie Ihr Unternehmen und Ihr Marketing tatsächlich funktionieren. Oder denken Sie an die Budgetallokation: Die Bruttomarge pro Bestellung liegt in Databricks, während die Kampagnenausgaben und Bereitstellungsmetriken bei Meta liegen. Ein Agent mit Zugriff auf beide Quellen kann empfehlen, wie das Budget auf Anzeigengruppen verlagert werden kann, die profitablen Umsatz generieren, statt nur günstige Conversions.
Wenn Sie bereits Conversions über die Conversions-API an Meta senden, bietet der Ads-MCP-Server Agenten auch Zugriff auf die Signaldiagnose, einschließlich Event-Volumen, Event Match Quality und Datenaktualität. Die Frage „Sind die Kauf-Events zurückgegangen, weil die Verkäufe zurückgegangen sind, oder weil sich in unserer Pipeline etwas geändert hat?“ wird zu einer Untersuchung, die sowohl auf Diagnosen von Meta als auch auf Ihren Daten in Databricks basiert. Und die Frage am Montagmorgen: „Welche Kampagnen haben letzte Woche schlecht abgeschnitten und wie deckt sich das mit unserem internen Umsatz?“ lässt sich mit einem einzigen Prompt beantworten, anstatt zwei Tools mühsam in einer Präsentation zusammenzuführen.
Was hindert einen Agenten daran, in einem produktiven Werbekonto kostspielige oder fehlerhafte Aktionen durchzuführen? In Databricks steuern Administratoren den Zugriff auf die Meta-Verbindung über Unity Catalog, während Unity Gateway Tool-Aufrufe regelt sowie Nutzungs- und Audit-Logs aufzeichnet. Unternehmensdaten unterliegen weiterhin den bestehenden Databricks-Berechtigungen und Aktionen im Ads Manager.
Bei Meta legen Werbetreibende Regeln in den Unternehmenseinstellungen fest – z. B. jede Budgeterhöhung um mehr als 20 % zu blockieren oder die Erstellung von Kampagnen für ein bestimmtes Konto ganz zu untersagen. Der Server prüft jeden Tool-Aufruf vor der Ausführung anhand dieser Regeln. Wird eine Regel verletzt, wird der Aufruf blockiert und der Agent erhält eine strukturierte Fehlermeldung mit der Begründung. Dies ist kein Prompt, der ein Modell höflich bittet, sich zu benehmen; es wird serverseitig erzwungen und gilt daher unabhängig davon, welches Modell Sie verwenden. Und Sie können dieselben Regeln über die Marketing-API verwalten, was besonders wichtig ist, wenn Sie Hunderte von Werbekonten verwalten und sich nicht einzeln durch die Einstellungsseiten klicken möchten.
Ein LTV-Score, ein Propensity-Modell, eine Margentabelle und eine Bestandsprognose erfassen jeweils wertvolle Aspekte des Geschäfts. Indem dieser Kontext in denselben Agenten-Workflow wie die Werbetools von Meta integriert wird, können Teams diese Daten im täglichen Kampagnenbetrieb nutzen.
Die meisten Integrationen ermöglichen es einem Agenten lediglich, Anzeigen zu verwalten. In Databricks kann er Anzeigen verwalten und gleichzeitig logische Schlüsse über Ihren gesamten Daten- und KI-Bestand ziehen – Segmente, Propensity-Scores, LTV, First-Party-Attribution, Lagerbestand. Das ist der Unterschied zwischen der Automatisierung einiger weniger Klicks und einer tatsächlich besseren Entscheidung als im vorherigen Workflow.
„Unsere Kunden wünschen sich einen direkteren Weg, um ihre Daten- und KI-Investitionen für Entscheidungen zu nutzen, die das Wachstum fördern. Für Werbetreibende bedeutet dies, Customer Intelligence in den Mittelpunkt von Entscheidungen über Zielgruppen, Angebote und Budgets zu stellen. Unsere Partnerschaft mit Meta hilft Kunden, die in Databricks erstellten Daten und Modelle mit der Kampagnenausführung zu verknüpfen – und zwar mit der Governance und Kontrolle, die sie für die Skalierung benötigen.“—Stephen Orban, SVP Product Partnerships and Ecosystem bei Databricks
Derselbe Fokus auf die Nutzung von Customer Intelligence erstreckt sich auch auf CustomerLake, eine agentenbasierte CDP, die nativ in Databricks integriert ist und Kundenprofile, Zielgruppen und Kampagnen-Workflows in die Datenbasis des Unternehmens einbringt.
Suchen Sie für den Einstieg den Ads-MCP-Server von Meta im Databricks Marketplace und folgen Sie den Anweisungen, um eine Verbindung mit einem Meta-Benutzer-Zugriffstoken und den erforderlichen Berechtigungen zu konfigurieren. Geben Sie Ihrem Agenten Zugriff auf die relevanten Marketingdaten in Databricks und beginnen Sie mit einer konkreten Frage, die sich Ihr Team ohnehin jede Woche stellt.
Ihre Teams haben bereits in das Verständnis ihrer Kunden investiert. Dies bietet ihnen einen direkteren Weg, dieses Wissen in Meta-Kampagnen einzusetzen. Wenn Sie Modelle in Databricks haben und ein Medienteam, das mit Plattform-Berichten arbeitet, ist dies der kürzeste Weg zwischen „Wir haben die Daten“ und „Die Kampagne spiegelt sie wider“.
Erste Schritte mit dem Ads-MCP-Server von Meta im Databricks Marketplace.
(Dieser Blogbeitrag wurde mit KI-gestützten Tools übersetzt.) Originalbeitrag
Abonnieren Sie unseren Blog und erhalten Sie die neuesten Beiträge direkt in Ihren Posteingang.