Il server MCP per le inserzioni di Meta è ora disponibile nel Databricks Marketplace, collegando i dati e i modelli aziendali a workflow pubblicitari agentici.
Ecco uno scenario familiare per gli inserzionisti aziendali: il team dei dati ha fatto un ottimo lavoro. C'è un modello di churn in produzione, un punteggio LTV che identifica i clienti su cui vale la pena investire e dati di attribuzione che mostrano quale creatività ha generato entrate.
Nel frattempo, il team media adegua i budget delle campagne utilizzando i numeri di Meta Ads Manager. Gli insight che potrebbero cambiare queste decisioni sono ancora lontani: un'esportazione in formato CSV, un'integrazione personalizzata delle API di marketing che qualcuno deve gestire o un allineamento ricorrente del giovedì in cui tutti sperano che i risultati vengano applicati alla campagna successiva.
Il server MCP per le inserzioni di Meta, ora disponibile nel Databricks Marketplace, offre ai professionisti del marketing un percorso più diretto per tradurre questi insight in decisioni per le campagne. Collegando il server MCP per le inserzioni a Genie, i marketer possono utilizzare il linguaggio naturale per esplorare le prestazioni delle campagne Meta insieme ai dati aziendali governati in Databricks. Il punteggio di churn, la tabella dei margini e i risultati delle campagne possono ora far parte della stessa conversazione.
Questa release amplia la nostra collaborazione con Meta, dopo il lancio delle API Conversions di Meta su Databricks Marketplace, che aiutano gli inserzionisti a inviare segnali di conversione di prima parte da Databricks a Meta per migliorare la misurazione e l'ottimizzazione degli annunci.
MCP, o Model Context Protocol, è uno standard aperto che consente agli agenti IA di interagire con strumenti e origini dati. Il server MCP per le inserzioni di Meta espone oltre 25 strumenti per l'intero ciclo di vita delle campagne: creazione di campagne e gruppi di inserzioni, modifica di budget e offerte, definizione del pubblico, gestione di creatività e cataloghi, estrazione dei dati sulle prestazioni e diagnosi della qualità dei segnali.
I marketer lavorano già in Genie One, dove pongono domande e ottengono insight istantanei basati sul contesto aziendale (incluse metriche e definizioni curate dai team dei dati) e intraprendono azioni su strumenti esterni. L'aggiunta del server MCP per le inserzioni di Meta a Genie porta i report sulle campagne e gli strumenti pubblicitari nella stessa conversazione.
I team di marketing e pubblicità possono attivare un modello invece di esportare un segmento. In Genie One, i marketer possono inserire un prompt come: "Usa il nostro punteggio di rischio di churn per identificare i clienti di alto valore a rischio di abbandono e avvia una campagna di fidelizzazione con un budget giornaliero di 8.000 dollari". Genie One cerca quindi i dati appropriati, trova il contesto aziendale pertinente tra gli strumenti e i sistemi connessi e crea la campagna comprendendo appieno il funzionamento effettivo dell'azienda e del marketing. Oppure si consideri l'allocazione del budget: il margine lordo per ordine risiede in Databricks, mentre la spesa per le campagne e le metriche di pubblicazione risiedono in Meta. Un agente con accesso a entrambi può consigliare come spostare il budget verso i gruppi di inserzioni che generano entrate redditizie, non solo conversioni economiche.
Se invii già le conversioni a Meta tramite le API Conversions, il server MCP per le inserzioni offre agli agenti anche l'accesso alla diagnostica dei segnali, inclusi i volumi degli eventi, la qualità di corrispondenza degli eventi (Event Match Quality) e la freschezza dei dati. “Gli eventi di acquisto sono diminuiti perché le vendite hanno rallentato o perché è cambiato qualcosa nella nostra pipeline?” diventa un'indagine che attinge sia alla diagnostica di Meta sia ai tuoi dati in Databricks. E la domanda del lunedì mattina, “Quali campagne hanno registrato prestazioni inferiori la scorsa settimana e come si conciliano con i nostri ricavi interni?”, si risolve con un solo prompt invece di dover unire due strumenti diversi in una slide.
Cosa impedisce a un agente di compiere un'azione costosa e imprecisa in un account pubblicitario di produzione? In Databricks, gli amministratori controllano l'accesso alla connessione Meta tramite Unity Catalog, mentre Unity Gateway governa le chiamate agli strumenti e registra i log di utilizzo e di audit. I dati aziendali rimangono soggetti alle autorizzazioni Databricks esistenti e alle azioni in Ads Manager.
Su Meta, gli inserzionisti impostano regole nelle Impostazioni aziendali, ad esempio bloccando qualsiasi aumento di budget superiore al 20% o vietando del tutto la creazione di campagne su un determinato account. Il server verifica ogni chiamata allo strumento rispetto a queste regole prima di eseguirla. Se ne viene violata una, la chiamata viene bloccata e all'agente viene restituito un errore strutturato che ne spiega il motivo. Non si tratta di un prompt che chiede gentilmente a un modello di comportarsi bene; la regola viene applicata lato server, quindi è valida indipendentemente dal modello utilizzato. Inoltre, puoi gestire le stesse regole tramite le API di marketing, un aspetto fondamentale se gestisci centinaia di account pubblicitari e non vuoi scorrere le pagine delle impostazioni una alla volta.
Un punteggio LTV, un modello di propensione, una tabella dei margini e una previsione dell'inventario colgono ciascuno qualcosa di utile sull'attività aziendale. Portare questo contesto nello stesso workflow dell'agente in cui si trovano gli strumenti pubblicitari di Meta offre ai team un modo per utilizzarlo nelle operazioni quotidiane delle campagne.
La maggior parte delle integrazioni consente a un agente di gestire le inserzioni. In Databricks, l'agente può gestire le inserzioni mentre ragiona sull'intero patrimonio di dati e IA: segmenti, punteggi di propensione, LTV, attribuzione di prima parte, inventario. Questa è la differenza tra l'automazione di pochi clic e il prendere effettivamente una decisione migliore rispetto al workflow che è stato sostituito.
“I clienti ci chiedono un modo più diretto per mettere i loro investimenti in dati e IA al servizio delle decisioni che guidano la crescita. Per gli inserzionisti, questo significa mettere la customer intelligence al centro delle decisioni su pubblico, offerte e budget. La nostra partnership con Meta aiuta i clienti a connettere i dati e i modelli che hanno creato in Databricks all'esecuzione delle campagne, con la governance e il controllo di cui hanno bisogno per scalare.”—Stephen Orban, SVP Product Partnerships and Ecosystem di Databricks
La stessa attenzione nel mettere a frutto la customer intelligence si estende a CustomerLake, una CDP agentica creata nativamente in Databricks che porta i profili dei clienti, i segmenti di pubblico e i workflow delle campagne direttamente nella base di dati aziendale.
Per iniziare, trova il server MCP per le inserzioni di Meta nel Databricks Marketplace e segui le istruzioni per configurare una connessione utilizzando un token di acesso utente Meta e le autorizzazioni richieste. Consenti al tuo agente di accedere ai dati di marketing pertinenti in Databricks e inizia con una domanda concreta che il tuo team si pone già ogni settimana.
I tuoi team hanno già investito per comprendere a fondo i propri clienti. Questo offre loro un modo più diretto per mettere a frutto questa conoscenza nelle campagne Meta. Se disponi di modelli in Databricks e di un team media che lavora sui report della piattaforma, questo è il percorso più breve tra "abbiamo i dati" e "la campagna li riflette".
Inizia a usare il server MCP per le inserzioni di Meta nel Databricks Marketplace.
(Questo post sul blog è stato tradotto utilizzando strumenti basati sull'intelligenza artificiale) Post originale
Iscriviti al nostro blog e ricevi gli ultimi articoli direttamente nella tua casella di posta.